عالمی AI ہارڈویئر دوڑ میں بلند داؤ
مصنوعی ذہانت کی ترقی کا منظرنامہ اب صرف الگورتھمک کامیابیوں سے ہی نہیں بلکہ بڑے ماڈلز کو تربیت دینے اور چلانے کے لیے درکار جدید ہارڈویئر تک رسائی سے بھی تیزی سے متعین ہو رہا ہے۔ اس ہارڈویئر مساوات کے مرکز میں گرافکس پروسیسنگ یونٹ (GPU) ہے، ایک ایسا جزو جو ابتدائی طور پر تصاویر رینڈر کرنے کے لیے ڈیزائن کیا گیا تھا لیکن اب AI کے متوازی پروسیسنگ مطالبات کے لیے ناگزیر ہے۔ سالوں سے، Nvidia Corporation اس میدان میں غیر متنازعہ ٹائٹن کے طور پر کھڑا ہے، اس کے جدید GPUs معیار بن چکے ہیں، جو Silicon Valley اور اس سے آگے جدت طرازی کو طاقت فراہم کر رہے ہیں۔ تاہم، اس غلبے نے کمپنی، اور اس کے صارفین کو، براہ راست جغرافیائی سیاسی تناؤ کی زد میں لا کھڑا کیا ہے۔
Washington کی جانب سے چین کی جدید سیمی کنڈکٹر ٹیکنالوجی تک رسائی کو روکنے کے مقصد سے سخت برآمدی کنٹرولز نافذ کرنے نے مارکیٹ کو بنیادی طور پر نئی شکل دی ہے۔ یہ پابندیاں خاص طور پر اعلیٰ کارکردگی والے GPUs کو نشانہ بناتی ہیں، جیسے کہ Nvidia کے تیار کردہ، جو جدید AI ایپلی کیشنز کے لیے اہم سمجھے جاتے ہیں، بشمول وہ جن کے ممکنہ فوجی استعمالات ہیں۔ فوری اثر چین کے ابھرتے ہوئے ٹیک سیکٹر میں ایک افراتفری تھی۔ AI میں بھاری سرمایہ کاری کرنے والی کمپنیاں، قائم شدہ جنات سے لے کر پرجوش اسٹارٹ اپس تک، اچانک تکنیکی ترقی کی اگلی لہر کو چلانے والے ضروری آلات سے کٹ جانے کے امکان کا سامنا کرنا پڑا۔ اس نے ایک فوری ضرورت پیدا کی: قابل عمل متبادل تلاش کریں یا عالمی سطح پر مسابقتی میدان میں پیچھے رہ جانے کا خطرہ مول لیں۔ چیلنج صرف ایک چپ کو دوسرے سے تبدیل کرنے کا نہیں تھا؛ اس میں کارکردگی کے فرق، سافٹ ویئر مطابقت کے مسائل، اور سینکڑوں اربوں، یا یہاں تک کہ کھربوں، پیرامیٹرز والے ماڈلز کی تربیت کے لیے درکار سراسر پیمانے کے ایک پیچیدہ جال سے گزرنا شامل تھا۔
Ant Group کمپیوٹ کی آزادی کی طرف ایک راستہ بناتا ہے
سپلائی چین کی غیر یقینی صورتحال اور بڑھتی ہوئی تکنیکی دشمنی کے اس پس منظر میں، Ant Group، جو Alibaba Group Holding سے وابستہ فنٹیک دیو ہے، نے زیادہ کمپیوٹیشنل خود کفالت کی جانب ایک اہم پیش رفت کا اشارہ دیا ہے۔ حالیہ انکشافات، جو کمپنی کی Ling ٹیم – اس ڈویژن جو اس کے بڑے لینگویج ماڈل (LLM) اقدامات کی قیادت کر رہی ہے – کے ایک تحقیقی مقالے میں تفصیل سے بیان کیے گئے ہیں، Nvidia-مرکوز راستے سے ایک کامیاب انحراف کی نشاندہی کرتے ہیں۔ اس کامیابی کا مرکز ان کی مقامی طور پر تیار کردہ GPUs کا استعمال کرتے ہوئے ایک جدید AI ماڈل کو مؤثر طریقے سے تربیت دینے کی صلاحیت میں ہے۔
زیر بحث ماڈل، جس کا نام Ling-Plus-Base ہے، کوئی ہلکا پھلکا نہیں ہے۔ اسے Mixture-of-Experts (MoE) فن تعمیر کا استعمال کرتے ہوئے ڈیزائن کیا گیا ہے، ایک ایسی تکنیک جو LLMs کو پیمانہ کرنے میں اپنی کارکردگی کی وجہ سے مقبولیت حاصل کر رہی ہے۔ کافی 300 بلین پیرامیٹرز پر فخر کرتے ہوئے، Ling-Plus-Base دیگر نمایاں عالمی ماڈلز کے مقابلے کی لیگ میں کام کرتا ہے۔ تاہم، اہم فرق کرنے والا عنصر اس کی تربیت کی بنیاد بننے والا ہارڈویئر ہے۔ تحقیقی نتائج کے مطابق، اس طاقتور ماڈل کو اس پر پختگی تک پہنچایا جا سکتا ہے جسے ٹیم ‘کم کارکردگی والے آلات’ کے طور پر بیان کرتی ہے۔ یہ احتیاط سے منتخب کردہ جملہ براہ راست ان پروسیسنگ یونٹس کے استعمال کی طرف اشارہ کرتا ہے جو امریکی برآمدی پابندیوں کے دائرہ کار سے باہر آتے ہیں، جو چین کے اندر ڈیزائن اور تیار کردہ چپس کے استعمال کا مضبوطی سے اشارہ دیتا ہے۔
یہ ترقی صرف ایک تکنیکی حل سے زیادہ ہے؛ یہ ایک ممکنہ اسٹریٹجک محور کی نمائندگی کرتی ہے۔ اعلیٰ ترین، محدود غیر ملکی ہارڈویئر پر خصوصی طور پر انحصار کیے بغیر جدید ترین ماڈلز کو تربیت دینے کی صلاحیت کا مظاہرہ کرکے، Ant Group نہ صرف سپلائی چین کے خطرات کو کم کر رہا ہے بلکہ ممکنہ طور پر اہم لاگت کی بچت کو بھی کھول رہا ہے۔
معاشی مساوات: تربیتی اخراجات میں کمی
Ling ٹیم کی تحقیق سے ابھرنے والے سب سے زیادہ مجبور کرنے والے اعداد و شمار میں سے ایک Ling-Plus-Base ماڈل کے اہم پری ٹریننگ مرحلے کے دوران کمپیوٹنگ کے اخراجات میں 20 فیصد کمی کی اطلاع ہے۔ پری ٹریننگ بدنام زمانہ طور پر وسائل طلب ہے، جس میں ماڈل کو زبان کے نمونوں، سیاق و سباق اور علم کو سیکھنے کے لیے وسیع ڈیٹا سیٹس کھلانا شامل ہے۔ یہ بنیادی LLMs تیار کرنے سے وابستہ مجموعی اخراجات کا ایک بڑا حصہ تشکیل دیتا ہے۔ لہذا، اس مرحلے میں پانچویں حصے کی لاگت میں کمی حاصل کرنا کافی بچت میں ترجمہ کرتا ہے، ممکنہ طور پر مزید تحقیق، ترقی، یا بڑے پیمانے پر تعیناتی کے لیے سرمایہ کو آزاد کرتا ہے۔
یہ لاگت کی بچت کیسے حاصل کی جاتی ہے؟ اگرچہ مقالہ لاگت کی صحیح تقسیم کی تفصیل نہیں دیتا، کئی عوامل ممکنہ طور پر حصہ ڈالتے ہیں:
- ہارڈویئر کی خریداری: مقامی طور پر تیار کردہ GPUs، چاہے انفرادی طور پر Nvidia کی اعلیٰ پیشکشوں سے کم طاقتور ہوں، کم خریداری قیمت پر آسکتے ہیں یا چینی مارکیٹ میں زیادہ سازگار حجم کی چھوٹ پیش کر سکتے ہیں، خاص طور پر اعلیٰ درجے کے Nvidia چپس کی محدود فراہمی پر غور کرتے ہوئے۔
- توانائی کی کارکردگی: اگرچہ واضح طور پر بیان نہیں کیا گیا ہے، ممکنہ طور پر کم بجلی استعمال کرنے والے (اگرچہ شاید فی یونٹ کم کارکردگی والے) گھریلو چپس کے لیے تربیت کو بہتر بنانا کم آپریشنل توانائی کے اخراجات میں حصہ ڈال سکتا ہے، جو بڑے ڈیٹا سینٹرز چلانے میں ایک اہم عنصر ہے۔
- الگورتھمک اور آرکیٹیکچرل آپٹیمائزیشن: MoE فن تعمیر کا استعمال خود کلیدی ہے۔ MoE ماڈلز کسی دیے گئے ان پٹ کے لیے صرف مخصوص ‘ماہر’ ذیلی نیٹ ورکس کو فعال کرتے ہیں، بجائے اس کے کہ گھنے فن تعمیر کی طرح پورے ماڈل کو شامل کریں۔ یہ موروثی کمی تربیت اور اندازہ دونوں کے دوران کمپیوٹیشنل بوجھ کو نمایاں طور پر کم کر سکتی ہے، جس سے فی چپ کم خام پروسیسنگ پاور کے ساتھ بھی اچھے نتائج حاصل کرنا ممکن ہو جاتا ہے۔ Ant کی کامیابی دستیاب گھریلو ہارڈویئر کی کارکردگی کو زیادہ سے زیادہ کرنے کے لیے جدید سافٹ ویئر اور الگورتھمک ٹیوننگ کا مشورہ دیتی ہے۔
یہ لاگت میں کمی محض ایک حسابی فائدہ نہیں ہے؛ یہ بڑے پیمانے پر ماڈلز تیار کرنے کے لیے داخلے کی رکاوٹ کو کم کرتی ہے اور اگر طریقے قابل نقل ثابت ہوتے ہیں تو کمپنی کے اندر اور ممکنہ طور پر وسیع تر چینی ٹیک ایکو سسٹم میں AI جدت طرازی کی رفتار کو تیز کر سکتی ہے۔
کارکردگی میں برابری: ہارڈویئر کے فرق کو پُر کرنا؟
لاگت کی بچت پرکشش ہے، لیکن اگر نتیجے میں آنے والا AI ماڈل نمایاں طور پر کم کارکردگی کا مظاہرہ کرتا ہے تو ان کا کوئی مطلب نہیں ہے۔ Ant کی Ling ٹیم اس پر براہ راست توجہ دیتی ہے، یہ دعویٰ کرتے ہوئے کہ Ling-Plus-Base میدان میں دیگر معروف ماڈلز کے مقابلے کی کارکردگی حاصل کرتا ہے۔ خاص طور پر، انہوں نے اپنی تخلیق کا موازنہ Qwen2.5-72B-Instruct (پیرنٹ کمپنی Alibaba کی طرف سے تیار کردہ) اور DeepSeek-V2.5-1210-Chat، ایک اور نمایاں چینی LLM جیسے ماڈلز سے کیا۔
‘کم کارکردگی والے آلات’ استعمال کرنے کے باوجود ‘موازنہ کارکردگی’ کا دعویٰ قابل ذکر ہے۔ یہ تجویز کرتا ہے کہ Ant نے ممکنہ طور پر کسی بھی خام کمپیوٹیشنل خسارے کی تلافی کے مؤثر طریقے تلاش کیے ہیں:
- جدید ماڈل فن تعمیر: MoE ڈیزائن یہاں اہم ہے، جو کام کے بوجھ کو مؤثر طریقے سے تقسیم کرتا ہے۔
- سافٹ ویئر آپٹیمائزیشن: استعمال کیے جانے والے گھریلو GPUs کے فن تعمیر کے لیے خاص طور پر تربیتی سافٹ ویئر اسٹیک (جیسے متوازی فریم ورک اور عددی لائبریریاں) کو تیار کرنا اہم ہے۔ اس میں اکثر اہم انجینئرنگ کی کوشش شامل ہوتی ہے۔
- ڈیٹا کیوریشن اور ٹریننگ تکنیک: تربیتی ڈیٹا کو منتخب کرنے اور خود تربیتی عمل کو بہتر بنانے کے لیے جدید طریقے حتمی ماڈل کے معیار پر نمایاں طور پر اثر انداز ہو سکتے ہیں، بعض اوقات ہارڈویئر کی حدود کی تلافی کرتے ہیں۔
کارکردگی کے دعووں کو باریک بینی سے دیکھنا ضروری ہے۔ ‘موازنہ’ مختلف بینچ مارکس (مثلاً زبان کی سمجھ، استدلال، تخلیق، کوڈنگ) میں نتائج کی ایک حد کو شامل کر سکتا ہے۔ متعدد معیاری ٹیسٹوں میں تفصیلی بینچ مارک نتائج تک رسائی کے بغیر، ایک درست موازنہ مشکل رہتا ہے۔ تاہم، یہ دعویٰ خود Ant کے اعتماد کا اشارہ دیتا ہے کہ اس کا نقطہ نظر لاگت/رسائی اور صلاحیت کے درمیان ایک مفلوج سمجھوتہ ضروری نہیں بناتا۔ یہ ہارڈویئر پابندیوں کی طرف سے عائد کردہ رکاوٹوں کے اندر بھی مسابقت کو برقرار رکھنے کا ایک راستہ ظاہر کرتا ہے۔
محققین نے خود وسیع تر مضمرات کو اجاگر کیا: ‘یہ نتائج کم طاقتور ہارڈویئر پر جدید ترین بڑے پیمانے پر MoE ماڈلز کی تربیت کی فزیبلٹی کو ظاہر کرتے ہیں، جو کمپیوٹنگ وسائل کے انتخاب کے حوالے سے بنیادی ماڈل کی ترقی کے لیے زیادہ لچکدار اور لاگت سے مؤثر نقطہ نظر کو ممکن بناتے ہیں۔’ یہ ایک قسم کی جمہوری بنانے کی طرف اشارہ کرتا ہے، جس سے جدید ترین AI ترقی کو آگے بڑھنے کی اجازت ملتی ہے یہاں تک کہ جب پروسیسنگ پاور کے مطلق عروج تک رسائی محدود ہو۔
Mixture-of-Experts (MoE) فائدے کو سمجھنا
Mixture-of-Experts فن تعمیر Ant Group کی رپورٹ کردہ کامیابی کا مرکز ہے۔ یہ روایتی ‘گھنے’ نیورل نیٹ ورک ماڈلز سے ایک انحراف کی نمائندگی کرتا ہے جہاں ہر ان پٹ ہر پیرامیٹر کو فعال کرتا ہے۔ ایک MoE ماڈل میں:
- ماڈل متعدد چھوٹے، خصوصی ‘ماہر’ نیٹ ورکس پر مشتمل ہوتا ہے۔
- ایک ‘گیٹنگ نیٹ ورک’ یا ‘راؤٹر’ میکانزم آنے والے ڈیٹا (ٹوکنز، LLMs کے معاملے میں) کو پروسیسنگ کے لیے سب سے زیادہ متعلقہ ماہر (ماہرین) کی طرف ہدایت کرنا سیکھتا ہے۔
- صرف منتخب ماہر (ماہرین) – اکثر ممکنہ طور پر سینکڑوں میں سے صرف ایک یا دو – اس مخصوص ڈیٹا کے ٹکڑے کے لیے حسابات انجام دیتے ہیں۔
یہ نقطہ نظر کئی کلیدی فوائد پیش کرتا ہے، خاص طور پر ہارڈویئر کی رکاوٹوں کے تناظر میں متعلقہ:
- اسکیل ایبلٹی: MoE ماڈلز کو اندازہ لگانے یا یہاں تک کہ تربیتی مراحل کے دوران ہر ان پٹ ٹوکن پر کارروائی کرنے کے لیے کمپیوٹیشنل لاگت میں متناسب اضافے کے بغیر بہت بڑے پیرامیٹر شمار (کھربوں ممکن ہو رہے ہیں) تک بڑھنے کی اجازت دیتا ہے۔ اس کی وجہ یہ ہے کہ کسی بھی وقت کل پیرامیٹرز کا صرف ایک حصہ فعال ہوتا ہے۔
- تربیتی کارکردگی: اگرچہ MoE ماڈلز کی تربیت کی اپنی پیچیدگیاں ہیں (جیسے ماہرین میں لوڈ بیلنسنگ)، فی ٹوکن کم حساب کتاب تیزی سے تربیتی اوقات میں ترجمہ کر سکتا ہے یا، جیسا کہ Ant ظاہر کرتا ہے، مناسب ٹائم فریم کے اندر کم طاقتور ہارڈویئر پر مؤثر طریقے سے تربیت دینے کی صلاحیت۔
- تخصص: ہر ماہر ممکنہ طور پر مختلف قسم کے ڈیٹا، کاموں، یا علم کے ڈومینز میں مہارت حاصل کر سکتا ہے، ممکنہ طور پر مخصوص علاقوں میں اعلیٰ معیار کے آؤٹ پٹ کا باعث بنتا ہے۔
دنیا بھر کی معروف AI لیبز نے MoE کو اپنایا ہے، بشمول Google (GShard, Switch Transformer), Mistral AI (Mixtral models)، اور چین کے اندر، DeepSeek اور Alibaba (جن کے Qwen ماڈلز میں MoE عناصر شامل ہیں) جیسی کمپنیاں۔ Ant کا Ling-Plus-Base اسے مضبوطی سے اس پیش منظر میں رکھتا ہے، ہارڈویئر کی حقیقتوں کو نیویگیٹ کرنے کے لیے آرکیٹیکچرل جدت طرازی کا فائدہ اٹھاتا ہے۔
گھریلو ہارڈویئر ایکو سسٹم: Nvidia خلا کو پُر کرنا
اگرچہ Ant تحقیقی مقالے میں استعمال شدہ ہارڈویئر کا واضح طور پر نام لینے سے گریز کیا گیا، بعد کی رپورٹنگ، خاص طور پر Bloomberg کی طرف سے، اشارہ کرتی ہے کہ یہ کارنامہ مقامی طور پر ڈیزائن کردہ چپس پر مشتمل تھا۔ اس میں ممکنہ طور پر Ant کی ملحقہ کمپنی، Alibaba سے پیدا ہونے والے پروسیسرز شامل ہیں، جس کا اپنا چپ ڈیزائن یونٹ T-Head ہے (جو Yitian 710 جیسے CPUs تیار کرتا ہے اور پہلے AI ایکسلریٹرز کی تلاش کر رہا تھا)، اور اہم طور پر، Huawei Technologies۔
Huawei، خود شدید امریکی پابندیوں کا سامنا کرنے کے باوجود، چینی مارکیٹ میں Nvidia کی پیشکشوں کے براہ راست متبادل کے طور پر اپنی Ascend سیریز کے AI ایکسلریٹرز (جیسے Ascend 910B) کو جارحانہ انداز میں تیار کر رہا ہے۔ اطلاعات کے مطابق یہ چپس بڑی چینی ٹیک فرموں کی طرف سے اپنائی جا رہی ہیں۔ Ant Group کی Ling-Plus-Base جیسے بڑے ماڈل کے لیے اس طرح کے ہارڈویئر کو مؤثر طریقے سے استعمال کرنے کی صلاحیت ان گھریلو متبادلات کی ایک اہم توثیق کی نمائندگی کرے گی۔
یہ نوٹ کرنا اہم ہے کہ Ant Group نے Nvidia کو مکمل طور پر ترک نہیں کیا ہے۔ رپورٹس بتاتی ہیں کہ Nvidia چپس Ant کے AI ترقیاتی ٹول کٹ کا حصہ بنی ہوئی ہیں، ممکنہ طور پر ان کاموں کے لیے استعمال ہوتی ہیں جہاں ان کی مخصوص کارکردگی کی خصوصیات یا پختہ سافٹ ویئر ایکو سسٹم (جیسے CUDA) فوائد پیش کرتے ہیں، یا میراثی نظاموں کے لیے۔ یہ اقدام ضروری نہیں کہ راتوں رات مکمل تبدیلی کے بارے میں ہو بلکہ قابل عمل، متوازی راستے بنانے کے بارے میں ہے جو اسٹریٹجک کمزوری کو کم کرتے ہیں اور اخراجات کو کنٹرول کرتے ہیں۔ یہ ہائبرڈ نقطہ نظر کمپنی کو آزادی کو فروغ دیتے ہوئے بہترین دستیاب ٹولز کا فائدہ اٹھانے کی اجازت دیتا ہے۔ Ant Group نے خود کارپوریٹ صوابدید کی ایک ڈگری برقرار رکھی، استعمال شدہ مخصوص چپس پر سرکاری طور پر تبصرہ کرنے سے انکار کر دیا۔
ایک وسیع تر رجحان: چین کی AI خود انحصاری کے لیے اجتماعی کوشش
Ant Group کا اقدام تنہائی میں نہیں ہو رہا ہے۔ یہ چین کے ٹیکنالوجی سیکٹر میں امریکی برآمدی کنٹرولز کی طرف سے عائد کردہ حدود کے ارد گرد جدت طرازی کے لیے ایک وسیع تر اسٹریٹجک کوشش کی عکاسی کرتا ہے۔ ‘ٹیک وار’ نے اہم ٹیکنالوجیز، خاص طور پر سیمی کنڈکٹرز اور AI میں زیادہ خود کفالت حاصل کرنے کی کوششوں کو متحرک کیا ہے۔
دیگر بڑے کھلاڑی بھی اسی طرح کے اہداف کا تعاقب کر رہے ہیں:
- ByteDance: TikTok کی پیرنٹ کمپنی بھی مبینہ طور پر اپنی AI عزائم کے لیے متبادل چپس، بشمول گھریلو آپشنز، کو محفوظ بنانے اور استعمال کرنے کے لیے کام کر رہی ہے، جو سفارشی الگورتھم، جنریٹو AI، اور مزید پر محیط ہیں۔
- DeepSeek: یہ AI اسٹارٹ اپ، جو اپنے طاقتور اوپن سورس ماڈلز کے لیے جانا جاتا ہے، واضح طور پر تربیتی کارکردگی کا ذکر کرتا ہے اور اس نے MoE فن تعمیر کا استعمال کرتے ہوئے ماڈلز تیار کیے ہیں، جو ان حکمت عملیوں کے ساتھ ہم آہنگ ہیں جو صرف سب سے طاقتور GPUs کے وسیع بیڑے رکھنے پر کم انحصار کرتی ہیں۔
- Baidu, Tencent, اور دیگر: تمام بڑی چینی کلاؤڈ اور ٹیک کمپنیاں AI میں بھاری سرمایہ کاری کر رہی ہیں اور لامحالہ ہارڈویئر تنوع کی حکمت عملیوں کی تلاش کر رہی ہیں، بشمول گھریلو چپس کے لیے آپٹیمائزیشن اور ممکنہ طور پر اپنے کسٹم سلیکون تیار کرنا۔
اجتماعی پیغام واضح ہے: اگرچہ Nvidia کی اعلیٰ درجے کی مصنوعات تک رسائی مطلوبہ بنی ہوئی ہے، چینی ٹیک انڈسٹری فعال طور پر متبادل حل تیار اور توثیق کر رہی ہے۔ اس میں ایک کثیر جہتی نقطہ نظر شامل ہے: MoE جیسے موثر ماڈل فن تعمیر کو اپنانا، مختلف ہارڈویئر بیک اینڈز کے لیے شدید سافٹ ویئر آپٹیمائزیشن، اور مقامی طور پر تیار کردہ چپس کی ترقی اور اپنانے کی حمایت کرنا۔
زبان کے ماڈلز سے آگے: صحت کی دیکھ بھال میں Ant کی AI توسیع
Ant Group کی AI کوششیں بنیادی LLMs سے آگے بڑھتی ہیں۔ اس کی تربیتی کارکردگیوں کے بارے میں خبروں کے ساتھ ساتھ، کمپنی نے صحت کی دیکھ بھال کے شعبے کے لیے تیار کردہ AI حلوں کے اپنے سوٹ میں اہم اپ گریڈ کی نقاب کشائی کی۔ یہ اقدام ایک الگ، خود تیار کردہ صحت کی دیکھ بھال پر مرکوز AI ماڈل کا فائدہ اٹھاتا ہے۔
اپ گریڈ شدہ حل ملٹی موڈل صلاحیتوں (مختلف ڈیٹا کی اقسام جیسے متن، تصاویر، اور ممکنہ طور پر دیگر طبی ڈیٹا پر کارروائی) اور جدید طبی استدلال کی خصوصیت رکھتے ہیں۔ یہ ان میں ضم ہیں جنہیں Ant ‘آل ان ون مشینیں’ کے طور پر بیان کرتا ہے، غالباً کلینیکل سیٹنگز یا ہیلتھ مینجمنٹ کے لیے ڈیزائن کردہ آلات یا پلیٹ فارمز۔
اگرچہ بظاہر Ling-Plus-Base LLM خبروں سے الگ ہے، ایک ممکنہ بنیادی تعلق ہے۔ AI ماڈلز کو زیادہ لاگت سے مؤثر طریقے سے تربیت دینے کی صلاحیت، ممکنہ طور پر گھریلو آپشنز سمیت ہارڈویئر کے مرکب کا استعمال کرتے ہوئے، صحت کی دیکھ بھال جیسے شعبوں کے لیے خصوصی ماڈلز تیار کرنے اور تعینات کرنے کی معاشی عملداری کو تقویت دے سکتی ہے۔ AI ترقی کی بنیادی لاگت کو کم کرنے سے وسائل کو ڈومین کے لیے مخصوص ایپلی کیشنز میں منتقل کرنے کی اجازت ملتی ہے، ممکنہ طور پر اہم صنعتوں میں عملی AI ٹولز کے رول آؤٹ کو تیز کرتا ہے۔ صحت کی دیکھ بھال کا یہ زور Ant کی اپنی AI مہارت کو وسیع پیمانے پر لاگو کرنے کے عزائم کو اجاگر کرتا ہے، جو اس کی فنٹیک جڑوں سے آگے بڑھ رہا ہے۔
مستقبل کے لیے مضمرات: AI روڈ میں ایک کانٹا؟
Ant Group کی جانب سے غیر Nvidia، ممکنہ طور پر گھریلو، GPUs کا استعمال کرتے ہوئے ایک بڑے پیمانے پر MoE ماڈل کی کامیاب تربیت اہم مضمرات رکھتی ہے:
- گھریلو چپس کے لیے توثیق: یہ چینی ڈیزائن کردہ AI ایکسلریٹرز جیسے Huawei کے Ascend کی عملداری کے لیے ایک اہم ثبوت کے طور پر کام کرتا ہے، ممکنہ طور پر چین کے اندر ان کے اپنانے کو فروغ دیتا ہے۔
- مسابقتی منظرنامہ: یہ ظاہر کرتا ہے کہ چینی کمپنیاں پابندیوں کے باوجود جدید ترین AI ترقی میں مسابقتی رہ سکتی ہیں، آرکیٹیکچرل اور سافٹ ویئر جدت طرازی کا فائدہ اٹھاتے ہوئے۔
- لاگت کی حرکیات: 20% لاگت میں کمی ان کمپنیوں کے لیے ایک ممکنہ مسابقتی فائدہ کو اجاگر کرتی ہے جو متبادل ہارڈویئر کو مؤثر طریقے سے استعمال کرنے کے قابل ہیں، ممکنہ طور پر عالمی AI قیمتوں اور رسائی کو متاثر کرتی ہیں۔
- Nvidia کی پوزیشن: اگرچہ Nvidia عالمی سطح پر غالب ہے، یہ رجحان ان چیلنجوں کو اجاگر کرتا ہے جن کا اسے ضوابط اور مقامی حریفوں کے عروج کی وجہ سے اہم چینی مارکیٹ میں سامنا ہے۔ یہ Nvidia کی چین کے لیے تیار کردہ برآمدی-مطابق چپس کی ترقی کو تیز کر سکتا ہے، لیکن متبادل راستے کی بھی توثیق کرتا ہے۔
- تکنیکی تقسیم؟: طویل مدت میں، ہارڈویئر تک رسائی اور سافٹ ویئر آپٹیمائزیشن میں مسلسل اختلاف جزوی طور پر الگ الگ AI ایکو سسٹم کا باعث بن سکتا ہے، جس میں ماڈلز اور ٹولز مختلف بنیادی سلیکون کے لیے آپٹمائزڈ ہوتے ہیں۔
Ant Group کی Ling ٹیم کی طرف سے کیا گیا سفر اس وسائل کی علامت ہے جسے جغرافیائی سیاسی رکاوٹوں نے ابھارا ہے۔ MoE جیسے جدید ماڈل فن تعمیر کو دستیاب گھریلو ہارڈویئر کے لیے آپٹمائز کرنے اور استعمال کرنے کی رضامندی کے ساتھ ہوشیاری سے ملا کر، انہوں نے ایک ایسا راستہ بنایا ہے جو مصنوعی ذہانت کے اہم میدان میں مسلسل ترقی کو یقینی بناتا ہے، ممکنہ طور پر لاگت کے ڈھانچے اور اسٹریٹجک انحصار کو نئی شکل دیتا ہے جو صنعت کی تعریف کرتے ہیں۔ یہ اس خیال کا ثبوت ہے کہ جدت اکثر دباؤ میں سب سے زیادہ پھلتی پھولتی ہے۔