චැට්බොට් වල උණුසුම් වාදය සෑම විටම ඇසෙනවා. නමුත් AI වල සැබෑ මුදල් රැස්වීම පරිසර මට්ටමේ – චිප්, සර්වර්, කේබල්, කුලං, බලශක්ති හා ගොඩනැගිලි – ඒවායේමයි. OpenAI හෝ Anthropic වැනි සමාගම් මිලදී ගැනීම අසීරුය; ඒ වෙනුවට ඉන්ධන, සෙමික් සහ ඉලෙක්ට්රොනික උපාංග සපයන කම්පැනිවලට මුදල් යොදන්න පුළුවන්.
මෙම අදහස සරලව ඇඟවෙන්නේ නමුත් ක්රියාත්මක කිරීම අභියෝගාත්මකයි. බොහෝ AI හාර්ඩ්වෙයාර් ගැන කතා කරන අය, ප්රධාන වශයෙන් එක් සමාගමේ කොටස් මිල ගැනම කතා කරති. එබැවින්, අපි තවත් ගැඹුරු මට්ටමකට යමු: බොක්සුව තුළ ඇති සත්ය බාධාව කුමක්ද, එය කවුද, කෙසේද පරාජය කරන්නේ, සහ ඒ තොරතුරු භාවිතා කරලා ආයතනික නිර්මාණකරුවන්ට මොනවා කළ හැකිද?
භෞතික මට්ටමේ AI ආධාරකය ඇයි වැදගත්?
පොඩ්කාස්ට් එකේ සඳහන් කරපු මූලික කරුණු හතරයි. පළමුව, ගණනයේ ඉල්ලුම සීමා රහිතයි – නව මොඩලයක් හදලා ගන්නා තැනින් නව ගණනාවක් දත්ත නිර්මාණය වේ. දෙවැනිය, ලැබුනු ලාභය තවත් තැනකට ගෙන යාමට නොහැක; එබැවින් වසරකට CAPEX (මූලධන වියදම) වැඩිවීම අත්යවශ්යයි. තුන්වැනිය, විදුලිය වාසිදායකම සීමාවයි – ග්රිඩ් සපයන්නාගේ හැකියාව අඩුයි, නව ජිගාවට් බලශක්තිය ලබා ගැනීම වසර ගණනාවක් ගත වේ. ඉතින්, "performance per watt" දැන් පිරිවැය නොව, ව්යාපාරික අවශ්යතාවයක්.
ඉතින්, AI සැපයුම් දාමය එකම කුලකයක් නොවේ. බලශක්ති, සම්ප්රේෂණ හා ශීතකරණය දිගු චක්රයක්, අත්යවශ්ය ආරක්ෂණයක්, නමුත් සිලිකෝන් තාක්ෂණය 24 මාසයක් තුළම පරණ වේ. ඒ නිසා එකම ආයෝජනයෙන් දෙකම පරාජය කරගැනීම අසීරු.
බාධාව කොතැනද?
භාෂා මොඩලයක් ධාවනය කිරීම දෙකක් – "prefill" (ප්රෝම්ප්ට් කියවීම) සහ "decode" (පිළිතුරු ලිවීම). Prefill එකේ සියලු ටෝකන එකවර ගණනය කරයි, GPU වගේ සමකාලීන උපකරණ සඳහා සුදුසු. Decode එකේ එක් එක් ටෝකනයක් පසුපසටම ගණනය කරයි; ඒ සඳහා මොඩලයේ සියලු බර (weights) මතකයෙන් කියවිය යුතුය. 70 බිලියන් පරාමිතීන් ඇති මොඩලයක් සඳහා එක් ටෝකනයකට 140 GB දත්ත මතකයෙන් CPU වෙත ගමන් කරනවා. මෙයින් මතක පටිගත වේගය (memory bandwidth) සීමාවක් බවට පත්වේ – NVIDIA H100 ග්රැෆික් කාඩ් එකේ 3.35 TB/s පමණ වේගයක් තිබුණත්, ඒ තරමටම තරුණ ගමන් වේගය අඩුයි.
Groq නාමක සමාගම මේ ගැටලුව නොදකින්, වෙනත් තාක්ෂණික ගැටලුවකට මුහුණ දී තිබුණා. ඒ නිසා, AI හාර්ඩ්වෙයාර් වෙළඳපොලේ සත්ය “picks and shovels” (චිප්, ශක්තිය) ගැන අවධානය යොමු කිරීම අත්යවශ්යයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණ ශිෂ්යයන්ට AI මූලික හාර්ඩ්වෙයාර් පිළිබඳ දැනුම ලබා ගැනීම, විශ්ව විද්යාල, පරිගණක මධ්යස්ථාන සහ ස්ථානික තාක්ෂණ සමාගම් සඳහා නව අවස්ථා ගොඩනැගීමට උපකාරී වේ. දේශීය දත්ත මධ්යස්ථාන ගොඩනැගීමේදී බලශක්ති කාර්යක්ෂමතාවය, නවීන කූලීකරණ තාක්ෂණය (cooling) සහ නව චිප් සපයන්නන් සමඟ සහයෝගිතාවය මඟින් රැකියා නිර්මාණය සහ ආර්ථික වර්ධනයට මාර්ගයක් විවෘත වේ.
එමෙන්ම, ශ්රී ලංකාවේ ව්යාපාරිකයන්ට AI සේවාවන් අඩු පිරිවැයෙන්, වැඩි බලශක්ති කාර්යක්ෂමතා සමඟ ලබා ගැනීමට හැකි වන අතර, ගෝලීය AI සපයන්නන්ට තරඟකාරී ව්යාපාරික සැලසුම් ඉදිරිපත් කිරීමේ හැකියාව ලැබේ.
අදාල තාක්ෂණික පසුබැසීමේ ගැටළු අවබෝධ කරගෙන, නිර්මාණකරුවන්, ආයෝජකයන් සහ පුරවැසියන්ට අනාගත AI ආර්ථිකයේ නව මාර්ගයන් සොයා ගත හැක.
ඉදිරි කාලයේ AI හි සත්ය මුදල් රැස්වීම චිප්, බලශක්ති සහ කූලීකරණ තාක්ෂණයේ වේ. ඒ නිසා, මේ අංශයන්ට අවධානය යොමු කිරීම ශ්රී ලංකාවට තාක්ෂණික පරිණාමයක් ගෙන ආවේ.
