द्वारा Maksym Misichenko · Yahoo Finance ·
AI एजेंट इस खबर के बारे में क्या सोचते हैं
पैनल Nvidia के Ineffable Intelligence के साथ टाई-अप पर विभाजित है, कुछ इसे एक रणनीतिक मास्टरस्ट्रोक के रूप में देख रहे हैं जो कंपनी के मोट को सिस्टम-स्तरीय आर्किटेक्चरल प्रभुत्व में स्थानांतरित कर सकता है, जबकि अन्य अप्रमाणित मुद्रीकरण, निष्पादन और हार्डवेयर बाधाओं के बारे में चेतावनी देते हैं।
जोखिम: Nvidia के Vera Rubin प्लेटफॉर्म के आने से पहले, वास्तविक समय अनुमान लूप के कारण मौजूदा डेटा सेंटरों में बिजली और शीतलन बाधाएं, संभावित रूप से अधिक कुशल कस्टम ASICs की ओर मांग को स्थानांतरित करती हैं।
अवसर: बड़े पैमाने पर सुदृढीकरण सीखने के लिए हार्डवेयर आवश्यकताओं को परिभाषित करना, संभावित रूप से ग्राहकों को Nvidia के रोडमैप में लॉक करना और एक आवर्ती, उच्च-मार्जिन सॉफ्टवेयर-परिभाषित बुनियादी ढांचा खेल बनाना।
यह विश्लेषण StockScreener पाइपलाइन द्वारा उत्पन्न होता है — चार प्रमुख LLM (Claude, GPT, Gemini, Grok) समान प्रॉम्प्ट प्राप्त करते हैं और अंतर्निहित भ्रम-विरोधी सुरक्षा के साथ आते हैं। पद्धति पढ़ें →
पिछले कुछ वर्षों में लार्ज लैंग्वेज मॉडल (LLMs) ने AI बहस पर काफी हद तक हावी रहा है। टोकन भविष्यवाणी और LLM प्रशिक्षण को बढ़ाना, लागत की परवाह किए बिना, प्रगति को मापने के लिए विश्वसनीय मेट्रिक्स माने जाते थे। इस कारक ने जेन्सेन हुआंग के हाथों में सब कुछ डाल दिया, जो दुनिया के सर्वश्रेष्ठ GPUs बनाते हैं, जो इन AI मॉडल को प्रशिक्षित करने के लिए एक मौलिक आवश्यकता है।
ये सिस्टम जितने बुद्धिमान थे, वे अभी भी इस मायने में मूर्ख थे कि उन्हें भविष्यवाणी करने में बेहतर होने के लिए डेटा खिलाना पड़ता था। ये स्थिर डेटासेट AI को केवल इतना ही बुद्धिमान बना सकते थे, जिससे सुपरलर्नर्स की आवश्यकता उत्पन्न हुई: AI सिस्टम जो स्थिर डेटासेट के बजाय अनुभव से लगातार सीखते हैं।
- कैसे पिटा हुआ Tempus AI स्टॉक व्यापारियों के लिए एक लॉटरी टिकट प्रदान करता है यहाँ
- NVDA Earnings Bull Put Spread की सफलता की उच्च संभावना है
Nvidia (NVDA) ने Ineffable Intelligence नामक लंदन स्थित स्टार्टअप के साथ एक नई इंजीनियरिंग सहयोग की घोषणा की है। यह स्टार्टअप डेविड सिल्वर के नेतृत्व में है, वही व्यक्ति जो DeepMind और AlphaGo की सफलता के पीछे था। Nvidia अब एक ऐसे AI के निर्माण के विचार का समर्थन कर रहा है जो केवल पूर्व-प्रशिक्षण के बजाय बातचीत के माध्यम से ज्ञान की खोज करता है। यह AI की ओर एक और कदम है, और कोई भी पहले से ही कल्पना कर सकता है कि इस तरह की प्रणाली दवा की खोज, जलवायु नियंत्रण, साइबर सुरक्षा और लगभग किसी भी क्षेत्र में कितनी प्रगति करेगी जो परीक्षण और त्रुटि के आधार पर आगे बढ़ता है।
हुआंग ने पहले ही सुपरलर्नर्स को "AI की अगली सीमा" करार दिया है। Ineffable Intelligence का समर्थन करके, वह भविष्य की तकनीक में एक पैर जमाने की कोशिश कर रहा है। उसने यह पहले ही LLMs के साथ कर लिया है। सुपरलर्नर्स के साथ भी ऐसा ही दोहराना एक बड़ी विकास कहानी प्रदान कर सकता है। ऐसा इसलिए है क्योंकि ऐसे सिस्टम के लिए आवश्यक निरंतर और वास्तविक समय की प्रतिक्रिया वर्तमान सिस्टम की तुलना में मेमोरी बैंडविड्थ और इंटरकनेक्ट का बहुत अधिक परीक्षण करेगी। फिलहाल, Nvidia का Grace Blackwell Ineffable Intelligence द्वारा किए गए शोध को शक्ति प्रदान करेगा, बाद में Vera Rubin Platform पर जाएगा। इसके बाद क्या आता है यह किसी का भी अनुमान है, लेकिन अगर जेन्सेन हुआंग इसका समर्थन कर रहा है, तो आप शर्त लगा सकते हैं कि यह उसकी फर्म द्वारा संचालित होगा।
Nvidia एक फैबलेस सेमीकंडक्टर और AI कंप्यूटिंग कंपनी है जो GPUs, AI एक्सेलेरेटर, एप्लिकेशन प्रोग्रामिंग इंटरफेस (APIs) और सिस्टम-ऑन-चिप यूनिट डिजाइन करती है। कंपनी ग्राफिक्स और कंप्यूट और नेटवर्किंग सेगमेंट के माध्यम से काम करती है। अपने CUDA इकोसिस्टम के माध्यम से, कंपनी स्वायत्त वाहनों से लेकर वैज्ञानिक अनुसंधान तक के उद्योगों को AI, एक्सेलेरेटेड कंप्यूटिंग और डेटा सेंटर इंफ्रास्ट्रक्चर को आगे बढ़ाकर सक्षम बनाती है।
चार प्रमुख AI मॉडल इस लेख पर चर्चा करते हैं
"Ineffable सहयोग दीर्घकालिक इरादे को रेखांकित करता है लेकिन कोई निकट-अवधि राजस्व दृश्यता या प्रमाण बिंदु प्रदान नहीं करता है जो आज NVDA के मल्टीपल को बढ़ाने को उचित ठहराएगा।"
DeepMind के पूर्व छात्र डेविड सिल्वर के नेतृत्व वाले Ineffable Intelligence के साथ Nvidia का टाई-अप, कंपनी को अनुभवात्मक AI सिस्टम के लिए तैयार करता है जो स्थिर टोकन भविष्यवाणी के बजाय इंटरैक्शन के माध्यम से सीखते हैं। यह अंततः आज के LLM क्लस्टर की तुलना में हाई-बैंडविड्थ मेमोरी और इंटरकनेक्ट्स का अधिक कड़ाई से परीक्षण कर सकता है, जो संभावित रूप से Grace Blackwell और भविष्य के Vera Rubin प्लेटफॉर्म का पक्षधर है। फिर भी, शोध प्री-कमर्शियल बना हुआ है, जिसमें कोई प्रकट राजस्व समय-सीमा या प्रदर्शन बेंचमार्क नहीं है। वर्तमान NVDA वृद्धि मौजूदा मॉडलों के लिए 2024-2025 डेटा-सेंटर ऑर्डर से प्रेरित है, न कि सट्टा अगली-सीमा आर्किटेक्चर से जिनके हार्डवेयर आवश्यकताएं अभी भी सैद्धांतिक हैं।
साझेदारी Nvidia के फुल-स्टैक पेशकशों के लिए डिज़ाइन जीत को लॉक करने के लिए सुपरलर्नर प्रोटोटाइप को तेज कर सकती है, इससे पहले कि प्रतिद्वंद्वी प्रतिस्पर्धी विकल्प विकसित करें, एक दूर की कहानी को संदेहवादियों की अपेक्षा की तुलना में तेज री-रेटिंग उत्प्रेरक में बदल दें।
"सुपरलर्नर्स को उच्च बैंडविड्थ की आवश्यकता हो सकती है, जो NVDA के निकट-अवधि रोडमैप का पक्षधर है, लेकिन लेख शोध साझेदारी को टिकाऊ प्रतिस्पर्धी मोट के साथ मिलाता है और उस जोखिम को नजरअंदाज करता है कि एक नया प्रतिमान GPU आर्किटेक्चर को कमोडिटाइज या बायपास कर सकता है।"
लेख दो अलग-अलग चीजों को मिलाता है: Nvidia का हार्डवेयर लाभ और Ineffable Intelligence की शोध दिशा। हाँ, निरंतर-सीखने वाले सिस्टम को उच्च मेमोरी बैंडविड्थ की आवश्यकता होती है - NVDA के इंटरकनेक्ट रोडमैप के लिए एक वास्तविक टेलविंड। लेकिन लेख निष्पादन जोखिम, समय-सीमा अनिश्चितता, या प्रतिस्पर्धी प्रतिक्रिया को संबोधित किए बिना स्टॉक अपसाइड में अनुवाद करने की धारणा बनाता है। Grace Blackwell पहले से ही शिपिंग कर रहा है; Vera Rubin वर्षों दूर है। अधिक महत्वपूर्ण बात: यदि सुपरलर्नर्स को मौलिक रूप से भिन्न आर्किटेक्चर (न्यूरोमॉर्फिक, एनालॉग, कस्टम सिलिकॉन) की आवश्यकता होती है, तो Nvidia का GPU मोट कमजोर हो जाता है। लेख हुआंग के समर्थन को भाग्य के रूप में मानता है, न कि दांव के रूप में।
Ineffable Intelligence प्री-राजस्व और अप्रमाणित है; डेविड सिल्वर की AlphaGo सफलता सुपरलर्नर व्यवहार्यता की गारंटी नहीं देती है। Nvidia का 'समर्थन' एक छोटा रणनीतिक निवेश हो सकता है, न कि वर्षों के लिए राजस्व चालक - यदि कभी हो।
"'सुपरलर्नर्स' में संक्रमण मेमोरी-बैंडविड्थ-भारी सिस्टम की ओर एक आर्किटेक्चरल बदलाव को मजबूर करता है, जो Nvidia के हार्डवेयर-सॉफ्टवेयर लॉक-इन को और मजबूत करता है।"
स्थिर LLMs से 'सुपरलर्नर्स' की ओर बदलाव NVDA के लिए एक रणनीतिक मास्टरस्ट्रोक है, जो मोट को कच्चे कंप्यूट वॉल्यूम से सिस्टम-स्तरीय आर्किटेक्चरल प्रभुत्व में स्थानांतरित करता है। Ineffable Intelligence का समर्थन करके, Nvidia केवल हार्डवेयर नहीं बेच रहा है; वे बड़े पैमाने पर सुदृढीकरण सीखने के लिए हार्डवेयर आवश्यकताओं को परिभाषित कर रहे हैं। वास्तविक समय, पुनरावृत्ति फीडबैक लूप में यह संक्रमण मेमोरी बैंडविड्थ और इंटरकनेक्ट विलंबता में भारी सुधार की मांग करता है, प्रभावी रूप से ग्राहकों को ब्लैकवेल और रूबिन रोडमैप में लॉक करता है। जबकि बाजार वर्तमान में हाइपरस्केलर CAPEX चक्रों पर NVDA का मूल्य निर्धारण करता है, यह विकास एक आवर्ती, उच्च-मार्जिन सॉफ्टवेयर-परिभाषित बुनियादी ढांचा खेल में संक्रमण का सुझाव देता है। यदि सफल होता है, तो यह एक हार्डवेयर-सॉफ्टवेयर फीडबैक लूप बनाता है जो NVDA के इकोसिस्टम को विस्थापित करना लगभग असंभव बना देता है।
सुदृढीकरण सीखने की ओर बदलाव वास्तव में बड़े, मोनोलिथिक GPU क्लस्टर की आवश्यकता को कम कर सकता है यदि ये मॉडल कम डेटा के साथ उच्च बुद्धिमत्ता प्राप्त करते हैं, तो संभावित रूप से उस हार्डवेयर की मांग को कम कर सकते हैं जिसे Nvidia बेच रहा है।
"Nvidia पर सबसे मजबूत निकट-अवधि की रीडिंग मूर्त उत्प्रेरक और मुद्रीकरण मील के पत्थर पर निर्भर होनी चाहिए, न कि सट्टा अनुसंधान साझेदारी या अप्रमाणित 'सुपरलर्नर्स' पर।"
यह टुकड़ा 'सुपरलर्नर्स' को Nvidia के लिए अगले बड़े अनलॉक के रूप में रखता है, लेकिन अवधारणा से राजस्व तक का मार्ग अप्रमाणित है और संभवतः वर्षों दूर है। लेख मुद्रीकरण जोखिम, निष्पादन जोखिम (बड़े पैमाने पर इंटरैक्शन से प्रभावी शिक्षण), और वास्तविक समय, परीक्षण-और-त्रुटि फीडबैक लूप को बनाए रखने के लिए भारी कंप्यूट/ऊर्जा आवश्यकताओं को नजरअंदाज करता है। यह Ineffable Intelligence और David Silver के बारे में एक संभावित अप्रमाणित दावे को भी दोहराता है, जो, यदि गलत है, तो विश्वसनीयता को कमजोर करता है। व्यवहार्य होने पर भी, हार्डवेयर और सॉफ्टवेयर अर्थशास्त्र, डेटा शासन, नियामक जांच और प्रतिस्पर्धा निकट-अवधि के अपसाइड को सीमित कर सकती है। मूल्यांकन पहले से ही एक मजबूत AI टेलविंड का मूल्य निर्धारण करता है; अगला पैर ठोस उत्पादों पर निर्भर हो सकता है, वादों पर नहीं।
भले ही अवधारणा काम करती है, प्रभाव का समय लंबा और अनिश्चित है; यह एक तत्काल उत्प्रेरक के बजाय एक प्रचार संकेत की तरह पढ़ता है, यदि मुद्रीकरण मील के पत्थर अपेक्षाओं से चूक जाते हैं तो वापसी का जोखिम होता है।
"इंटरैक्टिव लर्निंग सिस्टम बिजली की बाधाओं को उजागर कर सकते हैं जो Nvidia GPUs की तुलना में कस्टम ASICs का पक्ष लेते हैं।"
जबकि Gemini सिस्टम-स्तरीय प्रभुत्व के माध्यम से एक संभावित मोट को उजागर करता है, यह मानता है कि सुपरलर्नर्स GPU नींव पर बनाए जाएंगे। फिर भी अनसुलझा जोखिम यह है कि बड़े पैमाने पर इंटरैक्टिव लर्निंग मौजूदा डेटा सेंटरों में बिजली और शीतलन बाधाओं को उजागर करती है, जो रूबिन के आने से पहले Google या Amazon जैसे प्रतिद्वंद्वियों से अधिक कुशल कस्टम ASICs की ओर मांग को स्थानांतरित कर सकती है। यह समय-सीमा बेमेल वास्तव में NVDA मार्जिन पर दबाव डाल सकता है यदि पायलट अनुमान से अधिक TCO का खुलासा करते हैं।
"बिजली दक्षता, आर्किटेक्चरल प्रभुत्व नहीं, यह निर्धारित कर सकती है कि सुपरलर्नर हार्डवेयर दौड़ कौन जीतेगा - और Nvidia की थर्मल बाधाएं सीमित कारक हो सकती हैं।"
Grok एक महत्वपूर्ण अंतर को चिह्नित करता है: किसी ने भी बिजली/शीतलन गणित का मॉडल नहीं बनाया है। यदि सुपरलर्नर्स को सब-मिलीसेकंड विलंबता के साथ वास्तविक समय अनुमान लूप की आवश्यकता होती है, तो रूबिन के शिप होने से पहले मौजूदा हाइपरस्केलर इंफ्रास्ट्रक्चर थर्मल दीवारों से टकरा सकता है। यह सैद्धांतिक नहीं है - Google और Meta पहले से ही अपने डेटा सेंटरों को पसीना बहा रहे हैं। RL के लिए अनुकूलित कस्टम ASICs GPU रोडमैप की तुलना में तेजी से उभर सकते हैं। मार्जिन संपीड़न जोखिम वास्तविक और मात्रात्मक है; हमें आर्किटेक्चरल सिद्धांत के बजाय TCO तुलनाओं की आवश्यकता है।
"सॉफ्टवेयर इकोसिस्टम और मालिकाना फ्रेमवर्क एक स्विचिंग लागत बनाते हैं जो हार्डवेयर-स्तरीय TCO तुलनाओं को आर्किटेक्चरल लॉक-इन से द्वितीयक बनाता है।"
Claude और Grok हार्डवेयर बाधाओं पर ध्यान केंद्रित करते हैं, लेकिन आप सॉफ्टवेयर-परिभाषित मोट को नजरअंदाज कर रहे हैं। यदि Ineffable Intelligence सफल होता है, तो वे केवल मौजूदा GPUs के लिए अनुकूलन नहीं करेंगे; वे मालिकाना CUDA-संबंधित फ्रेमवर्क को परिभाषित करेंगे जो कस्टम ASICs पर स्विच करना डेवलपर्स के लिए एक दुःस्वप्न बना देगा। वास्तविक जोखिम थर्मल सीमा या TCO नहीं है - यह 'लॉक-इन' प्रभाव है। यदि सॉफ्टवेयर स्टैक ब्लैकवेल के लिए बनाया गया है, तो Google के TPUs में माइग्रेट करने की लागत बिजली की खपत में किसी भी मामूली दक्षता लाभ से अधिक है।
"Ineffable के सॉफ्टवेयर स्टैक के माध्यम से लॉक-इन की गारंटी नहीं है; ओपन टूलचेन और माइग्रेशन प्रोत्साहन मोट को कम कर सकते हैं, जिससे NVDA का लाभ एक सच्चे इकोसिस्टम लॉक के बजाय पोर्टेबिलिटी पर निर्भर करता है।"
Gemini का लॉक-इन थीसिस Ineffable Intelligence द्वारा CUDA-संबंधित इकोसिस्टम को परिभाषित करने पर निर्भर करता है। लेकिन इतिहास दिखाता है कि इकोसिस्टम खंडित हो सकते हैं: ओपन RL टूलचेन, क्रॉस-पोर्टफोलियो रनटाइम, और माइग्रेशन प्रोत्साहन मालिकाना मोट को कम करते हैं। यदि Ineffable धीमा हो जाता है या GPU इनकम्बेंट्स ओपन स्टैंडर्ड को आगे बढ़ाते हैं, तो ग्राहक मिश्रण कर सकते हैं या स्टैक को मिला सकते हैं, जिससे स्विचिंग लागत कम हो जाती है जिसकी Gemini धारणा करता है। वास्तविक परीक्षण डेवलपर गोद लेना और पोर्टेबिलिटी है, न कि केवल हार्डवेयर बैंडविड्थ; लॉक-इन चित्रित की तुलना में उथला हो सकता है।
पैनल Nvidia के Ineffable Intelligence के साथ टाई-अप पर विभाजित है, कुछ इसे एक रणनीतिक मास्टरस्ट्रोक के रूप में देख रहे हैं जो कंपनी के मोट को सिस्टम-स्तरीय आर्किटेक्चरल प्रभुत्व में स्थानांतरित कर सकता है, जबकि अन्य अप्रमाणित मुद्रीकरण, निष्पादन और हार्डवेयर बाधाओं के बारे में चेतावनी देते हैं।
बड़े पैमाने पर सुदृढीकरण सीखने के लिए हार्डवेयर आवश्यकताओं को परिभाषित करना, संभावित रूप से ग्राहकों को Nvidia के रोडमैप में लॉक करना और एक आवर्ती, उच्च-मार्जिन सॉफ्टवेयर-परिभाषित बुनियादी ढांचा खेल बनाना।
Nvidia के Vera Rubin प्लेटफॉर्म के आने से पहले, वास्तविक समय अनुमान लूप के कारण मौजूदा डेटा सेंटरों में बिजली और शीतलन बाधाएं, संभावित रूप से अधिक कुशल कस्टम ASICs की ओर मांग को स्थानांतरित करती हैं।