मासायोशी सन यांचे एआय ध्येय

मासायोशी सन यांचे एआय ध्येय

सॉफ्टबँक समूहाचे अध्यक्ष आणि मुख्य कार्यकारी अधिकारी मासायोशी सन यांनी एएसआय (कृत्रिम सुपर इंटेलिजन्स) च्या दृष्टीबद्दल अनेकदा भाष्य केले आहे. ‘एआय (AI) येत्या दशकात मानवापेक्षा दहा हजार पटीने अधिक बुद्धिमत्ता प्राप्त करेल,’ असा त्यांचा अंदाज आहे. 2024 मध्ये विविध सार्वजनिक कार्यक्रमांमध्ये केलेल्या या घोषणेमुळे एआय क्षेत्रावर सॉफ्टबँकचा वाढता भर आणि धोरणात्मक हालचाली स्पष्ट होतात.

सॉफ्टबँकची धोरणात्मक एआय गुंतवणूक

या काळात, सॉफ्टबँकने एआय क्षेत्रात मोठ्या प्रमाणात गुंतवणूक आणि धोरणात्मक उपक्रम वाढवले ​​आहेत.

2024 मध्ये, सॉफ्टबँक समूहांनी एआय-आधारित कंपन्यांमध्ये अनेक महत्त्वपूर्ण गुंतवणूक केली. यामध्ये एआय स्टार्टअप ‘Perplexity AI’ मध्ये गुंतवणूक, मानवी रोबोट स्टार्टअप ‘Skild AI’ मध्ये गुंतवणुकीचा समावेश आहे. अमेरिकेत ‘Tempus AI’ सोबत आरोग्य सेवा संयुक्त venture (healthcare joint venture) सुरू केले आणि ब्रिटिश एआय चिप युनिकॉर्न ‘Graphcore’ चे अधिग्रहण केले.

2025 पर्यंत, सॉफ्टबँकने ‘OpenAI’ सोबत सहकार्य अधिक तीव्र केले. मार्चच्या उत्तरार्धात, सॉफ्टबँकने ‘Ampere’ या अमेरिकन चिप डिझाइन कंपनीला 6.5 अब्ज डॉलर्समध्ये (अंदाजे RMB 47 अब्ज) विकत घेऊन एआय चिप क्षेत्रात आपली उपस्थिती आणखी वाढवली.

‘Arm’ मधील मोठ्या हिश्श्यासह, या हालचाली एआय चिप पायाभूत सुविधांमध्ये गुंतवणूक वाढवण्याची सॉफ्टबँकची धोरणात्मक महत्वाकांक्षा दर्शवतात.

Nvidia सोबत संधी हुकली

सहा वर्षांपूर्वी, सॉफ्टबँकने ‘Nvidia’ मधील आपला संपूर्ण हिस्सा विकला, ज्यामुळे कंपनीच्या त्यानंतरच्या मोठ्या वाढीमध्ये त्यांना सहभागी होता आले नाही. Nvidia चे बाजार भांडवल (market capitalization) एक ट्रिलियन डॉलर्सपर्यंत पोहोचले. आता, सध्याच्या एआयच्या लाटेत, सॉफ्टबँक पुनरागमन करत आहे, जे Nvidia च्या वर्चस्वाला आव्हान देण्याची महत्वाकांक्षा दर्शवते.

नोव्हेंबर 2024 मध्ये जपानमधील एआय परिषदेत Nvidia चे संस्थापक आणि सीईओ जेन्सन हुआंग यांनी उपस्थितांना सांगितले, ‘तुम्हाला कदाचित माहित नसेल की एकेकाळी मासा (मासायोशी सन) Nvidia चे सर्वात मोठे भागधारक होते.’ त्यानंतर त्यांनी सन यांच्यासोबत ‘रडण्याचा’ mock क्षण विनोदीपणे share केला आणि ‘ठीक आहे, आपण सोबत रडू शकतो,’ असे म्हटले.

ही घटना सॉफ्टबँकसाठी एक मोठी संधी गमावल्यासारखी आहे, अशी भावना सन यांनी सार्वजनिकपणे व्यक्त केली आहे.

2017 मध्ये, सॉफ्टबँकने खुल्या बाजारात Nvidia चे शेअर्स विकत घेतले आणि कंपनीचे जवळपास 5% शेअर्स आपल्या ताब्यात घेतले, ज्यामुळे ते Nvidia च्या सर्वात मोठ्या भागधारकांपैकी एक बनले. तथापि, सॉफ्टबँकने 2019 मध्ये आपला हिस्सा विकला, ज्यामुळे Nvidia च्या विकासाच्या उच्च शिखरावर पोहोचण्याची संधी हुकली.

एआय चिप्समध्ये गुंतवणूक करण्याचा सन यांचा उत्साह वाढत आहे. ऑक्टोबर 2024 मध्ये एका सार्वजनिक मुलाखतीत, त्यांनी Nvidia चे ‘undervalued’ असल्याचे सांगितले.

गेल्या दोन वर्षांपासून, सॉफ्टबँक समूह आपली एएसआय दृष्टी साकार करण्यासाठी एआय चिप्स आणि संबंधित पायाभूत उद्योगांमध्ये सक्रियपणे युती आणि गुंतवणूक करत आहे, जेणेकरून भूतकाळातील चुका सुधारता येतील.

सन यांनी एक तर्क व्यक्त केला आहे: सुपर आर्टिफिशियल इंटेलिजन्सच्या विकासाला प्रोत्साहन देऊन मानवी उत्क्रांतीला पुढे न्यायचा आहे. त्यांनी भाकीत केले आहे की 2035 पर्यंत सुपर आर्टिफिशियल इंटेलिजन्स (ASI) साध्य केले जाईल.

सन जोर देऊन सांगतात की ASI हे सामान्यतः चर्चेत असलेल्या एजीआय (Artificial General Intelligence) पेक्षा वेगळे आहे. एजीआय म्हणजे अनेक कार्ये हाताळण्यास आणि मानवासारखे लवचिक प्रदर्शन करण्यास सक्षम असलेली सामान्य बुद्धिमत्ता, ज्यामुळे मानवी समाजात मोठे बदल होण्याची शक्यता कमी आहे. दुसरीकडे, ASI मानवी बुद्धिमत्तेला मागे टाकते, मानवी इतिहासातील एक महत्त्वाचा टप्पा आहे, ज्यात ASI-चालित बुद्धिमान रोबोट मानवासाठी विविध शारीरिक कार्ये करतात.

सॉफ्टबँकची एएसआय तैनात करण्याची रणनीती

सॉफ्टबँक समूहाच्या योजनेनुसार, एएसआय तैनात करण्यासाठी चार मुख्य आयाम आहेत:

• एआय चिप्स
• एआय डेटा सेंटर्स
• एआय रोबोट्स
• ऊर्जा

यापैकी, एआय चिप्स हे मुख्य पायाभूत सुविधा आहेत.

सन यांनी सांगितले, ‘आर्म एएसआयसाठी मूलभूत तंत्रज्ञान प्रदान करेल.’ त्यांनी पुढे म्हटले की आर्म महत्त्वपूर्ण असले तरी, कोणतीही एक कंपनी एकट्याने ASI साध्य करू शकत नाही. सॉफ्टबँक समूहातील सर्व सदस्य हे ध्येय साध्य करण्यासाठी एकत्र काम करतील.

हे सॉफ्टबँकच्या एआय चिप क्षेत्रात कंपन्यांच्या वाढत्या संपादनाचे स्पष्टीकरण देते: आर्ममधील गुंतवणुकीने सुरुवात करून, त्यानंतर ग्राफकोर आणि अँपिअरचे अधिग्रहण, सॉफ्टबँकची एआय चिप धोरण अधिकाधिक स्पष्ट होत आहे.

टेक्नॉलॉजी डायरेक्टर आनंद जोशी यांनी सांगितले की सॉफ्टबँकचे उद्दिष्ट आर्टिफिशियल जनरल इंटेलिजन्समध्ये (AGI) जागतिक नेता बनण्याचे आहे आणि त्यांच्या अलीकडील गुंतवणुकीच्या हालचाली याच महत्वाकांक्षेला दर्शवतात.

ते पुढे म्हणाले, ‘एजीआय ऍप्लिकेशन्सची क्षमता पूर्णपणे लक्षात येण्यासाठी, चिप्स, आयपी, सर्व्हर, सीपीयू, एआय एक्सीलरेटर आणि बरेच काही समाविष्ट असलेले संपूर्ण पायाभूत सुविधा आवश्यक आहे.’ जेव्हा सॉफ्टबँक एआय सेमीकंडक्टरमध्ये गुंतवणूक करते, तेव्हा ते नेहमी व्यापक दृष्टीकोनातून पाहतात, ज्यात हे तीन घटक या योजनेत परिपूर्ण पूरक ठरतात: आर्म डेटा सेंटर्ससाठी प्रोसेसर आयपी प्रदान करते; अँपिअर या IPs वर आधारित डेटा सेंटर-विशिष्ट चिप्स तयार करते; आणि ग्राफकोर डेटा सेंटर एआय एक्सीलरेटर चिप्सच्या संशोधन आणि विकासावर लक्ष केंद्रित करते.

या तिघांमध्ये व्यावसायिक समन्वय कसा असेल, याबद्दल आनंद जोशी म्हणाले, ‘या तिन्ही कंपन्या विद्यमान उत्पादने एकत्रित करण्याची किंवा नवीन सोल्यूशन्स लॉन्च करण्याची योजना आखत आहेत की नाही हे अद्याप स्पष्ट झालेले नाही, परंतु या तिघांच्या संयोजनामध्ये एक संपूर्ण एआय ऍप्लिकेशन पायाभूत सुविधा तयार करण्याची क्षमता आहे.’

या vertical integration द्वारे, OpenAI या exclusive आर्किटेक्चरवर चालवण्यासाठी ऑप्टिमाइज केलेले मॉडेल प्रदान करू शकते, ज्यामुळे जगभरात मॉडेल performance मध्ये आघाडी मिळवता येईल. ‘एंटरप्राइज ग्राहक API कॉल्सद्वारे या AI सर्व्हर क्षमता खरेदी करतील आणि pay-per-use मॉडेलमुळे त्यांना प्रचंड नफा मिळण्याची शक्यता आहे,’ असेही ते म्हणाले.

सॉफ्टबँक गुंतवणूक आणि अधिग्रहणद्वारे एआय कोअर चिप इकोसिस्टम (AI core chip ecosystem) तयार करत असल्यामुळे, सॉफ्टबँक Nvidia चा संभाव्य प्रतिस्पर्धी तयार करण्याची योजना आखत आहे, असे काही लोकांचे मत आहे.

आव्हान आणि स्पर्धा

तथापि, सध्या तरी ही फक्त एक दृष्टी आहे. एकीकडे, Nvidia ने CUDA सारख्या सॉफ्टवेअर इकोसिस्टममध्ये (software ecosystems) एक दशकाहून अधिक काळ केलेल्या सतत गुंतवणुकीवर आधारित एक मजबूत तटबंदी (moat) तयार केली आहे. आजपर्यंत, Nvidia GPU चिप्स AI प्रशिक्षणासाठी (training) उद्योगातील पहिली निवड आहेत. या ecological फायद्यामुळे AI inference बाजूला एक विशिष्ट स्पर्धात्मक अडथळा निर्माण होतो; दुसरीकडे, बाजारात ‘Nvidia विरोधी युती’ वेगाने वाढत आहे. याचे एक उत्तम उदाहरण म्हणजे क्लाउड सर्व्हिस विक्रेते ASIC चिप डिझाइन कंपन्यांच्या सहकार्याने स्वतःच्या विकसित केलेल्या AI inference चिप्सची वारंवार पुनरावृत्ती करत आहेत आणि Broadcom आणि Marvell (Marvell Electronics) हे त्याचे महत्त्वाचे लाभार्थी आहेत.

विद्यमान स्पर्धात्मक वातावरणाचा सामना करत, नवीन प्रवेशकर्त्यांना झटपट प्रगती करणे सोपे नाही, विशेषत: Graphcore आणि Ampere या दोन्ही कंपन्यांना सॉफ्टबँककडून अधिग्रहित केले जात असताना मोठ्या आर्थिक अडचणींचा सामना करावा लागला, याचा अर्थ असा आहे की या दोन्ही कंपन्यांच्या व्यापारीकरण क्षमतेत सुधारणा करणे बाकी आहे.

सॉफ्टबँकने दिलेल्या माहितीनुसार, 2022 आणि 2024 दरम्यान Ampere चे operating उत्पन्न US$ 152 दशलक्ष वरून US$ 16 दशलक्ष पर्यंत घटले आहे, म्हणजेच जवळपास दहा पटीने घट झाली आहे. कंपनी नफा पुनर्संचयित करण्याचा प्रयत्न करत आहे, पण 2024 पर्यंत US$ 581 दशलक्षचा तोटा झाला आहे. निव्वळ मालमत्ता आणि एकूण मालमत्ता देखील लक्षणीयरीत्या कमी होत आहेत.

सार्वजनिक माहितीनुसार, Ampere ने सुरुवातीला क्लाउड-नेटिव्ह (cloud-native) संगणनावर लक्ष केंद्रित केले आणि त्यानंतर कृत्रिम बुद्धिमत्ता संगणक (AI compute) क्षेत्रात विस्तार केला. कंपनीची उत्पादने एज (edge) ते क्लाउड डेटा सेंटरपर्यंतच्या क्लाउड वर्कलोड्सची (cloud workloads) श्रेणी कव्हर करतात.

Graphcore ने यापूर्वी सादर केलेल्या कागदपत्रांनुसार, 2022 मध्ये त्यांची विक्री US$ 2.7 दशलक्ष होती, तर US$ 204.6 दशलक्षचा तोटा झाला होता.

परिचालन (operating) स्थितीबद्दल, आनंद जोशी यांनी सांगितले की Arm आणि Ampere ने चांगली कामगिरी केली असली तरी, Graphcore चा विकास समाधानकारक नव्हता.

‘नंतरच्या चिप्स त्याच वेळी release झालेल्या त्याच पिढीच्या उत्पादनांच्या performance पातळीपर्यंत पोहोचणे कठीण आहे, हीच त्यांची मुख्य अडचण बनली आहे. Graphcore ने software ला support करण्याच्या महत्त्वा लक्षात घेऊन compilers आणि इतर तांत्रिक क्षेत्रांमध्ये गुंतवणूक करण्यास सुरुवात केली आहे. हा दुवा (link) कृत्रिम बुद्धिमत्तेची पायाभूत सुविधा (artificial intelligence infrastructure) तयार करण्याच्या दृष्टीने एक महत्त्वाचे आव्हान आहे आणि त्यावर मात करणे आवश्यक आहे,’ असेही ते म्हणाले.

आनंद जोशी यांच्या मते, तुलनेत, Arm आर्किटेक्चरवर आधारित सर्व्हर चिप्स बाजारात दाखल झाल्या आहेत आणि त्यांचे software इकोसिस्टम तुलनेने mature आहे. तथापि, या उत्पादनांमध्ये अजूनही x86 आर्किटेक्चरमध्ये असलेली horizontal scaling क्षमता नाही. ‘यशस्वी होण्यासाठी, या तिन्ही कंपन्यांना एकत्रित software roadmap विकसित करण्याची आवश्यकता आहे.’

यापैकी, Arm विकासाच्या दृष्टीने तुलनेने mature उत्पादक आहे. जरी सामान्य लोकांना असे वाटत असले की Arm आर्किटेक्चरवर आधारित चिप उत्पादने बाजारातील 99% पेक्षा जास्त स्मार्टफोनमध्ये वापरली जातात, तरीही अलीकडच्या वर्षांमध्ये, डेटा सेंटर्स, PCs आणि इतर क्षेत्रांसाठी ते वेगाने विकसित होत आहे.

Arm चे वरिष्ठ उपाध्यक्ष आणि इन्फ्रास्ट्रक्चर बिझनेस युनिटचे महाव्यवस्थापक मोहम्मद अवद यांनी अलीकडेच एका लेखात नमूद केले आहे की सहा वर्षांपूर्वी, Arm ने क्लाउड इन्फ्रास्ट्रक्चरच्या (cloud infrastructure) पुढील पिढीसाठी Arm Neoverse प्लॅटफॉर्म सुरू केले होते. आज, Neoverse तंत्रज्ञानाच्या deployment ने एक नवीन उंची गाठली आहे: 2025 पर्यंत आघाडीच्या hyperscale क्लाउड सर्व्हिस प्रोव्हायडर्सना पाठवलेल्या computing power पैकी जवळपास 50% Arm आर्किटेक्चरवर आधारित असेल. Amazon Web Services (AWS), Google Cloud आणि Microsoft Azure सारख्या Hyperscale क्लाउड सर्व्हिस प्रोव्हायडर्सनी स्वतःच्या general-purpose custom चिप्स तयार करण्यासाठी Arm computing प्लॅटफॉर्मचा अवलंब केला आहे.

आनंद जोशी यांनी पत्रकारांना सांगितले की Arm डेटा सेंटर मार्केटमध्ये एक महत्त्वाचा खेळाडू बनला आहे. उदाहरणार्थ, Amazon X86 चा कमी किमतीचा पर्याय म्हणून स्वतःच्या विकसित केलेल्या चिप Graviton ला प्रोत्साहन देत आहे आणि सध्या त्याची बाजारातील कामगिरी चांगली आहे. त्याचप्रमाणे, Amazon च्या “Graviton+Inferential” मालिकेत स्वतःच्या विकसित केलेल्या चिप उत्पादनांची “x86+Nvidia” सोल्यूशनला कमी किमतीचा पर्याय म्हणून मांडणी केली आहे. Nvidia ने Blackwell मालिकेत आपल्या Grace CPU चिप्समध्ये Arm आर्किटेक्चर देखील वापरले आहे.

ते पुढे म्हणाले, ‘त्यामुळे, SoftBank, Arm आणि Ampere यांनी ही रणनीती यशस्वीपणे अंमलात आणल्यास, Arm डेटा सेंटर मार्केटमध्ये दुर्लक्ष करता येणार नाही, अशी शक्ती बनण्याची शक्यता आहे.’

सॉफ्टबँकची व्यापक एआय गुंतवणूक रणनीती

एआय-संबंधित उद्योगांमध्ये अत्यधिक गुंतवणुकीमुळे, सॉफ्टबँक कॉर्पोरेशनला यावर्षी फेब्रुवारीमध्ये झालेल्या गुंतवणूकदारांच्या परिषदेत एआय उद्योगातील आपल्या एकूण गुंतवणूक धोरणाचे स्पष्टीकरण देणे आवश्यक होते.

कंपनीचे अध्यक्ष आणि सीईओ जुनिची मियाकावा यांनी विश्लेषण केले की यात 8 स्तर आहेत: OpenAI सोबत संयुक्त venture द्वारे enterprise-level कृत्रिम बुद्धिमत्ता प्रकल्प “Cristal intelligence” सुरू करणे; जपानी भाषेसाठी विशेषतः मोठे भाषिक मॉडेल (LLM) विकसित करणे; जनरेटिव्ह आर्टिफिशियल इंटेलिजन्सच्या (generative artificial intelligence) क्षेत्रात धोरणात्मक युतीचा भाग म्हणून Microsoft Japan सोबत काम करणे; enterprise-level ग्राहकांना Google Workspace चे Gemini मॉडेल प्रदान करणे; एक टॉप जपानी कृत्रिम बुद्धिमत्ता संगणन प्लॅटफॉर्म (artificial intelligence computing platform) स्थापित करणे; होक्काइडो आणि ओसाकामध्ये एआय डेटा सेंटर्स (AI data centers) स्थापित करणे; AI-RAN विकसित करणे आणि AITRAS तैनात करणे, जेणेकरून AI-RAN ला संकल्पनेतून प्रत्यक्षात आणता येईल; एक सुपर डिस्ट्रीब्यूटेड (super distributed) कंप्यूटिंग इन्फ्रास्ट्रक्चर तयार करणे.

याचा अर्थ असा आहे की ASI च्या दृष्टीकोनातून, सॉफ्टबँकची मांडणी हार्डवेअर ते सॉफ्टवेअर, कंप्यूटिंग पॉवर ते कम्युनिकेशन (computing power to communication) आणि पायाभूत सुविधा ते सोल्यूशन्सपर्यंत (infrastructure to solutions) सर्वसमावेशक आयाम कव्हर करते.

वस्तुनिष्ठपणे (Objectively) बोलायचे झाल्यास, यामुळे एआय चिप कंपन्यांना त्यांच्या क्षमता अधिक मजबूत करण्यास मदत होईल, ज्या सध्या स्पर्धेत तुलनेने कमकुवत दिसत आहेत.

आनंद जोशी यांनी सांगितले की Nvidia च्या उत्कृष्ट सॉफ्टवेअर स्टॅकने (excellent software stack) performance मध्ये आपल्या प्रतिस्पर्धकांना खूप मागे टाकले आहे. Ampere आणि Graphcore सध्या performance च्या बाबतीत Nvidia पेक्षा सरस कामगिरी करू शकत नाहीत. ‘त्यांनी मालकीच्या एकूण खर्चावर (Total Cost of Ownership) लक्ष केंद्रित केले पाहिजे किंवा किंमत/अनुमान क्षमता, कार्यक्षमता/उर्जा वापर गुणोत्तर (performance/power consumption ratio) वापरून बाजारातील स्पर्धेत प्रगती साधली पाहिजे.’

ते पुढे म्हणाले की सॉफ्टबँक OpenAI चे भागधारक असल्याने, ते Arm आणि Graphcore प्लॅटफॉर्मवर OpenAI च्या काही मॉडेल्स ऑप्टिमाइझ (optimize) करू शकतात. ही मॉडेल्स (models) सर्वात प्रगत एजीआय तंत्रज्ञानाचे प्रतिनिधित्व करू शकतात आणि एक विशेष विक्री धोरण (exclusive sales strategy) adopted करू शकतात. यामुळे त्यांना त्यांच्या प्रतिस्पर्धकांच्या तुलनेत एक वेगळा फायदा मिळेल.

आनंद जोशी पुढे म्हणाले, ‘याव्यतिरिक्त, माझा असा विश्वास आहे की SoftBank Arm च्या तंत्रज्ञान roadmap मध्ये Ampere आणि Graphcore च्या विकासास मदत करण्यासाठी बदल घडवून आणेल. त्यामुळे, Arm चा IP roadmap OpenAI ने प्रस्तावित केलेल्या AI मोठ्या मॉडेलच्या गरजा पूर्णपणे फिट करेल, असे आपल्याला दिसेल.’

सॉफ्टबँक खरोखरच OpenAI सोबत आपले व्यावसायिक संबंध अधिक दृढ करत आहे.

यावर्षी फेब्रुवारीमध्ये, सॉफ्टबँकने “Crystal Intelligence” तयार करण्यासाठी OpenAI सोबत सहकार्याची घोषणा केली आणि Arm देखील याचा एक महत्त्वाचा सदस्य आहे. सॉफ्टबँकने निदर्शनास आणले की OpenAI सोबतच्या करारानुसार, Arm आणि SoftBank Corporation सह SoftBank Group कंपन्यांना जपानमध्ये OpenAI द्वारे विकसित केलेले नवीनतम आणि सर्वात प्रगत मॉडेल मिळण्यास प्राधान्य दिले जाईल.

1 एप्रिल रोजी सॉफ्टबँकने OpenAI मध्ये आणखी गुंतवणुकीची घोषणा केली. सॉफ्टबँकने सांगितले की OpenAI हे ASI च्या दिशेने वाटचाल करत असताना एक महत्त्वाचे भागीदार आहे. सप्टेंबर 2024 पासून, कंपनीने SoftBank Vision Fund 2 द्वारे OpenAI मध्ये एकूण US$ 2.2 अब्जची गुंतवणूक केली आहे. 21 जानेवारी रोजी SoftBank आणि OpenAI ने संयुक्तपणे “Stargate” योजनेची घोषणा केली, ज्याचा उद्देश OpenAI साठी समर्पित AI पायाभूत सुविधा तयार करणे आहे. यावेळी, SoftBank त्यात US$ 30 अब्ज पर्यंत गुंतवणूक करण्याची योजना आखत आहे, ज्यामध्ये US$ 10 अब्ज संयुक्त गुंतवणूकदारांसाठी (joint investors) राखीव ठेवले जातील.

नक्कीच, Nvidia बद्दल सॉफ्टबँकचा दृष्टिकोन पूर्णपणे ‘स्पर्धात्मक/विरोधी’ नाही, असा बाहेरील जगाचा समज आहे. नोव्हेंबर 2024 मध्ये, म्हणजेच जेन्सन हुआंग आणि मासायोशी सन यांच्यातील संवादानंतर, Nvidia आणि SoftBank ने व्यावसायिक सहकार्य करण्याची घोषणा केली. एकीकडे, सॉफ्टबँकला सध्या कंप्यूटिंग इन्फ्रास्ट्रक्चर (computing infrastructure) तयार करण्यासाठी Nvidia GPU चिप्स वापरण्याची आवश्यकता आहे; दुसरीकडे, Nvidia कडे कम्युनिकेशन एक्सीलरेशनमध्ये (communication acceleration) deployments आहेत, ज्यामुळे सॉफ्टबँकच्या ASI मार्गातील AI-RAN ची तांत्रिक क्षमता सुधारण्यास मदत होईल.

उपरोक्त शिखर परिषदेत (summit), हुआंग रेनक्सुन (Huang Renxun) भावूक होऊन म्हणाले, ‘मी अनेक वर्षांपासून तंत्रज्ञान क्षेत्रात आहे, PC च्या लाटेने सुरुवात केली. संपूर्ण संगणन उद्योगाची (computing industry) सुरुवात PCs पासून झाली आणि त्यानंतर इंटरनेट, क्लाउड कंप्यूटिंग, मोबाइल क्लाउड आणि आर्टिफिशियल इंटेलिजन्स (artificial intelligence) पर्यंत विकास झाला. मासायोशी सन हे जगातील एकमेव असे व्यक्ती आहेत ज्यांनी प्रत्येक फेरीत (potential) संभाव्य विजेत्यांची (accurately) अचूक निवड केली आणि त्यांच्यासोबत विकास केला.’

सध्याची AI ची लाट उसळत आहे आणि AI चिप क्षेत्रातही तेजी आहे आणि दिग्गज (giants) स्पर्धा आणि सहकार्याला गती देण्याचे संकेत देत आहेत, जेणेकरून औद्योगिक साखळीतील (industrial chain) क्षमता अधिक मजबूत करता येतील. मासायोशी सन यांच्या ‘दहा वर्षांच्या करारा’ चा निकाल काहीही असो, तो तंत्रज्ञानाच्या नवीन फेरीतील बदलासाठी एक महत्त्वाचा आधारस्तंभ ठरवत आहे.