కృత్రిమ మేధస్సు (AI) అభివృద్ధి రంగంలో, అత్యాధునిక సెమీకండక్టర్ టెక్నాలజీ లభ్యత ఆవిష్కరణల వేగాన్ని నిర్దేశిస్తుంది. చైనీస్ టెక్నాలజీ దిగ్గజాలకు, భౌగోళిక రాజకీయ ఉద్రిక్తతలు మరియు యునైటెడ్ స్టేట్స్ విధించిన కఠినమైన ఎగుమతి నియంత్రణల కారణంగా ఈ లభ్యత మరింత సంక్లిష్టంగా మారింది. ఈ సవాలుతో కూడిన పరిస్థితుల మధ్య, Alibaba అనుబంధ సంస్థ అయిన ఫిన్‌టెక్ పవర్‌హౌస్ Ant Group, ఒక విభిన్న మార్గాన్ని అనుసరిస్తోంది. కంపెనీ తన AI ఆశయాలను నెరవేర్చడానికి, ముఖ్యంగా అధునాతన AI మోడల్‌ల శిక్షణ సామర్థ్యాన్ని మరియు ఖర్చు-ప్రభావశీలతను పెంచడంపై దృష్టి సారించి, అమెరికన్ మరియు దేశీయ సరఫరాదారుల నుండి సేకరించిన విభిన్న సెమీకండక్టర్ల మిశ్రమాన్ని వ్యూహాత్మకంగా ఉపయోగిస్తోంది.
ఈ గణిత విధానం కేవలం సాంకేతిక పరిష్కారం కంటే ఎక్కువ; ఇది ప్రాథమిక వ్యూహాత్మక అనుసరణను సూచిస్తుంది. వివిధ తయారీదారుల నుండి, స్వదేశీ ప్రత్యామ్నాయాలతో సహా, చిప్‌లను ఉద్దేశపూర్వకంగా ఏకీకృతం చేయడం ద్వారా, Ant Group సరఫరా గొలుసు అంతరాయాలతో సంబంధం ఉన్న నష్టాలను తగ్గించడం మరియు ఏదైనా ఒకే విక్రేతపై, ముఖ్యంగా అంతర్జాతీయ వాణిజ్య పరిమితులకు లోబడి ఉన్నవారిపై ఆధారపడటాన్ని తగ్గించడం లక్ష్యంగా పెట్టుకుంది. దాని AI పరిశోధన మరియు అభివృద్ధి పైప్‌లైన్ యొక్క కొనసాగింపు మరియు స్థితిస్థాపకతను నిర్ధారించడానికి ఈ వైవిధ్యీకరణ కీలకం. ప్రధాన లక్ష్యం రెండు విధాలుగా ఉంటుంది: AI ఆవిష్కరణలో ఊపందుకోవడం మరియు అదే సమయంలో పెద్ద-స్థాయి మోడల్‌ల శిక్షణతో సాధారణంగా సంబంధం ఉన్న గణనీయమైన ఖర్చులను ఆప్టిమైజ్ చేయడం.
ప్రత్యేకత యొక్క శక్తి: Mixture of Experts (MoE) స్వీకరణ
Ant Group యొక్క హార్డ్‌వేర్ వ్యూహానికి కేంద్రంగా Mixture of Experts (MoE) అని పిలువబడే అధునాతన AI ఆర్కిటెక్చర్‌ను స్వీకరించడం ఉంది. ఈ టెక్నిక్ సాంప్రదాయ ఏకశిలా AI మోడల్‌ల నుండి గణనీయమైన మార్పును సూచిస్తుంది, ఇక్కడ ఒకే, భారీ న్యూరల్ నెట్‌వర్క్ ఇచ్చిన పని యొక్క అన్ని అంశాలను నేర్చుకోవడానికి మరియు నిర్వహించడానికి ప్రయత్నిస్తుంది. దీనికి విరుద్ధంగా, MoE విధానం మరింత పంపిణీ చేయబడిన మరియు ప్రత్యేకమైన నిర్మాణాన్ని ఉపయోగిస్తుంది. ఇది ఒకే జనరలిస్ట్ కంటే నిపుణుల కమిటీ వలె పనిచేస్తుంది.
విభిన్న జ్ఞానం అవసరమయ్యే సంక్లిష్ట సమస్యను ఊహించుకోండి. ఒకే పాలిమత్‌పై ఆధారపడటానికి బదులుగా, మీరు ఒక బృందాన్ని సమీకరిస్తారు: ఒక గణిత శాస్త్రజ్ఞుడు, ఒక భాషావేత్త, ఒక చరిత్రకారుడు మరియు బహుశా ఒక భౌతిక శాస్త్రవేత్త. ఒక ‘గేటింగ్ నెట్‌వర్క్’ డిస్పాచర్‌గా పనిచేస్తుంది, ఇన్‌కమింగ్ టాస్క్‌లు లేదా డేటా పాయింట్‌లను విశ్లేషించి, వాటిని తెలివిగా పెద్ద సిస్టమ్‌లోని అత్యంత అనుకూలమైన ‘నిపుణుల’ మోడల్‌కు మళ్లిస్తుంది. ప్రతి నిపుణుల మోడల్ నిర్దిష్ట రకాల ఇన్‌పుట్‌లు లేదా ఉప-పనులలో రాణించడానికి శిక్షణ పొందింది. ఉదాహరణకు, భాషా నమూనాలో, ఒక నిపుణుడు సాంకేతిక పరిభాషను అర్థం చేసుకోవడంలో, మరొకరు సృజనాత్మక రచన శైలులలో మరియు మూడవవారు సంభాషణ సంభాషణలో నైపుణ్యం కలిగి ఉండవచ్చు.
ఈ మాడ్యులర్ డిజైన్ యొక్క ముఖ్య ప్రయోజనం దాని గణన సామర్థ్యంలో ఉంది. శిక్షణ లేదా అనుమితి సమయంలో (మోడల్ అంచనాలను చేసినప్పుడు), ఇచ్చిన ఇన్‌పుట్ కోసం సంబంధిత నిపుణుల మోడల్‌లు మరియు గేటింగ్ నెట్‌వర్క్ మాత్రమే సక్రియం చేయబడతాయి. ఈ ఎంపిక గణన దట్టమైన మోడల్‌లతో తీవ్రంగా విభేదిస్తుంది, ఇక్కడ మొత్తం నెట్‌వర్క్, దాని బిలియన్లు లేదా ట్రిలియన్ల పారామితులతో, ప్రతి ఒక్క గణన కోసం నిమగ్నమై ఉండాలి. పర్యవసానంగా, MoE మోడల్‌లు వాటి దట్టమైన ప్రతిరూపాలకు పోల్చదగిన లేదా ఉన్నతమైన పనితీరును సాధించగలవు, అయితే గణనీయంగా తక్కువ గణన శక్తి మరియు అందువల్ల తక్కువ శక్తి అవసరం.
Ant Group ఈ నిర్మాణ ప్రయోజనాన్ని సమర్థవంతంగా ఉపయోగించుకుంది. అంతర్గత పరిశోధన మరియు ఆచరణాత్మక అనువర్తనం MoE తక్కువ శక్తివంతమైన, మరింత సులభంగా లభించే లేదా తక్కువ-ధర హార్డ్‌వేర్‌ను ఉపయోగించినప్పుడు కూడా కంపెనీ బలమైన శిక్షణ ఫలితాలను సాధించడానికి అనుమతిస్తుందని నిరూపించాయి. కంపెనీ పంచుకున్న అన్వేషణల ప్రకారం, MoE యొక్క ఈ వ్యూహాత్మక అమలు దాని AI మోడల్‌ల శిక్షణతో సంబంధం ఉన్న కంప్యూటింగ్ ఖర్చులలో గుర్తించదగిన 20% తగ్గింపును ప్రారంభించింది. ఈ ఖర్చు ఆప్టిమైజేషన్ కేవలం పెరుగుతున్న పొదుపు కాదు; ఇది ఒక వ్యూహాత్మక ఎనేబుల్, చైనీస్ సంస్థలకు సేకరించడం కష్టతరంగా మారుతున్న అత్యంత ఖరీదైన, అగ్రశ్రేణి గ్రాఫిక్స్ ప్రాసెసింగ్ యూనిట్ల (GPUs)పై మాత్రమే ఆధారపడకుండా ప్రతిష్టాత్మక AI ప్రాజెక్ట్‌లను కొనసాగించడానికి Ant ను అనుమతిస్తుంది. ఈ సామర్థ్య లాభం బాహ్య వాతావరణం విధించిన హార్డ్‌వేర్ పరిమితులను నేరుగా పరిష్కరిస్తుంది.
సిలికాన్ యొక్క వస్త్రం: Ant యొక్క హార్డ్‌వేర్ పోర్ట్‌ఫోలియో
Ant Group యొక్క వ్యూహం యొక్క ఆచరణాత్మక అమలు సంక్లిష్టమైన సెమీకండక్టర్ ల్యాండ్‌స్కేప్‌ను నావిగేట్ చేయడాన్ని కలిగి ఉంటుంది. కంపెనీ యొక్క AI శిక్షణ మౌలిక సదుపాయాలు నివేదించబడిన ప్రకారం విభిన్న శ్రేణి చిప్‌ల ద్వారా శక్తిని పొందుతున్నాయి, ఇది వశ్యత మరియు స్థితిస్థాపకత పట్ల దాని నిబద్ధతను ప్రతిబింబిస్తుంది. ఇందులో దాని అనుబంధ సంస్థ Alibaba ద్వారా అంతర్గతంగా రూపొందించబడిన సిలికాన్ ఉంటుంది, ఇది బహుశా Alibaba యొక్క T-Head సెమీకండక్టర్ యూనిట్ అభివృద్ధి చేసిన చిప్‌లను సూచిస్తుంది. ఇంకా, Ant Huawei నుండి చిప్‌లను పొందుపరుస్తుంది, ఇది US ఆంక్షలకు ప్రతిస్పందనగా దాని స్వంత AI యాక్సిలరేటర్‌లను (Ascend సిరీస్ వంటివి) అభివృద్ధి చేయడంలో భారీగా పెట్టుబడి పెట్టిన మరొక చైనీస్ టెక్నాలజీ దిగ్గజం.
Ant Group చారిత్రాత్మకంగా AI శిక్షణ మార్కెట్‌లో తిరుగులేని నాయకుడైన Nvidia నుండి అధిక-పనితీరు గల GPUs ను ఉపయోగించినప్పటికీ, అభివృద్ధి చెందుతున్న US ఎగుమతి నియంత్రణలు మార్పును అవసరం చేశాయి. ఈ నిబంధనలు జాతీయ భద్రతా ఆందోళనలను ఉటంకిస్తూ, చైనీస్ సంస్థలకు అత్యంత అధునాతన AI యాక్సిలరేటర్ల అమ్మకాన్ని ప్రత్యేకంగా పరిమితం చేస్తాయి. Nvidia ఇప్పటికీ చైనీస్ మార్కెట్‌కు తక్కువ-స్పెసిఫికేషన్ చిప్‌లను సరఫరా చేయగలిగినప్పటికీ, Ant Group అగ్రశ్రేణి Nvidia ఉత్పత్తులకు పరిమిత ప్రాప్యతను భర్తీ చేయడానికి దాని సరఫరాదారుల స్థావరాన్ని చురుకుగా విస్తరిస్తున్నట్లు కనిపిస్తోంది.
ఈ వైవిధ్యీకరణలో Advanced Micro Devices (AMD) నుండి చిప్‌లు ప్రముఖంగా ఉన్నాయి. AMD అధిక-పనితీరు గల కంప్యూటింగ్ మరియు AI స్పేస్‌లో Nvidia కు గణనీయమైన పోటీదారుగా ఉద్భవించింది, కొన్ని పనిభారాలకు ఆచరణీయమైన ప్రత్యామ్నాయాన్ని అందించే శక్తివంతమైన GPUs ను అందిస్తోంది. Alibaba మరియు Huawei నుండి దేశీయ ఎంపికలతో పాటు AMD హార్డ్‌వేర్‌ను చేర్చడం ద్వారా, Ant ఒక విభిన్న కంప్యూటింగ్ వాతావరణాన్ని నిర్మిస్తుంది. ఈ మిక్స్-అండ్-మ్యాచ్ విధానం, సాఫ్ట్‌వేర్ ఆప్టిమైజేషన్ మరియు వర్క్‌లోడ్ మేనేజ్‌మెంట్‌లో సంక్లిష్టతను జోడించే అవకాశం ఉన్నప్పటికీ, కీలకమైన వశ్యతను అందిస్తుంది. ఇది లభ్యత, ఖర్చు మరియు విభిన్న AI మోడల్‌లు మరియు పనుల యొక్క నిర్దిష్ట గణన డిమాండ్‌ల ఆధారంగా దాని హార్డ్‌వేర్ వినియోగాన్ని రూపొందించడానికి కంపెనీని అనుమతిస్తుంది, తద్వారా ఒకే, పరిమిత మూలంపై ఆధారపడటం వల్ల కలిగే అడ్డంకులను అధిగమిస్తుంది.
ఈ వ్యూహం యొక్క నేపథ్యం US ఎగుమతి నియంత్రణల యొక్క క్లిష్టమైన వెబ్. అధునాతన సెమీకండక్టర్ తయారీ మరియు AI అభివృద్ధిలో చైనా పురోగతిని అరికట్టే లక్ష్యంతో ఈ చర్యలు క్రమంగా కఠినతరం చేయబడ్డాయి. ప్రారంభంలో సంపూర్ణ అత్యున్నత-స్థాయి చిప్‌లపై దృష్టి కేంద్రీకరించినప్పటికీ, పరిమితులు అభివృద్ధి చెందాయి, విస్తృత శ్రేణి హార్డ్‌వేర్ మరియు సెమీకండక్టర్ తయారీ పరికరాలను ప్రభావితం చేశాయి. ఉదాహరణకు, Nvidia, ఈ నిబంధనలకు అనుగుణంగా చైనీస్ మార్కెట్ కోసం దాని ఫ్లాగ్‌షిప్ AI చిప్‌ల (A100 మరియు H100 నుండి ఉద్భవించిన A800 మరియు H800 వంటివి) నిర్దిష్ట, తక్కువ-పనితీరు గల సంస్కరణలను సృష్టించవలసి వచ్చింది. AMD మరియు దేశీయ ఆటగాళ్ల నుండి ప్రత్యామ్నాయాలను స్వీకరించే Ant యొక్క వ్యూహం ఈ నియంత్రణ ఒత్తిడికి ప్రత్యక్ష, ఆచరణాత్మక ప్రతిస్పందన, ఇచ్చిన పరిమితుల్లో AI పోటీతత్వాన్ని కొనసాగించే ప్రయత్నాన్ని ప్రదర్శిస్తుంది.
చర్యలో AI: ఆరోగ్య సంరక్షణ సేవలను మార్చడం
AI సామర్థ్యంలో Ant Group యొక్క పురోగతులు కేవలం సైద్ధాంతిక వ్యాయామాలు కావు; అవి చురుకుగా వాస్తవ-ప్రపంచ అనువర్తనాల్లోకి అనువదించబడుతున్నాయి, ఆరోగ్య సంరక్షణ రంగంపై గుర్తించదగిన దృష్టితో. కంపెనీ ఇటీవల ఆరోగ్య సంరక్షణ కోసం రూపొందించిన దాని AI పరిష్కారాలకు గణనీయమైన మెరుగుదలలను ఆవిష్కరించింది, దాని అంతర్లీన సాంకేతిక వ్యూహం యొక్క ఆచరణాత్మక ప్రభావాన్ని నొక్కి చెబుతుంది.
ఈ అప్‌గ్రేడ్ చేయబడిన AI సామర్థ్యాలు ఇప్పటికే Beijing, Shanghai, Hangzhou (Ant యొక్క ప్రధాన కార్యాలయం), మరియు Ningbo వంటి ప్రధాన చైనీస్ నగరాల్లోని అనేక ప్రముఖ ఆరోగ్య సంరక్షణ సంస్థలలో వాడుకలో ఉన్నాయని నివేదించబడింది. ఏడు ప్రధాన ఆసుపత్రులు మరియు ఆరోగ్య సంరక్షణ సంస్థలు తమ కార్యకలాపాలు మరియు రోగుల సంరక్షణ యొక్క వివిధ అంశాలను మెరుగుపరచడానికి Ant యొక్క AI ని ఉపయోగిస్తున్నాయి.
Ant యొక్క ఆరోగ్య సంరక్షణ AI మోడల్ యొక్క పునాది సహకార ఆవిష్కరణ మరియు విభిన్న సాంకేతిక బలాన్ని ఉపయోగించుకోవడానికి ఒక ఉదాహరణ. ఇది శక్తివంతమైన పెద్ద భాషా నమూనాల (LLMs) కలయికపై నిర్మించబడింది:
- DeepSeek యొక్క R1 మరియు V3 మోడల్‌లు: DeepSeek అనేది ఒక గుర్తించదగిన చైనీస్ AI పరిశోధనా సంస్థ, ఇది సమర్థవంతమైన ఓపెన్-సోర్స్ మోడల్‌లను అభివృద్ధి చేయడంలో ప్రసిద్ధి చెందింది, తరచుగా బలమైన పనితీరు బెంచ్‌మార్క్‌లను సాధిస్తుంది.
- Alibaba యొక్క Qwen: ఇది Ant యొక్క అనుబంధ సంస్థ Alibaba అభివృద్ధి చేసిన యాజమాన్య పెద్ద భాషా నమూనాల కుటుంబం, ఇది పరిమాణాలు మరియు సామర్థ్యాల శ్రేణిని కవర్ చేస్తుంది.
- Ant యొక్క స్వంత BaiLing మోడల్: ఇది Ant Group దాని నిర్దిష్ట అవసరాలకు అనుగుణంగా బెస్పోక్ AI మోడల్‌లను అభివృద్ధి చేయడంలో అంతర్గత ప్రయత్నాలను సూచిస్తుంది, బహుశా ఆర్థిక మరియు సంభావ్యంగా ఆరోగ్య సంరక్షణ-నిర్దిష్ట డేటా మరియు నైపుణ్యాన్ని పొందుపరుస్తుంది.
ఈ బహుళ-మోడల్ పునాది ఆరోగ్య సంరక్షణ AI పరిష్కారం జ్ఞానం మరియు సామర్థ్యాల యొక్క విస్తృత ఆధారంపై ఆధారపడటానికి అనుమతిస్తుంది. Ant Group ప్రకారం, సిస్టమ్ విస్తృత శ్రేణి వైద్య అంశాలపై ప్రశ్నలను పరిష్కరించడంలో నిష్ణాతులు, శీఘ్ర సమాచారం కోరుకునే ఆరోగ్య సంరక్షణ నిపుణులకు మరియు సాధారణ వైద్య పరిజ్ఞానం కోసం చూస్తున్న రోగులకు విలువైన సాధనంగా పనిచేస్తుంది (అయితే వృత్తిపరమైన వైద్య సలహాకు వ్యతిరేకంగా దాని పాత్ర యొక్క జాగ్రత్తగా వర్ణన కీలకం).
సమాచార పునరుద్ధరణకు మించి, AI మోడల్ రోగి సేవలను మెరుగుపరచడానికి రూపొందించబడిందని కంపెనీ పేర్కొంది. నిర్దిష్ట వివరాలు వెలువడుతున్నప్పటికీ, ఇది అనేక రకాల అనువర్తనాలను కలిగి ఉండవచ్చు, అవి:
- ఇంటెలిజెంట్ ట్రియాజ్: వివరించిన లక్షణాల ఆధారంగా రోగి అవసరాలకు ప్రాధాన్యత ఇవ్వడంలో సహాయం చేయడం.
- అపాయింట్‌మెంట్ షెడ్యూలింగ్ మరియు నిర్వహణ: బుకింగ్ ప్రక్రియను ఆటోమేట్ చేయడం మరియు ఆప్టిమైజ్ చేయడం.
- పోస్ట్-డిశ్చార్జ్ ఫాలో-అప్: ఆటోమేటెడ్ రిమైండర్‌లను అందించడం లేదా రోగుల రికవరీ పురోగతిని తనిఖీ చేయడం.
- పరిపాలనా మద్దతు: డాక్యుమెంటేషన్, సారాంశం లేదా డేటా ఎంట్రీ పనులతో ఆరోగ్య సంరక్షణ సిబ్బందికి సహాయం చేయడం, ప్రత్యక్ష రోగి సంరక్షణ కోసం సమయాన్ని ఖాళీ చేయడం.
ప్రధాన ఆసుపత్రులలో విస్తరణ సాంకేతికత యొక్క ప్రయోజనాన్ని ధృవీకరించడంలో మరియు ఆరోగ్య సంరక్షణ డొమైన్ యొక్క సంక్లిష్టతలను నావిగేట్ చేయడంలో కీలకమైన దశను సూచిస్తుంది, ఇందులో ఖచ్చితత్వం, విశ్వసనీయత మరియు డేటా గోప్యత కోసం కఠినమైన అవసరాలు ఉంటాయి.
ప్రీమియం GPUs దాటి ఒక మార్గాన్ని చార్ట్ చేయడం
ముందుకు చూస్తే, Ant Group యొక్క వ్యూహం చైనీస్ టెక్ పరిశ్రమలో విస్తృత ఆశయంతో సమలేఖనం చేయబడినట్లు కనిపిస్తుంది: అత్యంత అధునాతన, తరచుగా పరిమితం చేయబడిన, GPUs పై మాత్రమే ఆధారపడకుండా అత్యాధునిక AI పనితీరును సాధించడం. DeepSeek వంటి సంస్థలు అనుసరించిన మార్గాన్ని అనుకరించాలని కంపెనీ నివేదించబడింది, ‘ప్రీమియం GPUs లేకుండా’ అధిక-పనితీరు గల AI మోడల్‌లను స్కేల్ చేసే పద్ధతులపై దృష్టి సారించింది.
ఈ ఆశయం నిర్మాణ ఆవిష్కరణలు (MoE వంటివి), సాఫ్ట్‌వేర్ ఆప్టిమైజేషన్‌లు మరియు విభిన్న, సంభావ్యంగా తక్కువ శక్తివంతమైన హార్డ్‌వేర్ యొక్క తెలివైన వినియోగం అగ్రశ్రేణి సిలికాన్‌కు పరిమిత ప్రాప్యత ద్వారా సృష్టించబడిన పనితీరు అంతరాన్ని సమిష్టిగా తగ్గించగలవని నమ్మకాన్ని సూచిస్తుంది. ఇది ఎగుమతి నియంత్రణల కారణంగా కొంతవరకు అవసరం నుండి పుట్టిన వ్యూహం, కానీ ఇది మరింత ఖర్చు-ప్రభావశీల మరియు ప్రజాస్వామ్యబద్ధమైన AI అభివృద్ధి వైపు సంభావ్యంగా స్థిరమైన మార్గాన్ని కూడా ప్రతిబింబిస్తుంది.
ఈ లక్ష్యాన్ని సాధించడం కేవలం MoE కి మించి వివిధ మార్గాలను అన్వేషించడాన్ని కలిగి ఉంటుంది:
- అల్గారిథమిక్ సామర్థ్యం: శిక్షణ మరియు అనుమితి కోసం తక్కువ గణన శక్తి అవసరమయ్యే కొత్త AI అల్గారిథమ్‌లను అభివృద్ధి చేయడం.
- మోడల్ ఆప్టిమైజేషన్ టెక్నిక్స్: గణనీయమైన పనితీరు నష్టం లేకుండా మోడల్‌లను చిన్నవిగా మరియు వేగంగా చేయడానికి క్వాంటిజేషన్ (గణనలలో ఉపయోగించే సంఖ్యల ఖచ్చితత్వాన్ని తగ్గించడం) మరియు ప్రూనింగ్ (న్యూరల్ నెట్‌వర్క్ యొక్క అనవసరమైన భాగాలను తొలగించడం) వంటి పద్ధతులను ఉపయోగించడం.
- సాఫ్ట్‌వేర్ ఫ్రేమ్‌వర్క్‌లు: విభిన్న హార్డ్‌వేర్ వాతావరణాలలో AI పనిభారాలను సమర్థవంతంగా నిర్వహించగల మరియు పంపిణీ చేయగల అధునాతన సాఫ్ట్‌వేర్‌ను సృష్టించడం, అందుబాటులో ఉన్న కంప్యూటింగ్ వనరుల వినియోగాన్ని పెంచడం.
- ప్రత్యేక దేశీయ హార్డ్‌వేర్: Huawei (Ascend), Alibaba (T-Head), మరియు సంభావ్యంగా ఇతరులు వంటి చైనీస్ కంపెనీలు అభివృద్ధి చేసిన AI యాక్సిలరేటర్ల నిరంతర పెట్టుబడి మరియు వినియోగం, AI పనుల కోసం ప్రత్యేకంగా రూపొందించబడింది.
చైనా యొక్క టెక్ పర్యావరణ వ్యవస్థలోని ఇతరులతో పాటు Ant Group ఈ మార్గాన్ని అనుసరించడం గణనీయమైన చిక్కులను కలిగి ఉంటుంది. విజయవంతమైతే, AI లో నాయకత్వం సంపూర్ణ వేగవంతమైన చిప్‌లకు ప్రాప్యత కలిగి ఉండటంపై మాత్రమే ఆధారపడి ఉండదని, కానీ సాఫ్ట్‌వేర్, ఆర్కిటెక్చర్ మరియు సిస్టమ్-స్థాయి ఆప్టిమైజేషన్‌లో ఆవిష్కరణపై కూడా ఆధారపడి ఉంటుందని ఇది ప్రదర్శించగలదు. ఇది వ్యూహాత్మక వైవిధ్యీకరణ మరియు కనికరంలేని ఆవిష్కరణల ద్వారా ప్రస్తుత ప్రపంచ సాంకేతిక ల్యాండ్‌స్కేప్ యొక్క సంక్లిష్టతలను నావిగేట్ చేస్తూ, స్థితిస్థాపక మరియు స్వయం సమృద్ధి గల AI సామర్థ్యాన్ని నిర్మించడానికి ఒక దృఢ నిశ్చయాన్ని సూచిస్తుంది. US మరియు చైనీస్ సెమీకండక్టర్ల ఏకీకరణ, MoE వంటి టెక్నిక్‌ల ద్వారా ఆప్టిమైజ్ చేయబడి, ఆరోగ్య సంరక్షణ వంటి కీలక రంగాలకు వర్తింపజేయడం, ఒత్తిడిలో AI పురోగతిని కొనసాగించడానికి ఒక ఆచరణాత్మక మరియు అనుకూల విధానాన్ని ప్రదర్శిస్తుంది.