पिछले नवंबर में XPENG के AI डे पर, मैंने अपना पूर्ण-स्टैक फिजिकल AI फ्रेमवर्क पेश किया था, जिसका लक्ष्य 2026 तक रोबोटैक्सी, ह्यूमनॉइड रोबोट और फ्लाइंग कारों सहित फिजिकल AI अनुप्रयोगों को बड़े पैमाने पर उत्पादन में लाना है।
अब, इस साल के मध्य में, हम फिजिकल AI को स्केल करने की वास्तविक कुंजी पर ध्यान दे रहे हैं।
फिजिकल AI क्या है
पहले, फिजिकल AI क्या है? आप इसे अक्सर 'एम्बॉडिड AI' के रूप में भी सुन सकते हैं। वास्तव में, फिजिकल AI, एम्बॉडिड AI की तुलना में एक बड़े डोमेन को शामिल करता है।
डिजिटल दुनिया की AI क्षमताओं को स्वायत्त वाहनों और रोबोटिक्स जैसे भौतिक हार्डवेयर के साथ एकीकृत करने से 'फिजिकल AI' का उदय होगा। उदाहरण के लिए, रोबोट धीरे-धीरे दुनिया को समझने, उसके साथ बातचीत करने और उसे नया आकार देने की क्षमता हासिल कर लेंगे, अंततः उत्पादकता और उत्पादन के संबंधों में एक क्रांतिकारी बदलाव लाएंगे।
फिजिकल AI में चार मुख्य तत्व शामिल हैं
फिजिकल AI को स्केल करने के लिए, हमें इसके मुख्य तत्वों को तोड़ना होगा। मेरे विचार में, फिजिकल AI में चार मुख्य तत्व शामिल हैं: मॉडल, कंप्यूटिंग पावर, डेटा और भौतिक रूप (फिजिकल एम्बॉडिमेंट्स)।
फिजिकल AI दुनिया की नींव ऑपरेटिंग सिस्टम है, और मॉडल ही वह ऑपरेटिंग सिस्टम है। इस बीच, बड़े मॉडल को इंजन के रूप में देखा जा सकता है। डेटा वह ईंधन है जो इसके विकास को संचालित करता है, और डेटा अनुप्रयोग का पैमाना और दक्षता मॉडल की क्षमताओं को निर्धारित करती है।
मॉडल, कंप्यूटिंग पावर और डेटा डिजिटल क्षेत्र के तत्व हैं जो आभासी स्थान में स्केलिंग लॉ का पालन करते हैं, जिसका अर्थ है कि मॉडल पैरामीटर, कंप्यूटिंग पावर और डेटासेट वॉल्यूम के विस्तार के साथ मॉडल का प्रदर्शन लगातार बेहतर होता जाता है।
इसके विपरीत, भौतिक रूप भौतिक दुनिया के अंतर्गत आते हैं। वे AI द्वारा सशक्त मूर्त प्रणालियों को संदर्भित करते हैं, जैसे वाहन और ह्यूमनॉइड रोबोट, जिनकी क्षमताएं विनिर्माण को नियंत्रित करने वाले भौतिक नियमों द्वारा सीमित होती हैं।
ये चारों तत्व सामूहिक रूप से स्वायत्त ड्राइविंग और यहां तक कि कृत्रिम सामान्य बुद्धिमत्ता (AGI) की मूलभूत रीढ़ बनाते हैं। फिजिकल AI की वास्तविक दुनिया में तैनाती केवल डिजिटल और भौतिक दोनों तत्वों में एक साथ सफलताओं के माध्यम से ही प्राप्त की जा सकती है।
बड़े पैमाने पर उत्पादन: फिजिकल AI बनाम डिजिटल AI
इसमें कोई संदेह नहीं है कि फिजिकल AI का बड़े पैमाने पर उत्पादन डिजिटल AI की तुलना में कहीं अधिक चुनौतीपूर्ण है। लेकिन सॉफ्टवेयर बाधाओं के अलावा, अन्य कौन से कारक काम कर रहे हैं?
- सूचना घनत्व: डिजिटल AI कम घनत्व वाली सूचना धाराओं से निपटता है। फिजिकल AI बहुत अधिक घनत्व वाली सूचना धाराओं को संभालता है। इसलिए, डिजिटल AI से फिजिकल AI में संक्रमण कम घनत्व वाली सूचना धाराओं से उच्च घनत्व वाली सूचना धाराओं में बदलाव के साथ-साथ डिजिटल डोमेन से बाहर भौतिक स्पेस-टाइम में संक्रमण का प्रतिनिधित्व करता है।
- क्षमता सीमाएं: डिजिटल AI की ऊपरी सीमा उच्च सूचना दक्षता में पाई जाती है, जिसमें इसकी निचली सीमा पर दोष सहनशीलता और अत्यधिक हस्तांतरणीय प्रयोज्यता शामिल है। इसके विपरीत, फिजिकल AI की ऊपरी सीमा भौतिक दुनिया को नया आकार देने की इसकी शक्ति है, जबकि इसकी निचली सीमा त्रुटि के लिए शून्य सहनशीलता के साथ सख्त सुरक्षा मानकों को अनिवार्य करती है, और इसकी प्रयोज्यता गहराई से विशिष्ट मामलों पर निर्भर रहती है। महत्वपूर्ण रूप से, डिजिटल AI सार्वभौमिक और आसानी से हस्तांतरणीय है, लेकिन फिजिकल AI विशिष्ट परिदृश्यों से गहराई से जुड़ा हुआ है।
- हार्डवेयर बाधाएं: जबकि CPU, GPU और सर्वर क्लस्टर डिजिटल AI के लिए प्राथमिक हार्डवेयर बाधाएं हैं, फिजिकल AI की हार्डवेयर बाधाएं कहीं अधिक व्यापक आयामों को कवर करती हैं, जिनमें एज-साइड हार्डवेयर का मौलिक प्रदर्शन, लागत, विश्वसनीयता, विनिर्माण क्षमता और बड़े पैमाने पर उत्पादन क्षमता शामिल है।
- कानून और विनियम: डिजिटल AI नियम अप्रत्यक्ष प्रबंधन पर ध्यान केंद्रित करते हैं, जिसमें डेटा गोपनीयता, कॉपीराइट और नैतिकता शामिल है। इसके विपरीत, फिजिकल AI को नीतियों और विनियमों द्वारा लगाए गए प्रत्यक्ष और सख्त परिचालन प्रतिबंधों का सामना करना पड़ता है। उदाहरण के लिए, रोबोटैक्सी को सड़क-परीक्षण परमिट और कठोर सुरक्षा प्रमाणन की आवश्यकता होती है।
- सार्वजनिक स्वीकृति: डिजिटल AI में प्रमुख उपकरण विशेषताएं हैं और यह आसानी से सार्वजनिक मान्यता प्राप्त कर लेता है। फिजिकल AI, हालांकि, सुरक्षा और विश्वसनीयता संबंधी चिंताओं को शामिल करता है और सार्वजनिक विश्वास बनाने के लिए बहुत लंबे चक्र की आवश्यकता होती है।
यही कारण है कि फिजिकल AI को स्केल करने की दौड़ उन कंपनियों की है जिनके पास क्रॉस-डोमेन एकीकरण और स्व-विकास क्षमताएं हैं, न कि केवल उन कंपनियों की जो केवल मॉडल या हार्डवेयर पर ध्यान केंद्रित करती हैं।
