JENSEN HUANG के 2 धमाकेदार दावे: AI ENGINEERS को देगा SUPERHUMAN शक्तियां!

AI Factory और Disaggregated Inference का कमाल

Nvidia अब सिर्फ एक GPU company नहीं रही, बल्कि एक पूरी AI factory company बन गई है। Jensen Huang ने बताया कि उन्होंने Dynamo नाम का एक operating system बनाया है, खास AI factories के लिए। ये पिछली industrial revolution के Dynamo जैसा है, जो पानी को बिजली में बदलता था। इस नए Dynamo का main idea 'disaggregated inference' है। ये AI computing की सबसे complicated समस्या है, जहाँ processing के अलग-अलग parts को अलग-अलग GPUs पर चलाया जाता है।

आजकल Nvidia का computing सिर्फ GPUs पर नहीं, बल्कि CPUs, switches और networking processors तक फैला हुआ है। उन्होंने Groq को भी इसमें शामिल किया है, ताकि सही workload सही chips पर चलाया जा सके। Jensen Huang का कहना है कि data center के लगभग 25% space में Groq LPU और GPU combo का इस्तेमाल होगा।

असल में बात ये है कि हम अब large language model processing से agentic processing की तरफ बढ़ रहे हैं। मतलब ये कि AI agents अब सिर्फ जवाब नहीं देंगे, बल्कि काम करेंगे। ये agents अपनी working memory, long-term memory और साधन का इस्तेमाल करते हैं। ये एक दूसरे के साथ मिलकर complicated tasks को पूरा करते हैं, चाहे वो बड़े models हों या छोटे, diffusion models हों या auto regressive models। Nvidia ने Vera Rubin को इसी diverse workload को चलाने के लिए बनाया है।

AI के 3 तरह के Computer और Physical AI का भविष्य

Jensen Huang के मुताबिक, AI के लिए तीन तरह के computers ज़रूरी हैं, जो अलग-अलग काम करते हैं:

• AI model को train करना: ये वो computer है जो AI models को सीखने में मदद करता है।
• AI को evaluate करना: ये computer physical world को simulate करता है। जैसे, robots और self-driving cars को virtual gym में test किया जाता है, जो physics के laws को obey करता है। Nvidia इसे Omniverse कहता है।
• Edge Robotics: ये वो computer है जो सीधे devices में लगा होता है। जैसे self-driving cars, robots या फिर छोटे teddy bears में भी।

सबसे ज़रूरी बात ये है कि telecommunications base stations को भी AI infrastructure का हिस्सा बनाया जा रहा है। ये $2 trillion की industry है, और Jensen Huang का मानना है कि समय के साथ ये पूरी तरह से AI infrastructure का extension बन जाएगी। Radios भी edge devices बन जाएंगे, और factories, warehouses — हर जगह AI का इस्तेमाल होगा।

Physical AI एक बहुत बड़ा category है। Jensen Huang का मानना है कि ये एक $50 trillion की industry है, जहाँ technology का इस्तेमाल पहले ज़्यादा नहीं होता था। Nvidia पिछले 10 साल से इस पर काम कर रहा है और अब ये उनके लिए multi-billion dollar business बन गया है, जो तेज़ी से बढ़ रहा है।

और सुनो, Digital Biology भी अपने ChatGPT moment के करीब है। हम बहुत जल्द genes, proteins, cells और chemicals को पूरी तरह से समझने वाले हैं। Jensen Huang का मानना है कि अगले 5 सालों में healthcare industry में digital biology का बहुत बड़ा impact होगा। ये सब कुछ हमारे आसपास ही हो रहा है, चाहे वो agriculture हो या कोई और field।

Open-Source Agents (Open Claw) और Personal AI Computer

पिछले दो सालों में AI में तीन बड़े inflection points आए हैं, जिन्होंने computing को पूरी तरह से बदल दिया है:

• Generative AI (ChatGPT): इसने AI को आम लोगों तक पहुँचाया और सबको बताया कि AI क्या कर सकता है। इससे पहले technology थी, लेकिन user interface नहीं था।
• Reasoning (GPT-4): AI अब सिर्फ सवालों के जवाब नहीं देता, बल्कि ज़्यादा grounded और useful तरीके से जवाब देता है। इससे OpenAI का economic model भी बदलना शुरू हुआ।
• Agentic Systems (Claw Code, Open Claw): Claw Code पहले सिर्फ enterprises के लिए था, लेकिन Open Claw ने AI agents की power को आम लोगों तक पहुँचाया।

Open Claw एक नया computing model है। इसके पास एक memory system (short-term memory), resources, scheduling, IO subsystems और APIs (skills) हैं। Jensen Huang का कहना है कि ये चार elements मिलकर पहली बार एक Personal Artificial Intelligence Computer बनाते हैं। ये open source है और हर जगह चल सकता है – मतलब ये modern computing का blueprint है।

लेकिन agentic software sensitive information access कर सकता है, code execute कर सकता है और बाहर से communicate भी कर सकता है। इसलिए security और governance बहुत ज़रूरी है। Nvidia इस पर काम कर रहा है ताकि हमारी privacy और security बनी रहे, और agents को सही तरीके से नियंत्रण किया जा सके।

AI का बढ़ता खर्च और Productivity का राज़

Jensen Huang ने बताया कि AI में computation बहुत तेज़ी से बढ़ा है। Generative से reasoning तक 100 गुना, और reasoning से agentic तक फिर 100 गुना। मतलब, सिर्फ दो सालों में computation 10,000 गुना बढ़ गया है! लोग information के लिए पैसा देते हैं, लेकिन काम करवाने के लिए ज़्यादा पैसा देते हैं। Agentic systems वही काम करते हैं – वे काम पूरा करते हैं।

Jensen Huang ने एक चौंकाने वाला दावा किया: एक $50 billion की AI factory, जो शायद महंगी लगे, असल में सबसे कम cost में tokens generate करती है। ऐसा इसलिए क्योंकि इसकी efficiency 10 गुना ज़्यादा है। उन्होंने ज़ोर देकर कहा कि अगर कोई engineer $500,000 सालाना कमाता है और साल में $5,000 से कम tokens इस्तेमाल करता है, तो ये चिंता की बात है। Jensen Huang के मुताबिक, एक engineer को कम से कम $250,000 worth के tokens consume करने चाहिए ताकि वो effective रहे। ये engineers को superhuman abilities देता है। जैसे LeBron James अपनी health पर लाखों खर्च करते हैं, वैसे ही knowledge workers को AI साधन पर खर्च करना चाहिए ताकि वे अपनी पूरी क्षमता का इस्तेमाल कर सकें।

AI Regulation पर बात करते हुए, Jensen Huang ने कहा कि हमें policy makers को inform करना चाहिए कि AI क्या है और क्या नहीं है। यह कोई biological being या alien नहीं है। हमें doomerism और extremism से बचना चाहिए। सबसे बड़ा खतरा ये है कि अगर हम डरते रहे, तो दूसरे देश AI को तेज़ी से अपना लेंगे और हमारी industries पीछे रह जाएंगी।

उन्होंने Anthropic का उदाहरण देते हुए कहा कि उनकी technology और safety ध्यान बहुत अच्छा है, लेकिन लोगों को डराने के बजाय 'warning' देना ज़्यादा अच्छा है। हम future को पूरी तरह से अंदाज़ा लगाना नहीं कर सकते, इसलिए हमें ज़्यादा moderate, balanced और thoughtful रहना चाहिए। हमारी बातें अब social fabric और national security के लिए बहुत अहम हैं, इसलिए हमें सोच-समझकर बोलना होगा।

आप क्या सोचते हो? क्या AI सच में Engineers को Superhuman शक्तियां देगा? टिप्पणी में बताओ! 🎧 Jensen Huang का full interview सुनने के लिए ऊपर Play button दबाओ! अगर ये जानकारी अच्छी लगी तो साझा करो ज़रूर करो।