Whalesbook
సొంత AI చిప్స్ వైపు Anthropic అడుగులు
AI రంగంలో దూసుకుపోతున్న Anthropic, ఇప్పుడు సొంతంగా ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) చిప్స్ ని డిజైన్ చేసే దిశగా అడుగులు వేస్తోంది. కేవలం హార్డ్వేర్ కొరతను అధిగమించడానికే కాకుండా, ఈ నిర్ణయం వెనుక కీలక కారణాలున్నాయి. Anthropic వార్షిక ఆదాయం (Revenue Run-Rate) ఇప్పుడు $30 బిలియన్ (సుమారు ₹2.5 లక్షల కోట్ల పైనే) కి చేరింది. గతంలో ఇది $9 బిలియన్ మాత్రమే ఉండేది. ఇంత భారీ ఆదాయం, శక్తివంతమైన, స్కేలబుల్ కంప్యూటింగ్ పవర్ అవసరాన్ని పెంచింది. సొంత చిప్స్ అభివృద్ధి ద్వారా, కంపెనీ పనితీరు (Performance), సప్లై చైన్ స్థిరత్వం (Supply Chain Stability), ఖర్చులపై (Costs) మరింత నియంత్రణ సాధించాలని లక్ష్యంగా పెట్టుకుంది. ప్రస్తుతం Google, Amazon ల నుంచి హార్డ్వేర్ ఉపయోగిస్తున్నప్పటికీ, సొంత సిలికాన్ డిజైన్ వైపు మొగ్గు చూపడం, స్వయంప్రతిపత్తి (Independence) కోరుకుంటున్నట్లు సూచిస్తోంది.
ఇతర AI దిగ్గజాల బాటలోనే Anthropic
Anthropic చేస్తున్న ఈ పని, ఇతర పెద్ద AI సంస్థలు అనుసరిస్తున్న వ్యూహాలకు అద్దం పడుతోంది. Meta Platforms, OpenAI వంటి దిగ్గజాలు కూడా సొంత AI హార్డ్వేర్ పై భారీగా పెట్టుబడులు పెడుతున్నాయి. Meta తన భారీ AI పనుల కోసం Broadcom తో కలిసి MTIA చిప్స్ ని అభివృద్ధి చేసింది. OpenAI కూడా Broadcom తో కలిసి సుమారు $10 బిలియన్ ప్రాజెక్టుతో తమ తొలి కస్టమ్ AI ప్రాసెసర్లను డిజైన్ చేసేందుకు ఒప్పందం చేసుకుంది. ఈ చిప్స్ 2026 చివరి నాటికి అందుబాటులోకి రావచ్చని భావిస్తున్నారు. Nvidia వంటి సంస్థల ఆధిపత్యాన్ని తగ్గించుకోవడానికి, తమ హార్డ్వేర్ పై నియంత్రణ కలిగి ఉండటం AI కంపెనీలకు ఎంత ముఖ్యమో ఈ పరిణామాలు తెలియజేస్తున్నాయి.
కస్టమ్ చిప్ డెవలప్మెంట్లో సవాళ్లు
అయితే, కస్టమ్ AI చిప్స్ అభివృద్ధి చేయడం అంత సులభం కాదు. ఇది చాలా ఖరీదైన ప్రక్రియ. కేవలం 3nm చిప్స్ డిజైన్ చేయడానికే సుమారు $400 మిలియన్ నుండి $600 మిలియన్ ఖర్చవుతుందని అంచనా. తయారీ ఖర్చుల విషయానికొస్తే, Nvidia H100 వంటి హై-ఎండ్ చిప్ యూనిట్ ధర $3,320 దాటితే, సూపర్ చిప్స్ ధర $13,000 కంటే ఎక్కువగా ఉండవచ్చు. అంతేకాకుండా, కొత్త టెక్నాలజీలు వేగంగా వస్తుండటంతో, సొంతంగా తయారు చేసుకున్న చిప్స్ త్వరగా కాలం చెల్లిపోయే (Outdated) ప్రమాదం ఉంది. Meta ఎదుర్కొంటున్న డిజైన్ సమస్యలు ఇందుకు ఒక హెచ్చరికగా నిలుస్తున్నాయి. వేగంగా ఎదుగుతున్న కంపెనీకి, దీర్ఘకాలిక చిప్ డిజైన్ సైకిల్స్ (Chip Design Cycles) ఆటంకంగా మారవచ్చు. వీటితో పాటు, నమ్మకమైన మాన్యుఫ్యాక్చరింగ్ భాగస్వాములను (Manufacturing Partners) సంపాదించుకోవడం, సంక్లిష్టమైన ఉత్పత్తి ప్రక్రియలను (Production Processes) నిర్వహించడం వంటి సవాళ్లు కూడా ఉన్నాయి. అమెరికాలో Anthropic ఎదుర్కొంటున్న రెగ్యులేటరీ పరిశీలన (Regulatory Scrutiny) కూడా సప్లై చైన్ రిస్క్ గా మారే అవకాశం ఉంది, ఇది వ్యాపార క్లయింట్లపై ప్రభావం చూపవచ్చు.
వ్యూహాత్మక లక్ష్యాలు
Anthropic నుంచి వస్తున్న $30 బిలియన్ ఆదాయం, పెద్ద వ్యాపార క్లయింట్ల నుంచి పెరుగుతున్న డిమాండ్, నిరంతర కంప్యూటింగ్ పవర్ పెట్టుబడులను తప్పనిసరి చేస్తున్నాయి. కస్టమ్ చిప్ డిజైన్ అనేది ఇంకా ప్రారంభ దశలోనే ఉన్నా, ఖర్చులను తగ్గించుకోవడానికి, సప్లై చైన్ ని మెరుగుపరచుకోవడానికి ఇది సహాయపడుతుంది. ఇది ప్రధాన క్లౌడ్ ప్రొవైడర్లు (Cloud Providers) అనుసరిస్తున్న వ్యూహాలకు దగ్గరగా ఉంది. సొంత కార్యకలాపాల్లో కీలక భాగాలను నిర్వహించుకోవాలనే Anthropic ఆశయాన్ని ఈ తొలి అడుగులు స్పష్టం చేస్తున్నాయి. చిప్ డెవలప్మెంట్లోని భారీ ఖర్చులు, సాంకేతిక సవాళ్లను కంపెనీ ఎంత సమర్థవంతంగా ఎదుర్కొంటుందనే దానిపైనే AI రంగంలో దాని భవిష్యత్తు విజయం ఆధారపడి ఉంటుంది.