🎙️ പുതിയ $500M റൗണ്ടിന് ശേഷം ElevenLabs $11B മൂല്യനിർണ്ണയത്തിലെത്തി ↗
"ഇത് ഗൗരവമായിക്കൊണ്ടിരിക്കുകയാണ്" എന്ന തലത്തിലേക്ക് ElevenLabs കടന്നു - $500M സമാഹരിച്ചു, $11B മൂല്യനിർണ്ണയം. പരസ്യമായി ചർച്ച ചെയ്ത അവസാന സംഖ്യയിൽ നിന്ന് ഇത് ഒരു കുത്തനെയുള്ള കുതിച്ചുചാട്ടമാണ്, കൂടാതെ നിക്ഷേപകർ ഇപ്പോഴും AI വോയ്സിനെ ഒരു പാർലർ തന്ത്രമായിട്ടല്ല, ഒരു പ്ലാറ്റ്ഫോമായി എത്രമാത്രം കാണുന്നുവെന്ന് ഇത് അടിവരയിടുന്നു.
പിച്ച്: കൂടുതൽ യാഥാർത്ഥ്യബോധമുള്ള സംസാരം, കൂടുതൽ ഭാഷകൾ, കൂടുതൽ "വൈകാരിക" സംഭാഷണ ശബ്ദം, കൂടുതൽ ഡബ്ബിംഗ് - അടിസ്ഥാനപരമായി ഒരു ടൺ മീഡിയ, ഏജന്റ് വർക്ക്ഫ്ലോകൾക്ക് കീഴിൽ ഇരിക്കുക എന്നതാണ് ലക്ഷ്യം... നല്ലതായാലും ചീത്തയായാലും.
🧠 AI ചിപ്പ് മത്സരത്തിൽ സെറിബ്രാസിന് $1 ബില്യൺ കൂടുതൽ ലഭിച്ചു, കൂടാതെ $23.1 ബില്യൺ മൂല്യനിർണ്ണയവും ലഭിച്ചു ↗
സെറിബ്രാസ് അവസാന ഘട്ട ഫണ്ടിംഗിൽ $1 ബില്യൺ നേടി, മൂല്യനിർണ്ണയം വളരെ ഉയർന്നതാണ്: $23.1 ബില്യൺ. "എൻവിഡിയയ്ക്ക് മാത്രം ഉത്തരം നൽകാൻ കഴിയില്ല" എന്ന് നിങ്ങൾ മാസങ്ങളായി കേൾക്കുന്നുണ്ടെങ്കിൽ, ചെക്ക്-റൈറ്റിംഗ് രൂപത്തിൽ ഇത് പോലെയാണ് തോന്നുന്നത്.
എല്ലാവരും കമ്പ്യൂട്ടിനായി പരിശ്രമിക്കുമ്പോൾ, വേഫർ-സ്കെയിൽ ഹാർഡ്വെയർ - പരിശീലനത്തിനും അനുമാനത്തിനുമുള്ള ഭീമൻ ചിപ്പുകൾ - ദീർഘകാല ഡിമാൻഡ് വർദ്ധിപ്പിച്ചുകൊണ്ടിരിക്കുമെന്ന് അവർ വാതുവയ്ക്കുന്നു. ഇത് ഭാഗികമായി വൈവിധ്യവൽക്കരണം, ഭാഗികമായി നിരാശ, ഭാഗികമായി "ദയവായി എന്റെ മുഴുവൻ റോഡ്മാപ്പും നിർണ്ണയിക്കാൻ GPU വിതരണം അനുവദിക്കരുത്" എന്നിവയാണ്.
💸 ആൽഫബെറ്റിന്റെ AI കാപെക്സ് പദ്ധതികൾ കണ്ണഞ്ചിപ്പിക്കുന്നതാണ് - തടസ്സം പണം മാത്രമല്ല ↗
ആൽഫബെറ്റ് അടിസ്ഥാന സൗകര്യങ്ങൾക്കായി ചിലവഴിക്കുന്ന പദ്ധതികൾ ആവിഷ്കരിച്ചു... വലിപ്പത്തിൽ അത് അസംബന്ധമാണ്. അന്തരീക്ഷം ഇതാണ്: കോൺക്രീറ്റ് ഒഴിക്കുന്നത് തുടരുക, ചിപ്പുകൾ വാങ്ങുന്നത് തുടരുക, ഡാറ്റാ സെന്ററുകൾ വികസിപ്പിക്കുന്നത് തുടരുക - കാരണം AI വൈബുകളിൽ പ്രവർത്തിക്കുന്നില്ല, പവറിലും സിലിക്കണിലും പ്രവർത്തിക്കുന്നു.
അൽപ്പം ആശ്വാസം നൽകുന്നതും ആശങ്കാജനകവുമായ ഒരു കാര്യമുണ്ട്: അത്രയും ബജറ്റ് ഉണ്ടായിരുന്നിട്ടും, വിതരണ പരിമിതികൾ ഇപ്പോഴും പ്രധാനമാണ്. പണം തീർച്ചയായും സഹായിക്കും - പക്ഷേ ട്രാൻസ്ഫോർമറുകൾ, ഗ്രിഡ് ശേഷി, അല്ലെങ്കിൽ ആയിരക്കണക്കിന് പുതിയ ഡാറ്റാ സെന്റർ ബിൽഡുകൾ എന്നിവ വായുവിൽ നിന്ന് ഉടനടി സങ്കൽപ്പിക്കാൻ നിങ്ങൾക്ക് കഴിയില്ല.
🎓 "ലേൺ-ഓൺ-ദി-ഫ്ലൈ" മോഡലുകൾ നിർമ്മിക്കുന്നതിനായി സാറാ ഹുക്കറുടെ അഡാപ്ഷൻ ലാബ്സ് 50 മില്യൺ ഡോളർ നിക്ഷേപം സമ്പാദിക്കുന്നു ↗
ചെറുതും മികച്ചതുമായ മോഡലുകൾ വേഗത്തിൽ പൊരുത്തപ്പെടുന്നതിനാൽ യഥാർത്ഥ സാഹചര്യങ്ങളിൽ വലിയ തോതിൽ വിജയിക്കാൻ കഴിയുമെന്ന ആശയത്തിൽ നിന്നാണ് അഡാപ്റ്റേഷൻ ലാബ്സ് $50 മില്യൺ സീഡ് റൗണ്ടുമായി രംഗത്തെത്തിയത്.
അടിസ്ഥാനപരമായ പന്തയം മൂർച്ചയുള്ളതാണ്: എന്നെന്നേക്കുമായി വലിയ പ്രീ-ട്രെയിനിംഗിന് പകരം, കാര്യക്ഷമമായി പഠനം തുടരുന്ന സിസ്റ്റങ്ങളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുക. ഇത് ഒന്നുകിൽ അടുത്ത യുക്തിസഹമായ ഘട്ടമാണ്... അല്ലെങ്കിൽ നിങ്ങളുടെ മാനസികാവസ്ഥയെ ആശ്രയിച്ച് GPU ആയുധ മത്സരത്തിന് ചുറ്റും ചുവടുവെക്കാനുള്ള ധീരമായ ശ്രമമാണ്.
🧾 മൈക്രോസോഫ്റ്റിന്റെ ഓപ്പൺഎഐ കമ്പ്യൂട്ട് ഡീൽ നിക്ഷേപകർക്ക് ഒരു അപകടസാധ്യതയുള്ള കഥയായി മാറുകയാണ് ↗
ബ്ലൂംബെർഗിന്റെ അഭിപ്രായം: മൈക്രോസോഫ്റ്റിന്റെ ഓപ്പൺഎഐയുമായുള്ള ബന്ധത്തെ നിക്ഷേപകർ ഒരു ഉറപ്പുള്ള ജാക്ക്പോട്ടായിട്ടല്ല, മറിച്ച് ഒരു അപകടസാധ്യതയുള്ള പ്രതലമായി ചിത്രീകരിക്കാൻ തുടങ്ങിയിരിക്കുന്നു - ചെലവുകൾ, ബാധ്യതകൾ, ഭരണം, മുഴുവൻ കുഴപ്പത്തിലായ ബണ്ടിൽ.
ഇത് "പങ്കാളിത്തം മോശമാണ്" എന്നല്ല, കൃത്യമായി പറഞ്ഞാൽ - ബില്ലുകൾ ആവശ്യത്തിന് വലുതാകുമ്പോൾ, ഒരു തന്ത്രപരമായ നേട്ടം പോലും ഒരു ബാധ്യതയായി മാറാൻ തുടങ്ങുന്നതുപോലെയാണ് ഇത്. നിങ്ങളുടെ വീട് തിന്നുകൊണ്ട് തുടർച്ചയായി വിജയിക്കുന്ന ഒരു റേസ് കുതിരയെ സ്വന്തമാക്കുന്നത് പോലെ.
📜 EU AI ആക്റ്റ് മൊമെന്റം - AI-ജനറേറ്റഡ് ഉള്ളടക്ക പ്രതലങ്ങൾക്കായുള്ള ഒരു കരട് സുതാര്യതാ കോഡ് ↗
AI-സൃഷ്ടിച്ചതോ കൃത്രിമമായി നിർമ്മിച്ചതോ ആയ ഉള്ളടക്കത്തിനായുള്ള സുതാര്യതയെക്കുറിച്ചുള്ള ഒരു കരട് പ്രാക്ടീസ് കോഡ് ചർച്ചയിൽ മുഴുകിയിരിക്കുന്നു, AI ഔട്ട്പുട്ട് എങ്ങനെ ലേബൽ ചെയ്യണം, കൈകാര്യം ചെയ്യണം എന്നതുമായി ഇത് ബന്ധപ്പെട്ടിരിക്കുന്നു. ഏറ്റവും ആകർഷകമായ തലക്കെട്ടല്ല, പക്ഷേ ഉൽപ്പന്ന തീരുമാനങ്ങൾ വേഗത്തിൽ രൂപപ്പെടുത്തുന്ന ഒരുതരം "പേപ്പർ വർക്ക് ലെയർ" ആണ് ഇത്.
നിങ്ങൾ ജനറേറ്റീവ് കാര്യങ്ങൾ നിർമ്മിക്കുകയോ വിന്യസിക്കുകയോ ചെയ്താൽ, ഇത് നിങ്ങളെ കൂടുതൽ വാട്ടർമാർക്കിംഗ്/ലേബലിംഗ് അച്ചടക്കത്തിലേക്ക് നയിക്കും - വെള്ളിയാഴ്ച ആരും ആഗ്രഹിക്കുന്നതിലും കൂടുതൽ ഓഡിറ്റിംഗും ഡോക്യുമെന്റേഷനും ഉണ്ടായിരിക്കും. (പക്ഷേ... അതെ, അത് വരുന്നു.)
പതിവുചോദ്യങ്ങൾ
AI വോയ്സ് എവിടേക്കാണ് പോകുന്നതെന്ന് ElevenLabs-ന്റെ $11B മൂല്യനിർണ്ണയം എന്താണ് പറയുന്നത്?
മീഡിയ, ഏജന്റ്-സ്റ്റൈൽ ഉൽപ്പന്നങ്ങൾക്കായുള്ള ഒരു പ്രധാന അടിസ്ഥാന സൗകര്യമായിട്ടാണ് നിക്ഷേപകർ AI വോയ്സിനെ കാണുന്നത്, ഒരു പുതുമയുള്ള സവിശേഷതയായിട്ടല്ല എന്നാണ് ഇത് സൂചിപ്പിക്കുന്നത്. ഡബ്ബിംഗിലേക്കും സംഭാഷണ വർക്ക്ഫ്ലോകളിലേക്കും വൃത്തിയായി സ്ലോട്ട് ചെയ്യുന്ന റിയലിസ്റ്റിക്, ബഹുഭാഷാ, വൈകാരികമായി പ്രകടിപ്പിക്കുന്ന സംഭാഷണത്തിലാണ് ഊന്നൽ നൽകുന്നത്. പല പൈപ്പ്ലൈനുകളിലും, ഒറ്റത്തവണ ഡെമോ ശേഷിക്ക് പകരം, ആപ്പുകളിലുടനീളം വോയ്സിനെ പുനരുപയോഗിക്കാവുന്ന ഒരു ലെയറായി ഇത് മാറുന്നു.
ഇലവൻ ലാബ്സ്, സെറിബ്രാസ് തുടങ്ങിയ AI ഫണ്ടിംഗ് കുതിച്ചുചാട്ടങ്ങളെക്കുറിച്ച് പ്രായോഗികമായി ഞാൻ എങ്ങനെ ചിന്തിക്കണം?
കമ്പ്യൂട്ട്, ഡാറ്റ, വിതരണം എന്നിവയ്ക്കായി വൻതോതിലുള്ളതും സുസ്ഥിരവുമായ ചെലവുകൾ വിപണി പ്രതീക്ഷിക്കുന്നുവെന്ന് വലിയ തോതിലുള്ള ചർച്ചകൾ സൂചിപ്പിക്കുന്നു. നിർമ്മാതാക്കളെ സംബന്ധിച്ചിടത്തോളം, വിലയിലും പ്രകടനത്തിലും മൂർച്ചയുള്ള മത്സരം വർദ്ധിക്കുന്നതിനൊപ്പം, നല്ല ഫണ്ടുള്ള വെണ്ടർമാരിൽ നിന്നുള്ള വേഗത്തിലുള്ള ഉൽപ്പന്ന ആവർത്തനമായി ഇത് പലപ്പോഴും മാറുന്നു. "പ്ലാറ്റ്ഫോം" വിഭാഗങ്ങൾ - വോയ്സ്, ചിപ്പുകൾ, ഇൻഫ്രാസ്ട്രക്ചർ - പ്രതിരോധാത്മക സ്ഥാനങ്ങൾ നിർമ്മിക്കപ്പെടുന്ന സ്ഥലങ്ങളാണെന്നും ഇത് സൂചിപ്പിക്കാം.
സെറിബ്രാസിന്റെ വേഫർ-സ്കെയിൽ സമീപനം എന്താണ്, എന്തുകൊണ്ടാണ് ആളുകൾ ഇപ്പോൾ അതിൽ വാതുവെപ്പ് നടത്തുന്നത്?
കമ്പ്യൂട്ട് ഡിമാൻഡ് നിറവേറ്റുന്നതിനുള്ള ഒരു ബദൽ മാർഗമായി പരിശീലനത്തിനും അനുമാനത്തിനുമായി സെറിബ്രാസ് ഭീമൻ, വേഫർ-സ്കെയിൽ ചിപ്പുകൾ സ്ഥാപിക്കുന്നു. ടീമുകൾ ഒരൊറ്റ പ്രബലമായ GPU വിതരണ ശൃംഖലയ്ക്ക് അപ്പുറം ഓപ്ഷനുകൾക്കായി തിരയുമ്പോൾ, പ്രത്യേക ഹാർഡ്വെയറിന് ഈടുനിൽക്കുന്ന ഇടങ്ങൾ സൃഷ്ടിക്കാൻ കഴിയുമെന്നതാണ് വാതുവെപ്പ്. പ്രായോഗികമായി, ഇത് ഭാഗികമായി വൈവിധ്യവൽക്കരണ തന്ത്രവും ഭാഗികമായി വിശ്വസനീയമായ ശേഷി ഉറപ്പാക്കാനുള്ള അടിയന്തിരതയും ആണ്.
എന്തുകൊണ്ടാണ് ആൽഫബെറ്റിന് AI ഇൻഫ്രാസ്ട്രക്ചറിൽ വൻതോതിൽ ചെലവഴിക്കാൻ കഴിയുന്നത്, എന്നിട്ടും വിതരണ തടസ്സങ്ങൾ നേരിടേണ്ടിവരുന്നത്?
കാരണം AI സ്കെയിലിംഗ് ബജറ്റ് മാത്രമല്ല, ഭൗതിക തടസ്സങ്ങളാലും പരിമിതപ്പെടുത്തിയിരിക്കുന്നു. വൈദ്യുതി ലഭ്യത, ഡാറ്റാ സെന്റർ ബിൽഡ്-ഔട്ടുകൾ, ചിപ്പുകളിലേക്കും ഘടകങ്ങളിലേക്കുമുള്ള ആക്സസ് എന്നിവ വികസിപ്പിക്കാൻ സമയമെടുക്കും. ആക്രമണാത്മകമായ മൂലധനം ഉപയോഗിച്ചാലും, നിങ്ങൾക്ക് ഗ്രിഡ് ശേഷി തൽക്ഷണം ചേർക്കാനോ ഹാർഡ്വെയറിന്റെയും നിർമ്മാണ പൈപ്പ്ലൈനിന്റെയും എല്ലാ ഭാഗങ്ങളും ഒരേസമയം ത്വരിതപ്പെടുത്താനോ കഴിയില്ല.
"ലേൺ-ഓൺ-ദി-ഫ്ലൈ" മോഡലുകൾ എന്തൊക്കെയാണ്, മുൻകൂട്ടി പരിശീലിപ്പിച്ച വലിയ മോഡലുകളെ അവ എപ്പോൾ വെല്ലും?
വിപുലമായ പ്രീ-ട്രെയിനിംഗിനെ മാത്രം ആശ്രയിക്കുന്നതിനുപകരം, വിന്യാസത്തിനുശേഷം കാര്യക്ഷമമായി പൊരുത്തപ്പെടാൻ രൂപകൽപ്പന ചെയ്തിരിക്കുന്ന സിസ്റ്റങ്ങളാണ് അവ. പല പ്രൊഡക്ഷൻ ക്രമീകരണങ്ങളിലും, വേഗത്തിലുള്ള പൊരുത്തപ്പെടുത്തലിന് അസംസ്കൃത സ്കെയിലിനേക്കാൾ പ്രാധാന്യമുണ്ട്, പ്രത്യേകിച്ച് ഡാറ്റ ഷിഫ്റ്റുകളോ വർക്ക്ഫ്ലോകളോ മാറുമ്പോൾ. മോഡലുകൾ ചെറുതായി നിലനിർത്തുകയും ഉൽപ്പാദനത്തിൽ പഠനം അല്ലെങ്കിൽ അപ്ഡേറ്റ് കൂടുതൽ കാര്യക്ഷമമാക്കുകയും ചെയ്യുക എന്നതാണ് ഒരു പൊതു സമീപനം.
EU AI ആക്റ്റ് സുതാര്യത ശ്രമങ്ങൾ ജനറേറ്റീവ് ഉള്ളടക്കം ഷിപ്പ് ചെയ്യുന്ന ടീമുകളെ എങ്ങനെ ബാധിക്കുന്നു?
AI- ജനറേറ്റ് ചെയ്തതോ കൃത്രിമമായി നിർമ്മിച്ചതോ ആയ ഔട്ട്പുട്ടുകൾ കൂടുതൽ വ്യക്തമായ ലേബലിംഗിലേക്കും കൈകാര്യം ചെയ്യലിലേക്കും അവർ ഉൽപ്പന്നങ്ങളെ തള്ളിവിടുന്നു. പല സ്ഥാപനങ്ങളിലും, ഇത് കൂടുതൽ വാട്ടർമാർക്കിംഗ് അല്ലെങ്കിൽ വെളിപ്പെടുത്തൽ അച്ചടക്കത്തിലേക്കും ശക്തമായ ഡോക്യുമെന്റേഷനും ഓഡിറ്റിംഗ് രീതികളിലേക്കും നയിക്കുന്നു. നിങ്ങൾ ജനറേറ്റീവ് മീഡിയ വിന്യസിക്കുകയാണെങ്കിൽ, ഉറവിടം ട്രാക്ക് ചെയ്യുന്നതിനും ഭാരം കുറഞ്ഞ കംപ്ലയൻസ് വർക്ക്ഫ്ലോകൾ നേരത്തെ നിർമ്മിക്കുന്നതിനും ആസൂത്രണം ചെയ്യുന്നത് ബുദ്ധിപരമാണ്.