MacPaw ਨੇ Liquid AI ਨਾਲ ਹੱਥ ਮਿਲਾ ਕੇ ਆਪਣੀਆਂ Mac ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਲੋਕਲ, ਓਨ-ਡਿਵਾਈਸ (On-Device) AI ਟੈਕਨਾਲੋਜੀ ਨੂੰ ਏਕੀਕ੍ਰਿਤ (Integrate) ਕਰਨ ਦਾ ਐਲਾਨ ਕੀਤਾ ਹੈ। ਇਸ ਰਣਨੀਤਕ ਕਦਮ ਦਾ ਮਕਸਦ ਯੂਜ਼ਰ ਪ੍ਰਾਈਵੇਸੀ ਨੂੰ ਵਧਾਉਣਾ ਅਤੇ ਕੰਪਨੀ ਦੇ AI ਅਸਿਸਟੈਂਟ, Eney, ਲਈ ਆਫਲਾਈਨ ਕੰਮ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਣਾ ਹੈ।
MacPaw, ਜੋ ਕਿ ਆਪਣੀਆਂ ਮੈਕ ਐਪਲੀਕੇਸ਼ਨਾਂ ਅਤੇ Setapp ਸਬਸਕ੍ਰਿਪਸ਼ਨ ਪਲੇਟਫਾਰਮ ਲਈ ਜਾਣੀ ਜਾਂਦੀ ਹੈ, ਨੇ Liquid AI ਨਾਲ ਇੱਕ ਲੰਬੇ ਸਮੇਂ ਦੀ ਭਾਈਵਾਲੀ ਕੀਤੀ ਹੈ। ਇਸ ਸਾਂਝ ਦਾ ਮੁੱਖ ਉਦੇਸ਼ macOS ਐਨਵਾਇਰਨਮੈਂਟ ਵਿੱਚ ਓਨ-ਡਿਵਾਈਸ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਨੂੰ ਲਿਆਉਣਾ ਹੈ। ਇਹ ਸਮਝੌਤਾ Liquid Foundation Models ਨੂੰ MacPaw ਦੇ ਆਪਣੇ ਇਨਫੇਰੈਂਸ (Inference) ਅਤੇ ਮੈਮਰੀ ਸਿਸਟਮਾਂ ਨਾਲ ਜੋੜਨ 'ਤੇ ਕੇਂਦਰਿਤ ਹੈ, ਤਾਂ ਜੋ ਲੋਕਲਾਈਜ਼ਡ AI ਅਨੁਭਵ ਬਣਾਇਆ ਜਾ ਸਕੇ।
ਇਸ ਸਹਿਯੋਗ ਵਿੱਚ ਦੋ ਖਾਸ ਟੈਕਨਾਲੋਜੀਆਂ ਦਾ ਵਿਕਾਸ ਸ਼ਾਮਲ ਹੈ: Elix, ਜੋ ਇੱਕ ਇਨਫੇਰੈਂਸ ਇੰਜਣ ਹੈ, ਅਤੇ Mnemos, ਜੋ ਇੱਕ ਮੈਮਰੀ ਅਤੇ ਕੰਟੈਕਸਟ ਲੇਅਰ ਹੈ। AI ਮਾਡਲਾਂ ਨੂੰ ਕਲਾਉਡ-ਬੇਸਡ ਪ੍ਰੋਸੈਸਿੰਗ 'ਤੇ ਨਿਰਭਰ ਰਹਿਣ ਦੀ ਬਜਾਏ ਸਿੱਧੇ ਯੂਜ਼ਰ ਦੇ ਹਾਰਡਵੇਅਰ 'ਤੇ ਚਲਾ ਕੇ, MacPaw ਯੂਜ਼ਰ ਪ੍ਰਾਈਵੇਸੀ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਨਾ ਚਾਹੁੰਦੀ ਹੈ। ਇਸ ਨਾਲ ਉਨ੍ਹਾਂ ਦਾ AI ਅਸਿਸਟੈਂਟ Eney ਬਿਨਾਂ ਇੰਟਰਨੈੱਟ ਕਨੈਕਸ਼ਨ ਦੇ ਵੀ ਕੰਮ ਕਰ ਸਕੇਗਾ। ਇਹ ਪਹੁੰਚ ਰਿਮੋਟ ਸਰਵਰਾਂ 'ਤੇ ਡਾਟਾ ਭੇਜਣ ਨਾਲ ਜੁੜੀਆਂ ਲੇਟੈਂਸੀ (Latency) ਅਤੇ ਪ੍ਰਾਈਵੇਸੀ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਦੂਰ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੀ ਹੈ।
MacPaw ਲਈ, ਇਹ ਭਾਈਵਾਲੀ ਉਸਦੇ ਬਿਜ਼ਨਸ ਮਾਡਲ ਨੂੰ ਬਦਲਣ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਹੈ। ਕੰਪਨੀ ਇੱਕ AI-ਫਸਟ ਈਕੋਸਿਸਟਮ ਵੱਲ ਵਧ ਰਹੀ ਹੈ, ਅਤੇ ਆਪਣੇ Setapp ਮਾਰਕੀਟਪਲੇਸ ਵਿੱਚ AI ਓਪਰੇਸ਼ਨਾਂ ਲਈ ਇੱਕ ਕ੍ਰੈਡਿਟ-ਬੇਸਡ ਪ੍ਰਾਈਸਿੰਗ ਸਿਸਟਮ ਪੇਸ਼ ਕਰ ਰਹੀ ਹੈ। ਇਹ ਢਾਂਚਾ ਕੰਪਨੀ ਨੂੰ ਕੰਮਾਂ ਦੀ ਗੁੰਝਲਤਾ ਦੇ ਆਧਾਰ 'ਤੇ ਚਾਰਜ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ, ਜੋ ਕਿ ਰਵਾਇਤੀ ਫਲੈਟ-ਫੀ ਸਬਸਕ੍ਰਿਪਸ਼ਨ ਮਾਡਲਾਂ ਤੋਂ ਇੱਕ ਵੱਡਾ ਬਦਲਾਅ ਹੈ। ਜੇ ਇਹ ਸਫਲ ਹੁੰਦਾ ਹੈ, ਤਾਂ MacPaw ਇਸ ਓਨ-ਡਿਵਾਈਸ ਇਨਫੇਰੈਂਸ ਸਟੈਕ ਨੂੰ Setapp ਪਲੇਟਫਾਰਮ 'ਤੇ ਹੋਰ ਡਿਵੈਲਪਰਾਂ ਲਈ ਵੀ ਉਪਲਬਧ ਕਰਾਉਣ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਹੀ ਹੈ। ਇਸ ਨਾਲ ਇਹ ਮਾਰਕੀਟਪਲੇਸ ਲੋਕਲ ਅਤੇ ਕਲਾਉਡ-ਬੇਸਡ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੋਵਾਂ ਲਈ ਇੱਕ ਹੱਬ ਬਣ ਸਕਦਾ ਹੈ।
ਹਾਲਾਂਕਿ, ਇਸ ਉੱਦਮ ਨੂੰ ਕਾਰੋਬਾਰੀ ਅਤੇ ਕਾਰਜਕਾਰੀ ਪੱਧਰ 'ਤੇ ਕਾਫੀ ਜੋਖਮਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਰਿਹਾ ਹੈ। ਕਿਉਂਕਿ MacPaw ਅਤੇ Liquid AI ਦੋਵੇਂ ਹੀ ਪ੍ਰਾਈਵੇਟ ਕੰਪਨੀਆਂ ਹਨ, ਉਹ ਪਬਲਿਕ ਫਰਮਾਂ ਲਈ ਲੋੜੀਂਦੀ ਵਿੱਤੀ ਪਾਰਦਰਸ਼ਤਾ ਤੋਂ ਬਿਨਾਂ ਕੰਮ ਕਰਦੀਆਂ ਹਨ। ਉਹ ਲੰਬੇ ਸਮੇਂ ਦੇ ਖੋਜ ਅਤੇ ਵਿਕਾਸ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਣ ਲਈ ਅੰਦਰੂਨੀ ਫਾਈਨਾਂਸਿੰਗ ਅਤੇ ਵੈਂਚਰ ਕੈਪੀਟਲ 'ਤੇ ਨਿਰਭਰ ਹਨ। ਇੱਕ ਤਕਨੀਕੀ ਚੁਣੌਤੀ ਮਾਡਲ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਹਾਰਡਵੇਅਰ ਦੀਆਂ ਸੀਮਾਵਾਂ ਨਾਲ ਸੰਤੁਲਿਤ ਕਰਨਾ ਹੈ; ਲੋਕਲ ਹੋਸਟ ਕੀਤੇ ਮਾਡਲਾਂ ਨੂੰ ਵੱਡੇ, ਕਲਾਉਡ-ਬੇਸਡ ਮੁਕਾਬਲੇਬਾਜ਼ਾਂ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਨਾਲ ਮੇਲ ਕਰਨ ਲਈ ਬਹੁਤ ਜ਼ਿਆਦਾ ਆਪਟੀਮਾਈਜ਼ (Optimize) ਕਰਨ ਦੀ ਲੋੜ ਹੋਵੇਗੀ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਨਵੇਂ ਕ੍ਰੈਡਿਟ-ਬੇਸਡ ਪ੍ਰਾਈਸਿੰਗ ਮਾਡਲ ਦੀ ਸਫਲਤਾ ਨੂੰ ਹਾਲੇ ਤੱਕ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਸਾਬਤ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ। ਨਿਵੇਸ਼ਕ ਅਤੇ ਮਾਰਕੀਟ ਦੇਖਦੇ ਰਹਿਣਗੇ ਕਿ 2026 ਦੇ ਅਖੀਰ ਵਿੱਚ ਲਾਂਚ ਹੋਣ ਵਾਲੇ Eney ਅਸਿਸਟੈਂਟ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਿਹੋ ਜਿਹਾ ਰਹਿੰਦਾ ਹੈ, ਅਤੇ ਡਿਵੈਲਪਰ ਭਾਈਚਾਰਾ ਇਨ੍ਹਾਂ ਨਵੇਂ ਓਨ-ਡਿਵਾਈਸ ਟੂਲਜ਼ ਨੂੰ ਕਿੰਨੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਅਪਣਾਉਂਦਾ ਹੈ।