Amazon Web Services (AWS) సరికొత్తగా 'TorchNeuron' టూల్‌ను అందుబాటులోకి తెచ్చింది. దీనివల్ల డెవలపర్లు ఎటువంటి కోడ్ మార్పులు చేయకుండానే తమ PyTorch AI అప్లికేషన్లను Amazon యొక్క సొంత Trainium చిప్స్‌పై రన్ చేయవచ్చు. Nvidia సాఫ్ట్‌వేర్ పైన ఆధారపడటాన్ని తగ్గించి, క్లౌడ్ ఖర్చులను తగ్గించడమే ఈ నిర్ణయం వెనుక ఉన్న ప్రధాన ఉద్దేశ్యం.
ఎందుకు ఈ మార్పు?
గత దశాబ్ద కాలంగా కృత్రిమ మేధస్సు (AI) రంగంలో Nvidia చిప్స్ మరియు వాటి 'CUDA' సాఫ్ట్‌వేర్ లేయర్ ఒక స్టాండర్డ్‌గా మారిపోయాయి. దీనివల్ల డెవలపర్లు వేరే హార్డ్‌వేర్‌కు మారాలంటే కోడ్ మొత్తాన్ని మార్చాల్సి వచ్చేది. కానీ, ఇప్పుడు Amazon తెచ్చిన TorchNeuron ఈ అడ్డంకిని తొలగించింది.
వ్యాపార కోణం ఏంటి?
క్లౌడ్ సర్వీస్ ప్రొవైడర్లు సాధారణంగా ఖరీదైన థర్డ్-పార్టీ GPUలపై ఆధారపడతారు. ఇప్పుడు తమ సొంత Trainium చిప్స్‌ను వాడటం ద్వారా, Amazon తన ఆపరేషనల్ ఖర్చులను భారీగా తగ్గించుకోవాలని చూస్తోంది. తద్వారా స్టార్టప్‌లకు మరియు ఎంటర్‌ప్రైజెస్‌కు తక్కువ ధరకే సేవలను అందించవచ్చు.
రిస్క్ మరియు సవాళ్లు
అయితే, ఈ మార్పు అంత సులభం కాదు. డెవలపర్లు ఇప్పటికే Nvidia ఎకోసిస్టమ్‌కు అలవాటు పడిపోయారు. ఒకవేళ Trainium చిప్స్‌పై పెర్ఫార్మెన్స్ తగ్గినా లేదా సాఫ్ట్‌వేర్‌లో చిన్న లోపాలు ఉన్నా, డెవలపర్లు మళ్లీ పాత సిస్టమ్‌కే మొగ్గు చూపే ప్రమాదం ఉంది.
పోటీలో ఎవరున్నారు?
ఈ రేసులో Amazon ఒక్కటే లేదు. Google తన సొంత TPU చిప్స్‌తో, Microsoft తన సొంత సిలికాన్ ప్రాజెక్టులతో ఇదే బాటలో పయనిస్తున్నాయి. క్లౌడ్ దిగ్గజాలు కేవలం హార్డ్‌వేర్ రీసెల్లర్లుగా కాకుండా, సొంత కంప్యూట్ స్టాక్ ఉన్న సంస్థలుగా ఎదగాలని ప్రయత్నిస్తున్నాయి.