2024-07-31
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
विगतदिनद्वये एप्पल् इन्टेलिजेन्स् इत्यस्य प्रक्षेपणं बृहत्तमेषु प्रौद्योगिकीवार्तासु अन्यतमं जातम्।
यद्यपि एकमासाधिकपूर्वं घोषितस्य Apple Intelligence इत्यस्य पूर्णसंस्करणस्य तुलने Apple iOS 18.1 beta 1 इत्यस्मिन् प्रवर्तमानाः Apple Intelligence इत्यस्य विशेषताः पूर्णाः न सन्ति, Genmoji, प्राथमिकतासूचनाः, स्क्रीन जागरूकता सह Siri तथा ChatGPT एकीकरणम्... एतानि नातीव।
परन्तु सामान्यतया एप्पल् अद्यापि Writing Tools (लेखनसाधनं), call recording (transcription सहितम्) तथा च नवनिर्मितं Siri आनयति ।
तेषु लेखनसाधनं पुनर्लेखनं, विशेषीकरणं, संक्षिप्तीकरणं च अन्यकार्यं समर्थयति, तथा च गपशपं, क्षणं प्रति पोस्ट् करणं, Xiaohongshu टिप्पणी, पाठलेखन च इत्यादिषु परिदृश्येषु उपयोक्तुं शक्यते, तथा च पाठकॉललेखनं न केवलं आह्वानं रिकार्ड् कर्तुं शक्नोति, अपितु स्वयमेव तान् प्रतिलिपिं कर्तुं शक्नोति पाठः, यः उपयोक्तृणां कृते सुविधाजनकः अस्ति ।
तदतिरिक्तं सिरी इत्यस्य "उन्नयनं" अपि कृतम् अस्ति, परन्तु दुर्भाग्येन सम्प्रति इदं डिजाइनं यावत् सीमितम् अस्ति, यत्र नूतनाः "मार्की" विशेषप्रभावाः, कीबोर्ड् इनपुट् समर्थनं च सन्ति ।
परन्तु यत् आश्चर्यजनकं तत् अस्ति यत् एप्पल् इत्यनेन "Apple Intelligence Foundation Language Models" इति पत्रे तत् प्रकटितम् यत्...एप्पल् सामान्यं NVIDIA H100 इत्यादीनां GPUs इत्यस्य उपयोगं न कृतवान्, परन्तु Apple Intelligence इत्यस्य मूलभूतं मॉडलं प्रशिक्षितुं स्वस्य "पुराणप्रतिद्वन्द्वी" Google इत्यस्य TPU इत्येतत् चयनं कृतवान् ।
चित्र/सेब
यथा वयं सर्वे जानीमः, एप्पल् इन्टेलिजेन्स् त्रयः स्तराः विभक्ताः सन्ति: एकः एप्पल्-यन्त्रेषु स्थानीयतया चालितः ऑन-डिवाइस् एआइ, अपरः च "निजीक्लाउड् कम्प्यूटिङ्ग्" प्रौद्योगिक्याः आधारेण एप्पल्-इत्यस्य स्वस्य दत्तांशकेन्द्रेषु चालितः क्लाउड् एआइ अस्ति आपूर्तिशृङ्खलायाः समाचारानुसारं एप्पल् एम 2 अल्ट्रा इत्यस्य सामूहिकनिर्माणं कृत्वा स्वस्य दत्तांशकेन्द्रं निर्मास्यति।
तदतिरिक्तं अन्यः स्तरः अस्ति यः तृतीयपक्षीयमेघबृहत्प्रतिमानैः सह सम्बद्धः भवति, यथा GPT-4o इत्यादि ।
परन्तु एषः एव अनुमानपक्षः अस्ति यत् एप्पल् स्वस्य एआइ मॉडल् कथं प्रशिक्षयति इति उद्योगे सर्वदा ध्यानस्य केन्द्रेषु अन्यतमम् अस्ति । एप्पल् इत्यस्य आधिकारिकपत्रात् न्याय्यं चेत् एप्पल् इत्यनेन TPUv4 तथा TPUv5p क्लस्टर् इत्यस्य हार्डवेयर् इत्यस्य विषये मूलभूतौ मॉडलौ प्रशिक्षितौ ।
एकं 300 मिलियनं पैरामीटर् स्केलयुक्तं डिवाइस-साइड मॉडल् AFM-on-device अस्ति, यत् TPU v5p इत्यस्य 2048 ब्लॉक् इत्यस्य उपयोगेन प्रशिक्षितं भवति तथा च Apple उपकरणेषु स्थानीयरूपेण चाल्यते; parameter scale, 8192 blocks इत्यस्य उपयोगेन TPU v4 चिप् प्रशिक्षणं अन्ततः Apple इत्यस्य स्वस्य data center इत्यत्र चाल्यते ।
चित्र/सेब
एतत् विचित्रं यत् वयं सर्वे जानीमः यत् Nvidia H100 इत्यादीनि GPUs सम्प्रति AI प्रशिक्षणार्थं मुख्यधारायां विकल्पाः सन्ति इति उक्तिः अपि अस्ति यत् "केवल Nvidia GPUs इत्यस्य उपयोगः AI प्रशिक्षणार्थं भवति
तदपेक्षया गूगलस्य TPU किञ्चित् "अज्ञातं" इव दृश्यते ।
परन्तु वस्तुतः गूगलस्य TPU विशेषतया यन्त्रशिक्षणस्य गहनशिक्षणकार्यस्य च कृते विनिर्मितः त्वरकः अस्ति, यः उत्तमं प्रदर्शनलाभं दातुं शक्नोति कुशलगणनाशक्त्या न्यूनविलम्बतायुक्तजालसंयोजनेन च गूगलस्य TPU बृहत् मॉडलप्रशिक्षणकार्यं नियन्त्रयति सति उत्तमं प्रदर्शनं करोति ।
उदाहरणार्थं, TPU v4 प्रतिचिप् 275 TFLOPS पर्यन्तं शिखरगणनाशक्तिं प्रदातुं शक्नोति, तथा च 4096 TPUv4 चिप्स् अति-उच्च-गति-अन्तर-संयोजनद्वारा बृहत्-परिमाणस्य TPU सुपर-कम्प्यूटर् मध्ये संयोजयितुं शक्नोति, तस्मात् गणना-शक्ति-परिमाणं दुगुणं भवति
तथा च न केवलं एप्पल्, अपितु अन्ये बृहत् मॉडल् कम्पनयः अपि स्वस्य बृहत् मॉडल् प्रशिक्षितुं गूगलस्य TPU इत्येतत् स्वीकृतवन्तः।एन्थ्रोपिक् इत्यस्मात् क्लाउड् इत्यस्य विशिष्टं उदाहरणम् अस्ति ।
Chatbot Arena Rankings, फोटो/LMSYS
क्लाउड् इदानीं OpenAI GPT मॉडलस्य सर्वाधिकशक्तिशाली प्रतियोगी इति वक्तुं शक्यते LMSYS चॅट् रोबोट्-क्षेत्रे क्लाउड् 3.5 Sonnet तथा GPT-4o सर्वदा "crouching dragons and phoenix chicks" (प्रशंसा) इति प्रकटीकरणानुसारं एन्थ्रोपिक् इत्यनेन सुपरकम्प्यूटिङ्ग् निर्मातुं कदापि एनविडिया जीपीयू न क्रीतवान्, अपितु तस्य स्थाने प्रशिक्षणार्थं अनुमानार्थं च गूगलक्लाउड् इत्यत्र टीपीयू क्लस्टर् इत्यस्य उपयोगं करोति ।
गतवर्षस्य अन्ते एन्थ्रोपिक् इत्यनेन अपि आधिकारिकतया घोषितं यत् क्लाउड् इत्यस्य प्रशिक्षणार्थं गूगलक्लाउड् इत्यत्र TPU v5e क्लस्टर् इत्यस्य उपयोगः प्रथमः भविष्यति ।
एन्थ्रोपिक् इत्यस्य दीर्घकालीनः उपयोगः क्लाउड् इत्यनेन प्राप्ताः परिणामाः च एआइ प्रशिक्षणे गूगल टीपीयू इत्यस्य कार्यक्षमतां विश्वसनीयतां च पूर्णतया प्रदर्शयन्ति ।
तदतिरिक्तं गूगलस्य मिथुनिः अपि प्रशिक्षणार्थं पूर्णतया स्वविकसितानां TPU चिप्स् इत्यस्य उपरि अवलम्बते । मिथुनराशिस्य प्रतिरूपस्य उद्देश्यं प्राकृतिकभाषासंसाधनस्य जननप्रौद्योगिक्याः च सीमां उन्नतयितुं वर्तते, तस्य प्रशिक्षणप्रक्रियायां पाठदत्तांशस्य बृहत्मात्रायां संसाधनं जटिलप्रतिरूपगणनाञ्च कर्तुं आवश्यकम् अस्ति
TPU इत्यस्य शक्तिशाली कम्प्यूटिंगशक्तिः कुशलं वितरितप्रशिक्षणवास्तुकला च मिथुनं तुल्यकालिकरूपेण अल्पे काले प्रशिक्षणं सम्पन्नं कर्तुं तथा च कार्यप्रदर्शने महत्त्वपूर्णं सफलतां प्राप्तुं समर्थयति
परन्तु यदि मिथुनराशिः अवगम्यते तर्हि एन्थ्रोपिक् तः एप्पल् पर्यन्तं जनाः Nvidia GPU इत्यस्य स्थाने Google TPU किमर्थं चिन्वन्ति?
सोमवासरे आयोजिते शीर्षसङ्गणकग्राफिक्स् सम्मेलने SIGGRAPH 2024 इत्यस्मिन् NVIDIA संस्थापकः मुख्यकार्यकारी च Jensen Huang इत्यनेन प्रकटितं यत् NVIDIA अस्मिन् सप्ताहे Blackwell आर्किटेक्चरस्य नमूनानि प्रेषयिष्यति, यत् NVIDIA इत्यस्य नवीनतमपीढीयाः GPU आर्किटेक्चरम् अस्ति।
२०२४ तमे वर्षे मार्चमासस्य १८ दिनाङ्के एनवीडिया इत्यनेन जीटीसी सम्मेलने स्वस्य नवीनतमपीढीयाः जीपीयू आर्किटेक्चर - ब्ल्याक्वेल्, नवीनतमपीढीयाः बी२०० जीपीयू च प्रकाशिता । कार्यक्षमतायाः दृष्ट्या B200 GPU FP8 तथा नूतन FP6 इत्यत्र 20 पेटाफ्लॉप्स् (प्रति सेकण्ड् चतुष्कोणः फ्लोटिंग्-पॉइण्ट्-सञ्चालनम्) यावत् कम्प्यूटिंग्-शक्तिं प्राप्तुं शक्नोति, येन जटिल-एआइ-माडल-प्रक्रियाकरणे उत्तमं भवति
ब्लैकवेल् इत्यस्य प्रकाशनस्य मासद्वयानन्तरं गूगल इत्यनेन षष्ठपीढीयाः TPU (Trillium TPU) अपि प्रकाशितम् ।, प्रत्येकं चिप् BF16 इत्यस्य अन्तर्गतं प्रायः 1,000 TFLOPS (प्रति सेकण्ड् खरब) इत्यस्य शिखरगणनाशक्तिं प्रदातुं शक्नोति, तथा च गूगलेन "अद्यपर्यन्तं सर्वोच्चप्रदर्शनयुक्तः ऊर्जाबचतश्च TPU" इति अपि मूल्याङ्कनं कृतम्
चित्र/गूगल
गूगलस्य Trillium TPU इत्यस्य तुलने NVIDIA Blackwell GPU इत्यस्य उच्च-बैण्डविड्थ-स्मृतेः (HBM3) तथा CUDA इकोसिस्टम् इत्यस्य समर्थनेन सह उच्च-प्रदर्शन-गणनायां अद्यापि केचन लाभाः सन्ति एकस्मिन् प्रणाल्यां ब्लैकवेल् शक्तिशालिनीं कम्प्यूटिंग्-शक्तिं लचील-मापनीयतां च प्राप्तुं समानान्तरेण ५७६ जीपीयू-पर्यन्तं संयोजयितुं शक्नोति ।
तस्य विपरीतम् गूगलस्य ट्रिलियम टीपीयू बृहत्-परिमाणेन वितरित-प्रशिक्षणे दक्षतायां न्यूनविलम्बतायां च केन्द्रीक्रियते । TPU इत्यस्य डिजाइनं बृहत्-परिमाणे मॉडल-प्रशिक्षणे कुशलं भवितुं तथा च अति-उच्च-गति-जाल-अन्तर-संयोजनानां माध्यमेन संचार-विलम्बं न्यूनीकृत्य समग्र-गणना-दक्षतां सुधारयितुम् अस्ति
न च केवलं नवीनतमपीढीयाः एआइ चिप्स् इत्यत्र,गूगल-एन्विडिया-योः मध्ये "गुप्तयुद्धम्" वस्तुतः अष्टवर्षेभ्यः अस्ति, २०१६ तमे वर्षे आरब्धम् यदा गूगलेन स्वस्य एआइ चिप् टीपीयू विकसितम् ।
अद्यपर्यन्तं NVIDIA इत्यस्य H100 GPU इत्येतत् सम्प्रति मुख्यधाराबाजारे सर्वाधिकं लोकप्रियं AI चिप् अस्ति यत् एतत् न केवलं 80GB पर्यन्तं उच्च-बैण्डविड्थ-स्मृतिं प्रदाति, अपितु HBM3-स्मृतिं समर्थयति तथा च NVLink-अन्तर्सम्बद्धतायाः माध्यमेन बहुविध-GPU-इत्यस्य कुशल-सञ्चारस्य साक्षात्कारं करोति Tensor Core प्रौद्योगिक्याः आधारेण H100 GPU इत्यस्य गहनशिक्षणस्य अनुमानकार्यस्य च अत्यन्तं उच्चगणनादक्षता अस्ति ।
परन्तु तस्मिन् एव काले TPUv5e इत्यस्य मूल्यप्रदर्शने महत्त्वपूर्णाः लाभाः सन्ति तथा च लघुमध्यम-आकारस्य मॉडल्-प्रशिक्षणार्थं विशेषतया उपयुक्तम् अस्ति । TPUv5e इत्यस्य लाभः अस्य शक्तिशालिनः वितरितगणनाशक्तिः अनुकूलित ऊर्जा-उपभोग-अनुपातः च अस्ति, यत् बृहत्-परिमाणस्य आँकडानां संसाधने उत्तमं प्रदर्शनं करोति तदतिरिक्तं TPUv5e Google Cloud Platform इत्यस्य माध्यमेन अपि उपलभ्यते, येन उपयोक्तारः लचीलं क्लाउड् प्रशिक्षणं परिनियोजनं च कर्तुं शक्नुवन्ति ।
गूगल डाटा सेन्टर, फोटो/गूगल
समग्रतया, एनवीडिया तथा गूगल इत्येतयोः एआइ चिप्स् कृते भिन्नाः रणनीतयः सन्ति: एनवीडिया एआइ मॉडल् इत्यस्य कार्यक्षमतायाः सीमां धक्कायति तथा च शक्तिशाली कम्प्यूटिंग् शक्तिं विस्तृतं विकासकसमर्थनं च प्रदाति यदा गूगलः एआइ चिप् प्रदर्शनं कुशलवितरितकम्प्यूटिंग आर्किटेक्चरस्य माध्यमेन सुधारयति . एतौ भिन्नौ मार्गविकल्पौ तान् स्वस्व-अनुप्रयोगक्षेत्रेषु अद्वितीयलाभान् दर्शयितुं समर्थयति ।
परन्तु महत्त्वपूर्णं यत् एनवीडिया इत्येतत् केवलं ते एव पराजयितुं शक्नुवन्ति ये सॉफ्टवेयर-हार्डवेयर-सह-डिजाइन-रणनीतिं स्वीकुर्वन्ति, तेषां चिप्-क्षमता, सॉफ्टवेयर-क्षमता च प्रबलाः सन्ति
गूगलः तादृशः एकः प्रतिद्वन्द्वी अस्ति ।
ब्लैकवेल् हॉपर इत्यस्य अनन्तरं एनवीडिया इत्यस्मात् अन्यत् प्रमुखं उन्नयनम् अस्ति अस्य शक्तिशालिनः कम्प्यूटिंग् क्षमता अस्ति तथा च बृहत्-परिमाणस्य भाषा-प्रतिरूपस्य (LLM) तथा जनरेटिव् एआइ इत्यस्य कृते डिजाइनं कृतम् अस्ति ।
समाचारानुसारं B200 GPU TSMC इत्यस्य N4P प्रक्रियायाः उपयोगेन निर्मितः अस्ति, 208 अरबपर्यन्तं ट्रांजिस्टराः सन्ति, अन्तरसंयोजनप्रौद्योगिक्याः उपयोगेन द्वयोः GPU चिप्-योः "रचितम्" अस्ति, तथा च 192GB पर्यन्तं HBM3e (उच्च-बैण्डविड्थ-स्मृतिः) इत्यनेन सुसज्जितम् अस्ति, सह... 8TB /s पर्यन्तं बैण्डविड्थः ।
कार्यक्षमतायाः दृष्ट्या पूर्वपीढीयाः TPU v5e इत्यस्य तुलने BF16 इत्यस्य अन्तर्गतं गूगलस्य Trillium TPU इत्यस्य उन्नतिः ४.७ गुणा अभवत्, एच् बी एम क्षमता च बैण्डविड्थः च, तथैव चिप् इन्टरकनेक्ट् बैण्डविड्थः अपि दुगुणः अभवत् तदतिरिक्तं, Trillium TPU तृतीयपीढीयाः SparseCore इत्यनेन अपि सुसज्जितम् अस्ति, यत् नूतनपीढीयाः मूलभूतमाडलस्य प्रशिक्षणं त्वरितुं शक्नोति, न्यूनविलम्बेन न्यूनव्ययेन च
Trillium TPU विशेषतया बृहत्-परिमाणस्य भाषा-प्रतिरूपस्य अनुशंसा-प्रणाल्याः च प्रशिक्षणाय उपयुक्तः अस्ति " , कम्प्यूटिंग्-दक्षतायां महतीं सुधारं कृत्वा जालविलम्बतां न्यूनीकरोति ।
चित्र/गूगल
अस्मिन् वर्षे उत्तरार्धात् आरभ्य गूगलक्लाउड् उपयोक्तारः प्रथमं एतत् चिप् स्वीकुर्वन्ति ।
सामान्यतया गूगल टीपीयू इत्यस्य हार्डवेयरलाभः तस्य कुशलगणनाशक्तिः न्यूनविलम्बतावितरितप्रशिक्षणवास्तुकला च अस्ति । एतेन बृहत्-परिमाणस्य भाषा-प्रतिमानस्य, अनुशंस-प्रणालीनां च प्रशिक्षणे TPU उत्तमं प्रदर्शनं करोति । परन्तु गूगल टीपीयू इत्यस्य लाभः CUDA इत्यस्मात् स्वतन्त्रे अन्यस्मिन् सम्पूर्णे पारिस्थितिकीतन्त्रे गहनतर लम्बवत् एकीकरणे च अस्ति ।
गूगल क्लाउड् मञ्चस्य माध्यमेन उपयोक्तारः लचीलेन प्रशिक्षितुं शक्नुवन्ति, मेघे परिनियोजनं च कर्तुं शक्नुवन्ति । एतत् क्लाउड् सेवाप्रतिरूपं न केवलं उद्यमानाम् हार्डवेयर्-निवेशं न्यूनीकरोति, अपितु एआइ-माडलस्य प्रशिक्षणदक्षतायां सुधारं करोति । गूगलः क्लाउड् च एआइ विकासस्य समर्थनं कुर्वन्ति इति साधनानां सेवानां च श्रृङ्खलां प्रदाति, यथा TensorFlow तथा Jupyter Notebook, येन विकासकानां कृते मॉडल्-प्रशिक्षणं परीक्षणं च सुलभं भवति
एप्पल् द्वारा उपयुज्यमानं Google TPU v5p, photo/Google
गूगलस्य एआइ पारिस्थितिकीतन्त्रे विविधाः विकाससाधनाः ढाञ्चाः च सन्ति, यथा TensorFlow, व्यापकरूपेण प्रयुक्तः मुक्तस्रोतयन्त्रशिक्षणरूपरेखा यः TPUs इत्यस्य हार्डवेयरत्वरणक्षमतानां पूर्णतया उपयोगं कर्तुं शक्नोति गूगल एआइ विकासस्य समर्थनार्थं अन्ये साधनानि अपि प्रदाति, यथा TPU Estimator तथा Keras एतेषां साधनानां निर्विघ्नसमायोजनेन विकासप्रक्रिया बहु सरली भवति ।
तदतिरिक्तं गूगलस्य लाभः अस्ति यत् गूगलः एव ग्राहकः अस्ति यस्य TPU कम्प्यूटिंग् शक्तिः अधिका माङ्गलिका अस्ति । यूट्यूबस्य विशालस्य विडियो सामग्रीयाः संसाधनात् आरभ्य मिथुनस्य प्रत्येकं प्रशिक्षणं अनुमानं च यावत्, TPU चिरकालात् गूगलस्य व्यापारव्यवस्थायां एकीकृतम् अस्ति तथा च गूगलस्य विशालानां कम्प्यूटिंगशक्ति-आवश्यकतानां पूर्तिः अपि अभवत्
एतत् वक्तुं शक्यते यत् गूगलस्य ऊर्ध्वाधर एकीकरणं एनवीडिया इत्यस्य अपेक्षया दूरं अधिकं सम्यक् अस्ति, तथा च मॉडल् प्रशिक्षणात् आरभ्य उपयोक्तृ-अनुभवपर्यन्तं मुख्य-नोड्-मध्ये प्रायः पूर्णतया निपुणता प्राप्ता अस्ति एतेन वस्तुतः गूगलस्य प्रौद्योगिक्याः अनुसारं अधः आरभ्य अधिकानि संभावनानि प्राप्यन्ते बाजार प्रवृत्तिः दक्षतां अनुकूलितुं आरभत।
अतः यद्यपि चिप् प्रदर्शनसूचकानाम् दृष्ट्या Trillium TPU इत्येतत् अद्यापि Blackwell GPU इत्यनेन सह स्पर्धां कर्तुं कठिनं भवति तथापि यदा बृहत् मॉडल् इत्यस्य प्रशिक्षणस्य विषयः आगच्छति तदा गूगलः अद्यापि NVIDIA इत्यस्य CUDA इकोसिस्टम् इत्यस्य प्रतिस्पर्धां कर्तुं वा अतिक्रमितुं वा कार्यक्षमतां व्यवस्थितरूपेण अनुकूलितुं शक्नोति
संक्षेपेण, गूगलस्य TPU क्लस्टरस्य कार्यक्षमता, मूल्यं, पारिस्थितिकीलाभाः च बृहत्-परिमाणस्य AI मॉडल-प्रशिक्षणस्य आदर्शं विकल्पं कुर्वन्ति । क्रमेण गूगल क्लाउड् इत्यस्मिन् TPU इत्यस्य उपयोगः अपि अस्मिन् स्तरे एप्पल् इत्यस्य सर्वोत्तमः विकल्पः अस्ति ।
TPU v4 इत्यस्य आधारेण सुपर कम्प्यूटिङ्ग् अपि एप्पल् इत्यनेन उपयुज्यते ।चित्र/गूगल
एकतः कार्यप्रदर्शनं, व्ययः च सन्ति । TPU बृहत्-परिमाणेन वितरित-प्रशिक्षण-कार्यस्य नियन्त्रणे उत्तमं प्रदर्शनं करोति, एआइ-माडल-प्रशिक्षणे एप्पल्-महोदयस्य आवश्यकतानां पूर्तये कुशलं न्यून-विलम्बं च कम्प्यूटिंग्-क्षमतां प्रदाति गूगल क्लाउड् मञ्चस्य उपयोगेन एप्पल् हार्डवेयरव्ययस्य न्यूनीकरणं, कम्प्यूटिंग् संसाधनानाम् लचीलापनं समायोजनं, एआइ विकासस्य समग्रव्ययस्य अनुकूलनं च कर्तुं शक्नोति ।
अन्यः पक्षः पारिस्थितिकीशास्त्रम् अस्ति ।गूगलस्य एआइ विकासपारिस्थितिकीतन्त्रं अपि साधनानां समर्थनस्य च धनं प्रदाति, येन एप्पल् इत्यस्य एआइ मॉडल् अधिककुशलतया विकसितुं परिनियोजितुं च शक्यते
अस्मिन् वर्षे मार्चमासे एनविडिया, आईबीएम, गूगल इत्येतयोः संस्थायोः कृते कार्यं कृतवान् सुमितगुप्तः एप्पल् इत्यनेन सह क्लाउड् इन्फ्रास्ट्रक्चरस्य नेतृत्वं कृतवान् । समाचारानुसारं सुमितगुप्तः २०२१ तमे वर्षे गूगलस्य एआइ आधारभूतसंरचनादले सम्मिलितः, अन्ततः गूगलस्य टीपीयू, स्वविकसितस्य आर्म सीपीयू इत्यादीनां आधारभूतसंरचनानां उत्पादप्रबन्धकः अभवत्
एप्पल् इत्यस्य अन्तः अधिकांशजनानां अपेक्षया सुमितगुप्तः गूगलस्य TPU इत्यस्य लाभं अधिकं अवगच्छति ।
२०२४ तमस्य वर्षस्य प्रथमार्धे प्रौद्योगिकीवृत्तं अशांतम् अस्ति ।
बृहत् मॉडल्-कार्यन्वयनं त्वरितम् अस्ति, एआइ-मोबाइल-फोनाः, एआइ-पीसी-इत्येतत्, एआइ-गृह-उपकरणाः, एआइ-सन्धानं, एआइ-वाणिज्यम्... एआइ-अनुप्रयोगाः अनन्ततया उद्भवन्ति
विजन प्रो विक्रयणार्थं गत्वा चीनीयविपण्ये अवतरति, XR स्थानिकगणनायाः अन्यां तरङ्गं प्रस्थापयति;
HarmonyOS NEXT आधिकारिकतया विमोचितं भवति, यत् मोबाईल ओएस इकोसिस्टम् परिवर्तयति;
काराः पूर्णतया "द्वितीयर्धे" प्रविष्टाः, बुद्धिः च सर्वोच्चप्राथमिकता अभवत्;
ई-वाणिज्यस्पर्धा अधिकाधिकं तीव्रं भवति, न्यूनमूल्यानि, उत्तमसेवाः च सन्ति;
विदेशेषु विस्तारस्य तरङ्गः वर्धमानः अस्ति, चीनीयब्राण्ड्-संस्थाः वैश्वीकरणस्य यात्रां प्रारभन्ते;
जुलाईमासे लेई प्रौद्योगिकी·मध्यवर्षस्य समीक्षा विषयः प्रारब्धः भवति, यत्र प्रौद्योगिकी उद्योगे २०२४ तमस्य वर्षस्य प्रथमार्धे अभिलेखनयोग्यानां ब्राण्ड्-प्रौद्योगिकीनां, उत्पादानाञ्च सारांशः भवति, अतीतस्य अभिलेखनं भवति, भविष्यस्य च प्रतीक्षां भवति, अतः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः भवन्तः।
नवीनतमवार्तासूचनाः संग्रह्य व्यवस्थित्य सर्वेषां कृते निःशुल्कं पश्यन्तु।
