OpenAI ने नऊ महिन्यांत बनवली पहिली चिप, आणि एका महत्त्वाच्या आकड्यावर Nvidia च्या सर्वोत्तम सर्व्हरला टाकले मागे

OpenAI ने कोऱ्या कागदावरून सुरुवात करत नऊ महिन्यांत एक चिप घडवली, आणि तिने Nvidia च्या सर्वोत्तम इन्फरन्स सर्व्हरला त्या एका आकड्यावर मागे टाकले जो खरोखर AI शर्यतीत कोण जिंकणार हे ठरवतो: प्रति वॅट किती काम होते. Amazon ती बाजारपेठ बंद करत आहे जिने संपूर्ण एका पिढीच्या मशीन लर्निंग मॉडेल्सना प्रशिक्षण दिले, ती सुरू झाल्यानंतर एकवीस वर्षांनी. Google जगातील काही सर्वात सावध कायदा कंपन्यांमध्ये AI एजंट पाठवत आहे. SoftBank आपली OpenAI मधील गुंतवणूक निधीयुक्त ठेवण्यासाठी या वर्षातील सर्वात मोठ्या कॉर्पोरेट बाँड विक्रींपैकी एक तयार करत आहे. आणि भारतात, या ऑगस्टमध्ये कंपन्यांनी शेअर बाजारातून आजवरच्या कोणत्याही महिन्यापेक्षा अधिक वेगाने पैसा उभारला.

OpenAI च्या स्वनिर्मित चिपने Nvidia ला त्याच्याच खेळात हरवले

OpenAI आणि Broadcom यांनी Jalapeño नावाची इन्फरन्स चिप नऊ महिन्यांत डिझाइन केली, पहिल्या रेखाटनापासून ते TSMC कडून तयार झालेल्या सिलिकॉनपर्यंत, तर Celestica ने त्याभोवतीचे रॅक्स उभारले. या आठवड्यात InferenceX नावाच्या गटाने केलेले पहिले स्वतंत्र बेंचमार्क निकाल समोर आले, आणि ते फार जवळचे नाहीत.

तीन मोठ्या ओपन मॉडेल्समध्ये Jalapeño ने Nvidia च्या GB300 प्रणालींपेक्षा प्रति किलोवॅट 1.5 ते 1.9 पट अधिक AI काम पूर्ण केले, आणि त्याची विलंबता (लेटन्सी) 3.6 पटीपर्यंत कमी होती. जी कंपनी गेली अनेक वर्षे हाती लागेल त्या प्रत्येक चिपसाठी Nvidia ला जास्तीचे पैसे मोजत आली आहे, तिने Nvidia च्या सध्याच्या फ्लॅगशिप चिपला कार्यक्षमतेत मागे टाकणारी गोष्ट घडवणे ही खरोखर मोठी बाब आहे.

एक गोष्ट स्पष्टपणे नमूद करण्यासारखी आहे, कारण अशा तपशिलांचीच मथळ्यांमध्ये अनेकदा उपेक्षा होते. Jalapeño मध्ये नव्या पिढीची HBM4 मेमरी वापरली आहे, तर ज्या GB300 शी त्याची तुलना केली गेली तो मागील पिढीची मेमरी वापरतो. Nvidia च्या आगामी Rubin प्लॅटफॉर्ममध्येही HBM4 असेल, आणि अजून कोणीही Jalapeño ची तुलना त्याच्याशी केलेली नाही. त्यामुळे हा निकाल खरा आहे, पण पुढील वर्षीच्या Nvidia शी केलेली न्याय्य लढत नाही. Jalapeño चे लक्ष्यही या वर्षाच्या अखेरीस केवळ मर्यादित प्रमाणातील उत्पादनापुरते आहे, Nvidia च्या हार्डवेअरची लवकरच मोठ्या प्रमाणात जागा घेणे हा उद्देश नाही. यातून जे सिद्ध होते ते मर्यादित आहे, तरीही महत्त्वाचे आहे: चिप न बनवणारी कंपनीदेखील आता जगातील सर्वोत्तम चिपनिर्मात्याच्या बरोबरीने स्पर्धा करणारी गोष्ट डिझाइन करू शकते, आणि तेही अशा मोजमापावर जे डेटा सेंटर चालवण्याचा प्रत्यक्ष खर्च ठरवते.

Amazon बंद करत आहे ते व्यासपीठ ज्याने मशीन लर्निंग युगाला घडवले

Amazon 30 सप्टेंबर रोजी Mechanical Turk बंद करणार आहे, आणि त्यासोबत त्या बाजारपेठेचा अंत होईल जिला Jeff Bezos यांनी एकदा “कृत्रिम कृत्रिम बुद्धिमत्ता” असे संबोधले होते. 2005 मध्ये सुरू झालेल्या MTurk मुळे कंपन्यांना छोटी डिजिटल कामे, जसे की प्रतिमांना लेबल लावणे, ऑडिओचे लिप्यंतरण करणे, सर्वेक्षणांची उत्तरे देणे, पैसे मोजून काम करणाऱ्या माणसांच्या समूहाकडे सोपवता येत असत. जवळपास दोन दशके हे मानवी श्रम मशीन लर्निंग संशोधनाच्या मोठ्या हिश्श्याखालचा अदृश्य थर होते, ज्यात सुरुवातीच्या संगणकीय दृष्टी (कॉम्प्युटर व्हिजन) मॉडेल्सना प्रशिक्षण देण्यासाठी वापरलेल्या प्रतिमा डेटासेटचाही समावेश होता.

Amazon केवळ एकच उत्पादन बंद करत नाहीये. कंपनीची नवी डेटा लेबलिंग साधने, SageMaker Ground Truth आणि Amazon Augmented AI, हीदेखील त्याच तारखेला बंद होत आहेत. Scale AI, Mercor आणि Prolific यांसारख्या नव्या पिढीतील स्टार्टअप्सनी AI मॉडेल्सना प्रशिक्षण देण्यासाठी लोकांची भरती करण्याचा व्यवसाय आता ताब्यात घेतला आहे, आणि ते अनेकदा MTurk च्या सपाट प्रति काम दरांपेक्षा जास्त मोबदला व अधिक विशेषीकृत काम देतात.

या वेळेत एक विशिष्ट औचित्य आहे. जे साधन एकेकाळी विनोदाचा विषय होते, “ही खरोखर AI नाही, हे तर पडद्यामागचे माणसे आहेत”, ते बंद होत आहे त्याच वर्षी जेव्हा एखादी कंपनी Nvidia च्या बेंचमार्कला मागे टाकणारी चिप डिझाइन करू शकते. जो सांगाडा उभारणीसाठी वापरला गेला होता, तो आता काढून टाकला जात आहे, कारण त्याने आधार दिलेल्या इमारतींना आता त्याची गरज उरलेली नाही.

Google आपले AI एजंट कॉर्पोरेट कायदा कंपन्यांमध्ये पाठवत आहे

Google Cloud ने या आठवड्यात Gemini Enterprise for Legal सुरू केले, जे त्यांच्या AI एजंट व्यासपीठाची कायदा कंपन्या आणि कॉर्पोरेट कायदा विभागांसाठी खास बनवलेली आवृत्ती आहे. Cleary Gottlieb, Freshfields, Weil आणि Williams & Connolly या कंपन्यांना सुरुवातीचे भागीदार म्हणून नाव देण्यात आले आहे.

याचे सादरीकरण चमकदार नसून मर्यादित आणि व्यावहारिक आहे. ही प्रणाली कंपन्या आधीपासून वापरत असलेल्या दस्तऐवज व्यवस्थापन आणि ई-डिस्कव्हरी सॉफ्टवेअरशी जोडली जाते, आणि ती अशी बनवली आहे की कंपनीच्या सध्याच्या नैतिक भिंती, म्हणजे एका पथकाला दुसऱ्या क्लायंटच्या गोपनीय फायली दिसू नयेत यासाठीचे अंतर्गत नियम, वकिलांनी हाताने अंमलात आणण्याऐवजी आपोआप कायम राहतील. करार पुनरावलोकन, ड्यू डिलिजन्स दस्तऐवज पुनरावलोकन आणि नियामक देखरेख ही याची पहिली उद्दिष्टे आहेत, आणि तिची कायदेशीर संशोधन उत्तरे मूळ मॉडेलने प्रशिक्षणादरम्यान जे काही शिकले असेल त्याऐवजी प्राथमिक कायद्यावर आधारित असावीत असा हेतू आहे.

Google चे म्हणणे आहे की याच कल्पनेची वित्तीय सेवांसाठीची आवृत्तीदेखील समांतरपणे सुरू झाली आहे, आणि आरोग्यसेवा व लाइफ सायन्सेस आवृत्त्या नंतर येणार आहेत. न्यायालयीन कागदपत्रात चुकीच्या संदर्भाची किंमत लक्षात घेता, खऱ्या कामासाठी AI वर विसंबून राहण्याबाबत मोठ्या कायदा कंपन्या (Big Law) आतापर्यंत बऱ्यापैकी सावध राहिल्या आहेत. Google चा हा डाव आहे की नेमकी हीच सावधगिरी बाळगणारी जागा पैसा असलेली जागा आहे.

SoftBank OpenAI ला निधी पुरवण्यासाठी मोठे कर्ज घेत आहे

SoftBank बँकांशी 10 अब्ज ते 20 अब्ज डॉलरचे बाँड्स, डॉलर आणि युरोमध्ये किंमत ठरवून, शक्यतो सप्टेंबरमध्येच विकण्याबाबत चर्चा करत आहे. या रकमेतून कंपनीने या वर्षाच्या सुरुवातीला OpenAI मधील आपला हिस्सा निधीयुक्त करण्यासाठी घेतलेल्या 40 अब्ज डॉलरच्या ब्रिज कर्जाचा काही भाग पुनर्वित्तपुरवठा केला जाईल.

Masayoshi Son यांची कंपनी ऑक्टोबरपर्यंत OpenAI मध्ये जवळपास 65 अब्ज डॉलर गुंतवण्याच्या तयारीत आहे. सर्वाधिक रकमेला गृहीत धरल्यास, 20 अब्ज डॉलरची बाँड विक्री ही या वर्षी कोणत्याही आशियाई कंपनीने केलेली सर्वात मोठी विक्री ठरेल. SoftBank 144A या रचनेचाही विचार करत असल्याचे वृत्त आहे, जो असा प्रकार आहे ज्यामुळे कंपनीला हे रोखे अमेरिकेतील खूप मोठ्या संस्थात्मक गुंतवणूकदार वर्गाला विकता येतील, जे तिने गेल्या दशकभरात केलेले नाही.

यापैकी कशामुळेही OpenAI च्या दैनंदिन कामकाजात काही बदल होत नाही. मात्र यातून हे दिसून येते की AI तेजीमागील किती मोठा भांडवली भाग आता व्हेंचर कॅपिटलच्या धनादेशांऐवजी कॉर्पोरेट कर्ज बाजारांमधून वाहत आहे, आणि त्याचा धोका एखाद्या फंडाच्या नव्हे तर SoftBank च्या ताळेबंदावर आहे.

भारताचा नव्या शेअर विक्रीचा आजवरचा सर्वोत्तम महिना

भारताचा शेअर बाजार नव्या समभाग विक्रीच्या किंमत ठरवण्याच्या बाबतीत आजवरच्या सर्वात मजबूत महिन्याच्या दिशेने वाटचाल करत आहे, ऑगस्टमध्ये जवळपास 10 अब्ज डॉलरचे इक्विटी व्यवहार तयार आहेत. यातील सर्वात मोठा भाग म्हणजे सरकारने देशातील सर्वात मोठ्या विमा कंपनी, Life Insurance Corporation of India, मधील आपल्या 3.2 अब्ज डॉलरच्या समभागांची केलेली विक्री. Manipal Health Enterprises ने यात 958 दशलक्ष डॉलरच्या प्रारंभिक समभाग विक्रीची (IPO) भर घातली, त्यासोबतच अनेक लहान ब्लॉक व्यवहार आणि संस्थात्मक प्लेसमेंट्सचीही लाट आली.

हा आकडा उठून दिसण्याचे खरे कारण म्हणजे तो कोणत्या पार्श्वभूमीवर घडतो आहे हे. भारताचा बेंचमार्क Nifty 50 निर्देशांक या महिन्यात प्रत्यक्षात घसरलेला आहे, त्यामुळे हा व्यापक तेजीवर स्वार झालेल्या बाजाराचा परिणाम नसून नव्या समभागांकडे धावणाऱ्या पैशाचा परिणाम आहे. विश्लेषकांच्या मते, भारताचे स्वतःचे म्युच्युअल फंड आणि विमा कंपन्या, ज्या आता मोठे व्यवहार स्वतःच्या बळावर पचवण्याइतक्या मोठ्या आणि सुस्थितीत आहेत, तसेच किरकोळ गुंतवणूकदार आणि परतणारे परदेशी फंड, यामुळेच कंपन्या आणि सरकारला एवढा मोठा साठा एकाच वेळी विकण्याचा आत्मविश्वास मिळाला.

भांडवल उभारणीचा विक्रमी महिना हा बुद्धिबळातील विजय किंवा रॉकेट प्रक्षेपणासारखा लक्षवेधी मथळा वाटत नाही. पण हा असा आकडा आहे जो पृष्ठभागाखाली काहीतरी नीट सुरू असल्याचे सांगतो: पुरेशी देशांतर्गत बचत, पुरेसा गुंतवणूकदारांचा विश्वास, आणि नव्या भारतीय समभागांना पुरेशी मागणी, इतकी की एक सरकारी विमा कंपनी आणि एक रुग्णालय साखळी दोघेही बाजाराला न घाबरवता त्याच महिन्यात पैसा उभारू शकले.

इथली प्रत्येक बातमी याविषयी आहे की पुढे काय घडेल यावर कोण पैसा लावायला तयार आहे. OpenAI आणि Broadcom यांनी नऊ महिन्यांचा अभियांत्रिकी वेळ या पणाला लावला की ते जगातील सर्वात मोठ्या चिपनिर्मात्याला डिझाइनमध्ये मागे टाकू शकतील, आणि सुरुवातीचे आकडे सांगतात की ते बरोबर होते. Amazon असा पैज लावत आहे की AI ने स्वतःच निर्माण केलेली श्रमबाजारपेठ कायमची पुढे सरकली आहे. SoftBank मोठ्या प्रमाणावर कर्ज घेऊन कोट्यवधी डॉलरचा पैज लावत आहे की OpenAI त्या किमतीचे आहे. आणि मुंबईत, एक सरकारी विमा कंपनी आणि भारतीय कंपन्यांची एक लाट यांनी नुकताच असा पैज लावला की देशांतर्गत आणि परदेशी, दोन्ही प्रकारचे गुंतवणूकदार आपला आत्मविश्वास जिथे आहे तिथे पैसा लावायला तयार आहेत. आतापर्यंत, प्रत्येक बाबतीत, हा पैज फळाला येत आहे.