આર્ટિફિશિયલ ઇન્ટેલિજન્સ માટે નવો માર્ગ: Nvidia અને દક્ષિણ કોરિયાની કંપનીઓ વચ્ચે 'વિષમજાતીય કમ્પ્યુટિંગ' માટે જોડાણ
Nvidia, SK Telecom અને Rebellions સાથે મળીને GPU અને NPU ને જોડતી એક શક્તિશાળી સિસ્ટમ બનાવી રહ્યા છે, જે AI ડેટા સેન્ટરની ક્ષમતામાં મોટો વધારો કરશે.
આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) ની દુનિયામાં પ્રોસેસિંગ પાવરની માંગ જે ઝડપે વધી રહી છે, તેને પહોંચી વળવા માટે હવે માત્ર એક પ્રકારની ચિપ પૂરતી નથી. તાજેતરમાં દક્ષિણ કોરિયાની રાજધાની સિઓલમાં આયોજિત 'AI Day Seoul' કાર્યક્રમ દરમિયાન એક મહત્વપૂર્ણ સમજૂતી કરાર (MOU) કરવામાં આવ્યો હતો. આ કરાર મુજબ, અમેરિકન ચિપમેકર Nvidia, દક્ષિણ કોરિયાની ટેલિકોમ દિગ્ગજ SK Telecom (SKT) અને AI ચિપ સ્ટાર્ટઅપ Rebellions સાથે મળીને એક 'વિષમજાતીય કમ્પ્યુટિંગ સિસ્ટમ' (heterogeneous computing system) વિકસાવશે.
વિષમજાતીય કમ્પ્યુટિંગ (heterogeneous computing) એટલે એવી સિસ્ટમ જેમાં એક કરતાં વધુ પ્રકારના પ્રોસેસર અથવા કોરનો ઉપયોગ કરવામાં આવે છે. આ જોડાણ હેઠળ Nvidia ના ગ્રાફિક પ્રોસેસિંગ યુનિટ્સ (GPUs) ને Rebellions દ્વારા ડિઝાઇન કરાયેલ ન્યુરલ પ્રોસેસિંગ યુનિટ્સ (NPUs) સાથે જોડવામાં આવશે. આ સંયુક્ત સિસ્ટમનો ઉપયોગ SK Telecom ના AI ડેટા સેન્ટર બનાવવા માટે કરવામાં આવશે, જે ભવિષ્યની ટેકનોલોજી માટે પાયો નાખશે.
આ ભાગીદારી Nvidia ના 'NVLink Fusion' પ્રોગ્રામ પર આધારિત હશે. આ પ્રોગ્રામ હાઇપરસ્કેલર્સ (મોટા પાયે ડેટા સેન્ટર ચલાવતી કંપનીઓ) અને કસ્ટમ ચિપ ડિઝાઇનર્સને તેમના પોતાના AI પ્રોસેસર્સને સીધા જ Nvidia ના રેક-સ્કેલ ઇન્ફ્રાસ્ટ્રક્ચરમાં જોડવાની મંજૂરી આપે છે. આનાથી અલગ-અલગ પ્રકારની ચિપ્સ એકબીજા સાથે ખૂબ જ ઝડપથી વાતચીત કરી શકશે અને ડેટાની આપ-લે કરી શકશે.
- Nvidia GPU ની ભૂમિકાNvidia ના શક્તિશાળી GPUs જટિલ પેરેલલ પ્રોસેસિંગ અને AI મોડલની તાલીમનું કામ સંભાળશે.
- Rebellions NPU નું જોડાણRebellions દ્વારા ખાસ ડિઝાઇન કરાયેલ NPUs ચોક્કસ ન્યુરલ નેટવર્ક કાર્યોને વધુ કાર્યક્ષમતાથી પૂર્ણ કરશે.
- NVLink Fusion દ્વારા જોડાણNvidia ના NVLink Fusion પ્રોગ્રામ દ્વારા આ બંને અલગ પ્રકારના પ્રોસેસર્સને એક જ ઇન્ફ્રાસ્ટ્રક્ચરમાં જોડવામાં આવશે.
- SK Telecom ડેટા સેન્ટરઆ સંયુક્ત સિસ્ટમને SK Telecom ના AI ડેટા સેન્ટરોમાં સ્થાપિત કરવામાં આવશે જેથી ગ્રાહકોને ઝડપી AI સેવા મળી શકે.
વિષમજાતીય કમ્પ્યુટિંગ શું છે અને તે કેમ મહત્વનું છે?
સામાન્ય રીતે, કમ્પ્યુટિંગ સિસ્ટમ્સ સમાન પ્રકારના પ્રોસેસર્સનો ઉપયોગ કરે છે, જેને સમાનજાતીય (homogeneous) સિસ્ટમ કહેવામાં આવે છે. પરંતુ વિષમજાતીય કમ્પ્યુટિંગમાં વિવિધ પ્રકારના પ્રોસેસર્સ જેવા કે CPU, GPU અને NPU ને એકસાથે લાવવામાં આવે છે. આ સિસ્ટમ્સ માત્ર પ્રોસેસર્સની સંખ્યા વધારીને નહીં, પરંતુ ચોક્કસ કાર્યો માટે વિશિષ્ટ પ્રોસેસર્સનો ઉપયોગ કરીને કાર્યક્ષમતામાં વધારો કરે છે.
વિકિપીડિયાના અહેવાલ મુજબ, વિષમજાતીય સિસ્ટમ્સમાં અલગ-અલગ ઇન્સ્ટ્રક્શન-સેટ આર્કિટેક્ચર (ISA) હોઈ શકે છે. ISA એ પ્રોસેસર જે ભાષા સમજે છે તેનો સમૂહ છે. જ્યારે મુખ્ય પ્રોસેસર એક પ્રકારની ભાષા વાપરે છે અને અન્ય પ્રોસેસર બીજી ભાષા વાપરે છે, ત્યારે તે સિસ્ટમ વધુ જટિલ બને છે પરંતુ તે વધુ શક્તિશાળી પણ બને છે. આ વિવિધતાનો ઉપયોગ કરીને સિસ્ટમ વધુ સારી કામગીરી અને ઉર્જા બચત હાંસલ કરી શકે છે.
સંશોધનો દર્શાવે છે કે વિષમજાતીય આર્કિટેક્ચર સમાન પ્રકારના આર્કિટેક્ચર કરતા ૨૧% વધુ સારી કામગીરી આપી શકે છે. આ ઉપરાંત, તે ૨૩% જેટલી ઉર્જા બચાવવામાં પણ મદદ કરે છે. આજના સમયમાં જ્યારે ડેટા સેન્ટરોમાં વીજળીનો વપરાશ એક મોટી ચિંતા છે, ત્યારે આ પ્રકારની ઉર્જા કાર્યક્ષમતા ખૂબ જ મહત્વપૂર્ણ સાબિત થાય છે.
ટકાવારી (%)
Nvidia, SKT અને Rebellions ની ભૂમિકા
આ ત્રિપક્ષીય જોડાણમાં દરેક કંપની પોતાની વિશેષતા લાવે છે. Nvidia વિશ્વની સૌથી મોટી GPU ઉત્પાદક કંપની છે, જેની ચિપ્સ AI મોડલ્સને તાલીમ આપવા માટે સુવર્ણ માનક ગણાય છે. Rebellions એ દક્ષિણ કોરિયાનું એક સ્ટાર્ટઅપ છે જે ખાસ કરીને AI કાર્યો માટે NPU ડિઝાઇન કરે છે. NPU એ આર્ટિફિશિયલ ન્યુરલ નેટવર્ક માટે ખાસ બનાવેલી ચિપ છે, જે GPU કરતા અમુક ચોક્કસ કાર્યોમાં વધુ ઝડપી અને સસ્તી હોઈ શકે છે.
SK Telecom આ બંને ટેકનોલોજીને પોતાના ડેટા સેન્ટરોમાં લાગુ કરશે. દક્ષિણ કોરિયાના વિજ્ઞાન અને ICT મંત્રાલયના સમર્થન સાથે, આ ભાગીદારીનો હેતુ સ્થાનિક અદ્યતન સેમિકન્ડક્ટર્સના ઉપયોગનો વ્યાપ વધારવાનો છે. આનાથી દક્ષિણ કોરિયાની કંપનીઓને વૈશ્વિક બજારમાં પોતાની ઓળખ બનાવવાની તક મળશે. Nvidia ના AI ઇન્ફ્રાસ્ટ્રક્ચરના પ્રિન્સિપલ મેનેજર જેસી ક્લેટને જણાવ્યું હતું કે, આ સહયોગ કોરિયામાં ઇનોવેશનને વેગ આપવામાં મદદ કરશે.
જોકે, આ કાર્યક્રમ દરમિયાન Nvidia ના CEO જેન્સેન હુઆંગના પરિવાર અને અંગત જીવનને લગતા કેટલાક વિવાદો વિશે પ્રશ્નો પૂછવામાં આવ્યા હતા, પરંતુ કંપનીએ તેને ઇવેન્ટ સાથે અસંબંધિત ગણાવીને જવાબ આપવાનો ઇનકાર કર્યો હતો. આ વિવાદો છતાં, Nvidia ની ટેકનોલોજીકલ પકડ અને તેની ભાગીદારીઓ અતૂટ દેખાય છે.
Nvidia નો ઇતિહાસ અને AI ક્રાંતિમાં તેનું સ્થાન
Nvidia ની સ્થાપના ૫ એપ્રિલ, ૧૯૯૩ ના રોજ જેન્સેન હુઆંગ, ક્રિસ માલાચોવ્સ્કી અને કર્ટિસ પ્રિમે કરી હતી. શરૂઆતમાં કંપનીનું ધ્યાન માત્ર વિડિયો ગેમ્સ માટેના ગ્રાફિક્સ કાર્ડ્સ પર હતું. સ્થાપકોએ જોયું કે વિડિયો ગેમ્સ એ કમ્પ્યુટિંગની સૌથી મુશ્કેલ સમસ્યાઓ પૈકીની એક હતી અને તેમાં વેચાણની મોટી તકો હતી. આ વિચાર સાથે તેમણે GPU ની દુનિયામાં ક્રાંતિ લાવવાનું શરૂ કર્યું.
૨૦૦૦ ના દાયકાની શરૂઆતમાં, Nvidia એ CUDA નામનું સોફ્ટવેર પ્લેટફોર્મ વિકસાવવા માટે ૧ અબજ ડોલરથી વધુનું રોકાણ કર્યું. CUDA એ ડેવલપર્સને GPU નો ઉપયોગ માત્ર ગ્રાફિક્સ માટે જ નહીં, પરંતુ જટિલ વૈજ્ઞાનિક ગણતરીઓ અને AI માટે કરવાની મંજૂરી આપી. આ એક માસ્ટરસ્ટ્રોક સાબિત થયો. ૨૦૨૪ સુધીમાં, વિશ્વભરમાં ૫૦ લાખથી વધુ CUDA ડેવલપર્સ છે અને Nvidia AI મોડલ્સની તાલીમ માટેના ૮૦% થી વધુ બજાર પર નિયંત્રણ ધરાવે છે.
કંપનીની સફળતાનો અંદાજ એ વાત પરથી લગાવી શકાય છે કે ૨૦૨૫ માં Nvidia ૫ ટ્રિલિયન ડોલરની માર્કેટ કેપિટલાઇઝેશન (બજાર મૂલ્ય) વટાવનારી વિશ્વની પ્રથમ કંપની બની હતી. AI ડેટા સેન્ટર હાર્ડવેરની વધતી માંગને કારણે Nvidia ના શેરના ભાવમાં જંગી ઉછાળો આવ્યો છે. આજે Nvidia ના GPU એટલા કિંમતી છે કે તેમને ડેટા સેન્ટર સુધી પહોંચાડવા માટે સશસ્ત્ર વાહનો (armored cars) નો ઉપયોગ કરવામાં આવે છે.
| વર્ષ | માર્કેટ કેપિટલાઇઝેશન (USD) |
|---|---|
| ૨૦૨૩ | ૧ ટ્રિલિયન ડોલર |
| ૨૦૨૪ (માર્ચ) | ૨ ટ્રિલિયન ડોલર |
| ૨૦૨૫ | ૫ ટ્રિલિયન ડોલર |
વિષમજાતીય સિસ્ટમ્સના પડકારો
ભલે વિષમજાતીય કમ્પ્યુટિંગ વધુ કાર્યક્ષમ હોય, પરંતુ તેને અમલમાં મૂકવું સરળ નથી. સૌથી મોટો પડકાર સોફ્ટવેર ડેવલપમેન્ટનો છે. જ્યારે તમારી પાસે અલગ-અલગ પ્રકારના પ્રોસેસર્સ હોય, ત્યારે પ્રોગ્રામરોએ દરેક માટે અલગ-અલગ ટૂલ્સ અને કમ્પાઇલર્સનો ઉપયોગ કરવો પડે છે. આનાથી સિસ્ટમની જટિલતા વધે છે.
બીજો મોટો પડકાર મેમરી મેનેજમેન્ટનો છે. અલગ-અલગ પ્રોસેસર્સ ડેટાને અલગ રીતે વાંચી શકે છે અથવા તેમની પાસે અલગ-અલગ કેશ (cache) માળખું હોઈ શકે છે. આ બધા વચ્ચે તાલમેલ બેસાડવો એ એન્જિનિયરો માટે એક અઘરું કામ છે. ડેટાનું વિભાજન (data partitioning) કરવું પણ મુશ્કેલ છે, એટલે કે કયું કામ GPU કરશે અને કયું કામ NPU કરશે તે નક્કી કરવું એ ગાણિતિક રીતે જટિલ સમસ્યા છે.
| પડકારનું ક્ષેત્ર | વિગત |
|---|---|
| ISA સુસંગતતા | અલગ-અલગ પ્રોસેસર્સની ઇન્સ્ટ્રક્શન ભાષા અલગ હોવી. |
| મેમરી હાયરાર્કી | કેશ મેમરી અને ડેટા એક્સેસમાં તફાવત હોવો. |
| સોફ્ટવેર ટૂલ્સ | દરેક પ્રોસેસર માટે અલગ કમ્પાઇલર્સ અને એડિટર્સની જરૂરિયાત. |
| ડેટા પાર્ટીશનિંગ | કાર્યોને અલગ-અલગ પ્રોસેસર્સ વચ્ચે વહેંચવાની જટિલતા. |
ભવિષ્યની દિશા અને ભારત પર અસર
આ પ્રકારના જોડાણો દર્શાવે છે કે ભવિષ્યમાં AI ઇન્ફ્રાસ્ટ્રક્ચર વધુ વિશિષ્ટ બનશે. માત્ર સામાન્ય હેતુના પ્રોસેસર્સ પર નિર્ભર રહેવાને બદલે, કંપનીઓ હવે ચોક્કસ કાર્યો માટે ચોક્કસ ચિપ્સનો ઉપયોગ કરશે. આનાથી AI મોડલ્સ ચલાવવાનો ખર્ચ ઘટશે અને તેમની ઝડપ વધશે.
ભારત જેવા દેશો માટે, જ્યાં AI સ્ટાર્ટઅપ્સ અને ડેટા સેન્ટરોનો વિકાસ થઈ રહ્યો છે, આ ટેકનોલોજી ખૂબ જ મહત્વની છે. જો ભારતીય કંપનીઓ પણ આ પ્રકારના વિષમજાતીય કમ્પ્યુટિંગ મોડલ અપનાવે, તો તેઓ ઓછા ખર્ચે વધુ શક્તિશાળી AI સેવાઓ પૂરી પાડી શકશે. Nvidia અને દક્ષિણ કોરિયાની કંપનીઓ વચ્ચેનો આ કરાર વૈશ્વિક સ્તરે AI હાર્ડવેરના નવા યુગની શરૂઆત છે.
નિષ્કર્ષમાં, Nvidia, SK Telecom અને Rebellions વચ્ચેનું આ જોડાણ માત્ર એક વ્યાપારી કરાર નથી, પરંતુ તે કમ્પ્યુટિંગના ભવિષ્યની એક ઝલક છે. GPU અને NPU નું આ મિલન AI ની ક્ષમતાઓને નવી ઊંચાઈએ લઈ જશે, જેની અસર આગામી વર્ષોમાં આપણા રોજિંદા જીવનમાં જોવા મળશે.
