11 நவம்பர் 2026 · தொழில்நுட்பம் · விளக்கக் கட்டுரை

(GeForce) முதல் செயற்கை நுண்ணறிவு வரை: (CUDA) தொடர்பில் (NVIDIA) எடுத்த முடிவு ஏன் ஒரு நிறுவனத்தின் எதிர்காலத்தையே மாற்றியது?

(CUDA) மற்றும் (GeForce) கணினித் தள வளர்ச்சி

அறிமுகம்: இன்றைய இலாபத்தை விட்டுக்கொடுத்து நாளைய கணினி உலகத்தை உருவாக்க முடியுமா?

ஒரு நிறுவனம் தன்னுடைய வாடிக்கையாளர்கள் உடனடியாகக் கேட்காத வசதிக்காகப் பெருந்தொகையைச் செலவிடுகின்றது. அந்த வசதியைச் சேர்ப்பதால் உற்பத்திச் செலவு அதிகரிக்கின்றது. ஆனால் வாடிக்கையாளர்கள் அதற்காக மேலதிகப் பணம் கொடுக்கத் தயாராக இல்லை. இருந்தும் அந்த நிறுவனம் பின்வாங்கவில்லை. ஏனெனில், அது ஒரு புதிய பொருளை மட்டும் விற்க நினைக்கவில்லை; எதிர்காலத்தில் ஏனையோர் தமது படைப்புக்களை உருவாக்கக்கூடிய கணினித் தளத்தை அமைக்க நினைத்தது.

(CUDA) வசதியை (GeForce) வரைகலைச் செயலிகளில் (GPU) கொண்டுவந்தபோது (NVIDIA) எடுத்த முடிவின் அடிப்படை இதுவே. ஜென்சன் ஹுவாங் (Jensen Huang) அவர்கள் விளக்கியபடி, இந்த முடிவு நிறுவனத்திற்கு உடனடியான வெற்றியைக் கொடுக்கவில்லை. அதற்குப் பதிலாகச் செலவையும், இலாப அழுத்தத்தையும், நீண்டகாலக் காத்திருப்பையும் ஏற்படுத்தியது. ஆனால் பின்னர் அதுவே ஆழ்கற்றல் (Deep Learning) வளர்ச்சிக்கான அடித்தளங்களில் ஒன்றாக அமைந்தது.

1. குறுகிய பணிக்கான வேகமூட்டியிலிருந்து பரந்த கணினித் தளத்திற்கு

தொடக்கத்தில் (NVIDIA) ஒரு குறிப்பிட்ட பணியை வேகமாகச் செய்யும் நிறுவனம். அந்தச் சிறப்புத் திறன் அதற்கு வலிமையைக் கொடுத்தது. அதேவேளை, ஒரு குறுகிய சந்தையை மட்டும் நம்பியிருப்பது அதன் ஆராய்ச்சி மற்றும் அபிவிருத்தித் திறனுக்கும் (Research and Development) வரம்பாக அமையக்கூடும்.

இங்கு ஒரு முரண்பாடு இருந்தது. மிகவும் சிறப்புப் பணிக்கேற்ற வகையில் அமைந்தால், பரந்த கணினிப் பணிகளைச் செய்வது கடினமாகலாம். எல்லாவற்றையும் செய்ய முயன்றால், ஆரம்பத்தில் இருந்த சிறப்புத் திறனை இழக்கலாம். இந்த இரண்டிற்கும் இடையில் படிப்படியாகச் செல்லவேண்டும் என்பதே ஹுவாங் அவர்களின் அணுகுமுறையாக இருந்தது.

அதன் முதலாவது படியாக நிரலிடக்கூடிய படப்புள்ளி நிழலாக்கி (Programmable Pixel Shader) அமைந்ததாக அவர் விளக்குகின்றார். அடுத்ததாக, நிழலாக்கிகளில் (Shaders) தரநிலைக்கு ஏற்ற முப்பத்திரண்டு-பிட் மிதவை எண் கணக்கீடு (IEEE-compatible FP32) கொண்டுவரப்பட்டது. இதனால் வரைகலைக்காக உருவாக்கப்பட்ட செயலியை வேறு கணக்கீடுகளுக்கும் பயன்படுத்த முடியுமா என்ற கேள்வி ஆராய்ச்சியாளர்களிடம் எழுந்தது.

பின்னர் (C) நிரலாக்க மொழியை அடிப்படையாகக் கொண்ட (Cg) வழி வந்தது. அந்தப் பயணம் இறுதியில் (CUDA) நோக்கிச் சென்றது. ஆகவே, இது ஒரே நாளில் உருவான மந்திரத் தீர்வு அல்ல. ஒரு தொழில்நுட்பத் திறனை அடுத்த திறனுடன் இணைத்த தொடர்ச்சியான பயணம்.

2. (CUDA) உருவாக்கப்பட்டதைக் காட்டிலும் அதனை எங்கே கொண்டுசென்றார்கள் என்பது முக்கியம்

ஒரு சிறந்த தொழில்நுட்பத்தை உருவாக்கிவிட்டால் மட்டும் மக்கள் அதைப் பயன்படுத்தத் தொடங்கிவிடமாட்டார்கள். அதற்காக நிரல்களை எழுதுபவர்கள் (Developers) தேவை. அவர்கள் எழுதும் நிரல்களைப் பயன்படுத்தக்கூடிய பெருமளவு மக்களும் தேவை.

ஒரு கணினித் தளத்தின் (Computing Platform) வலிமை அதன் வடிவமைப்பின் அழகில் மட்டும் இல்லை; ஏற்கெனவே அது எத்தனை பேரிடம் இருக்கின்றது என்பதிலும் உள்ளது. ஹுவாங் அவர்கள் இதனை நிறுவப்பட்ட பயன்பாட்டுத் தொகுதியின் (Installed Base) முக்கியத்துவமாக விளக்குகின்றார்.

அவர் எடுத்துக்காட்டும் (x86) கட்டமைப்பு பல விமர்சனங்களுக்கு உள்ளானபோதும் பரந்த பயன்பாட்டின் பலத்தால் நிலைத்தது. அதேநேரத்தில், நேர்த்தியாக வடிவமைக்கப்பட்ட சில குறைக்கப்பட்ட கட்டளைத் தொகுதிக் கட்டமைப்புக்கள் (RISC Architectures) எதிர்பார்த்த வெற்றியைப் பெறவில்லை என அவர் குறிப்பிடுகின்றார். எல்லா (RISC) வடிவமைப்புக்களும் தோல்வியடைந்தன என்பது இதன் பொருளல்ல. தொழில்நுட்ப நேர்த்தி மட்டும் ஒரு தளத்தின் வெற்றியை உறுதிசெய்யாது என்பதே இங்கு முக்கியமான கருத்து.

அந்த நேரத்தில் (GeForce) ஏற்கெனவே ஆண்டுக்கு மில்லியன் கணக்கில் விற்பனையாகிக்கொண்டிருந்தது. எனவே, புதிய கணினித் திறனை மக்களிடம் கொண்டுசெல்ல (NVIDIA) நிறுவனத்திடம் ஒரு தயாரான வழி இருந்தது.

3. ஒவ்வொரு (GeForce) செயலியிலும் (CUDA): பயனாளர்கள் கேட்பதற்கு முன்பே அமைக்கப்பட்ட அடித்தளம்

(CUDA) வசதியைச் சில உயர்விலை ஆராய்ச்சி இயந்திரங்களில் மட்டும் வைத்திருக்கலாம். ஆனால் அப்படிச் செய்திருந்தால் அதை அணுகக்கூடியவர்களின் எண்ணிக்கை குறைவாகவே இருந்திருக்கும்.

அதற்குப் பதிலாக, (GeForce) மூலம் பரவலாகக் கிடைக்கும் தனிப்பட்ட கணினிகளுக்குள் (PC) அந்தத் திறனைக் கொண்டுசெல்ல நிறுவனம் முடிவெடுத்தது. விளையாட்டுக்காக வாங்கிய பொருளில் ஆராய்ச்சிக்கான வாய்ப்பும் இருந்தது. ஒரு மாணவர், பல்கலைக்கழக ஆய்வகம் அல்லது தனியாகக் கணினியை அமைக்கும் ஆராய்ச்சியாளர், தம்மிடம் உள்ள கருவியிலேயே புதிய கணக்கீடுகளை முயற்சிக்கக்கூடிய நிலை உருவானது.

இதனை ஒவ்வொரு கணினியிலும் (CUDA) இயங்கியது என்று பொருள்கொள்ளக்கூடாது. (GeForce) பயன்பாட்டுத் தொகுதியை ஒரு தொடக்க அடித்தளமாகக் கொண்டு, அந்தத் திறனை அதிகமானோருக்கு அணுகக்கூடியதாக மாற்றினார்கள் என்பதே கருத்து.

கருவியை வழங்கியதுடன் நிற்காமல், பல்கலைக்கழகங்களுக்குச் சென்று கற்பித்தல், நூல்கள் எழுதுதல், வகுப்புக்கள் நடத்துதல் ஆகிய முயற்சிகளும் நடந்ததாக ஹுவாங் அவர்கள் கூறுகின்றார். ஒரு தளத்தை உருவாக்குவது அதன் பொருளை விற்பதுடன் முடிவதில்லை; அதனைப் பயன்படுத்தக்கூடிய அறிவையும் சமூகத்தையும் உருவாக்கவேண்டும்.

4. உடனடி விலை: அதிகரித்த செலவும் நெருக்கடிக்குள்ளான இலாபமும்

இந்த முடிவின் பொருளாதாரப் பாரம் சிறியதல்ல. (CUDA) திறனைச் சேர்ப்பதால் அந்தச் செயலியின் செலவு சுமார் 50 சதவீதம் அதிகரித்ததாகவும், அப்போது நிறுவனம் சுமார் 35 சதவீத மொத்த இலாப விகிதத்துடன் (Gross Margin) இயங்கியதாகவும் ஹுவாங் அவர்கள் நினைவுகூருகின்றார்.

விளையாட்டுப் பயனாளர்கள் தாங்கள் பயன்படுத்தாத கணக்கீட்டுத் திறனுக்காக மேலதிக விலையைச் செலுத்தமாட்டார்கள். எனவே, நிறுவனம் செலவை ஏற்றுக்கொள்ளவேண்டியிருந்தது. அது நிறுவனத்தின் மொத்த இலாபத் தொகையை (Gross Profit Dollars) முழுமையாக விழுங்கும் அளவிற்கு இருந்ததாக அவர் விவரிக்கின்றார்.

இந்த இரண்டு சதவீதங்களையும் நேரடியாகக் கழித்து நிறுவனத்தின் நிதிநிலையை முடிவுசெய்ய முடியாது. ஒன்றின் அடிப்படை உற்பத்திச் செலவு; மற்றொன்றின் அடிப்படை வருவாயிலிருந்து கணக்கிடப்படும் இலாப விகிதம். அவர் வலியுறுத்துவது எளிய கணக்கு அல்ல; அன்றைய வருமானத்தை நாளைய தளத்திற்காகத் தியாகம் செய்யவேண்டியிருந்த கடினமான நிலை.

நிறுவனத்தின் பங்குச் சந்தை மதிப்பு (Market Capitalisation) அப்போது சுமார் ஆறு முதல் எட்டு பில்லியன் அமெரிக்க டொலர் அளவில் இருந்ததாகவும், பின்னர் சுமார் ஒன்றரை பில்லியன் அமெரிக்க டொலர் வரை குறைந்ததாகவும் அவர் தோராயமாகக் கூறுகின்றார். இவை அவரது நினைவுக் கணிப்புக்கள். அந்த மாற்றம் முழுவதற்கும் ஒரே காரணம் (CUDA) மட்டுமே என்று இதிலிருந்து முடிவுசெய்யக்கூடாது.

இருப்பினும், எதிர்பார்த்த பலன் கிடைக்கச் சுமார் ஒரு தசாப்தம் எடுத்ததாக அவர் கூறும் கருத்து முக்கியமானது. இந்தத் தீர்மானம் அடுத்த காலாண்டின் வருமானத்திற்காக எடுக்கப்பட்டதல்ல.

5. ஏன் இந்த முடிவு ஆழ்கற்றலுக்கான அடித்தளமானது?

புதிய ஆராய்ச்சிக்கு ஒரு சிக்கலான தடையாக இருப்பது கருவிகளை அணுகுவதற்கான செலவும் சிரமமும். ஏற்கெனவே பலரிடம் இருக்கும் கருவியில் புதிய முயற்சியை ஆரம்பிக்க முடிந்தால், அந்தத் தடையின் ஒரு பகுதி குறைகின்றது.

(GeForce) வழியாகப் பரவிய (CUDA), ஆராய்ச்சியாளர்கள் ஒரே மாதிரியான நிரலாக்கச் சூழலில் (Programming Environment) முயற்சிக்க உதவும் அடித்தளத்தை அமைத்தது. அதில் உருவான அறிவு, நிரல்கள், அனுபவம் ஆகியவை அடுத்த முயற்சிகளுக்கும் பயன்பட்டன.

ஆழ்கற்றல் (Deep Learning) வளர்ந்தபோது, அதற்குத் தேவையான பெருமளவிலான இணைநிலைக் கணக்கீடுகளுக்கு (Parallel Computing) ஏற்ற கருவிகளும் அவற்றைப் பயன்படுத்த அறிந்தவர்களும் ஏற்கெனவே உருவாகியிருந்தனர். இதுவே முக்கியமான முன்னிலை.

ஆழ்கற்றலின் முழு வரலாறும் ஒரு நிறுவனத்தையோ ஒரு கருவியையோ மட்டும் சார்ந்ததல்ல. ஆனால் அதற்குத் தேவையான கணக்கீட்டுத் தளம் பரவலாகக் கிடைக்கச் செய்ததில் இந்த முடிவிற்கு முக்கிய இடம் உண்டு. அதனால்தான், (NVIDIA) என்பது (GeForce) கட்டிய வீடு என்ற கருத்தை ஹுவாங் அவர்கள் வலியுறுத்துகின்றார்.

6. தொழில்நுட்ப முடிவிற்கு முன்னால் உருவாக்கப்பட்ட நம்பிக்கை

ஒரு தலைவரின் மனதில் எதிர்காலம் தெளிவாக இருக்கலாம். ஆனால் அதனை இயக்குநர் சபை, நிர்வாகிகள், பணியாளர்கள், வாடிக்கையாளர்கள், பங்காளிகள் ஆகியோர் ஏற்றுக்கொள்ளாவிட்டால் அந்தத் தெளிவு மட்டும் போதாது.

ஹுவாங் அவர்கள் தமது அணுகுமுறையைப் படிப்படியான காரணவிளக்கமாகச் சொல்கின்றார். புதிய தகவல், ஆராய்ச்சி முன்னேற்றம், பொறியியல் சாதனை ஆகியவை கிடைக்கும்போதெல்லாம் அவை எதிர்காலத் திசையுடன் எவ்வாறு தொடர்புபடுகின்றன என்பதைச் சுற்றியுள்ளவர்களுக்கு விளக்குகின்றார்.

பெரிய முடிவை அறிவிக்கும் நாளில் எல்லோருக்கும் அது திடீர் அதிர்ச்சியாக இருக்கக்கூடாது. மாறாக, இவ்வளவு காலம் ஏன் எடுத்தது என்று அவர்கள் நினைக்கும் அளவிற்கு அதன் அடித்தளம் முன்பே அமைக்கப்பட்டிருக்கவேண்டும் என்பதே அவரது எண்ணம்.

(CUDA) முடிவின் பின்னாலும் இத்தகைய நீண்டகால நம்பிக்கையும் பொறுமையும் இருந்தன. தொழில்நுட்பப் பாதையைத் தேர்ந்தெடுப்பதுடன், அதன் செலவைச் சுமக்கும் நிறுவனத்தையும் அந்தப் பயணத்திற்கு ஆயத்தப்படுத்தவேண்டியிருந்தது.

7. ஒரு பொருள் அல்ல, பங்காளிகள் உருவாக்கக்கூடிய ஒரு தளம்

(NVIDIA) தன்னை ஒரு கணினித் தள நிறுவனம் (Platform Company) எனக் காணும் அணுகுமுறையும் இங்கு முக்கியமானது. தன்னுடைய ஒவ்வொரு அடுக்கிலும் ஏனைய நிறுவனங்கள் பங்களிக்கவும் இணைந்து உருவாக்கவும் இடமளிப்பதே அந்த அணுகுமுறையின் மையம்.

இதன் பொருள் அதன் எல்லா நிரல்களும் திறந்த மூலமாக (Open Source) வழங்கப்படுகின்றன என்பதல்ல. பங்காளிகள் இணைந்து உருவாக்குவதற்கான வாய்ப்புக்கும், மூலநிரலைப் பொதுவாகத் திறந்துவைப்பதற்கும் வேறுபாடு உண்டு.

ஒரு நல்ல தளம், அதை உருவாக்கிய நிறுவனத்தினால் மட்டும் வளர்வதில்லை. அதன் மீது ஆராய்ச்சியாளர்கள், நிரலாளர்கள், நிறுவனங்கள், கல்வி நிலையங்கள் உருவாக்கும் பயன்பாடுகளாலும் வளர்கின்றது. (CUDA) தொடர்பான முடிவு அந்த வளர்ச்சிக்கான கதவைத் திறந்தது.

8. இன்றைய பாடம்: ஒரு செயலியை மட்டும் வேகமாக்குவது போதாது

பெரிய அளவில் பகிர்ந்து செய்யப்படும் கணக்கீட்டுப் பணிகளில் (Distributed Workloads), ஒரு பகுதியை மட்டும் வேகமாக்கினால் முழு அமைப்பும் அதே அளவிற்கு வேகமடையாது. அம்டாலின் விதி (Amdahl's Law) இதனை விளக்குகின்றது.

ஒரு பணிக்கான நேரத்தில் பாதிப் பகுதியை மட்டுமே நாம் மேம்படுத்த முடியும் என்று வைத்துக்கொள்வோம். அந்தப் பாதியை எவ்வளவு வேகமாக்கினாலும், மாற்றப்படாத மீதிப் பாதி இருக்கும். மேம்படுத்தப்பட்ட பகுதி நேரமே எடுக்காத அளவிற்கு வேகமானாலும், முழுப் பணியின் வேகம் அதிகபட்சம் இரு மடங்காக மட்டுமே அமையும்.

அதனால்தான் வரைகலைச் செயலி (GPU), மத்திய செயலி (CPU), வலையமைப்பு (Networking), நினைவகம் (Memory), மின்வழங்கல் (Power), குளிரூட்டல் (Cooling) ஆகியவற்றை ஒன்றுடன் ஒன்று பொருந்தும் வகையில் வடிவமைக்கவேண்டும். இதனை மிக நெருக்கமான இணை வடிவமைப்பு (Extreme Co-design) என ஹுவாங் அவர்கள் விளக்குகின்றார்.

இங்கு ஆரம்பகால (CUDA) முடிவுடன் ஒரு தொடர்ச்சி தெரிகின்றது. தனித்த கருவியின் திறன் மட்டும் போதாது. அதனைப் பயன்படுத்தும் முழுச் சூழலும் சேர்ந்து வளரவேண்டும்.

முடிவுரை: எதிர்காலப் பயன்பாட்டை உருவாக்கிய தீர்மானம்

(CUDA) அறிமுகமானதன் முக்கியத்துவம் ஒரு புதிய நிரலாக்க வசதி வந்தது என்பதில் மட்டும் இல்லை. அந்த வசதியை ஏற்கெனவே பெருமளவில் விற்பனையாகிய (GeForce) உடன் இணைத்து, எதிர்காலத்தில் அதைப் பயன்படுத்தப்போகும் மக்களிடம் முன்கூட்டியே கொண்டுசென்றார்கள் என்பதில்தான் அதன் ஆழமான முக்கியத்துவம் இருக்கின்றது.

அன்றைய செலவை மட்டுமே பார்த்திருந்தால் இந்த முடிவு தவறாகத் தோன்றியிருக்கலாம். ஆனால் கணினித் தளத்தின் மதிப்பு, அதில் பிறர் உருவாக்கப்போகும் பயன்பாடுகளிலும் உள்ளது என்பதை (NVIDIA) உணர்ந்திருந்தது.

தொழில்நுட்பம், பரந்த பயன்பாடு, கல்வி, நிரலாளர் சமூகம், நிறுவனப் பொறுமை ஆகியவை ஒன்றாகச் சேர்ந்தபோது ஒரு புதிய வாய்ப்பு உருவானது. அந்த வாய்ப்பு பின்னர் செயற்கை நுண்ணறிவு (AI) உலகத்தின் வளர்ச்சியுடன் இணைந்தது. (CUDA) முடிவு நமக்குக் காட்டும் பாடம் இதுவே: நாளைய பெரிய மாற்றத்திற்கு, இன்றே பலர் கட்டியெழுப்பக்கூடிய அடித்தளம் தேவை.

By Keshavan Thiagaraja

தனிப்பட்ட செயற்கை நுண்ணறிவு மாதிரி உருவாக்குநர் (Private AI Model Developer) மற்றும் செயற்கை நுண்ணறிவுப் பாதுகாப்பு ஆலோசகர் (AI Security Consultant). சிறு, நடுத்தர மற்றும் பெரிய நிறுவனங்கள் பாதுகாப்பான செயற்கை நுண்ணறிவுத் தீர்வுகளை உருவாக்க உதவுகின்றவர். சிட்னி, அவுஸ்திரேலியா.

(B.Sc. Computer Science, Mathematics and Statistics)

(M.Sc. Information Technology)

(E-Commerce Professional)

மேலதிக ஆக்கங்களை வாசிக்க