ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੇ ਵਿਕਾਸ ਦੇ ਉੱਚ-ਦਾਅ ਵਾਲੇ ਖੇਤਰ ਵਿੱਚ, ਅਤਿ-ਆਧੁਨਿਕ ਸੈਮੀਕੰਡਕਟਰ ਤਕਨਾਲੋਜੀ ਤੱਕ ਪਹੁੰਚ ਅਕਸਰ ਨਵੀਨਤਾ ਦੀ ਗਤੀ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦੀ ਹੈ। ਚੀਨੀ ਤਕਨਾਲੋਜੀ ਦਿੱਗਜਾਂ ਲਈ, ਇਹ ਪਹੁੰਚ ਭੂ-ਰਾਜਨੀਤਿਕ ਤਣਾਅ ਅਤੇ ਸੰਯੁਕਤ ਰਾਜ (United States) ਦੁਆਰਾ ਲਗਾਏ ਗਏ ਸਖ਼ਤ ਨਿਰਯਾਤ ਨਿਯੰਤਰਣਾਂ ਦੁਆਰਾ ਆਕਾਰ ਦਿੰਦੇ ਹੋਏ, ਵੱਧਦੀ ਗੁੰਝਲਦਾਰ ਹੋ ਗਈ ਹੈ। ਇਸ ਚੁਣੌਤੀਪੂਰਨ ਮਾਹੌਲ ਦੇ ਵਿਚਕਾਰ, Ant Group, Alibaba ਨਾਲ ਜੁੜੀ ਫਿਨਟੈਕ ਪਾਵਰਹਾਊਸ, ਇੱਕ ਵੱਖਰਾ ਰਸਤਾ ਬਣਾ ਰਹੀ ਹੈ। ਕੰਪਨੀ ਰਣਨੀਤਕ ਤੌਰ ‘ਤੇ ਅਮਰੀਕੀ (American) ਅਤੇ ਘਰੇਲੂ ਸਪਲਾਇਰਾਂ ਦੋਵਾਂ ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤੇ ਸੈਮੀਕੰਡਕਟਰਾਂ ਦੇ ਇੱਕ ਵਿਭਿੰਨ ਮਿਸ਼ਰਣ (heterogeneous mix) ਨੂੰ ਤੈਨਾਤ ਕਰ ਰਹੀ ਹੈ, ਤਾਂ ਜੋ ਆਪਣੀਆਂ AI ਅਭਿਲਾਸ਼ਾਵਾਂ ਨੂੰ ਸ਼ਕਤੀ ਦਿੱਤੀ ਜਾ ਸਕੇ, ਖਾਸ ਤੌਰ ‘ਤੇ ਗੁੰਝਲਦਾਰ AI ਮਾਡਲਾਂ ਦੀ ਸਿਖਲਾਈ ਦੀ ਕੁਸ਼ਲਤਾ ਅਤੇ ਲਾਗਤ-ਪ੍ਰਭਾਵ ਨੂੰ ਵਧਾਉਣ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦੇ ਹੋਏ।
ਇਹ ਗਿਣਿਆ-ਮਿਣਿਆ ਪਹੁੰਚ ਸਿਰਫ਼ ਇੱਕ ਤਕਨੀਕੀ ਹੱਲ ਤੋਂ ਵੱਧ ਹੈ; ਇਹ ਇੱਕ ਬੁਨਿਆਦੀ ਰਣਨੀਤਕ ਅਨੁਕੂਲਨ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਵੱਖ-ਵੱਖ ਨਿਰਮਾਤਾਵਾਂ, ਜਿਸ ਵਿੱਚ ਘਰੇਲੂ ਬਦਲ ਵੀ ਸ਼ਾਮਲ ਹਨ, ਤੋਂ ਜਾਣਬੁੱਝ ਕੇ ਚਿੱਪਾਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਕੇ, Ant Group ਦਾ ਉਦੇਸ਼ ਸਪਲਾਈ ਚੇਨ ਵਿੱਚ ਰੁਕਾਵਟਾਂ ਨਾਲ ਜੁੜੇ ਜੋਖਮਾਂ ਨੂੰ ਘਟਾਉਣਾ ਅਤੇ ਕਿਸੇ ਇੱਕ ਵਿਕਰੇਤਾ ‘ਤੇ ਆਪਣੀ ਨਿਰਭਰਤਾ ਨੂੰ ਘਟਾਉਣਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਉਹਨਾਂ ‘ਤੇ ਜੋ ਅੰਤਰਰਾਸ਼ਟਰੀ ਵਪਾਰ ਪਾਬੰਦੀਆਂ ਦੇ ਅਧੀਨ ਹਨ। ਇਹ ਵਿਭਿੰਨਤਾ ਇਸਦੀ AI ਖੋਜ ਅਤੇ ਵਿਕਾਸ ਪਾਈਪਲਾਈਨ ਦੀ ਨਿਰੰਤਰਤਾ ਅਤੇ ਲਚਕਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਮੁੱਖ ਉਦੇਸ਼ ਦੋਹਰਾ ਹੈ: AI ਨਵੀਨਤਾ ਵਿੱਚ ਗਤੀ ਬਣਾਈ ਰੱਖਣਾ ਅਤੇ ਨਾਲ ਹੀ ਵੱਡੇ ਪੈਮਾਨੇ ਦੇ ਮਾਡਲਾਂ ਦੀ ਸਿਖਲਾਈ ਨਾਲ ਆਮ ਤੌਰ ‘ਤੇ ਜੁੜੀਆਂ ਮਹੱਤਵਪੂਰਨ ਲਾਗਤਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣਾ।
ਵਿਸ਼ੇਸ਼ਤਾ ਦੀ ਸ਼ਕਤੀ: Mixture of Experts (MoE) ਨੂੰ ਅਪਣਾਉਣਾ
Ant Group ਦੀ ਹਾਰਡਵੇਅਰ ਰਣਨੀਤੀ ਦਾ ਕੇਂਦਰ ਇੱਕ ਉੱਨਤ AI ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਅਪਣਾਉਣਾ ਹੈ ਜਿਸਨੂੰ Mixture of Experts (MoE) ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ। ਇਹ ਤਕਨੀਕ ਰਵਾਇਤੀ ਮੋਨੋਲਿਥਿਕ AI ਮਾਡਲਾਂ ਤੋਂ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਵਿਦਾਇਗੀ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ, ਜਿੱਥੇ ਇੱਕ ਸਿੰਗਲ, ਵਿਸ਼ਾਲ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਕਿਸੇ ਦਿੱਤੇ ਗਏ ਕਾਰਜ ਦੇ ਸਾਰੇ ਪਹਿਲੂਆਂ ਨੂੰ ਸਿੱਖਣ ਅਤੇ ਸੰਭਾਲਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ। MoE ਪਹੁੰਚ, ਇਸਦੇ ਉਲਟ, ਇੱਕ ਵਧੇਰੇ ਵੰਡੀ ਹੋਈ ਅਤੇ ਵਿਸ਼ੇਸ਼ ਬਣਤਰ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ। ਇਹ ਇੱਕ ਸਿੰਗਲ ਜਨਰਲਿਸਟ ਦੀ ਬਜਾਏ ਮਾਹਿਰਾਂ ਦੀ ਇੱਕ ਕਮੇਟੀ ਵਾਂਗ ਕੰਮ ਕਰਦਾ ਹੈ।
ਇੱਕ ਗੁੰਝਲਦਾਰ ਸਮੱਸਿਆ ਦੀ ਕਲਪਨਾ ਕਰੋ ਜਿਸ ਲਈ ਵਿਭਿੰਨ ਗਿਆਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇੱਕ ਬਹੁ-ਵਿਗਿਆਨੀ ‘ਤੇ ਨਿਰਭਰ ਹੋਣ ਦੀ ਬਜਾਏ, ਤੁਸੀਂ ਇੱਕ ਟੀਮ ਇਕੱਠੀ ਕਰਦੇ ਹੋ: ਇੱਕ ਗਣਿਤ-ਸ਼ਾਸਤਰੀ, ਇੱਕ ਭਾਸ਼ਾ-ਵਿਗਿਆਨੀ, ਇੱਕ ਇਤਿਹਾਸਕਾਰ, ਅਤੇ ਸ਼ਾਇਦ ਇੱਕ ਭੌਤਿਕ-ਵਿਗਿਆਨੀ। ਇੱਕ ‘ਗੇਟਿੰਗ ਨੈੱਟਵਰਕ’ (gating network) ਇੱਕ ਡਿਸਪੈਚਰ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਆਉਣ ਵਾਲੇ ਕਾਰਜਾਂ ਜਾਂ ਡਾਟਾ ਪੁਆਇੰਟਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਵੱਡੇ ਸਿਸਟਮ ਦੇ ਅੰਦਰ ਸਭ ਤੋਂ ਢੁਕਵੇਂ ‘ਮਾਹਰ’ (expert) ਮਾਡਲ ਵੱਲ ਸਮਝਦਾਰੀ ਨਾਲ ਭੇਜਦਾ ਹੈ। ਹਰੇਕ ਮਾਹਰ ਮਾਡਲ ਨੂੰ ਖਾਸ ਕਿਸਮ ਦੇ ਇਨਪੁਟਸ ਜਾਂ ਉਪ-ਕਾਰਜਾਂ ਵਿੱਚ ਉੱਤਮਤਾ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਭਾਸ਼ਾ ਮਾਡਲ ਵਿੱਚ, ਇੱਕ ਮਾਹਰ ਤਕਨੀਕੀ ਸ਼ਬਦਾਵਲੀ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਮੁਹਾਰਤ ਰੱਖ ਸਕਦਾ ਹੈ, ਦੂਜਾ ਰਚਨਾਤਮਕ ਲਿਖਣ ਸ਼ੈਲੀਆਂ ਵਿੱਚ, ਅਤੇ ਤੀਜਾ ਗੱਲਬਾਤ ਸੰਬੰਧੀ ਸੰਵਾਦ ਵਿੱਚ।
ਇਸ ਮਾਡਿਊਲਰ ਡਿਜ਼ਾਈਨ ਦਾ ਮੁੱਖ ਫਾਇਦਾ ਇਸਦੀ ਕੰਪਿਊਟੇਸ਼ਨਲ ਕੁਸ਼ਲਤਾ (computational efficiency) ਵਿੱਚ ਹੈ। ਸਿਖਲਾਈ ਜਾਂ ਅਨੁਮਾਨ (inference) (ਜਦੋਂ ਮਾਡਲ ਭਵਿੱਖਬਾਣੀਆਂ ਕਰਦਾ ਹੈ) ਦੌਰਾਨ, ਕਿਸੇ ਦਿੱਤੇ ਗਏ ਇਨਪੁਟ ਲਈ ਸਿਰਫ਼ ਸੰਬੰਧਿਤ ਮਾਹਰ ਮਾਡਲ ਅਤੇ ਗੇਟਿੰਗ ਨੈੱਟਵਰਕ ਹੀ ਕਿਰਿਆਸ਼ੀਲ ਹੁੰਦੇ ਹਨ। ਇਹ ਚੋਣਵੀਂ ਗਣਨਾ ਸੰਘਣੇ ਮਾਡਲਾਂ (dense models) ਦੇ ਬਿਲਕੁਲ ਉਲਟ ਹੈ ਜਿੱਥੇ ਪੂਰੇ ਨੈੱਟਵਰਕ ਨੂੰ, ਇਸਦੇ ਅਰਬਾਂ ਜਾਂ ਖਰਬਾਂ ਪੈਰਾਮੀਟਰਾਂ ਨਾਲ, ਹਰ ਇੱਕ ਗਣਨਾ ਲਈ ਸ਼ਾਮਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਸਿੱਟੇ ਵਜੋਂ, MoE ਮਾਡਲ ਆਪਣੇ ਸੰਘਣੇ ਹਮਰੁਤਬਾ ਦੇ ਮੁਕਾਬਲੇ ਤੁਲਨਾਤਮਕ ਜਾਂ ਇਸ ਤੋਂ ਵੀ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹਨ ਜਦੋਂ ਕਿ ਕਾਫ਼ੀ ਘੱਟ ਕੰਪਿਊਟੇਸ਼ਨਲ ਸ਼ਕਤੀ ਅਤੇ, ਇਸਲਈ, ਘੱਟ ਊਰਜਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
Ant Group ਨੇ ਇਸ ਆਰਕੀਟੈਕਚਰਲ ਫਾਇਦੇ ਦਾ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਲਾਭ ਉਠਾਇਆ ਹੈ। ਅੰਦਰੂਨੀ ਖੋਜ ਅਤੇ ਵਿਹਾਰਕ ਉਪਯੋਗ ਨੇ ਦਿਖਾਇਆ ਹੈ ਕਿ MoE ਕੰਪਨੀ ਨੂੰ ਘੱਟ ਸ਼ਕਤੀਸ਼ਾਲੀ, ਵਧੇਰੇ ਆਸਾਨੀ ਨਾਲ ਉਪਲਬਧ, ਜਾਂ ਘੱਟ ਲਾਗਤ ਵਾਲੇ ਹਾਰਡਵੇਅਰ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਵੀ ਮਜ਼ਬੂਤ ਸਿਖਲਾਈ ਨਤੀਜੇ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਕੰਪਨੀ ਦੁਆਰਾ ਸਾਂਝੇ ਕੀਤੇ ਗਏ ਖੋਜਾਂ ਦੇ ਅਨੁਸਾਰ, MoE ਦੇ ਇਸ ਰਣਨੀਤਕ ਲਾਗੂਕਰਨ ਨੇ ਇਸਦੇ AI ਮਾਡਲਾਂ ਦੀ ਸਿਖਲਾਈ ਨਾਲ ਜੁੜੀਆਂ ਕੰਪਿਊਟਿੰਗ ਲਾਗਤਾਂ ਵਿੱਚ ਧਿਆਨ ਦੇਣ ਯੋਗ 20% ਕਮੀ ਨੂੰ ਸਮਰੱਥ ਬਣਾਇਆ ਹੈ। ਇਹ ਲਾਗਤ ਅਨੁਕੂਲਨ ਸਿਰਫ਼ ਇੱਕ ਵਾਧੇ ਵਾਲੀ ਬੱਚਤ ਨਹੀਂ ਹੈ; ਇਹ ਇੱਕ ਰਣਨੀਤਕ ਸਮਰੱਥਕ ਹੈ, ਜੋ Ant ਨੂੰ ਸਭ ਤੋਂ ਮਹਿੰਗੇ, ਉੱਚ-ਪੱਧਰੀ ਗ੍ਰਾਫਿਕਸ ਪ੍ਰੋਸੈਸਿੰਗ ਯੂਨਿਟਾਂ (GPUs) ‘ਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਿਰਭਰ ਕੀਤੇ ਬਿਨਾਂ ਅਭਿਲਾਸ਼ੀ AI ਪ੍ਰੋਜੈਕਟਾਂ ਨੂੰ ਅੱਗੇ ਵਧਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਚੀਨੀ ਫਰਮਾਂ ਲਈ ਖਰੀਦਣਾ ਵੱਧਦਾ ਮੁਸ਼ਕਲ ਹੋ ਗਿਆ ਹੈ। ਇਹ ਕੁਸ਼ਲਤਾ ਲਾਭ ਸਿੱਧੇ ਤੌਰ ‘ਤੇ ਬਾਹਰੀ ਵਾਤਾਵਰਣ ਦੁਆਰਾ ਲਗਾਈਆਂ ਗਈਆਂ ਹਾਰਡਵੇਅਰ ਰੁਕਾਵਟਾਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਦਾ ਹੈ।
ਸਿਲੀਕਾਨ ਦੀ ਇੱਕ ਝਲਕ: Ant ਦਾ ਹਾਰਡਵੇਅਰ ਪੋਰਟਫੋਲੀਓ
Ant Group ਦੀ ਰਣਨੀਤੀ ਦਾ ਵਿਹਾਰਕ ਲਾਗੂਕਰਨ ਇੱਕ ਗੁੰਝਲਦਾਰ ਸੈਮੀਕੰਡਕਟਰ ਲੈਂਡਸਕੇਪ ਵਿੱਚ ਨੈਵੀਗੇਟ ਕਰਨਾ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ। ਕੰਪਨੀ ਦਾ AI ਸਿਖਲਾਈ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਕਥਿਤ ਤੌਰ ‘ਤੇ ਚਿੱਪਾਂ ਦੀ ਇੱਕ ਵਿਭਿੰਨ ਲੜੀ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਹੈ, ਜੋ ਲਚਕਤਾ ਅਤੇ ਲਚਕੀਲੇਪਣ ਪ੍ਰਤੀ ਇਸਦੀ ਵਚਨਬੱਧਤਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਇਸ ਵਿੱਚ ਇਸਦੀ ਸਹਿਯੋਗੀ ਕੰਪਨੀ, Alibaba ਦੁਆਰਾ ਇਨ-ਹਾਊਸ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਗਿਆ ਸਿਲੀਕਾਨ ਸ਼ਾਮਲ ਹੈ, ਸੰਭਾਵਤ ਤੌਰ ‘ਤੇ Alibaba ਦੀ T-Head ਸੈਮੀਕੰਡਕਟਰ ਯੂਨਿਟ ਦੁਆਰਾ ਵਿਕਸਤ ਕੀਤੇ ਚਿੱਪਾਂ ਦਾ ਹਵਾਲਾ ਦਿੰਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, Ant Huawei ਤੋਂ ਚਿੱਪਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ, ਇੱਕ ਹੋਰ ਚੀਨੀ ਤਕਨਾਲੋਜੀ ਦਿੱਗਜ ਜਿਸਨੇ US ਪਾਬੰਦੀਆਂ ਦੇ ਜਵਾਬ ਵਿੱਚ ਆਪਣੇ ਖੁਦ ਦੇ AI ਐਕਸਲੇਟਰ (ਜਿਵੇਂ ਕਿ Ascend ਸੀਰੀਜ਼) ਵਿਕਸਤ ਕਰਨ ਵਿੱਚ ਭਾਰੀ ਨਿਵੇਸ਼ ਕੀਤਾ ਹੈ।
ਜਦੋਂ ਕਿ Ant Group ਨੇ ਇਤਿਹਾਸਕ ਤੌਰ ‘ਤੇ Nvidia ਤੋਂ ਉੱਚ-ਪ੍ਰਦਰਸ਼ਨ ਵਾਲੇ GPUs ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਹੈ, ਜੋ AI ਸਿਖਲਾਈ ਬਾਜ਼ਾਰ ਵਿੱਚ ਨਿਰਵਿਵਾਦ ਲੀਡਰ ਹੈ, ਵਿਕਸਤ ਹੋ ਰਹੇ US ਨਿਰਯਾਤ ਨਿਯੰਤਰਣਾਂ ਨੇ ਇੱਕ ਤਬਦੀਲੀ ਦੀ ਲੋੜ ਪੈਦਾ ਕੀਤੀ ਹੈ। ਇਹ ਨਿਯਮ ਖਾਸ ਤੌਰ ‘ਤੇ ਰਾਸ਼ਟਰੀ ਸੁਰੱਖਿਆ ਚਿੰਤਾਵਾਂ ਦਾ ਹਵਾਲਾ ਦਿੰਦੇ ਹੋਏ, ਚੀਨੀ ਸੰਸਥਾਵਾਂ ਨੂੰ ਸਭ ਤੋਂ ਉੱਨਤ AI ਐਕਸਲੇਟਰਾਂ ਦੀ ਵਿਕਰੀ ਨੂੰ ਸੀਮਤ ਕਰਦੇ ਹਨ। ਹਾਲਾਂਕਿ Nvidia ਅਜੇ ਵੀ ਚੀਨੀ ਬਾਜ਼ਾਰ ਨੂੰ ਘੱਟ-ਵਿਸ਼ੇਸ਼ਤਾ ਵਾਲੇ ਚਿੱਪਾਂ ਦੀ ਸਪਲਾਈ ਕਰ ਸਕਦਾ ਹੈ, Ant Group ਉੱਚ-ਪੱਧਰੀ Nvidia ਉਤਪਾਦਾਂ ਤੱਕ ਸੀਮਤ ਪਹੁੰਚ ਦੀ ਪੂਰਤੀ ਲਈ ਆਪਣੇ ਸਪਲਾਇਰ ਅਧਾਰ ਨੂੰ ਸਰਗਰਮੀ ਨਾਲ ਵਧਾ ਰਿਹਾ ਹੈ।
ਇਸ ਵਿਭਿੰਨਤਾ ਵਿੱਚ Advanced Micro Devices (AMD) ਦੇ ਚਿੱਪ ਪ੍ਰਮੁੱਖ ਤੌਰ ‘ਤੇ ਸ਼ਾਮਲ ਹਨ। AMD ਉੱਚ-ਪ੍ਰਦਰਸ਼ਨ ਕੰਪਿਊਟਿੰਗ ਅਤੇ AI ਸਪੇਸ ਵਿੱਚ Nvidia ਦੇ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰਤੀਯੋਗੀ ਵਜੋਂ ਉੱਭਰਿਆ ਹੈ, ਸ਼ਕਤੀਸ਼ਾਲੀ GPUs ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ ਜੋ ਕੁਝ ਵਰਕਲੋਡਾਂ ਲਈ ਇੱਕ ਵਿਹਾਰਕ ਵਿਕਲਪ ਪੇਸ਼ ਕਰਦੇ ਹਨ। Alibaba ਅਤੇ Huawei ਤੋਂ ਘਰੇਲੂ ਵਿਕਲਪਾਂ ਦੇ ਨਾਲ AMD ਹਾਰਡਵੇਅਰ ਨੂੰ ਸ਼ਾਮਲ ਕਰਕੇ, Ant ਇੱਕ ਵਿਭਿੰਨ ਕੰਪਿਊਟਿੰਗ ਵਾਤਾਵਰਣ (heterogeneous computing environment) ਦਾ ਨਿਰਮਾਣ ਕਰਦਾ ਹੈ। ਇਹ ਮਿਕਸ-ਐਂਡ-ਮੈਚ ਪਹੁੰਚ, ਜਦੋਂ ਕਿ ਸੰਭਾਵੀ ਤੌਰ ‘ਤੇ ਸਾਫਟਵੇਅਰ ਅਨੁਕੂਲਨ ਅਤੇ ਵਰਕਲੋਡ ਪ੍ਰਬੰਧਨ ਵਿੱਚ ਜਟਿਲਤਾ ਵਧਾਉਂਦੀ ਹੈ, ਮਹੱਤਵਪੂਰਨ ਲਚਕਤਾ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ। ਇਹ ਕੰਪਨੀ ਨੂੰ ਉਪਲਬਧਤਾ, ਲਾਗਤ, ਅਤੇ ਵੱਖ-ਵੱਖ AI ਮਾਡਲਾਂ ਅਤੇ ਕਾਰਜਾਂ ਦੀਆਂ ਖਾਸ ਕੰਪਿਊਟੇਸ਼ਨਲ ਮੰਗਾਂ ਦੇ ਅਧਾਰ ‘ਤੇ ਆਪਣੇ ਹਾਰਡਵੇਅਰ ਦੀ ਵਰਤੋਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ, ਇਸ ਤਰ੍ਹਾਂ ਇੱਕ ਸਿੰਗਲ, ਪ੍ਰਤਿਬੰਧਿਤ ਸਰੋਤ ‘ਤੇ ਨਿਰਭਰਤਾ ਕਾਰਨ ਹੋਣ ਵਾਲੀਆਂ ਰੁਕਾਵਟਾਂ ਨੂੰ ਦੂਰ ਕਰਦਾ ਹੈ।
ਇਸ ਰਣਨੀਤੀ ਦਾ ਪਿਛੋਕੜ US ਨਿਰਯਾਤ ਨਿਯੰਤਰਣਾਂ ਦਾ ਗੁੰਝਲਦਾਰ ਜਾਲ ਹੈ। ਇਹਨਾਂ ਉਪਾਵਾਂ ਨੂੰ ਹੌਲੀ-ਹੌਲੀ ਸਖ਼ਤ ਕੀਤਾ ਗਿਆ ਹੈ, ਜਿਸਦਾ ਉਦੇਸ਼ ਉੱਨਤ ਸੈਮੀਕੰਡਕਟਰ ਨਿਰਮਾਣ ਅਤੇ AI ਵਿਕਾਸ ਵਿੱਚ ਚੀਨ (China) ਦੀ ਤਰੱਕੀ ਨੂੰ ਰੋਕਣਾ ਹੈ। ਜਦੋਂ ਕਿ ਸ਼ੁਰੂ ਵਿੱਚ ਪੂਰੀ ਤਰ੍ਹਾਂ ਉੱਚ-ਅੰਤ ਵਾਲੇ ਚਿੱਪਾਂ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕੀਤਾ ਗਿਆ ਸੀ, ਪਾਬੰਦੀਆਂ ਵਿਕਸਤ ਹੋਈਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਹਾਰਡਵੇਅਰ ਅਤੇ ਸੈਮੀਕੰਡਕਟਰ ਨਿਰਮਾਣ ਉਪਕਰਣਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਪ੍ਰਭਾਵਿਤ ਹੋਈ ਹੈ। Nvidia, ਉਦਾਹਰਨ ਲਈ, ਇਹਨਾਂ ਨਿਯਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨ ਲਈ ਚੀਨੀ ਬਾਜ਼ਾਰ ਲਈ ਆਪਣੇ ਫਲੈਗਸ਼ਿਪ AI ਚਿੱਪਾਂ (ਜਿਵੇਂ ਕਿ A800 ਅਤੇ H800, A100 ਅਤੇ H100 ਤੋਂ ਲਏ ਗਏ) ਦੇ ਖਾਸ, ਘੱਟ-ਪ੍ਰਦਰਸ਼ਨ ਵਾਲੇ ਸੰਸਕਰਣ ਬਣਾਉਣੇ ਪਏ ਹਨ। AMD ਅਤੇ ਘਰੇਲੂ ਖਿਡਾਰੀਆਂ ਤੋਂ ਵਿਕਲਪਾਂ ਨੂੰ ਅਪਣਾਉਣ ਦੀ Ant ਦੀ ਰਣਨੀਤੀ ਇਸ ਰੈਗੂਲੇਟਰੀ ਦਬਾਅ ਦਾ ਸਿੱਧਾ, ਵਿਹਾਰਕ ਜਵਾਬ ਹੈ, ਜੋ ਦਿੱਤੀਆਂ ਗਈਆਂ ਰੁਕਾਵਟਾਂ ਦੇ ਅੰਦਰ AI ਪ੍ਰਤੀਯੋਗਤਾ ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ।
AI ਕਾਰਵਾਈ ਵਿੱਚ: ਸਿਹਤ ਸੰਭਾਲ ਸੇਵਾਵਾਂ ਨੂੰ ਬਦਲਣਾ
AI ਕੁਸ਼ਲਤਾ ਵਿੱਚ Ant Group ਦੀਆਂ ਤਰੱਕੀਆਂ ਸਿਰਫ਼ ਸਿਧਾਂਤਕ ਅਭਿਆਸ ਨਹੀਂ ਹਨ; ਉਹਨਾਂ ਨੂੰ ਸਰਗਰਮੀ ਨਾਲ ਅਸਲ-ਸੰਸਾਰ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਬਦਲਿਆ ਜਾ ਰਿਹਾ ਹੈ, ਸਿਹਤ ਸੰਭਾਲ ਖੇਤਰ ‘ਤੇ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਧਿਆਨ ਦੇ ਨਾਲ। ਕੰਪਨੀ ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ ਸਿਹਤ ਸੰਭਾਲ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਆਪਣੇ AI ਹੱਲਾਂ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਸੁਧਾਰਾਂ ਦਾ ਪਰਦਾਫਾਸ਼ ਕੀਤਾ, ਜੋ ਇਸਦੀ ਅੰਤਰੀਵ ਤਕਨਾਲੋਜੀ ਰਣਨੀਤੀ ਦੇ ਵਿਹਾਰਕ ਪ੍ਰਭਾਵ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।
ਇਹ ਅੱਪਗਰੇਡ ਕੀਤੀਆਂ AI ਸਮਰੱਥਾਵਾਂ ਕਥਿਤ ਤੌਰ ‘ਤੇ ਪਹਿਲਾਂ ਹੀ ਪ੍ਰਮੁੱਖ ਚੀਨੀ ਸ਼ਹਿਰਾਂ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ Beijing, Shanghai, Hangzhou (Ant ਦਾ ਮੁੱਖ ਦਫ਼ਤਰ), ਅਤੇ Ningbo ਸ਼ਾਮਲ ਹਨ, ਵਿੱਚ ਕਈ ਪ੍ਰਮੁੱਖ ਸਿਹਤ ਸੰਭਾਲ ਸੰਸਥਾਵਾਂ ਵਿੱਚ ਵਰਤੋਂ ਵਿੱਚ ਹਨ। ਸੱਤ ਵੱਡੇ ਹਸਪਤਾਲ ਅਤੇ ਸਿਹਤ ਸੰਭਾਲ ਸੰਗਠਨ ਆਪਣੇ ਸੰਚਾਲਨ ਅਤੇ ਮਰੀਜ਼ਾਂ ਦੀ ਦੇਖਭਾਲ ਦੇ ਵੱਖ-ਵੱਖ ਪਹਿਲੂਆਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ Ant ਦੇ AI ਦਾ ਲਾਭ ਉਠਾ ਰਹੇ ਹਨ।
Ant ਦੇ ਸਿਹਤ ਸੰਭਾਲ AI ਮਾਡਲ ਦੀ ਨੀਂਹ ਖੁਦ ਸਹਿਯੋਗੀ ਨਵੀਨਤਾ ਅਤੇ ਵਿਭਿੰਨ ਤਕਨੀਕੀ ਸ਼ਕਤੀਆਂ ਦਾ ਲਾਭ ਉਠਾਉਣ ਦੀ ਇੱਕ ਉਦਾਹਰਨ ਹੈ। ਇਹ ਸ਼ਕਤੀਸ਼ਾਲੀ ਵੱਡੇ ਭਾਸ਼ਾਈ ਮਾਡਲਾਂ (LLMs) ਦੇ ਸੁਮੇਲ ‘ਤੇ ਬਣਾਇਆ ਗਿਆ ਹੈ:
- DeepSeek ਦੇ R1 ਅਤੇ V3 ਮਾਡਲ: DeepSeek ਇੱਕ ਪ੍ਰਸਿੱਧ ਚੀਨੀ AI ਖੋਜ ਫਰਮ ਹੈ ਜੋ ਸਮਰੱਥ ਓਪਨ-ਸੋਰਸ ਮਾਡਲ ਵਿਕਸਤ ਕਰਨ ਲਈ ਜਾਣੀ ਜਾਂਦੀ ਹੈ, ਜੋ ਅਕਸਰ ਮਜ਼ਬੂਤ ਪ੍ਰਦਰਸ਼ਨ ਬੈਂਚਮਾਰਕ ਪ੍ਰਾਪਤ ਕਰਦੀ ਹੈ।
- Alibaba ਦਾ Qwen: ਇਹ Ant ਦੀ ਸਹਿਯੋਗੀ ਕੰਪਨੀ, Alibaba ਦੁਆਰਾ ਵਿਕਸਤ ਕੀਤੇ ਗਏ ਮਲਕੀਅਤੀ ਵੱਡੇ ਭਾਸ਼ਾਈ ਮਾਡਲਾਂ ਦਾ ਪਰਿਵਾਰ ਹੈ, ਜੋ ਆਕਾਰਾਂ ਅਤੇ ਸਮਰੱਥਾਵਾਂ ਦੀ ਇੱਕ ਸ਼੍ਰੇਣੀ ਨੂੰ ਕਵਰ ਕਰਦਾ ਹੈ।
- Ant ਦਾ ਆਪਣਾ BaiLing ਮਾਡਲ: ਇਹ Ant Group ਦੀਆਂ ਅੰਦਰੂਨੀ ਕੋਸ਼ਿਸ਼ਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜੋ ਇਸਦੀਆਂ ਖਾਸ ਲੋੜਾਂ ਅਨੁਸਾਰ ਬੇਸਪੋਕ AI ਮਾਡਲ ਵਿਕਸਤ ਕਰ ਰਿਹਾ ਹੈ, ਸੰਭਾਵਤ ਤੌਰ ‘ਤੇ ਵਿੱਤੀ ਅਤੇ ਸੰਭਾਵੀ ਤੌਰ ‘ਤੇ ਸਿਹਤ ਸੰਭਾਲ-ਵਿਸ਼ੇਸ਼ ਡਾਟਾ ਅਤੇ ਮੁਹਾਰਤ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ।
ਇਹ ਬਹੁ-ਮਾਡਲ ਬੁਨਿਆਦ ਸਿਹਤ ਸੰਭਾਲ AI ਹੱਲ ਨੂੰ ਗਿਆਨ ਅਤੇ ਸਮਰੱਥਾਵਾਂ ਦੇ ਇੱਕ ਵਿਸ਼ਾਲ ਅਧਾਰ ਤੋਂ ਲਾਭ ਉਠਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ। Ant Group ਦੇ ਅਨੁਸਾਰ, ਸਿਸਟਮ ਡਾਕਟਰੀ ਵਿਸ਼ਿਆਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ‘ਤੇ ਸਵਾਲਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਵਿੱਚ ਨਿਪੁੰਨ ਹੈ, ਸੰਭਾਵੀ ਤੌਰ ‘ਤੇ ਤੇਜ਼ ਜਾਣਕਾਰੀ ਦੀ ਭਾਲ ਕਰਨ ਵਾਲੇ ਸਿਹਤ ਸੰਭਾਲ ਪੇਸ਼ੇਵਰਾਂ ਅਤੇ ਆਮ ਡਾਕਟਰੀ ਗਿਆਨ ਦੀ ਭਾਲ ਕਰਨ ਵਾਲੇ ਮਰੀਜ਼ਾਂ ਦੋਵਾਂ ਲਈ ਇੱਕ ਕੀਮਤੀ ਸਾਧਨ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ (ਹਾਲਾਂਕਿ ਪੇਸ਼ੇਵਰ ਡਾਕਟਰੀ ਸਲਾਹ ਬਨਾਮ ਇਸਦੀ ਭੂਮਿਕਾ ਦਾ ਧਿਆਨ ਨਾਲ ਨਿਰਧਾਰਨ ਮਹੱਤਵਪੂਰਨ ਹੈ)।
ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤੀ ਤੋਂ ਪਰੇ, ਕੰਪਨੀ ਦੱਸਦੀ ਹੈ ਕਿ AI ਮਾਡਲ ਮਰੀਜ਼ ਸੇਵਾਵਾਂ ਨੂੰ ਵਧਾਉਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਖਾਸ ਵੇਰਵੇ ਸਾਹਮਣੇ ਆ ਰਹੇ ਹਨ, ਇਸ ਵਿੱਚ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਇੱਕ ਸ਼੍ਰੇਣੀ ਸ਼ਾਮਲ ਹੋ ਸਕਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ:
- ਬੁੱਧੀਮਾਨ ਟ੍ਰਾਈਜ (Intelligent Triage): ਵਰਣਿਤ ਲੱਛਣਾਂ ਦੇ ਅਧਾਰ ‘ਤੇ ਮਰੀਜ਼ਾਂ ਦੀਆਂ ਲੋੜਾਂ ਨੂੰ ਤਰਜੀਹ ਦੇਣ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰਨਾ।
- ਅਪਾਇੰਟਮੈਂਟ ਸ਼ਡਿਊਲਿੰਗ ਅਤੇ ਪ੍ਰਬੰਧਨ: ਬੁਕਿੰਗ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸਵੈਚਾਲਤ ਅਤੇ ਅਨੁਕੂਲ ਬਣਾਉਣਾ।
- ਡਿਸਚਾਰਜ ਤੋਂ ਬਾਅਦ ਫਾਲੋ-ਅੱਪ: ਸਵੈਚਾਲਤ ਰੀਮਾਈਂਡਰ ਪ੍ਰਦਾਨ ਕਰਨਾ ਜਾਂ ਮਰੀਜ਼ਾਂ ਦੀ ਰਿਕਵਰੀ ਪ੍ਰਗਤੀ ਦੀ ਜਾਂਚ ਕਰਨਾ।
- ਪ੍ਰਸ਼ਾਸਕੀ ਸਹਾਇਤਾ: ਸਿਹਤ ਸੰਭਾਲ ਸਟਾਫ ਨੂੰ ਦਸਤਾਵੇਜ਼ੀਕਰਨ, ਸੰਖੇਪੀਕਰਨ, ਜਾਂ ਡਾਟਾ ਐਂਟਰੀ ਕਾਰਜਾਂ ਵਿੱਚ ਮਦਦ ਕਰਨਾ, ਸਿੱਧੀ ਮਰੀਜ਼ ਦੇਖਭਾਲ ਲਈ ਸਮਾਂ ਖਾਲੀ ਕਰਨਾ।
ਵੱਡੇ ਹਸਪਤਾਲਾਂ ਵਿੱਚ ਤੈਨਾਤੀ ਤਕਨਾਲੋਜੀ ਦੀ ਉਪਯੋਗਤਾ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਅਤੇ ਸਿਹਤ ਸੰਭਾਲ ਡੋਮੇਨ ਦੀਆਂ ਜਟਿਲਤਾਵਾਂ ਨੂੰ ਨੈਵੀਗੇਟ ਕਰਨ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਸ਼ੁੱਧਤਾ, ਭਰੋਸੇਯੋਗਤਾ ਅਤੇ ਡਾਟਾ ਗੋਪਨੀਯਤਾ ਲਈ ਸਖ਼ਤ ਲੋੜਾਂ ਸ਼ਾਮਲ ਹੁੰਦੀਆਂ ਹਨ।
ਪ੍ਰੀਮੀਅਮ GPUs ਤੋਂ ਪਰੇ ਇੱਕ ਕੋਰਸ ਚਾਰਟ ਕਰਨਾ
ਅੱਗੇ ਦੇਖਦੇ ਹੋਏ, Ant Group ਦੀ ਰਣਨੀਤੀ ਚੀਨੀ ਤਕਨੀਕੀ ਉਦਯੋਗ ਦੇ ਅੰਦਰ ਇੱਕ ਵਿਸ਼ਾਲ ਅਭਿਲਾਸ਼ਾ ਨਾਲ ਮੇਲ ਖਾਂਦੀ ਜਾਪਦੀ ਹੈ: ਸਭ ਤੋਂ ਉੱਨਤ, ਅਕਸਰ ਪ੍ਰਤਿਬੰਧਿਤ, GPUs ‘ਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਿਰਭਰ ਕੀਤੇ ਬਿਨਾਂ ਅਤਿ-ਆਧੁਨਿਕ AI ਪ੍ਰਦਰਸ਼ਨ ਪ੍ਰਾਪਤ ਕਰਨਾ। ਕੰਪਨੀ ਕਥਿਤ ਤੌਰ ‘ਤੇ DeepSeek ਵਰਗੀਆਂ ਸੰਸਥਾਵਾਂ ਦੁਆਰਾ ਅਪਣਾਏ ਗਏ ਮਾਰਗ ਦੀ ਨਕਲ ਕਰਨ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਹੀ ਹੈ, ‘ਪ੍ਰੀਮੀਅਮ GPUs ਤੋਂ ਬਿਨਾਂ’ ਉੱਚ-ਪ੍ਰਦਰਸ਼ਨ ਵਾਲੇ AI ਮਾਡਲਾਂ ਨੂੰ ਸਕੇਲ ਕਰਨ ਦੇ ਤਰੀਕਿਆਂ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦੇ ਹੋਏ।
ਇਹ ਅਭਿਲਾਸ਼ਾ ਇੱਕ ਵਿਸ਼ਵਾਸ ਦਾ ਸੰਕੇਤ ਦਿੰਦੀ ਹੈ ਕਿ ਆਰਕੀਟੈਕਚਰਲ ਨਵੀਨਤਾਵਾਂ (ਜਿਵੇਂ ਕਿ MoE), ਸਾਫਟਵੇਅਰ ਅਨੁਕੂਲਨ, ਅਤੇ ਵਿਭਿੰਨ, ਸੰਭਾਵੀ ਤੌਰ ‘ਤੇ ਘੱਟ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹਾਰਡਵੇਅਰ ਦੀ ਚਲਾਕ ਵਰਤੋਂ ਸਮੂਹਿਕ ਤੌਰ ‘ਤੇ ਉੱਚ-ਪੱਧਰੀ ਸਿਲੀਕਾਨ ਤੱਕ ਸੀਮਤ ਪਹੁੰਚ ਦੁਆਰਾ ਬਣਾਏ ਗਏ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਪਾੜੇ ਨੂੰ ਪੂਰਾ ਕਰ ਸਕਦੀ ਹੈ। ਇਹ ਇੱਕ ਰਣਨੀਤੀ ਹੈ ਜੋ ਅੰਸ਼ਕ ਤੌਰ ‘ਤੇ ਨਿਰਯਾਤ ਨਿਯੰਤਰਣਾਂ ਕਾਰਨ ਲੋੜ ਤੋਂ ਪੈਦਾ ਹੋਈ ਹੈ, ਪਰ ਇਹ ਵਧੇਰੇ ਲਾਗਤ-ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਅਤੇ ਲੋਕਤੰਤਰੀ AI ਵਿਕਾਸ ਵੱਲ ਇੱਕ ਸੰਭਾਵੀ ਤੌਰ ‘ਤੇ ਟਿਕਾਊ ਮਾਰਗ ਨੂੰ ਵੀ ਦਰਸਾਉਂਦੀ ਹੈ।
ਇਸ ਟੀਚੇ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਵਿੱਚ ਸਿਰਫ਼ MoE ਤੋਂ ਪਰੇ ਵੱਖ-ਵੱਖ ਰਾਹਾਂ ਦੀ ਪੜਚੋਲ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ:
- ਐਲਗੋਰਿਦਮਿਕ ਕੁਸ਼ਲਤਾ (Algorithmic Efficiency): ਨਵੇਂ AI ਐਲਗੋਰਿਦਮ ਵਿਕਸਤ ਕਰਨਾ ਜਿਨ੍ਹਾਂ ਨੂੰ ਸਿਖਲਾਈ ਅਤੇ ਅਨੁਮਾਨ ਲਈ ਘੱਟ ਕੰਪਿਊਟੇਸ਼ਨਲ ਸ਼ਕਤੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
- ਮਾਡਲ ਅਨੁਕੂਲਨ ਤਕਨੀਕਾਂ (Model Optimization Techniques): ਮਾਡਲਾਂ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਨੁਕਸਾਨ ਤੋਂ ਬਿਨਾਂ ਛੋਟਾ ਅਤੇ ਤੇਜ਼ ਬਣਾਉਣ ਲਈ ਕੁਆਂਟਾਈਜ਼ੇਸ਼ਨ (quantization) (ਗਣਨਾਵਾਂ ਵਿੱਚ ਵਰਤੇ ਗਏ ਸੰਖਿਆਵਾਂ ਦੀ ਸ਼ੁੱਧਤਾ ਨੂੰ ਘਟਾਉਣਾ) ਅਤੇ ਪ੍ਰੂਨਿੰਗ (pruning) (ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਦੇ ਬੇਲੋੜੇ ਹਿੱਸਿਆਂ ਨੂੰ ਹਟਾਉਣਾ) ਵਰਗੇ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ।
- ਸਾਫਟਵੇਅਰ ਫਰੇਮਵਰਕ (Software Frameworks): ਗੁੰਝਲਦਾਰ ਸਾਫਟਵੇਅਰ ਬਣਾਉਣਾ ਜੋ ਵਿਭਿੰਨ ਹਾਰਡਵੇਅਰ ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ AI ਵਰਕਲੋਡਾਂ ਨੂੰ ਕੁਸ਼ਲਤਾ ਨਾਲ ਪ੍ਰਬੰਧਿਤ ਅਤੇ ਵੰਡ ਸਕਦਾ ਹੈ, ਉਪਲਬਧ ਕੰਪਿਊਟਿੰਗ ਸਰੋਤਾਂ ਦੀ ਵੱਧ ਤੋਂ ਵੱਧ ਵਰਤੋਂ ਕਰਦਾ ਹੈ।
- ਵਿਸ਼ੇਸ਼ ਘਰੇਲੂ ਹਾਰਡਵੇਅਰ (Specialized Domestic Hardware): ਚੀਨੀ ਕੰਪਨੀਆਂ ਜਿਵੇਂ ਕਿ Huawei (Ascend), Alibaba (T-Head), ਅਤੇ ਸੰਭਾਵੀ ਤੌਰ ‘ਤੇ ਹੋਰਾਂ ਦੁਆਰਾ ਵਿਕਸਤ ਕੀਤੇ AI ਐਕਸਲੇਟਰਾਂ ਵਿੱਚ ਨਿਰੰਤਰ ਨਿਵੇਸ਼ ਅਤੇ ਉਪਯੋਗ, ਖਾਸ ਤੌਰ ‘ਤੇ AI ਕਾਰਜਾਂ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ।
Ant Group ਦੁਆਰਾ ਇਸ ਮਾਰਗ ਦਾ ਪਿੱਛਾ, ਚੀਨ ਦੇ ਤਕਨੀਕੀ ਈਕੋਸਿਸਟਮ ਵਿੱਚ ਹੋਰਾਂ ਦੇ ਨਾਲ, ਮਹੱਤਵਪੂਰਨ ਪ੍ਰਭਾਵ ਪਾ ਸਕਦਾ ਹੈ। ਜੇਕਰ ਸਫਲ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਇਹ ਦਰਸਾ ਸਕਦਾ ਹੈ ਕਿ AI ਵਿੱਚ ਲੀਡਰਸ਼ਿਪ ਸਿਰਫ਼ ਸਭ ਤੋਂ ਤੇਜ਼ ਚਿੱਪਾਂ ਤੱਕ ਪਹੁੰਚ ਹੋਣ ‘ਤੇ ਨਿਰਭਰ ਨਹੀਂ ਹੈ, ਬਲਕਿ ਸਾਫਟਵੇਅਰ, ਆਰਕੀਟੈਕਚਰ, ਅਤੇ ਸਿਸਟਮ-ਪੱਧਰ ਦੇ ਅਨੁਕੂਲਨ ਵਿੱਚ ਨਵੀਨਤਾ ‘ਤੇ ਵੀ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਇਹ ਰਣਨੀਤਕ ਵਿਭਿੰਨਤਾ ਅਤੇ ਨਿਰੰਤਰ ਨਵੀਨਤਾ ਦੁਆਰਾ ਮੌਜੂਦਾ ਗਲੋਬਲ ਤਕਨਾਲੋਜੀ ਲੈਂਡਸਕੇਪ ਦੀਆਂ ਜਟਿਲਤਾਵਾਂ ਨੂੰ ਨੈਵੀਗੇਟ ਕਰਦੇ ਹੋਏ, ਇੱਕ ਲਚਕੀਲਾ ਅਤੇ ਸਵੈ-ਨਿਰਭਰ AI ਸਮਰੱਥਾ ਬਣਾਉਣ ਲਈ ਇੱਕ ਦ੍ਰਿੜ ਯਤਨ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। US ਅਤੇ ਚੀਨੀ ਸੈਮੀਕੰਡਕਟਰਾਂ ਦਾ ਏਕੀਕਰਨ, MoE ਵਰਗੀਆਂ ਤਕਨੀਕਾਂ ਦੁਆਰਾ ਅਨੁਕੂਲਿਤ ਅਤੇ ਸਿਹਤ ਸੰਭਾਲ ਵਰਗੇ ਮਹੱਤਵਪੂਰਨ ਖੇਤਰਾਂ ‘ਤੇ ਲਾਗੂ ਕੀਤਾ ਗਿਆ, ਦਬਾਅ ਹੇਠ AI ਤਰੱਕੀ ਨੂੰ ਕਾਇਮ ਰੱਖਣ ਲਈ ਇੱਕ ਵਿਹਾਰਕ ਅਤੇ ਅਨੁਕੂਲ ਪਹੁੰਚ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦਾ ਹੈ।