Microsoft ने आपली AI स्ट्रॅटेजी बदलली असून आता कंपनी 'इन्फरन्स इफेिशियन्सी' (Inference Efficiency) आणि मॉड्यूलर मॉडेल्सवर लक्ष केंद्रित करत आहे. Azure चे वार्षिक रेव्हेन्यू **$100 बिलियन** पार केल्यानंतर, खर्च आटोक्यात ठेवण्यासाठी कंपनी आता स्वतःचे चिप्स विकसित करत आहे.
Microsoft आता मोठ्या मॉडेल्सच्या प्रशिक्षणापेक्षा (Training) ते मॉडेल प्रत्यक्षात किती कार्यक्षमतेने काम करते, यावर भर देत आहे. उद्योगांमध्ये सध्या एआय एजंट्सचा वापर वाढत असल्याने, खर्च कमी ठेवून अधिक आउटपुट मिळवणे हे कंपनीचे मुख्य उद्दिष्ट आहे.
इन्फरन्स (Inference) खर्च नियंत्रित करण्याचे आव्हान
जेव्हा एआय सिस्टिम एखादे काम पूर्ण करते, तेव्हा त्याला 'इन्फरन्स' म्हणतात. हे जितके क्लिष्ट काम, तितका जास्त कॉम्प्युटिंग पॉवरचा खर्च. Microsoft ने आता 'AI हार्नेस' (AI Harness) आणि मुख्य इंटेलिजन्स मॉडेल यांना वेगळे केले आहे. यामुळे कंपन्यांना आता OpenAI, Anthropic आणि Mistral सारख्या विविध मॉडेल्सचा वापर करताना संपूर्ण सिस्टिम पुन्हा बनवण्याची गरज पडणार नाही.
स्वतःच्या हार्डवेअरवर मोठी बाजी
खर्च कमी करण्यासाठी Microsoft ने स्वतःचे 'Maia 300' आणि 'Cobalt 200' प्रोसेसर बनवण्यावर भर दिला आहे. गेल्या आर्थिक वर्षात कंपनीने 88 नवीन डेटा सेंटर्स उभारले आहेत. कंपनीचा महसूल $331.8 बिलियन वर पोहोचला असला तरी, या प्रचंड गुंतवणुकीचा भविष्यातील प्रॉफिट मार्जिनवर काय परिणाम होतो, याकडे आता शेअरहोल्डर्सचे लक्ष लागले आहे.