Google හි Systems Engineering කණ්ඩායම, නවතම Qwen 3.5-397B MoE (Mixture‑of‑Experts) මාදිලිය Ironwood TPU7x (TPU v7x) පද්ධතියේ නඩත්තු කරමින්, පසු‑ඇතුළත් කිරීමේ වේගය වසරේ 3‑4 ගුණයකට ඉහල ගෙන ආ ඇත. 400 GB වර්ගයක් HBM එකට ගෙන යාම, සහ සම්පූර්ණ හාර්ඩ්වේයාර් උපයෝගිතාව උපරිම කිරීම වැනි අභියෝගයන්ට පදනම් වූ නවීන පද්ධති ඉංජිනේරු ක්රමවේදයක් භාවිතා කර ඇත.
මෙම වැඩසටහනේ මූලික අදහස, එක් එක් මාදිලිය වෙන්ව පරික්ෂා කිරීම වෙනුවට, එය “ගොඩනැගිලි කොටස්” ලෙස වෙන්වා, ඒ කොටස් සඳහා හාර්ඩ්වේයාර්‑හිතකාමී පිරිවැය මෝස්තර (cost models) සකස් කිරීමයි. Batched RPA, Grouped GEMM, SparseCore unpermutation වැනි සූදානම් JAX/Pallas කර්නලයන් භාවිතා කර, Qwen 3.5 හි නව Gated DeltaNet (GDN) ලිනියර් අවධානය සහ Attention Data Parallelism පමණක් අලලා, ඉතා ඉක්මනින් ප්රතිඵල ලබා ගන්නා ලදී.
ඉතිහාසික වශයෙන්, Decode‑heavy (දත්ත පාරිභෝගික) වැඩපිළිවෙළේ 3.1 ගුණයක්, Prefill‑heavy (කෙටි පූර්ව‑ලෝඩ්) වැඩපිළිවෙළේ 4.7 ගුණයක් වේගය වැඩි වී ඇත. මෙම ප්රගතිය, ව්යවසාය‑මට්ටමේ AI සේවා සැපයුම්කරුවන්ට, vLLM සහ SGLang වැනි විවෘත‑මූලාශ්ර සැපයුම් පද්ධති සමඟ සරලව ඒකාබද්ධ කිරීමේ හැකියාව ලබා දේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණික පරිසරය, AI මොඩලයන්ගේ වඩාත් වේගවත් ප්රතිචාර අවශ්යතාවයෙන් පීඩාවට පත් වේ. මෙම නවීන පද්ධතියෙන් ලැබෙන ප්රතිලාභ මෙසේය:
- ඉගෙනුම් ආයතන – විශ්වවිද්යාල හා තාක්ෂණ පාඨමාලා සඳහා, ලොකු පරාමාණුක AI මොඩලයන් ගත නොකළත්, 20B‑ක පරිමාණයක් වැනි කාර්යක්ෂමතාවය ලබා ගත හැක.
- දෙවන පාර්ශව සංවර්ධකයින් – JAX/Pallas කර්නලයන් පුනරුපකරණය කර, තමන්ම පළාත් මට්ටමේ AI සේවා නිර්මාණය කළ හැකි වේ.
- ව්යාපාරික ක්ෂේත්රය – AI‑චැට්බොට්, ලේඛන සැකසුම්, ව්යාපාරික විශ්ලේෂණය වැනි වැඩකටයුතු, අඩු latency සහ ඉහළ throughput සමඟ නවීන සේවා පිරිනමයි.
ඉදිරියට, Google විසින් ඉදිරිපත් කරන modular optimization strategy එක, ශ්රී ලංකාවේ AI පර්යේෂණ හා නිෂ්පාදන කාර්යයන්ට වේගවත්, පරිසර‑හිතකාමී හා වියදම්‑අඩු විසඳුම් ලබා දීමට මඟ පෙන්වයි.
ඉදිරි කාලයේ, මෙම තාක්ෂණය තවත් භාෂා මොඩල, සංකීර්ණ දත්ත සැකසීම සහ රියල්‑ටයිම් AI යෙදුම් සඳහා ප්රයෝජනවත් වනු ඇත. තාක්ෂණික ප්රවණතා අධිකාරියට, මෙවැනි නව පියවරක්, ශ්රී ලංකාවේ AI පදනම්කරණය සඳහා විශාල පියවරක් ලෙස සැලකේ.
