కృత్రిమ మేధస్సు (Artificial Intelligence) రంగంలో, సందర్భానికి అత్యంత ప్రాధాన్యత ఉంది. ఈ సూత్రం మానవ మేధస్సును ప్రతిబింబిస్తుంది. మన స్వంత రూపాన్ని పోలి ఉండే AIని మనం సృష్టించాము కాబట్టి, ఇది AIకి కూడా వర్తిస్తుంది.
ప్రస్తుతం, NVIDIA వంటి సంస్థలు AI ఫ్యాక్టరీలను ప్రోత్సహిస్తున్నాయి. AI ఫ్యాక్టరీలు అంటే పెటాబైట్ల డేటాను ప్రాసెస్ చేసి తెలివైన ప్రతిస్పందనలను అందించే సూపర్‌కంప్యూటర్లు. ఇవి ప్రపంచ ఆర్థిక వ్యవస్థ మరియు సంస్కృతులలో గణనీయమైన మార్పులకు కొత్త మార్గంగా ఉపయోగపడుతున్నాయి.
కానీ మనం ఈ పరిస్థితికి ఎలా చేరుకున్నాం? దీనికి సమాధానం ఎప్పుడూ క్రమానుగతమైన అభివృద్ధిలో ఉంటుంది.
AI ఫ్యాక్టరీలు మరియు భవిష్యత్తులో వ్యాపారం మరియు సమాజంపై వాటి ప్రభావం గురించి తెలుసుకునే ముందు, కొన్ని ప్రాథమిక విషయాలను తెలుసుకుందాం.
నియోలిథిక్ విప్లవం: ఆవిష్కరణలకు నాంది
సుమారు 12,000 సంవత్సరాల క్రితం, మన పూర్వీకులు సంచార జీవనం నుండి స్థిర వ్యవసాయదారులుగా మారారు. పంటలు పండించడం మరియు జంతువులను పెంచడం ద్వారా జీవనం సాగించారు. వ్యవసాయం అనేది ఒక ప్రాథమిక ఆహార కర్మాగారం (food factory) లాంటిది. ఇది మొక్కలు మరియు జంతువుల పెరుగుదల కోసం సూర్యకాంతి, నీరు మరియు గాలిపై ఆధారపడుతుంది. మధ్యయుగ కాలంలో భూమి సాగు కోసం నిర్ణయించిన అద్దె చెల్లింపును సూచించే ‘ఫిర్మా’ అనే పదం వ్యవసాయానికి పర్యాయపదంగా మారింది.
సమర్థవంతమైన వ్యవసాయ కార్యకలాపాల కోసం వ్యవసాయం ఉన్నత స్థాయి సామాజిక నిర్మాణాలను అవసరం చేసింది. ఈ ఆహార కర్మాగారాలలో ఉత్పత్తి మరియు దిగుబడిని ట్రాక్ చేయడానికి మరియు సామాజిక నియమాలను ఏర్పాటు చేయడానికి ఒక పరిపాలనా సాధనంగా రచన ఉద్భవించింది. కాలక్రమేణా, రచన వివిధ రంగాలలో విస్తరించింది మరియు సంక్లిష్ట సమాచారాన్ని తెలియజేయడానికి ఒక శక్తివంతమైన సాధనంగా కొనసాగుతోంది.
విల్లులు, బాణాలను పారలు, గునపాలు మరియు నాగళ్లతో మార్చిన క్షణం నుండి, మట్టి లేదా రాతిలో మొదటి సంకేతాలను చెక్కినప్పటి నుండి, AI యొక్క ఆవిర్భావం, తద్వారా AI ఫ్యాక్టరీ అనివార్యమైంది. ఇది కేవలం సమయం మాత్రమే పట్టింది.
పారిశ్రామిక విప్లవం: భారీ ఉత్పత్తికి మార్గం
వేల సంవత్సరాలుగా, మానవాళి తన వ్యవసాయ నైపుణ్యాలను మెరుగుపరుచుకుంది. మిగులు ఉత్పత్తిని సాధించింది. ఇది వర్తక తరగతికి దారితీసింది. వర్తకులు అంటే ఇతరుల కోసం వస్తువులను తయారు చేయడంలో నిమగ్నమైన వ్యక్తులు. దీనినే ‘తయారీ’ అంటారు. ఇది లాటిన్ పదమైన ‘చేతితో చేసిన పని’ నుండి వచ్చింది. ఇది డబ్బు అభివృద్ధికి దారితీసింది. డబ్బు అనేది ఒక మారకం మాధ్యమం, ఇది బార్టర్ విధానాన్ని వేగవంతం చేసింది మరియు ఆధునిక ఆర్థిక వ్యవస్థగా మార్చింది. అన్వేషణ యుగం తరువాత ప్రాంతీయ మరియు జాతీయ ఆర్థిక వ్యవస్థలను ప్రపంచీకరణ అనుసంధానించింది.
తరువాత వచ్చిన ప్రపంచీకరణ వ్యవసాయం మరియు తయారీ రెండింటినీ మార్చివేసింది. కర్మాగారాల్లో ఒక కీలకమైన మార్పు ఏమిటంటే, ఉత్పత్తి ప్రక్రియను వేగవంతం చేయడానికి మరియు పునరావృతం చేయడానికి విభిన్న దశలుగా విభజించారు. ఈ పారిశ్రామిక విప్లవం విజ్ఞానోదయంతో సమానంగా ఉంది. కర్మాగారాలకు విద్యావంతులైన కార్మికులు అవసరం కావడంతో అక్షరాస్యత రేటు పెరిగింది. విద్య అనేది ఒక అవసరంగా మారింది. ఇది ఓటు హక్కు, వ్యక్తిగత ఆస్తి హక్కులు, మత స్వేచ్ఛ, భద్రత, వాక్ స్వాతంత్ర్యం మరియు సత్వర విచారణ హక్కులను గుర్తించడానికి దోహదపడింది.
21వ శతాబ్దంలో స్పష్టంగా కనిపిస్తున్న ఈ సూత్రాలు 18వ శతాబ్దంలో పుట్టుకొచ్చాయి.
కర్మాగారాలు తయారీని ఇంటి లోపలికి తీసుకువచ్చాయి. ఆవిరి మరియు విద్యుత్తును ఉపయోగించి అసెంబ్లీ లైన్లు మరియు లీన్ తయారీ పద్ధతులను అభివృద్ధి చేశారు. ఇది తక్కువ ధరలకు వస్తువులను ఉత్పత్తి చేయడానికి అనుమతించింది, జీవన ప్రమాణాలను పెంచింది మరియు మధ్యతరగతి పెరుగుదలను ప్రోత్సహించింది, వ్యవసాయ సమాజాల సామర్థ్యాలకు మించి ఆర్థిక విస్తరణకు దారితీసింది.
AI విప్లవం: డేటా కొత్త ఆధారం
ఇంటర్నెట్ ఆవిర్భావం వ్యక్తులను అనుసంధానించింది మరియు ఒక కొత్త వనరును సృష్టించింది: డేటా. ఇది విశ్లేషణకు ఉపయోగపడుతుంది.
AI విప్లవం పెద్ద మొత్తంలో టెక్స్ట్, చిత్రాలు, వీడియో మరియు ఆడియోలను డిజిటలైజ్ చేయడంపై ఆధారపడింది. ఈ డేటాను ప్రాసెస్ చేయడానికి తక్కువ ధరలో కంప్యూటింగ్ శక్తి అవసరమైంది. పెద్ద డేటా, భారీ సమాంతర GPUలు మరియు అధిక మెమరీ బ్యాండ్‌విడ్త్‌తో కలిపి, ప్రపంచం గురించి మన అవగాహనను ఎన్కోడ్ చేసే న్యూరల్ నెట్‌వర్క్‌లను సృష్టించడానికి సహాయపడుతుంది, తద్వారా కృత్రిమ మేధస్సును అభివృద్ధి చేయడానికి వీలవుతుంది.
ప్రాథమికంగా, పెద్ద డేటా అనేది GPU ఇంజిన్‌లపై నడుస్తున్న AI అల్గారిథమ్‌లకు ముడి పదార్థాన్ని అందిస్తుంది. ఇవి పనిచేసే న్యూరల్ నెట్‌వర్క్‌లను నిర్మిస్తాయి.
ఈ అంశాలన్నీ ఒకేసారి కలవాలి. 1980లలో, పరిశోధకులకు న్యూరల్ నెట్‌వర్క్ అల్గారిథమ్‌లు ఉన్నాయి, కానీ వాటిని అమలు చేయడానికి అవసరమైన కంప్యూటింగ్ వనరులు మరియు డేటా లేవు. ఫలితంగా, ఈ మూడు పరిస్థితులు నెరవేరే వరకు AI ఎక్కువగా సైద్ధాంతికంగానే ఉంది.
AI ఫ్యాక్టరీలు: ఒక నిజమైన పరివర్తన
‘AI ఫ్యాక్టరీ’ అనే పదం ఒక రూపకం కాదు, వాణిజ్య స్థాయిలో పనిచేసే ఒక ఆధునిక AI సూపర్‌కంప్యూటర్‌ను ఖచ్చితంగా వర్ణించే పదం. ఇది కార్పొరేట్ కంప్యూటింగ్ మరియు డేటా విశ్లేషణను మౌలికంగా మారుస్తుంది - డేటాను ఉపయోగకరమైన సమాచారంగా మార్చడం.
AI ఫ్యాక్టరీ అనేది వ్యవసాయ విప్లవం వలె అనివార్యం, ఇక్కడ సామూహిక ప్రయత్నం ఆహార ఉత్పత్తిని నిర్ధారిస్తుంది. ఈ విప్లవం ఫలితంగా వచ్చిన సామాజిక మరియు సాంస్కృతిక మార్పులు మానవాళికి ఆలోచన మరియు ఆవిష్కరణ కోసం విశ్రాంతి సమయాన్ని ఇచ్చాయి. ఇప్పుడు, యంత్రాలు మానవ జ్ఞానాన్ని పొందగలవు మరియు ప్రాసెస్ చేయగలవు, సంభాషణల ద్వారా శోధనలను ప్రారంభించగలవు మరియు వివిధ ఫార్మాట్‌లలో కొత్త డేటాను రూపొందించడానికి AI అల్గారిథమ్‌లను రివర్స్ అప్లికేషన్ చేయగలవు.
వ్యాపారాలు మరియు వ్యక్తులు AI ఫ్యాక్టరీలకు ప్రత్యక్షంగా లేదా టైమ్-షేరింగ్ ఏర్పాట్ల ద్వారా యాక్సెస్ పొందుతారు. ఈ AI ఫ్యాక్టరీలు కొత్త ఆలోచనలు మరియు దృష్టిని ఉత్పత్తి చేస్తాయి మరియు వ్యక్తిగత సృజనాత్మక సామర్థ్యాలను పెంచుతాయి.
AI ఫ్యాక్టరీల యొక్క పరివర్తనాత్మక సామర్థ్యం సమగ్రమైనది. చాట్‌బాట్‌లు, మోడల్ శిక్షణ మరియు అంచనా కోసం సమాంతర గణన ఇంజిన్‌లను అభివృద్ధి చేసేవారు మరియు OpenAI, Anthropic, Google మరియు Mistral వంటి మోడల్ సృష్టికర్తలు AI మన జీవితంలోని ప్రతి అంశాన్ని మారుస్తుందని ఏకీభవిస్తున్నారు. వివిధ సమస్యలపై ప్రపంచవ్యాప్తంగా విభేదాలు ఉన్నప్పటికీ, AI యొక్క పరివర్తనాత్మక ప్రభావం సార్వత్రికంగా గుర్తించబడింది.
అంతర్దృష్టి మరియు చర్యను ఉత్పత్తి చేయడం
AI ఫ్యాక్టరీలు రెండు ప్రాథమిక విధులను నిర్వహిస్తాయి. మొదటిది, వ్యాపారం మరియు వ్యక్తిగత అభివృద్ధి కోసం అంతర్దృష్టులను అందించే ఫౌండేషన్ మోడల్‌లకు శిక్షణ ఇవ్వడం. రెండవది మరియు మరింత ముఖ్యమైనది, కొత్త సమాచారం మరియు ప్రశ్నలను ఈ మోడల్‌లలోకి పంపడం ద్వారా కొత్త సమాధానాలను అంచనా వేయడం, కొత్త టోకెన్‌లను రూపొందించడం మరియు చర్యను నడిపించడం.
AI చుట్టూ ఉన్న చాలా చర్చలు వందల బిలియన్ల నుండి ట్రిలియన్ల పారామీటర్లు మరియు విస్తారమైన డేటా సెట్‌లను కలిగి ఉన్న విస్తృతమైన ఫౌండేషన్ మోడల్‌లకు శిక్షణ ఇవ్వడంపై కేంద్రీకృతమై ఉన్నాయి. టోకెన్ లెక్కింపు జ్ఞానం యొక్క వెడల్పును సూచిస్తుంది, అయితే పారామీటర్లు అవగాహన యొక్క లోతును ప్రతిబింబిస్తాయి. పెద్ద టోకెన్ సెట్‌లతో జత చేసిన చిన్న పారామీటర్ లెక్కింపులు శీఘ్రమైన, సరళమైన సమాధానాలను ఇస్తాయి. దీనికి విరుద్ధంగా, పెద్ద పారామీటర్ లెక్కింపులు మరియు చిన్న టోకెన్ సెట్‌లు పరిమిత డొమైన్‌పై మరింత సూక్ష్మమైన అంతర్దృష్టులను అందిస్తాయి. చైన్-ఆఫ్-థాట్ రీజనింగ్ మోడల్స్, బహుళ విధానాలను కలిగి ఉంటాయి, ఇతర ఇన్‌పుట్‌లను నడిపించే అవుట్‌పుట్‌లను పరిగణనలోకి తీసుకోవడానికి ప్రత్యేక మోడల్‌లను మిళితం చేస్తాయి, సమగ్ర సమాధానాలను ఉత్పత్తి చేస్తాయి.
AI ఫ్యాక్టరీలు మానవాళి సృష్టించిన మొత్తం కంటెంట్‌ను మరియు AI మోడల్‌ల ద్వారా ఉత్పత్తి చేయబడిన సింథటిక్ డేటాను ముడి పదార్థంగా ఉపయోగిస్తాయి. ఈ డేటా నుండి పొందిన అంతర్దృష్టులు చర్యను నడిపించడానికి మానవులు మరియు AI ఏజెంట్‌లచే ఉపయోగించబడతాయి. కర్మాగారంలో పనిచేసే బదులు, వ్యక్తులు దానిలోకి ప్రవేశిస్తారు, వారి నైపుణ్యాలను AI మోడల్‌ల జ్ఞానం మరియు వేగంతో పెంచుకుంటారు. తద్వారా మరింత మెరుగైన మరియు వేగవంతమైన ఫలితాలను సాధిస్తారు.
NVIDIA సహ వ్యవస్థాపకుడు మరియు CEO అయిన జెన్సన్ హువాంగ్ ప్రకారం, “ప్రపంచం అత్యాధునిక, పెద్ద ఎత్తున AI ఫ్యాక్టరీలను నిర్మించడానికి పోటీ పడుతోంది.” ఒక AI ఫ్యాక్టరీని స్థాపించడం అనేది ఒక అసాధారణమైన ఇంజనీరింగ్ విన్యాసం, దీనికి విస్తారమైన వనరులు, మానవశక్తి మరియు పదార్థం అవసరం.
ఒక AI ఫ్యాక్టరీని నిర్మించడానికి గణనీయమైన మూలధన పెట్టుబడి అవసరం. ఒక సాధారణ ఆకృతీకరణలో GPUలు, CPUలు, అధిక-వేగ ఇంటర్‌కనెక్ట్‌లు మరియు నిల్వను కలిగి ఉన్న DGX సిస్టమ్‌ల యొక్క బహుళ ర్యాక్‌లపై ఆధారపడిన NVIDIA DGX సూపర్‌పాడ్ ఉంటుంది.
అనేక DGX సిస్టమ్‌లతో, ఒక సూపర్‌పాడ్ గణనీయమైన మెమరీ సామర్థ్యం మరియు బ్యాండ్‌విడ్త్‌ను కలిగి ఉంటుంది. మరిన్ని సిస్టమ్‌లను జోడించడం ద్వారా పనితీరును పెంచవచ్చు.
AI ఫ్యాక్టరీ కోసం మరొక NVIDIA బ్లూప్రింట్ NVIDIA GB200 NVL72 ప్లాట్‌ఫారమ్‌పై కేంద్రీకృతమై ఉంది. ఇది GPUలు, CPUలు, DPలు, సూపర్NICలు, NVLink మరియు NVSwitch మరియు అధిక-వేగ నెట్‌వర్కింగ్‌ను సమగ్రపరిచే ఒక ర్యాక్‌స్కేల్ సిస్టమ్. ఈ ప్లాట్‌ఫారమ్ AI మోడల్‌ల కోసం ఒక పెద్ద షేర్డ్ GPU మెమరీ డొమైన్‌ను మరియు అధిక గణన సాంద్రతను అందిస్తుంది. దీనికి లిక్విడ్ కూలింగ్ అవసరం.
పూర్తి వాల్యూమ్‌లో రవాణా చేయబడుతున్న GB200 NVL72, వివిధ ఫార్మాట్‌లలో మోడల్‌లను నిర్మించడానికి మరియు డేటాను రూపొందించడానికి వీలు కల్పించే ఒక స్వయం సమృద్ధ వ్యవస్థను సూచిస్తుంది.
GB200 NVL72లో NVIDIA గ్రేస్ CPUతో జత చేసిన బ్లాక్‌వెల్ GPUలను కలిగి ఉన్న ఒక MGX సర్వర్ నోడ్ ఉంటుంది. ఈ సర్వర్ నోడ్‌లలో రెండు NVL72 ర్యాక్‌లోని కంప్యూట్ ట్రేలో ఉంటాయి. పద్దెనిమిది కంప్యూట్ ట్రేలు అనేక GPUలు మరియు CPUలను కలిగి ఉంటాయి.
GB200 NVL72 ర్యాక్‌స్కేల్ సిస్టమ్ అధిక-వేగ NVLink కనెక్షన్ల ద్వారా అనుసంధానించబడిన గ్రేస్ CPUలను బ్లాక్‌వెల్ GPUలతో కలుపుతుంది. NVLink పోర్ట్‌లు మరియు NVSwitch చిప్‌లు అన్ని GPUలను షేర్డ్ మెమరీ కాన్ఫిగరేషన్‌లో లింక్ చేస్తాయి, ఇది ఫౌండేషన్ మోడల్ శిక్షణ మరియు చైన్-ఆఫ్-థాట్ ఇన్‌ఫెరెన్స్‌కు అనుకూలంగా ఉంటుంది.
తొమ్మిది NVLink స్విచ్ ట్రేల ద్వారా సులభతరం చేయబడిన NVLink ఫాబ్రిక్, AI అప్లికేషన్‌ల కోసం ఒక ఏకీకృత GPUగా అన్ని GPU డైలకు యాక్సెస్‌ను అనుమతిస్తుంది.
GB200 NVL72 సిస్టమ్‌లు హోస్ట్ ప్రాసెసింగ్ కోసం అనేక ఆర్మ్ కోర్‌లను మరియు గణనీయమైన ఫ్లోటింగ్-పాయింట్ ప్రాసెసింగ్ శక్తిని కలిగి ఉంటాయి. GB200 NVL72 సిస్టమ్ GPUలకు జోడించబడిన గణనీయమైన HBM3e మెమరీని కలిగి ఉంది, అధిక సగటు బ్యాండ్‌విడ్త్‌తో. గ్రేస్ CPUలు LPDDR5X మెమరీని కలిగి ఉంటాయి, NVLink ద్వారా యాక్సెస్ చేయవచ్చు.
NVIDIA GB200 NVL72 ఆన్‌లైన్ లావాదేవీల ప్రాసెసింగ్‌పై సిస్టమ్/360 యొక్క పరివర్తనాత్మక ప్రభావాన్ని ప్రతిబింబిస్తుంది. NVL72 యొక్క స్కేలబిలిటీ InfiniBand ఇంటర్‌కనెక్ట్‌ల ద్వారా ప్రధాన వ్యత్యాసం.
NVL72 ర్యాక్‌స్కేల్ సిస్టమ్‌లపై ఆధారపడిన DGX సూపర్‌పాడ్ కాన్ఫిగరేషన్‌లకు గణనీయమైన శక్తి అవసరం, కానీ బహుళ కంప్యూట్ ర్యాక్‌లలో విస్తారమైన కంప్యూటింగ్ శక్తి మరియు మెమరీ సామర్థ్యాన్ని అందిస్తాయి. మరిన్ని ర్యాక్‌లను జోడించడం ద్వారా పనితీరును పెంచవచ్చు.
NVL72 ర్యాక్ యొక్క గణన సాంద్రత ప్రత్యేక లిక్విడ్ కూలింగ్ మరియు డేటా సెంటర్ మౌలిక సదుపాయాలను అవసరం చేస్తుంది. ఇది గత పద్ధతులకు తిరిగి వస్తుంది, ఇక్కడ నీటితో చల్లబడిన యంత్రాలు పనితీరును పెంచుతాయి.
చైన్-ఆఫ్-థాట్ రీజనింగ్ మోడల్‌లకు మళ్లడంతో, వివిధ అప్లికేషన్‌లకు ఇన్‌ఫెరెన్స్ అవసరమైనందున AI ఫ్యాక్టరీలకు గణనీయంగా ఎక్కువ కంప్యూటింగ్ శక్తి అవసరం అవుతుంది.
AI ఫ్యాక్టరీలు హార్డ్‌వేర్‌ను మాత్రమే కాకుండా సిస్టమ్‌లు మరియు డెవలప్‌మెంట్ సాఫ్ట్‌వేర్‌ను కూడా కలిగి ఉంటాయి.
DGX GB200 సిస్టమ్‌లు మరియు DGX సూపర్‌పాడ్ AI సూపర్‌కంప్యూటర్‌లకు నిర్వహణ మరియు మోడలింగ్ అవసరం. ఇది NVIDIA మిషన్ కంట్రోల్ వంటి సాధనాల ద్వారా సులభతరం చేయబడుతుంది. మిషన్ కంట్రోల్ AI వర్క్‌లోడ్‌లను సమన్వయం చేస్తుంది మరియు ఉద్యోగాలను స్వయంచాలకంగా తిరిగి పొందుతుంది. మిషన్ కంట్రోల్ సిస్టమ్ ఆరోగ్యాన్ని పర్యవేక్షిస్తుంది మరియు విద్యుత్ వినియోగాన్ని ఆప్టిమైజ్ చేస్తుంది.
NVIDIA AI ఎంటర్‌ప్రైజ్, సిస్టమ్స్ సాఫ్ట్‌వేర్ సూట్, NVIDIA GPUలు మరియు నెట్‌వర్క్‌ల కోసం ఆప్టిమైజ్ చేయబడిన లైబ్రరీలు, మోడల్‌లు మరియు ఫ్రేమ్‌వర్క్‌లను కలిగి ఉంటుంది. AI ఫ్యాక్టరీ స్టాక్‌లో NVIDIA డైనమో కూడా ఉంది, ఇది NVLink మరియు DGX సూపర్‌పాడ్ మౌలిక సదుపాయాల అంతటా ఇన్‌ఫెరెన్స్‌ను అమలు చేయడానికి ఒక ఓపెన్-సోర్స్ ఫ్రేమ్‌వర్క్. DGX ఎక్స్‌పర్ట్ సర్వీస్ మరియు సపోర్ట్ ఈ సాంకేతికతలను అమలు చేయడంలో వినియోగదారులకు సహాయపడుతుంది. NVIDIA దాని ఓమ్నివర్స్ ‘డిజిటల్ ట్విన్’ పర్యావరణం కోసం AI ఫ్యాక్టరీ బ్లూప్రింట్‌లను అందిస్తుంది. ఇది డేటా సెంటర్ రూపకల్పనను అనుకరించడానికి మరియు ఆప్టిమైజ్ చేయడానికి ఉపయోగపడుతుంది.
AI ఫ్యాక్టరీల యొక్క కీలకమైన అంశం ఏమిటంటే, అవి ఆలోచనలో మార్పును కలిగిస్తాయి. NVIDIA సిస్టమ్ వృద్ధికి హెడ్‌రూమ్‌కు ప్రాధాన్యత ఇస్తుంది.
NVIDIA నెట్‌వర్కింగ్ యొక్క సీనియర్ వైస్ ప్రెసిడెంట్ గిలాడ్ షైనర్ ప్రకారం, “టోకెన్‌లను రూపొందించడం ఇప్పుడు అనేక కంపెనీలకు ఆదాయాన్ని ఉత్పత్తి చేయడానికి సమానం.” డేటా సెంటర్‌లు వ్యయ కేంద్రాల నుండి ఉత్పాదక ఆస్తులుగా అభివృద్ధి చెందుతున్నాయి.
మరియు అది, అంతిమంగా, ఒక కర్మాగారాన్ని నిర్మించడం యొక్క సారాంశం.