अगर भारत शामिल हो गया प्रदर्शन इंजीनियरिंग अपने एआई मिशन में, यह एआई को एक केंद्रीकृत क्षमता से क्षेत्रों और क्षेत्रों में सुलभ वितरित संसाधन में बदल सकता है, लिखता है यश गुप्ता.एक हाई-एंड ग्राफिक्स प्रोसेसिंग यूनिट की लागत 8 लाख रुपये से अधिक है, जो भारत में एक मध्यम स्तर के इंजीनियर के मासिक वेतन के बराबर है। वह एकल मूल्य बिंदु चुपचाप तय करता है कि भारत में कृत्रिम बुद्धिमत्ता (एआई) का निर्माण कौन करता है। स्टार्टअप इसे वहन नहीं कर सकते हैं, और विश्वविद्यालय प्रयोगशालाएं साझा ग्राफिक्स प्रोसेसिंग यूनिट्स (जीपीयू) के समय के लिए बजट बढ़ाती हैं। सरकारी मिशन प्रतिभा और विनियमन पर जोर देते हैं, जबकि इस बुनियादी ढांचे की बाधा की बहुत कम जांच की जाती है। भारत के लिए, असली सवाल यह है कि क्या AI केवल अच्छी तरह से वित्त पोषित प्रौद्योगिकी दिग्गजों द्वारा बनाया गया है या हजारों स्टार्टअप, शोधकर्ताओं और सार्वजनिक क्षेत्र के इंजीनियरों द्वारा भी बनाया गया है जो भाग लेना चाहते हैं लेकिन भाग नहीं ले सकते।
प्रदर्शन इंजीनियरिंग मौजूदा हार्डवेयर से अधिकतम दक्षता प्रदान करने के लिए सिस्टम डिजाइन करने का अनुशासन है। यह आगे बढ़ने का मार्ग प्रदान करता है। हार्डवेयर क्या कर सकता है और सॉफ्टवेयर वास्तव में क्या उपयोग करता है, के बीच का अंतर ही भारत की चुनौती और अवसर दोनों है।मेमोरी, प्रसंस्करण शक्ति नहीं, वास्तविक सीमा हैअधिकांश AI चर्चाएँ प्रसंस्करण शक्ति पर केंद्रित होती हैं, लेकिन वास्तविक बाधा मेमोरी क्षमता और बैंडविड्थ है। जब मॉडल लाखों दस्तावेज़ों को संसाधित करते हैं या हजारों समवर्ती उपयोगकर्ताओं को सेवा प्रदान करते हैं, तो गणना समाप्त होने से बहुत पहले ही सर्वर की मेमोरी ख़त्म हो जाती है। प्रोसेसर निष्क्रिय बैठा है, डेटा की प्रतीक्षा कर रहा है।एआई के लिए यह समस्या नई नहीं है। वास्तविक समय विश्लेषण के लिए बैंकों और निर्माताओं द्वारा उपयोग किए जाने वाले SAP HANA जैसे इन-मेमोरी डेटाबेस को वर्षों से इसका सामना करना पड़ रहा है। ये सिस्टम त्वरित पहुंच के लिए डेटा को मेमोरी में रखते हैं, लेकिन जब एक सर्वर अपनी स्थानीय मेमोरी को समाप्त कर देता है, तो यह पूरी तरह से बंद हो जाता है, भले ही उसके बगल वाले सर्वर के पास अतिरिक्त क्षमता हो। उद्योग इसे कंप्यूट एक्सप्रेस लिंक (सीएक्सएल) के माध्यम से संबोधित कर रहा है, जो सर्वर को हाई-स्पीड फैब्रिक में मेमोरी साझा करने की अनुमति देता है। 50 मिलियन लेनदेन में धोखाधड़ी का पता लगाने वाले वित्तीय संस्थान को पहले 80 लाख रुपये की लागत वाले एक विशेष 2TB रैम सर्वर की आवश्यकता हो सकती है। सीएक्सएल मेमोरी पूलिंग के साथ, अधिकांश डेटा केंद्रों में पहले से मौजूद 35 लाख रुपये के बुनियादी ढांचे पर समान कार्यभार चलता है।एआई कार्यभार उसी पैटर्न का अनुसरण करता है। पुनर्प्राप्ति-संवर्धित पीढ़ी सिस्टम वेक्टर डेटाबेस में संख्यात्मक एम्बेडिंग संग्रहीत करते हैं जिन्हें मिलीसेकंड में प्रश्नों का उत्तर देने के लिए मेमोरी में रहना चाहिए। जैसे-जैसे संगठन हजारों से लाखों दस्तावेज़ों तक पहुंचते हैं, ये एम्बेडिंग उपलब्ध मेमोरी को जल्दी से समाप्त कर देते हैं। सीएक्सएल वेक्टर डेटाबेस को उत्तरदायी रहते हुए बहुत बड़ा होने की अनुमति देता है, जिससे बैंकों को दशकों के लेनदेन इतिहास की खोज करने और सरकारी विभागों को उनके पास पहले से मौजूद बुनियादी ढांचे पर बड़े नीति अभिलेखागार का विश्लेषण करने में सक्षम बनाया जाता है।हर बाइट की गिनती कैसे करेंदूसरी सफलता मेमोरी बैंडविड्थ को संबोधित करती है। क्वांटाइजेशन एआई मॉडल परिशुद्धता को 16 बिट्स से घटाकर 4 बिट्स कर देता है, जिससे स्वीकार्य सटीकता को संरक्षित करते हुए मेमोरी आवश्यकताओं में 75% की कटौती होती है। यह मेमोरी बैंडविड्थ को मुक्त कर देता है – वह दर जिस पर डेटा मेमोरी और प्रोसेसर के बीच चलता है – मेमोरी ट्रांसफर के बजाय गणना को प्राथमिक बाधा में बदल देता है। इस बिंदु पर, आधुनिक सीपीयू क्षमताएं प्रासंगिक हो जाती हैं।नए Intel Xeon प्रोसेसर में AI-केंद्रित गणित इकाइयाँ (Intel AMX) और नियमित कार्यों के लिए कुशल कोर और भारी गणना के लिए प्रदर्शन कोर का मिश्रण शामिल है। जब परिमाणित मॉडल इन सीपीयू पर उचित कार्यभार शेड्यूलिंग के साथ चलते हैं, तो प्रत्येक अनुरोध के लिए जीपीयू की आवश्यकता के बिना अनुमान (प्रशिक्षण के बाद एआई कार्य का बड़ा हिस्सा) मानक सर्वर पर हो सकता है। एलएलएएमए और डीपसीक जैसे ओपन-सोर्स मॉडल ने सीपीयू-आधारित तैनाती को व्यावहारिक साबित किया है। अधिकांश भारतीय संगठन सीमांत मॉडलों को प्रशिक्षित नहीं करते हैं; वे उन्हें चलाते हैं, उन्हें अनुकूलित करते हैं और उन्हें संस्थागत डेटा से जोड़ते हैं। उनके लिए, अंतर एआई के बीच है जो दुर्लभ जीपीयू संसाधनों की प्रतीक्षा करता है और एआई जो आज स्थापित सर्वर पर शुरू होता है।उद्योग माप से पता चलता है कि उचित रूप से अनुकूलित सीपीयू-आधारित अनुमान कई कार्यभार प्रकारों के लिए समकक्ष जीपीयू तैनाती की तुलना में प्रति अनुरोध 60-70% कम बिजली का उपयोग करता है। यह भारत में मायने रखता है, जहां पावर ग्रिड महत्वपूर्ण बाधाओं के तहत काम करते हैं और नए डेटा केंद्रों को पर्याप्त बिजली और पानी की आवश्यकता होती है। सीएक्सएल मेमोरी विस्तार के साथ मिलकर, ये तकनीकें बुनियादी ढांचे की लागत और ऊर्जा खपत दोनों में कटौती करती हैं, जिससे एआई बड़े पैमाने पर टिकाऊ हो जाता है।भारत का अप्रयुक्त इंजीनियरिंग लाभभारत सेमीकंडक्टर मिशन सही ढंग से चिप डिजाइन, एक दीर्घकालिक प्रयास पर जोर देता है। समानांतर में, भारत हार्डवेयर-सॉफ्टवेयर एकीकरण में एक कार्यबल का निर्माण कर सकता है: इंजीनियर जो मेमोरी फैब्रिक, क्वांटिज़ेशन, विषम शेड्यूलिंग और सीपीयू-आधारित एआई सेवा को समझते हैं, और जो इन्हें वास्तविक वर्कलोड से जोड़ते हैं।भारतीय विश्वविद्यालय कंप्यूटर आर्किटेक्चर और एआई को अलग से पढ़ाते हैं। निष्पादन इंजीनियरिंग के लिए दोनों की आवश्यकता होती है। युवा भारतीय इंजीनियर पहले से ही वैश्विक क्लाउड इंफ्रास्ट्रक्चर और एंटरप्राइज सिस्टम में योगदान दे रहे हैं, लेकिन यह विशेषज्ञता अभी तक इस बात में केंद्रीय नहीं है कि भारत एआई प्रतिभा पर कैसे चर्चा करता है। हार्डवेयर-सॉफ्टवेयर सह-अनुकूलन पर केंद्रित विशेष पाठ्यक्रम या उद्योग भागीदारी जोड़ने से सेमीकंडक्टर फैब्स के ऑनलाइन आने की प्रतीक्षा करने की तुलना में यह अंतर तेजी से भर जाएगा।यदि भारत अपने एआई मिशन में प्रदर्शन इंजीनियरिंग को शामिल करता है, तो यह एआई को एक केंद्रीकृत क्षमता से क्षेत्रों और क्षेत्रों में सुलभ वितरित संसाधन में बदल सकता है। दुनिया भर में उत्पादन में पहले से ही काम चल रहा है (अमेज़ॅन एडब्ल्यूएस, माइक्रोसॉफ्ट एज़्योर और गूगल क्लाउड प्लेटफ़ॉर्म जैसे प्रमुख क्लाउड प्रदाताओं, एसएपी हाना और रेडिस जैसे एंटरप्राइज़ सिस्टम में) यह दर्शाता है कि यह तकनीकी रूप से सिद्ध है। पेरिस 2024 ओलंपिक के लिए इंटेल के एथलीटजीपीटी ने क्षमता का प्रदर्शन किया: महंगे जीपीयू बुनियादी ढांचे के बजाय गौडी एआई एक्सेलेरेटर और ज़ीऑन सीपीयू का उपयोग करके 24/7 उपलब्धता के साथ छह भाषाओं में 11,000 एथलीटों को सेवा प्रदान करना। युवा भारतीय इंजीनियर ऐसी तैनाती में योगदान दे रहे हैं, मेमोरी आर्किटेक्चर और ऑप्टिमाइज़ेशन फ्रेमवर्क पर काम कर रहे हैं जो सीपीयू-आधारित बनाते हैं बड़े पैमाने पर एआई व्यावहारिक।भारत ने वैश्विक बुनियादी ढांचे में इस प्रतिभा का प्रदर्शन किया है। सवाल यह है कि क्या नीति, निवेश और शिक्षा उस इंजीनियरिंग कार्य का समर्थन करेंगे जो एआई बुनियादी ढांचे को किफायती और टिकाऊ दोनों बनाता है।(लेखक इंटेल के सॉफ्टवेयर में क्लाउड सॉफ्टवेयर डेवलपमेंट इंजीनियर हैं और दक्षिणी कैलिफोर्निया विश्वविद्यालय के पूर्व छात्र हैं)
