Insights AI

Amazon चे $220 अब्जचे AI पायाभूत सुविधा धोरण: गरजेनुसार विकसित केलेल्या चिप्स, डेटा केंद्रांचे अर्थकारण आणि उद्योगांसाठी AI चा व्यापक विस्तार

पॉडकास्ट · ऐका (20 मि.)

$220B AI Bet: How AWS Custom Chips Cut Costs 40%

अनुक्रमणिका
  1. 1. भांडवली खर्चाचा पेच: अमर्याद मागणीच्या परिस्थितीत पायाभूत सुविधांचा विस्तार
  2. 2. डेटा केंद्रांच्या अर्थकारणाची कार्यपद्धती आणि सार्वजनिक वीजजाळ्याशी संबंधित तणाव
  3. 3. कृत्रिम बुद्धिमत्तेच्या मागणीची दोन टोकांवरील एकाग्रता आणि विशिष्ट सिलिकॉन चिप्सची भूमिका
  4. 4. स्वायत्त एजंटाधारित युगातील संघटनात्मक रचना आणि सायबरसुरक्षेची वास्तवस्थिती
  5. 5. भांडवल वाटप, धोरणात्मक भागीदारी आणि मुख्य उत्पादनांची पुनर्निर्मिती
  6. प्रमुख आकडे
  7. हे चित्र कशामुळे बदलेल
  8. संदर्भसूची

Amazon आपल्या जागतिक कृत्रिम बुद्धिमत्ता आणि क्लाउड संगणन पायाभूत सुविधांचा विस्तार करण्यासाठी 2026 मध्ये अभूतपूर्व $220B भांडवली खर्चाचे चक्र राबवत आहे. सातत्यपूर्ण मागणीमुळे 2026 पर्यंतची संगणन क्षमता पूर्णपणे विकली गेली आहे, 2027 मधील बहुतांश क्षमता विकली गेली आहे आणि 2028 मधील क्षमतेचाही मोठा भाग आधीच बांधील आहे; या पार्श्वभूमीवर कंपनी प्रचंड अल्पकालीन आर्थिक गुंतवणूक आणि दीर्घकालीन पायाभूत सुविधांमधून महसूल निर्मिती यांचा समतोल साधत आहे. सध्या उच्च अनुमान खर्चामुळे मर्यादित असलेल्या मुख्य उत्पादन कार्यभारांमध्ये उद्योगस्तरीय कृत्रिम बुद्धिमत्तेचा व्यापक अवलंब शक्य करण्यासाठी, Amazon विशिष्ट गरजांनुसार तयार केलेल्या सिलिकॉन चिप्स तैनात करत आहे, ज्यामध्ये Annapurna Labs ने विकसित केलेले Trainium प्रवेगक आणि Graviton केंद्रीय प्रक्रिया एकक [CPU] चिप्स समाविष्ट आहेत. अत्यंत सुटसुटीत, स्वायत्त एजंटाधारित सॉफ्टवेअर अभियांत्रिकी कार्यप्रवाहांकडे होत असलेल्या मूलभूत बदलासोबत ही भांडवल वाटप रणनीती संगणन खर्च दहापटीने कमी करण्याचे आणि उदयोन्मुख कृत्रिम बुद्धिमत्ता युगात पायाभूत नेतृत्व सुनिश्चित करण्याचे उद्दिष्ट ठेवते.

1. भांडवली खर्चाचा पेच: अमर्याद मागणीच्या परिस्थितीत पायाभूत सुविधांचा विस्तार

उद्योगांकडून कृत्रिम बुद्धिमत्तेसाठी होत असलेल्या सध्याच्या मागणीच्या प्रचंड प्रमाणामुळे क्लाउड पायाभूत सुविधांची उभारणी अभूतपूर्व पातळीवर पोहोचली आहे. Amazon ने 2026 साठी सुमारे $220B एकूण भांडवली खर्चाचा अंदाज व्यक्त केला आहे—म्हणजे दररोज अंदाजे $600M इतक्या विलक्षण वेगाने भांडवलाची गुंतवणूक. या भांडवली बांधिलकीनंतरही संपूर्ण क्लाउड परिसंस्थेत संगणन क्षमतेवर तीव्र मर्यादा कायम आहेत. Amazon Web Services [AWS] ची 2026 पर्यंतची क्षमता पूर्णपणे विकली गेली आहे, 2027 मधील बहुतांश क्षमता विकली गेली आहे आणि 2028 मधील क्षमतेचे मोठे वाटप आधीच निश्चित झाले आहे. या विस्तारासाठी आवश्यक प्रचंड आर्थिक व्याप्तीबाबत वित्तीय बाजार अधूनमधून साशंकता व्यक्त करत असले, तरी उद्योगस्तरीय संगणन पायाभूत सुविधा जागतिक व्यापार, बँकिंग, आरोग्यसेवा आणि सॉफ्टवेअर परिचालनांसाठी मूलभूत उपयुक्त सेवा बनल्या आहेत.

या वेगवान विस्तारामुळे तात्पुरत्या परिचालनात्मक आणि आर्थिक तडजोडी निर्माण होतात, ज्यांचे Amazon च्या महामारीदरम्यानच्या भौतिक जाळ्याच्या विस्ताराशी जवळचे साम्य आहे. 2020 आणि 2022 दरम्यान, Amazon ने आपल्या ऑर्डर पूर्तता जाळ्याची व्याप्ती—आधीच्या 25 वर्षांत उभारलेले भौतिक जाळे—केवळ 18 महिन्यांत दुप्पट केली. त्याचवेळी कंपनीने 20 महिन्यांत United Parcel Service [UPS] च्या प्रमाणाशी तुलनीय असे ग्राहकापर्यंतच्या अंतिम टप्प्यातील वाहतूक जाळे उभारले.

भौतिक किंवा डिजिटल पायाभूत सुविधा इतक्या प्रचंड वेगाने उभारल्या जातात, तेव्हा परिचालनातील अकार्यक्षमता अपरिहार्यपणे उद्भवतात. किरकोळ विक्री विभागात, वेगवान विस्तारामुळे सुरुवातीला सेवा पुरवण्याच्या खर्चावर तीव्र प्रतिकूल दबाव निर्माण झाला. ग्राहक अनुभवाशी तडजोड करण्याऐवजी किंवा संस्थात्मक संस्कृतीतील परिचालन मानके कमी करण्याऐवजी, Amazon ने संरचनात्मक अडथळे ओळखण्यासाठी अंतर्गत माहितीवर आधारित मोजमापे आणि वरिष्ठ व्यवस्थापनाच्या आढावा यंत्रणांचा उपयोग केला. यामुळे वाहतूक व वितरण पायाभूत सुविधांची संपूर्ण फेररचना करण्यात आली आणि एकसमान राष्ट्रीय ऑर्डर पूर्तता जाळ्याचे प्रादेशिक मॉडेलमध्ये रूपांतर झाले. प्रादेशिकीकरणामुळे साठा अंतिम ग्राहकांच्या अधिक जवळ ठेवता आला; त्यामुळे एकाचवेळी वाहतुकीचे अंतर कमी झाले, सेवा पुरवण्याचा परिचालन खर्च घटला आणि वितरणाचा वेग वाढला.

डिजिटल पायाभूत सुविधांमध्येही अशाच प्रकारची संरचनात्मक उत्क्रांती घडत आहे. Amazon चे मुख्य कार्यकारी अधिकारी Andy Jassy सध्याच्या डेटा केंद्र उभारणीकडे आधुनिक औद्योगिक अनिवार्यता म्हणून पाहतात आणि तिची तुलना ऐतिहासिक संघीय पायाभूत सुविधा प्रकल्पांशी करतात. "कदाचित 1950 च्या दशकात आपण महामार्ग आणि पूल उभारले, त्यानंतर जगात आणि या देशात यासारखे काहीही झालेले नाही," असे Jassy यांनी नमूद केले. हे भांडवली चक्र टाळणे किंवा लांबणीवर टाकणे गंभीर धोरणात्मक जोखीम निर्माण करते; देशांतर्गत संगणन पायाभूत सुविधा उभारण्यात अपयश आल्यास तंत्रज्ञान नेतृत्व आणि परिचालन मानकांवरील नियंत्रण चीनसारख्या परदेशी स्पर्धकांकडे जाऊ शकते.

2. डेटा केंद्रांच्या अर्थकारणाची कार्यपद्धती आणि सार्वजनिक वीजजाळ्याशी संबंधित तणाव

अतिविशाल डेटा केंद्रांचे अर्थकारण समजून घेण्यासाठी क्लाउड पायाभूत सुविधांना नियंत्रित करणाऱ्या स्वतंत्र दोन-भागी रोख चक्राचे मूल्यांकन करणे आवश्यक आहे:

  • डेटा केंद्रांच्या इमारती आणि वीज पायाभूत सुविधा: डेटा केंद्रांच्या भौतिक इमारती आणि वीजजोडण्यांसाठी सर्व्हर बसवण्याच्या सुमारे दोन वर्षे आधी भांडवली बांधिलकी आवश्यक असते. मात्र, या इमारती 30-वर्षांचे उपयुक्त आयुष्य असलेल्या मालमत्ता आहेत, ज्यांसाठी एकदाच प्रमुख भांडवली खर्च करावा लागतो.
  • सर्व्हर आणि नेटवर्क उपकरणे: माहिती तंत्रज्ञान मालमत्ता—जसे की सर्व्हर रॅक, नेटवर्क उपकरणे, उच्च बँडविड्थ स्मृती [HBM] आणि गतिशील यादृच्छिक-प्रवेश स्मृती [DRAM]—तैनातीच्या काही महिने आधीच खरेदी केल्या जातात. या मालमत्तांचे उपयुक्त आयुष्य 5-ते-6-वर्षांचे असते, सामान्यतः तीन वर्षांत त्यांचा खर्च वसूल होतो आणि सरासरी पाच वर्षांच्या कालावधीचे दीर्घकालीन ग्राहक करार त्यांना आधार देतात.

डेटा केंद्रांच्या इमारतींसाठी महसूल निर्मितीच्या दोन वर्षे आधी प्रचंड प्रारंभिक भांडवल आवश्यक असल्याने, अतिविशाल क्लाउड सेवा पुरवठादारांना वेगवान उभारणीच्या टप्प्यांत मुक्त रोख प्रवाहावर लक्षणीय तात्पुरता प्रतिकूल दबाव जाणवतो. सुविधा कार्यान्वित झाल्या, सर्व्हर बसवले गेले आणि ग्राहक करारांमधून महसूल मिळू लागला की रोख प्रवाह सामान्य पातळीवर येतो आणि चक्रवाढ पद्धतीने वाढतो. "या वर्षी भांडवली खर्चावर $220B खर्च करूनही, लक्षणीय मागणी पूर्ण करणे आपल्याला शक्य होत नाही," असे Jassy यांनी चर्चेदरम्यान सांगितले.

त्याचवेळी, अतिविशाल पायाभूत सुविधांच्या विकासाला पर्यावरणीय आणि वीजजाळ्यावरील परिणामांबाबत राजकीय आणि स्थानिक जनतेकडून विरोधाचा सामना करावा लागतो. प्रत्यक्ष निरीक्षणांवर आधारित मूळ माहिती अनेक सामान्य सार्वजनिक गैरसमजांचे खंडन करते:

  • पाण्याचा वापर: जुन्या व्यावसायिक मालमत्तांच्या तुलनेत डेटा केंद्रांच्या शीतकरण प्रणाली अत्यंत कार्यक्षम असतात. उदाहरणार्थ, गोल्फ उद्योग सर्व Amazon डेटा केंद्रांच्या एकत्रित वापरापेक्षा 200 पट अधिक पाणी वापरतो; Amazon ची डेटा केंद्रे संपूर्ण वर्षभरात जितके पाणी वापरतात, त्यापेक्षा अधिक पाणी तो दोन दिवसांत वापरतो.
  • उत्सर्जन आणि राखीव जनित्रे: केंद्रस्थळी असलेली राखीव डिझेल जनित्रे सतत चालत नाहीत. ती फक्त वीजपुरवठा खंडित झाल्यावर आणि नियमित देखभालीदरम्यान चालतात, वर्षातील अंदाजे 0.1% वेळ कार्यरत असतात (दरवर्षी सुमारे 10 तास).
  • स्थानिक अर्थव्यवस्था आणि वीजजाळ्यावरील परिणाम: डेटा केंद्रे त्यांना स्थान देणाऱ्या नगरपालिका समुदायांसाठी मोठा करआधार ठरतात. इंडियानामधील सेंट जोसेफ काउंटीमध्ये Amazon ने स्थानिक करांमध्ये अंदाजे $3B भरले आहेत. शिवाय, Amazon ने आपल्या "Built Together" कार्यक्रमाद्वारे पाच वर्षांत $1B थेट या केंद्रांना स्थान देणाऱ्या समुदायांना देण्याची बांधिलकी स्वीकारली आहे. वेगाने वाढणाऱ्या वीजमागणीमुळे सुरुवातीला वीजजाळ्यात सुधारणा कराव्या लागत असल्या, तरी इंडियाना, जॉर्जिया आणि मिसिसिपीमधील प्रदेशांची ऐतिहासिक माहिती दर्शवते की प्रादेशिक वीजजाळ्याची पायाभूत क्षमता उभारल्यानंतर स्थानिक वीजसेवेचे दर स्थिर राहतात किंवा कालांतराने कमी होतात.

3. कृत्रिम बुद्धिमत्तेच्या मागणीची दोन टोकांवरील एकाग्रता आणि विशिष्ट सिलिकॉन चिप्सची भूमिका

उद्योगस्तरावरील कृत्रिम बुद्धिमत्तेच्या सध्याच्या अवलंबात संरचनात्मक विसंगती दिसते, जिचे वर्णन Andy Jassy "मागणीची दोन टोकांवरील एकाग्रता" असे करतात. संगणन वापर बाजाराच्या दोन टोकांवर मोठ्या प्रमाणात केंद्रित आहे, तर उद्योगांतील बहुतांश कार्यभारांमध्ये त्याचा प्रवेश झालेला नाही:

  • अधिक संगणन वापरणारे टोक: यात आघाडीच्या कृत्रिम बुद्धिमत्ता संशोधन प्रयोगशाळा आणि झपाट्याने लोकप्रिय होणारी ग्राहक अनुप्रयोगे समाविष्ट आहेत, जी किंमतीची पर्वा न करता प्रचंड संगणन क्षमता वापरतात.
  • कमी संगणन वापरणारे टोक: यात मर्यादित खर्च टाळण्यासाठी आणि उत्पादकता सुधारण्यासाठी कृत्रिम बुद्धिमत्तेचा उपयोग करणारे उद्योग समाविष्ट आहेत, उदाहरणार्थ स्वयंचलित ग्राहक सेवा आणि फसवणूक शोध.
  • अजून प्रवेश न झालेला मधला भाग: यात उद्योगांची मुख्य उत्पादन अनुप्रयोगे समाविष्ट आहेत, जी अजूनही मोठ्या प्रमाणात जुन्या CPU संरचनांशी बांधील आहेत.

या मुख्य उत्पादन कार्यभारांचे कृत्रिम बुद्धिमत्ता प्रवेगकांकडे संक्रमण रोखणारा प्रमुख अडथळा म्हणजे अनुमानाचा खर्च. अनुमान खर्च कमी झाला असला, तरी मुख्य प्रवाहातील अनुप्रयोगांचे पुनर्लेखन समर्थनीय ठरण्यासाठी तो अजूनही दहापट जास्त आहे. "अनुमानाचा खर्च... त्याचा शक्य तितका व्यापक वापर करता यावा यासाठी, माझ्या मते, अजूनही दहापट जास्त आहे," असे Jassy यांनी निरीक्षण नोंदवले. प्रमाणित CPU संगणन आणि कृत्रिम बुद्धिमत्ता-प्रवेगित संगणन यांतील खर्चाचा फरक मोठा राहिल्यास, अतिरिक्त कार्यक्षमतेच्या लाभाला गुंतवणुकीवरील परताव्याचा असामान्यपणे उच्च निकष पूर्ण करावा लागतो. अनुमान खर्च कमी करणे हा या प्रचंड मधल्या बाजाराची क्षमता खुली करण्यासाठी आवश्यक असलेला एकमेव महत्त्वाचा उत्प्रेरक आहे.

अनुमान खर्च कमी करण्याची Amazon ची रणनीती 2015 मध्ये अधिग्रहित केलेल्या Annapurna Labs ने विकसित केलेल्या विशिष्ट सिलिकॉन चिप्सवर मोठ्या प्रमाणात अवलंबून आहे. मूळतः, साठवण, नेटवर्किंग, आभासीकरण आणि सुरक्षा कार्ये सर्व्हर CPU वरून स्वतंत्र नेटवर्क इंटरफेस कार्डांकडे [NICs] हस्तांतरित करण्यासाठी Annapurna चे अधिग्रहण करण्यात आले होते. या संरचनेमुळे AWS ला Elastic Compute Cloud [EC2] सर्व्हर CPU क्षमतेच्या जवळपास 100% भागाचे थेट ग्राहक कार्यभारांसाठी वाटप करता आले.

या अभियांत्रिकी पायावर दोन महत्त्वाचे चिप समूह विकसित झाले:

  • Graviton CPU: पारंपरिक x86 संरचनेला पर्याय म्हणून विकसित केलेल्या Graviton चिप्स प्रमाणित x86 प्रोसेसरच्या तुलनेत किंमत-कार्यक्षमतेत 40% फायदा देतात. आज AWS च्या प्रमुख 1,000 EC2 ग्राहकांपैकी 99% ग्राहक Graviton वापरतात.
  • Trainium कृत्रिम बुद्धिमत्ता प्रवेगक: सखोल शिक्षण प्रशिक्षण आणि अनुमानासाठी खास तयार केलेले Trainium प्रोसेसर प्रतिस्पर्धी व्यावसायिक ग्राफिक्स प्रोसेसरच्या तुलनेत किंमत-कार्यक्षमतेत 30% ते 40% फायदा देतात.

विशिष्ट सिलिकॉन चिप्सद्वारे अनुमान खर्च दहापटीने कमी करून, मुख्य प्रवाहातील उद्योगांना कृत्रिम बुद्धिमत्तेच्या व्यापक एकात्मीकरणासाठी मुख्य सॉफ्टवेअर अनुप्रयोगांचे पुनर्लेखन आर्थिकदृष्ट्या व्यवहार्य बनवण्याचे Amazon चे उद्दिष्ट आहे.

4. स्वायत्त एजंटाधारित युगातील संघटनात्मक रचना आणि सायबरसुरक्षेची वास्तवस्थिती

निर्मितीक्षम कृत्रिम बुद्धिमत्ता आणि स्वायत्त एजंटाधारित विकास साधनांचा प्रसार सॉफ्टवेअर अभियांत्रिकी, संघरचना आणि कंपन्यांच्या परिचालन मॉडेलमध्ये मूलभूत बदल घडवत आहे. अतिविशेषीकृत संघटनात्मक रचनांचा ऐतिहासिक कल—ज्यामध्ये वैयक्तिक उत्पादन व्यवस्थापक किंवा अभियंते उत्पादनाच्या अतिशय लहान भागांची जबाबदारी सांभाळतात—आता अत्यंत सुटसुटीत, विविध कार्यक्षेत्रांतील संघांकडे वळत आहे.

वेगातील या बदलाचे एक प्रमुख उदाहरण AWS मध्येच घडले: AWS Bedrock अभियांत्रिकी संघाने 6 अभियंत्यांच्या मदतीने 76 दिवसांत आपले मुख्य अनुमान इंजिन पूर्णपणे पुन्हा तयार केले. पूर्वी, एवढ्या मोठ्या पायाभूत सुविधा प्रकल्पासाठी 40 अभियंत्यांना संपूर्ण वर्षभर काम करावे लागत असे. त्याचप्रमाणे, 4 ते 5 अभियंत्यांचे छोटे अंतर्गत संघ आता एका सप्ताहांतात 80% वितरणयोग्य सॉफ्टवेअर नमुने तयार करू शकतात.

वेगाची ही मोजमापे तांत्रिक संस्था मानवी भांडवलाचे वाटप कसे करतात यातील मूलभूत संक्रमण दर्शवतात:

  • मनुष्यबळाच्या प्रमाणातील बदल: हाताने संकेतलेखन, मूलभूत कायदेशीर दस्तऐवज प्रक्रिया आणि नियमित व्यवसायविषयक विश्लेषण यांसारख्या पारंपरिक कामांसाठी सॉफ्टवेअर संस्थांना कमी मानवी विकासकांची गरज भासेल. "आज माणसे करत असलेली कामे भविष्यात करणाऱ्या माणसांची संख्या आजच्या तुलनेत कमी असेल," असे Jassy यांनी स्पष्ट केले.
  • मुळातच विविध कार्यक्षेत्रांचा समावेश असलेले संघ: विकास संघ प्रगत बांधणीच्या टप्प्यांपासूनच लहान, अत्यंत लवचिक रचनांमध्ये काम करतील आणि नियमित कामांपैकी 80% कामे करण्यासाठी कृत्रिम बुद्धिमत्ता मॉडेलचा उपयोग करतील.
  • बाजारात आणण्याचा कमी झालेला कालावधी: उत्पादनाच्या सुधारणा चक्रांचा कालावधी अनेक महिन्यांच्या नियोजन आराखड्यांवरून काही दिवसांच्या नमुना-विकास टप्प्यांपर्यंत कमी होत आहे.

मात्र, स्वायत्त एजंटाधारित वेगामुळे गंभीर सायबरसुरक्षा धोके निर्माण होतात. प्रगत कृत्रिम बुद्धिमत्ता मॉडेल सॉफ्टवेअरमधील असुरक्षितता मानवी सुरक्षा तज्ज्ञ किंवा पारंपरिक घुसखोरी चाचणी करणारे शोधू शकण्यापेक्षा अधिक वेगाने शोधत आहेत.

पारंपरिकरीत्या, सॉफ्टवेअर सुरक्षा असुरक्षितता शोधणे, दुरुस्त्या तयार करणे, अवलंबित्वांची चाचणी घेणे आणि अद्यतने तैनात करणे यांवर अवलंबून होती—या प्रक्रियेला अनेकदा आठवडे किंवा महिने लागतात. स्वायत्त एजंटाधारित धोक्यांच्या वातावरणात, संस्थांनी दुरुस्त्या तैनात करण्याचा कालावधी काही मिनिटांपर्यंत कमी केला पाहिजे. या बदलात टिकून राहण्यासाठी, उद्योगांनी जुने संकेतसंच एजंटांसाठी मुळातून तयार केलेल्या संरचनांमध्ये पुन्हा लिहिले पाहिजेत, ज्यामुळे स्वयंचलित सॉफ्टवेअर एजंट मानवी हस्तक्षेपाशिवाय सातत्याने असुरक्षितता शोधू शकतील, दुरुस्त करू शकतील आणि अद्यतने तैनात करू शकतील.

5. भांडवल वाटप, धोरणात्मक भागीदारी आणि मुख्य उत्पादनांची पुनर्निर्मिती

Amazon ची भांडवल गुंतवणूक रणनीती स्वतःच्या मालकीच्या सिलिकॉन चिप्सचा विकास आणि आघाडीच्या कृत्रिम बुद्धिमत्ता मॉडेल विकासकांसोबत अनेक अब्ज डॉलरच्या धोरणात्मक भागीदारी यांचा संगम घडवते.

Anthropic सोबतच्या भागीदारीद्वारे, AWS Claude मॉडेलसाठी प्रमुख प्रशिक्षण आणि अनुमान सेवा पुरवठादार म्हणून काम करते. Anthropic ने Trainium चिप्सवर आधारित अनेक गिगावॅट क्षमतेच्या संगणन तैनातींची बांधिलकी स्वीकारली आहे आणि त्याचवेळी आपली मॉडेल AWS Bedrock वर थेट उपलब्ध करून दिली आहेत. त्याचप्रमाणे, Amazon ने AWS वरील OpenAI कार्यभारांना आधार देण्यासाठी आपली परिसंस्था विस्तारली आहे आणि स्वायत्त एजंटाधारित कार्यवाहीसाठी खास तयार केलेली, स्थिती जतन करणारी विशेष निष्पादन वातावरणे संयुक्तपणे विकसित केली आहेत.

बाह्य मॉडेलना आश्रय देण्यापलीकडे, उद्योगस्तरीय तंत्रज्ञान रणनीतीमध्ये टप्प्याटप्प्याने वैशिष्ट्ये अद्यतनित करण्यावर अवलंबून राहण्याऐवजी परिपक्व, अत्यंत यशस्वी उत्पादनांची मुळापासून पुनर्निर्मिती आवश्यक आहे. Jassy Amazon Alexa च्या संपूर्ण फेरबदलाचे उदाहरण देतात. Alexa ची मूळ संरचना सादरीकरणाच्या वेळी क्रांतिकारक असली, तरी निर्मितीक्षम कृत्रिम बुद्धिमत्तेच्या उदयामुळे तिचे मूलभूत इंजिन पूर्णपणे बदलणे आवश्यक झाले.

जुने सॉफ्टवेअर टप्प्याटप्प्याने अद्यतनित करणे संस्थात्मकदृष्ट्या सोपे असले, तरी बाजारातील नेतृत्व टिकवण्यासाठी मूलभूत पुनर्लेखन आवश्यक आहे. किरकोळ विक्री, प्रवाहित व्हिडिओ आणि क्लाउड व्यवस्थापनातील प्रस्थापित उद्योगस्तरीय अनुप्रयोगांना उदयोन्मुख, एजंटांसाठी मुळातून तयार केलेल्या नवउद्योगांशी स्पर्धात्मक राहण्यासाठी कृत्रिम बुद्धिमत्तेसाठी मुळातून संपूर्ण फेररचना करावी लागेल.

प्रमुख आकडे

  • $220B: 2026 मध्ये Amazon चा अपेक्षित भांडवली खर्च (दररोज ~$600M).
  • 36.7%: सर्वात अलीकडील तिमाहीतील AWS महसुलाची वर्षागणिक वाढ, $169B च्या वार्षिक महसूल गतीवर.
  • $25+B: AWS च्या जनरेटिव्ह कृत्रिम बुद्धिमत्ता व्यवसायाची पहिल्या 3 वर्षांतील वार्षिक महसूल गती (AWS च्या सुरुवातीच्या काळातील 3 वर्षांनंतरच्या $60M महसूल गतीच्या तुलनेत).
  • 80%: 2021 पासून आतापर्यंत Amazon च्या एकूण महसुलातील अंदाजे वाढ.
  • 3x: 2021 पासून आतापर्यंत AWS च्या वाढीचे प्रमाण.
  • 2.5x: 2021 पासून आतापर्यंत Amazon च्या जाहिरात महसुलातील वाढ.
  • 30 वर्षे विरुद्ध 5–6 वर्षे: डेटा केंद्राच्या पायाभूत सुविधांचे उपयुक्त आयुष्य (30 वर्षे) विरुद्ध सर्व्हर/नेटवर्किंग उपकरणांचे आयुष्य (5–6 वर्षे, खर्च-वसुलीचा कालावधी ~3 वर्षे).
  • 40%: प्रमाणित x86 प्रोसेसरच्या तुलनेत Graviton केंद्रीय प्रक्रिया एककांच्या किंमत-कार्यक्षमतेतील सुधारणा.
  • 30%–40%: तुलनीय प्रोसेसरच्या तुलनेत Trainium कृत्रिम बुद्धिमत्ता चिप्सचा किंमत-कार्यक्षमतेतील फायदा.
  • 200x: Amazon च्या डेटा केंद्रांच्या तुलनेत गोल्फ मैदाने किती पट अधिक पाणी वापरतात याचे प्रमाण.
  • 0.1%: राखीव जनित्रे कार्यरत असतात त्या वेळेची वर्षातील टक्केवारी (वर्षाला अंदाजे 10 तास).
  • $3B: इंडियानातील सेंट जोसेफ काउंटीमध्ये Amazon ने भरलेले कर.
  • $1B: "Built Together" कार्यक्रमाद्वारे डेटा केंद्रे असलेल्या स्थानिक समुदायांसाठी पाच वर्षांची आर्थिक बांधिलकी.
  • 76 दिवसांत 6 अभियंते: Bedrock संघाने अनुमान इंजिनची पुनर्बांधणी केलेल्या कामाची व्याप्ती (पूर्वीच्या 1 वर्षासाठी 40 लोकांच्या तुलनेत).

हे चित्र कशामुळे बदलेल

  1. अनुमान खर्चात लक्षणीय घट: विशिष्ट गरजांसाठी बनवलेल्या सिलिकॉन चिप्समुळे (उदा., Trainium) अनुमान खर्चात मोठी घट, ज्यामुळे "बारबेल"च्या मधल्या भागातील वापर (मुख्य प्रवाहातील व्यावसायिक अनुप्रयोग) केवळ केंद्रीय प्रक्रिया एककांवर आधारित प्रणालीरचनांपासून दूर जातील.
  2. घटक आणि वीजपुरवठ्यावरील मर्यादांचे निराकरण: मेमरी (उच्च बँडविड्थ मेमरी/डायनॅमिक रँडम ॲक्सेस मेमरी), वीज आणि शीतकरण यांच्या पुरवठा साखळ्यांमध्ये लक्षणीय वाढ, ज्यामुळे सध्याच्या पूर्णपणे विकल्या गेलेल्या क्षमतेवरील मर्यादांपलीकडे अतिरिक्त क्षमता उपलब्ध होईल (2026–2028).
  3. स्वायत्त एजंट-आधारित व्यापक पुनर्लेखन: उद्योगांनी जुन्या संहितासंचांच्या प्रणालीरचना यशस्वीपणे एजंट-केंद्रित करणे, ज्यामुळे दर मिनिटाला सुरक्षा दुरुस्त्या तैनात करणे शक्य होईल.
  4. सार्वजनिक/खासगी पायाभूत सुविधा भागीदारीतील बदल: अतिविशाल प्रमाणावरील संगणनाच्या औद्योगिक मागणीशी जुळवून घेण्यासाठी विद्युत जाळ्याच्या क्षमतेत केंद्र सरकार आणि स्थानिक पातळीवरील गुंतवणुकीला गती मिळणे.

अधिक विनामूल्य संशोधन पाहण्यासाठी किंवा तुमची स्वतःची मॉडेल्स तपासण्यासाठी, DeepValues Research व्यासपीठाला भेट द्या किंवा DeepValues ॲप वापरून पाहा.

संदर्भसूची

Amazon CEO Andy Jassy on the Infrastructure the AI Era Needs, hosted by a16z (Video Transcript).

पाहा

स्रोतांच्या लिंक्स

पाहा आणि ऐका

कंपनी संशोधन

संशोधन मजकूर CC BY 4.0, संदर्भ असा द्या: DeepValues Research, Amazon चे $220 अब्जचे AI पायाभूत सुविधा धोरण: गरजेनुसार विकसित केलेल्या चिप्स, डेटा केंद्रांचे अर्थकारण आणि उद्योगांसाठी AI चा व्यापक विस्तार, https://research.deepvalues.ai/insights/2026-10-24-amazons-ai-era-and-infrastructure-expansion-mr/

मोफत साप्ताहिक ईमेल

Margin of Safety Weekly

दर शनिवारी ईमेल: बाजाराचे तापमान, दिग्गज गुंतवणूकदारांनी काय खरेदी केले आणि विकले (13F दाखले), आठवड्याचे नवीन संशोधन, आमचे व्हिडिओ आणि पॉडकास्ट — मोफत, खाते आवश्यक नाही.

Send me the DeepValues Margin of Safety Weekly, one email every Saturday. I can unsubscribe at any time. Information only, not investment advice. गोपनीयता

आणखी जाणून घ्या

कोणत्याही शेअरचे हे विश्लेषण 2 मिनिटांत करा

हा अहवाल तयार करणारा मल्टी-एजंट AI विश्लेषक Deep Value Intelligence, मागणीनुसार कोणत्याही सूचीबद्ध कंपनीसाठी असाच अहवाल तयार करतो.

Deep Value Intelligence उघडा

DeepValues ॲपमध्ये 300+ शेअर्सवर लक्ष ठेवा

भूमिका, अंतर्निहित मूल्य आणि नवीनतम अहवाल, तुमच्या फोनवर.

डेव्हलपर्स: API द्वारे भूमिका आणि अहवाल

या पानांमागील मूलभूत आर्थिक माहिती, अंतर्निहित मूल्ये, भूमिका आणि अहवालांच्या लिंक्स, JSON स्वरूपात.

API दस्तऐवज

चर्चा करा