சீனாவின் புதிய LineShine சூப்பர் கம்ப்யூட்டர், அமெரிக்காவின் El Capitan-ஐ முந்தி உலகின் நம்பர் 1 இடத்தைப் பிடித்துள்ளது. இது ஒரு நொடியில் **2.198 எக்ஸாஃப்ளாப்ஸ்** வேகத்தில் செயல்படுகிறது. GPU-க்களை அதிகம் நம்பியிராமல் CPU-வை மட்டும் கொண்டு இயங்கும் இதன் வடிவமைப்பு, எதிர்கால டேட்டா சென்டர் மற்றும் ஹை-பெர்ஃபார்மன்ஸ் கம்ப்யூட்டிங் முதலீடுகளில் புதிய மாற்றங்களை ஏற்படுத்தலாம்.
சூப்பர் கம்ப்யூட்டிங்கில் புதிய புரட்சி
சீனா தனது புதிய LineShine சூப்பர் கம்ப்யூட்டர் மூலம் உலகின் சூப்பர் கம்ப்யூட்டிங் தரவரிசையில் மீண்டும் முதலிடத்தைப் பிடித்துள்ளது. ஜெர்மனியின் ஹாம்பர்க்கில் நடந்த TOP500 மாநாட்டில் அறிவிக்கப்பட்ட இந்த சாதனை, ஒரு நொடிக்கு 2 குயின்டில்லியன் கணக்கீடுகளைச் செய்யும் திறனைக் கொண்டுள்ளது. இது, கடந்த நவம்பர் 2024 முதல் முதலிடத்தில் இருந்த அமெரிக்காவின் El Capitan-ஐ விட சுமார் 20% வேகமானது.
ஷென்சென்னில் உள்ள தேசிய சூப்பர் கம்ப்யூட்டிங் மையத்தில் நிறுவப்பட்டுள்ள LineShine, கிராபிக்ஸ் பிராசசிங் யூனிட்களின் (GPUs) ஆதிக்கத்திலிருந்து விலகி, CPU-மட்டும் (CPU-only) கட்டமைப்பைப் பயன்படுத்தி 2 எக்ஸாஃப்ளாப்ஸ் எல்லையைத் தாண்டிய முதல் சிஸ்டம் இதுவே.
சூப்பர் கம்ப்யூட்டர் வடிவமைப்பில் ஒரு மாற்றம்
தற்போது பெரும்பாலான சூப்பர் கம்ப்யூட்டர்கள் மற்றும் AI டேட்டா சென்டர்கள், ஆர்டிஃபிஷியல் இன்டெலிஜென்ஸ் (AI) மற்றும் மெஷின் லேர்னிங் பணிகளை விரைவுபடுத்தும் சக்திவாய்ந்த GPUs-ஐ நம்பியுள்ளன. இந்நிலையில், LineShine-ன் CPU-மட்டும் வடிவமைப்பு வெற்றி பெற்றிருப்பது, ஹை-பெர்ஃபார்மன்ஸ் கம்ப்யூட்டிங்கிற்கு GPUs மீது அதீத நம்பிக்கை தேவையில்லை என்பதைக் காட்டுகிறது.
உலகளாவிய முதலீட்டாளர்களுக்கு இது ஒரு முக்கியமான விஷயம். AI துறையின் வளர்ச்சி காரணமாக GPUs-க்கான தேவை அதிகமாக இருந்தாலும், CPU-மட்டும் அணுகுமுறை எதிர்காலத்தில் பெரிய டேட்டா சென்டர்கள் தங்கள் வன்பொருள் செலவினங்களை எப்படி ஒதுக்குகின்றன என்பதைப் பாதிக்கக்கூடும். CPU- அடிப்படையிலான சிஸ்டம்கள் திறமையாக அளவிடப்பட்டால், சிப் உற்பத்தியாளர்களுக்கு இது ஒரு பல்வகைப்பட்ட சந்தையை உருவாக்கும்.
உலக தொழில்நுட்பத்திற்கு இது ஏன் முக்கியம்?
சூப்பர் கம்ப்யூட்டிங் போட்டி என்பது ஒரு நாட்டின் தொழில்நுட்ப முன்னேற்றத்தின் குறியீடாகப் பார்க்கப்படுகிறது. வெறும் வேகத்தை தாண்டி, உலகளாவிய ஏற்றுமதி கட்டுப்பாடுகளுக்கு மத்தியிலும் உயர்-நிலை கம்ப்யூட்டிங் உள்கட்டமைப்பை உருவாக்கும் சீனாவின் திறனை இந்த சாதனை எடுத்துக்காட்டுகிறது. சீனா மற்றும் அமெரிக்கா இடையேயான போட்டி, உயர்-நிலை AI சிப்களின் விற்பனை மீது கடுமையான கட்டுப்பாடுகளை ஏற்கனவே விதித்துள்ளது. LineShine-ன் செயல்திறன், மிகவும் மேம்பட்ட GPU வன்பொருட்களுக்கான அணுகல் கட்டுப்படுத்தப்பட்ட சூழலிலும், மாற்று கட்டமைப்பு வடிவமைப்புகள் மூலம் கணினி சக்தியை மேம்படுத்த ஆராய்ச்சியாளர்கள் வழிகளைக் கண்டுபிடித்துள்ளனர் என்பதைக் காட்டுகிறது.
இந்திய தொழில்நுட்ப சூழலில் இதன் தாக்கம்
இந்திய முதலீட்டாளர்களுக்கு, இந்த வளர்ச்சி மறைமுகமாக இருந்தாலும் முக்கியமானது. தேசிய சூப்பர் கம்ப்யூட்டிங் மிஷன் போன்ற முன்முயற்சிகளின் மூலம் இந்தியா தனது சொந்த ஹை-பெர்ஃபார்மன்ஸ் கம்ப்யூட்டிங் திறன்களை அதிகரித்து வருகிறது. AIRAWAT மற்றும் PARAM Siddhi போன்ற சிஸ்டம்கள், காலநிலை மாதிரி, மருந்து கண்டுபிடிப்பு மற்றும் AI போன்ற துறைகளில் ஆராய்ச்சியை முன்னேற்றப் பயன்படுத்தப்படுகின்றன. இந்திய IT மற்றும் டேட்டா சென்டர் நிறுவனங்கள் உலகளாவிய கம்ப்யூட்டிங் தொழில்நுட்பத்தின் முக்கிய நுகர்வோராக இருந்தாலும், உயர்-செயல்திறன் கொண்ட, GPU-க்கள் அதிகம் இல்லாத சூப்பர் கம்ப்யூட்டிங் கட்டமைப்புகளின் வளர்ச்சி, இந்திய நிறுவனங்கள் பின்பற்றும் உள்கட்டமைப்பின் வகையைப் பாதிக்கக்கூடும். இந்திய நிறுவனங்கள் AI மற்றும் தரவு செயலாக்கத்திற்கான செலவுகளை மேம்படுத்த பார்க்கும்போது, CPU vs GPU அடிப்படையிலான கிளஸ்டர்களின் செயல்திறன் ஒரு முக்கிய கவனிக்கத்தக்க விஷயமாக மாறும்.
அபாயங்கள் மற்றும் எதிர்கால போக்குகள்
LineShine புதிய வேக சாதனையை படைத்திருந்தாலும், GPU-க்கள் மூலம் துரிதப்படுத்தப்பட்ட சிஸ்டம்களுடன் ஒப்பிடும்போது பல்வேறு வேலைகளை இது எவ்வளவு திறம்பட கையாளுகிறது என்பதைப் பொறுத்தே அதன் உண்மையான தாக்கம் அமையும். சூப்பர் கம்ப்யூட்டிங் களம் வேகமாக மாறி வருகிறது, மேலும் TOP500-ல் தலைமைத்துவம் அடிக்கடி இரு வருடங்களுக்கு ஒருமுறை மாறுகிறது. வன்பொருள் தலைமைத்துவம் என்பது AI மாடல் செயல்திறனில் வணிக மேன்மையைக் குறிக்காது என்பதை முதலீட்டாளர்கள் கவனிக்க வேண்டும். தொழிற்துறை உருவாகும்போது, உச்சபட்ச கணக்கீட்டு வேகத்தை விட, சக்தி திறன், மென்பொருள் சுற்றுச்சூழல் அமைப்பு மற்றும் ஒட்டுமொத்த உரிமையின் செலவு ஆகியவற்றில் கவனம் செலுத்தப்படும். இந்த போட்டியிடும் கட்டமைப்பு வடிவமைப்புகள் வணிக AI பயன்பாடுகளில் எப்படி அளவிடப்படுகின்றன என்பதைக் கவனிப்பதே இத்துறைக்கான அடுத்த முக்கிய படியாக இருக்கும்.