---
title: "Amazon நிறுவனத்தின் $220 பில்லியன் AI உள்கட்டமைப்பு உத்தி: தனிப்பயன் சிலிக்கான் சில்லுகள், தரவு மையப் பொருளாதாரம் மற்றும் நிறுவனங்களுக்கான செயற்கை நுண்ணறிவின் விரிவாக்கம்"
author: "DeepValues Research"
publisher: "DeepValues Research (DeepValues / LuLu Ventures LLC)"
type: "Research article"
date: "2026-10-24"
language: "ta"
section: "Insights"
machine_translated: true
translation_method: "machine translation (gpt-6.1-sol, Azure OpenAI)"
translated_from: "https://research.deepvalues.ai/insights/2026-10-24-amazons-ai-era-and-infrastructure-expansion/"
original_url: "https://research.deepvalues.ai/insights/2026-10-24-amazons-ai-era-and-infrastructure-expansion/"
original_language: "en"
translated_on: "2026-11-15"
translation_note: "Machine-translated from the original report; the original is authoritative."
canonical_url: "https://research.deepvalues.ai/insights/2026-10-24-amazons-ai-era-and-infrastructure-expansion-ta/"
markdown_url: "https://research.deepvalues.ai/insights/2026-10-24-amazons-ai-era-and-infrastructure-expansion-ta/index.md"
license: "CC BY 4.0"
license_url: "https://creativecommons.org/licenses/by/4.0/"
cite_as: "DeepValues Research, Amazon நிறுவனத்தின் $220 பில்லியன் AI உள்கட்டமைப்பு உத்தி: தனிப்பயன் சிலிக்கான் சில்லுகள், தரவு மையப் பொருளாதாரம் மற்றும் நிறுவனங்களுக்கான செயற்கை நுண்ணறிவின் விரிவாக்கம், https://research.deepvalues.ai/insights/2026-10-24-amazons-ai-era-and-infrastructure-expansion-ta/"
publisher_url: "https://deepvalues.ai"
app: "https://deepvalues.ai"
api: "https://app.deepvalues.ai/developers"
data_note: "Reports are dated snapshots. Current data via the DeepValues API: https://app.deepvalues.ai/developers"
disclaimer: "Educational research, not investment advice."
disclosure: "AI-assisted"
generated_by: "NotebookLM + DeepValues editors"
category: "ai"
tickers: ["AMZN"]
sources:
  - title: "Amazon CEO Andy Jassy on the Infrastructure the AI Era Needs"
    url: "https://www.youtube.com/watch?v=-YMMRQ1qscI"
audio: "https://anchor.fm/s/117391698/podcast/play/127980195/https%3A%2F%2Fd3ctxlq1ktw2nl.cloudfront.net%2Fstaging%2F2026-9-24%2F434854705-44100-2-048188212c408.mp3"
audio_kind: "podcast episode"
audio_page: "https://open.spotify.com/episode/61w7dfoVt8mCa1yuuNZXDx"
---
# Amazon-இன் $220B செயற்கை நுண்ணறிவு உள்கட்டமைப்பு உத்தி: தனிப்பயன் சில்லுகள், தரவு மையப் பொருளாதாரம் மற்றும் நிறுவனச் செயற்கை நுண்ணறிவின் அளவாக்கம்

Amazon தனது உலகளாவிய செயற்கை நுண்ணறிவு மற்றும் மேகக் கணிமை உள்கட்டமைப்பை விரிவாக்க, 2026-இல் முன்னெப்போதும் இல்லாத $220B மூலதனச் செலவினச் சுழற்சியை மேற்கொண்டு வருகிறது. இடைவிடாத தேவையால் 2026 வரையிலான கணிமைத் திறன் முழுவதும் விற்றுத் தீர்ந்துள்ளது; 2027-க்கான திறன் பெருமளவில் விற்றுத் தீர்ந்துள்ளது; 2028-க்கான திறனிலும் கணிசமான பகுதி ஏற்கெனவே ஒதுக்கப்பட்டுள்ளது. இந்தச் சூழலில், மிகப்பெரிய குறுகியகால நிதி முதலீடுகளையும் நீண்டகால உள்கட்டமைப்பு வருவாய் ஈட்டலையும் நிறுவனம் சமநிலைப்படுத்துகிறது. தற்போது அதிக அனுமானச் செலவுகளால் கட்டுப்படுத்தப்பட்டுள்ள முக்கிய உற்பத்திப் பணிச்சுமைகளில் நிறுவனங்கள் பரவலாகச் செயற்கை நுண்ணறிவைப் பயன்படுத்த வழிவகுக்க, Annapurna Labs உருவாக்கிய Trainium முடுக்கிகள் மற்றும் Graviton மையச் செயலாக்க அலகு [CPU] சில்லுகள் உள்ளிட்ட தனிப்பயன் சில்லுகளை Amazon பயன்படுத்துகிறது. மிகச் சிக்கனமான, முகவர் சார்ந்த மென்பொருள் பொறியியல் பணிப்பாய்வுகளை நோக்கிய அடிப்படை மாற்றத்துடன் இணைந்த இந்த மூலதன ஒதுக்கீட்டு உத்தி, கணிமைச் செலவை ஒரு படிநிலை அளவுக்குக் குறைத்து, உருவாகிவரும் செயற்கை நுண்ணறிவு யுகத்தில் அடித்தளத் தலைமைத்துவத்தை உறுதிப்படுத்துவதை நோக்கமாகக் கொண்டுள்ளது.

## 1. மூலதனச் செலவினச் சிக்கல்: தணியாத தேவைக்கு ஏற்ப உள்கட்டமைப்பை அளவாக்குதல்

நிறுவனங்களின் தற்போதைய செயற்கை நுண்ணறிவுத் தேவையின் மிகப்பெரிய அளவு, மேக உள்கட்டமைப்புக் கட்டுமானத்தை முன் அனுபவமற்ற நிலைக்குத் தள்ளியுள்ளது. 2026-க்கான மொத்த மூலதனச் செலவினம் சுமார் $220B ஆக இருக்கும் என Amazon கணித்துள்ளது—இது நாளொன்றுக்கு ஏறத்தாழ $600M என்ற அசாதாரண மூலதன முதலீட்டு விகிதமாகும். இந்த மூலதன உறுதிப்பாடு இருந்தபோதிலும், மேகச் சூழலமைப்பு முழுவதும் கணிமைத் திறன் கடுமையாகக் கட்டுப்படுத்தப்பட்டுள்ளது. Amazon Web Services [AWS]-இன் திறன் 2026 வரை முழுவதும் விற்றுத் தீர்ந்துள்ளது; 2027-க்கான திறன் பெருமளவில் விற்றுத் தீர்ந்துள்ளது; 2028-க்கான திறனிலும் பெரிய ஒதுக்கீடுகள் ஏற்கெனவே உறுதிசெய்யப்பட்டுள்ளன. இந்த விரிவாக்கத்திற்கு நிதியளிக்கத் தேவையான மிகப்பெரிய நிதி அளவு குறித்து நிதிச் சந்தைகள் அவ்வப்போது சந்தேகம் தெரிவித்தாலும், நிறுவனக் கணிமை உள்கட்டமைப்பு உலகளாவிய வர்த்தகம், வங்கித்துறை, சுகாதாரம் மற்றும் மென்பொருள் செயல்பாடுகளுக்கான அடிப்படைப் பயன்பாட்டுச் சேவையாக மாறியுள்ளது.

இந்த விரைவான விரிவாக்கம் தற்காலிகச் செயல்பாட்டு மற்றும் நிதிசார் சமரசங்களை உருவாக்குகிறது; இவை பெருந்தொற்றுக் காலத்தில் Amazon மேற்கொண்ட பௌதிக வலையமைப்பு விரிவாக்கத்துடன் நெருக்கமாக ஒத்திருக்கின்றன. 2020 மற்றும் 2022 இடையே, முந்தைய 25 ஆண்டுகளில் உருவாக்கப்பட்ட தனது பௌதிக ஆர்டர் நிறைவேற்ற வலையமைப்பின் பரப்பை Amazon வெறும் 18 மாதங்களில் இரட்டிப்பாக்கியது. அதே நேரத்தில், United Parcel Service [UPS]-க்கு ஒப்பான அளவிலான இறுதிக்கட்டப் போக்குவரத்து வலையமைப்பை நிறுவனம் 20 மாதங்களில் கட்டமைத்தது. 

பௌதிக அல்லது மின்னியல் உள்கட்டமைப்பு இத்தகைய அதிவேகத்தில் கட்டமைக்கப்படும்போது, செயல்பாட்டுத் திறனின்மைகள் தவிர்க்க முடியாமல் ஏற்படுகின்றன. சில்லறைப் பிரிவில், விரைவான அளவாக்கம் ஆரம்பத்தில் சேவை வழங்கும் செலவில் கடுமையான எதிர்மறை அழுத்தங்களை உருவாக்கியது. வாடிக்கையாளர் அனுபவத்தில் சமரசம் செய்வதற்கோ நிறுவனப் பண்பாட்டின் செயல்பாட்டுத் தரங்களைக் குறைப்பதற்கோ பதிலாக, கட்டமைப்புத் தடைகளை அடையாளம் காண Amazon உள் தரவு அளவீடுகளையும் நிர்வாக மறுஆய்வு முறைகளையும் பயன்படுத்தியது. இதன் விளைவாக, அதன் சரக்குப் போக்குவரத்து உள்கட்டமைப்பு முழுமையாக மறுவடிவமைக்கப்பட்டு, ஒரே தளத்திலான தேசிய ஆர்டர் நிறைவேற்ற வலையமைப்பு பிராந்தியமயமாக்கப்பட்ட மாதிரியாக மாற்றப்பட்டது. பிராந்தியமயமாக்கல் சரக்கிருப்பை இறுதி நுகர்வோருக்கு அருகில் வைத்தது; இதனால் போக்குவரத்துத் தூரங்கள் குறைந்தன, செயல்பாட்டுச் சேவை வழங்கும் செலவு குறைந்தது, விநியோக வேகம் அதிகரித்தது.

இதேபோன்ற கட்டமைப்புப் பரிணாமம் மின்னியல் உள்கட்டமைப்பிலும் நிகழ்ந்து வருகிறது. Amazon-இன் தலைமைச் செயல் அதிகாரி Andy Jassy, தற்போதைய தரவு மையக் கட்டுமானத்தை நவீன தொழில்துறைத் தேவையாக விளக்கி, வரலாற்றுச் சிறப்புமிக்க மத்திய அரசின் உள்கட்டமைப்புத் திட்டங்களுடன் ஒப்பிடுகிறார். *"ஒருவேளை 1950-களில் நெடுஞ்சாலைகளையும் பாலங்களையும் கட்டிய காலத்திற்குப் பிறகு, உலகிலும் இந்த நாட்டிலும் இதுபோன்ற எதுவும் நடந்ததில்லை," என்று Jassy குறிப்பிட்டார்.* இந்த மூலதனச் சுழற்சியைத் தவிர்ப்பது அல்லது தாமதப்படுத்துவது தீவிரமான உத்திசார் அபாயத்தை ஏற்படுத்துகிறது; உள்நாட்டுக் கணிமை உள்கட்டமைப்பை நிறுவத் தவறினால், தொழில்நுட்பத் தலைமைத்துவமும் செயல்பாட்டுத் தரங்களும் சீனா போன்ற வெளிநாட்டுப் போட்டியாளர்களிடம் ஒப்படைக்கப்படக்கூடும்.

## 2. தரவு மையப் பொருளாதாரத்தின் செயல்முறைகளும் பொது மின்கட்டமைப்பு தொடர்பான எதிர்ப்புகளும்

மிகப்பெரிய அளவிலான தரவு மையப் பொருளாதாரத்தைப் புரிந்துகொள்ள, மேக உள்கட்டமைப்பை நிர்வகிக்கும் தனித்துவமான இருபகுதிப் பணச் சுழற்சியை மதிப்பிட வேண்டும்:

* **தரவு மையக் கட்டிடக் கூடுகளும் மின்சார உள்கட்டமைப்பும்:** தரவு மையங்களின் பௌதிகக் கட்டிடக் கூடுகள் மற்றும் மின் இணைப்புகளுக்கு, சேவையகங்கள் நிறுவப்படுவதற்கு ஏறத்தாழ இரண்டு ஆண்டுகளுக்கு முன்பே மூலதன உறுதிப்பாடுகள் தேவைப்படுகின்றன. எனினும், இக்கட்டிடக் கூடுகள் 30-ஆண்டு பயனுள்ள ஆயுட்காலம் கொண்ட சொத்துகளாகும்; இவற்றுக்கு ஒருமுறை மட்டுமே முதன்மை மூலதனச் செலவு தேவைப்படுகிறது.
* **சேவையகங்களும் வலையமைப்பு வன்பொருளும்:** சேவையக அடுக்குகள், வலையமைப்புக் கருவிகள், உயர் அலைவரிசை நினைவகம் [HBM] மற்றும் இயங்குநிலைச் சீரற்ற அணுகல் நினைவகம் [DRAM] போன்ற தகவல் தொழில்நுட்பச் சொத்துகள் பயன்பாட்டுக்கு வருவதற்கு சில மாதங்களுக்கு முன்பே வாங்கப்படுகின்றன. இச்சொத்துகளின் பயனுள்ள ஆயுட்காலம் 5-முதல்-6-ஆண்டுகள் ஆகும்; பொதுவாக மூன்று ஆண்டுகளுக்குள் செலவுகளை ஈடுசெய்கின்றன; சராசரியாக ஐந்து ஆண்டுகள் நீடிக்கும் நீண்டகால வாடிக்கையாளர் ஒப்பந்தங்களால் உறுதிப்படுத்தப்படுகின்றன.

வருவாய் உருவாவதற்கு இரண்டு ஆண்டுகளுக்கு முன்பே தரவு மையக் கட்டிடக் கூடுகளுக்கு மிகப்பெரிய முன்கூட்டிய மூலதனம் தேவைப்படுவதால், விரைவுபடுத்தப்பட்ட கட்டுமானக் கட்டங்களில் மிகப்பெரிய அளவிலான மேகச் சேவை வழங்குநர்களின் கட்டற்ற பணப்புழக்கத்தில் குறிப்பிடத்தக்க தற்காலிக எதிர்மறை அழுத்தங்கள் ஏற்படுகின்றன. வசதிகள் செயல்படத் தொடங்கி, சேவையகங்கள் நிறுவப்பட்டு, வாடிக்கையாளர் ஒப்பந்தங்கள் வருவாய் ஈட்டத் தொடங்கியதும் பணப்புழக்கங்கள் இயல்புநிலைக்குத் திரும்பி கூட்டுவளர்ச்சி அடைகின்றன. *"இந்த ஆண்டு மூலதனச் செலவினத்தில் $220B செலவிட்டாலும், கணிசமான அளவிலான தேவையை எங்களால் நிறைவேற்ற முடியாமல் போகிறது," என்று கலந்துரையாடலின்போது Jassy தெரிவித்தார்.*

அதே நேரத்தில், மிகப்பெரிய அளவிலான உள்கட்டமைப்பு மேம்பாடு, சுற்றுச்சூழல் மற்றும் மின்கட்டமைப்புப் பாதிப்புகள் தொடர்பாக அரசியல் மற்றும் உள்ளூர்ப் பொதுமக்களின் எதிர்ப்புகளை எதிர்கொள்கிறது. அனுபவ ஆதாரங்களைக் கொண்ட மூலத் தரவுகள், பொதுமக்களிடையே நிலவும் பல தவறான புரிதல்களை மறுக்கின்றன:

* **நீர் பயன்பாடு:** பழைய வணிகக் கட்டிடங்களுடன் ஒப்பிடும்போது தரவு மையக் குளிரூட்டும் அமைப்புகள் மிகவும் திறமையானவை. எடுத்துக்காட்டாக, Amazon-இன் அனைத்துத் தரவு மையங்களும் சேர்ந்து பயன்படுத்துவதைவிட கோல்ஃப் துறை 200 மடங்கு அதிக நீரைப் பயன்படுத்துகிறது; Amazon-இன் தரவு மையங்கள் ஓராண்டு முழுவதும் பயன்படுத்தும் நீரைவிட அதிக நீரை அது இரண்டு நாட்களில் பயன்படுத்துகிறது.
* **உமிழ்வுகளும் காப்பு மின்னாக்கிகளும்:** தளத்தில் உள்ள காப்பு டீசல் மின்னாக்கிகள் தொடர்ந்து இயங்குவதில்லை. அவை மின்தடை மற்றும் வழக்கமான பராமரிப்பின்போது மட்டுமே இயங்குகின்றன; ஆண்டின் ஏறத்தாழ 0.1% நேரம் மட்டுமே செயல்படுகின்றன (ஆண்டுக்கு சுமார் 10 மணிநேரம்).
* **உள்ளூர்ப் பொருளாதாரம் மற்றும் மின்கட்டமைப்புப் பாதிப்பு:** தரவு மையங்களை ஏற்றுக்கொள்ளும் உள்ளாட்சி சமூகங்களுக்கு அவை மிகப்பெரிய வரி ஆதாரங்களாக விளங்குகின்றன. Indiana-வின் St. Joseph County-இல், Amazon ஏறத்தாழ $3B உள்ளூர் வரிகளைச் செலுத்தியுள்ளது. மேலும், தனது "Built Together" திட்டத்தின் மூலம், தரவு மையங்களை ஏற்றுக்கொள்ளும் சமூகங்களுக்கு ஐந்து ஆண்டுகளில் நேரடியாக $1B வழங்க Amazon உறுதியளித்துள்ளது. விரைவாக அதிகரிக்கும் மின்சாரத் தேவை ஆரம்பத்தில் மின்கட்டமைப்பு மேம்பாடுகளைக் கட்டாயப்படுத்தினாலும், Indiana, Georgia மற்றும் Mississippi பகுதிகளின் வரலாற்றுத் தரவுகள், பிராந்திய மின்கட்டமைப்புத் திறன் நிறுவப்பட்டவுடன் உள்ளூர்ப் பயன்பாட்டுச் சேவைக் கட்டணங்கள் காலப்போக்கில் நிலையாக இருப்பதையோ குறைவதையோ காட்டுகின்றன.

## 3. செயற்கை நுண்ணறிவுத் தேவையின் இருமுனை அமைப்பும் தனிப்பயன் சில்லுகளின் பங்கும்

நிறுவனங்களின் தற்போதைய செயற்கை நுண்ணறிவுப் பயன்பாட்டில் ஒரு கட்டமைப்புப் பொருத்தமின்மை காணப்படுகிறது; இதை Andy Jassy "தேவையின் இருமுனை அமைப்பு" என்று விவரிக்கிறார். கணிமைப் பயன்பாடு சந்தையின் இரு தீவிர முனைகளில் பெரிதும் குவிந்துள்ளது; இதனால் நிறுவனப் பணிச்சுமைகளின் மிகப்பெரும்பகுதியில் அதன் பயன்பாடு இன்னும் ஊடுருவவில்லை:

* **அதிகக் கணிமை முனை:** விலையைப் பொருட்படுத்தாமல் மிகப்பெரிய அளவிலான கணிமைத் திறனைப் பயன்படுத்தும் முன்னணிச் செயற்கை நுண்ணறிவு ஆராய்ச்சி ஆய்வகங்களையும் அதிவேகமாகப் பரவும் நுகர்வோர் பயன்பாடுகளையும் உள்ளடக்கியது.
* **குறைந்தக் கணிமை முனை:** தானியங்கி வாடிக்கையாளர் சேவை மற்றும் மோசடி கண்டறிதல் போன்ற குறுகிய நோக்கிலான செலவுத் தவிர்ப்பு மற்றும் உற்பத்தித்திறன் மேம்பாடுகளுக்குச் செயற்கை நுண்ணறிவைப் பயன்படுத்தும் நிறுவனங்களை உள்ளடக்கியது.
* **இன்னும் ஊடுருவப்படாத நடுப்பகுதி:** பெருமளவில் பழைய CPU கட்டமைப்புகளுடன் பிணைக்கப்பட்டுள்ள முக்கிய நிறுவன உற்பத்திப் பயன்பாடுகளை உள்ளடக்கியது. 

இந்த முக்கிய உற்பத்திப் பணிச்சுமைகள் செயற்கை நுண்ணறிவு முடுக்கிகளுக்கு மாறுவதைத் தடுக்கும் முதன்மை இடையூறு அனுமானச் செலவாகும். அனுமானச் செலவுகள் குறைந்திருந்தாலும், பொதுவான பயன்பாடுகளை மறுஎழுதுவதை நியாயப்படுத்துவதற்கு அவை இன்னும் ஒரு படிநிலை அளவுக்கு அதிகமாகவே உள்ளன. *"அனுமானச் செலவு... முடிந்தவரை பரவலாகப் பயன்படுத்துவதற்கு, எனது கருத்தில் இன்னும் ஒரு படிநிலை அளவுக்கு அதிகமாக உள்ளது," என்று Jassy குறிப்பிட்டார்.* வழக்கமான CPU கணிமைக்கும் செயற்கை நுண்ணறிவு முடுக்கப்பட்ட கணிமைக்கும் இடையிலான செலவு வேறுபாடு அதிகமாகவே இருந்தால், கூடுதல் செயல்திறன் நன்மை இயல்புக்கு மீறிய உயர் முதலீட்டு வருமான வரம்பைப் பூர்த்திசெய்ய வேண்டியிருக்கும். அனுமானச் செலவைக் குறைப்பதே இந்த மிகப்பெரிய நடுப்பகுதிச் சந்தையைத் திறக்கத் தேவையான ஒரே அத்தியாவசியத் தூண்டுகோலாகும்.

அனுமானச் செலவுகளைக் குறைப்பதற்கான Amazon-இன் உத்தி, 2015-இல் கையகப்படுத்தப்பட்ட Annapurna Labs உருவாக்கிய தனிப்பயன் சில்லுகளைப் பெரிதும் சார்ந்துள்ளது. தொடக்கத்தில், சேமிப்பு, வலையமைப்பு, மெய்நிகராக்கம் மற்றும் பாதுகாப்புப் பணிகளைச் சேவையக CPU-களிலிருந்து பிரத்யேக வலையமைப்பு இடைமுக அட்டைகளுக்கு [NICs] மாற்றுவதற்காக Annapurna கையகப்படுத்தப்பட்டது. இந்தக் கட்டமைப்பு, Elastic Compute Cloud [EC2] சேவையக CPU திறனில் கிட்டத்தட்ட 100%-ஐ வாடிக்கையாளர் பணிச்சுமைகளுக்கு நேரடியாக ஒதுக்க AWS-க்கு வழிவகுத்தது.

இந்தப் பொறியியல் அடித்தளம் இரண்டு முக்கிய சில்லுக் குடும்பங்களை உருவாக்கியது:

* **Graviton CPU-கள்:** பாரம்பரிய x86 கட்டமைப்புக்கு மாற்றாக உருவாக்கப்பட்ட Graviton சில்லுகள், வழக்கமான x86 செயலிகளைவிட 40% விலை–செயல்திறன் சாதகத்தை வழங்குகின்றன. இன்று, AWS-இன் முன்னணி 1,000 EC2 வாடிக்கையாளர்களில் 99% பேர் Graviton-ஐப் பயன்படுத்துகின்றனர்.
* **Trainium செயற்கை நுண்ணறிவு முடுக்கிகள்:** ஆழ்கற்றல் பயிற்சி மற்றும் அனுமானத்திற்காகப் பிரத்யேகமாக வடிவமைக்கப்பட்ட Trainium செயலிகள், போட்டியிடும் வணிக வரைகலைச் செயலிகளைவிட 30% முதல் 40% வரை விலை–செயல்திறன் சாதகத்தை வழங்குகின்றன. 

தனிப்பயன் சில்லுகள் மூலம் அனுமானச் செலவை ஒரு படிநிலை அளவுக்குக் குறைப்பதன் வாயிலாக, பரவலான செயற்கை நுண்ணறிவு ஒருங்கிணைப்பிற்காக முக்கிய மென்பொருள் பயன்பாடுகளை மறுஎழுதுவது பொதுவான நிறுவனங்களுக்குப் பொருளாதார ரீதியாகச் சாத்தியமாக அமைய Amazon முயல்கிறது.

## 4. முகவர் சார்ந்த யுகத்தில் நிறுவன வடிவமைப்பும் இணையப் பாதுகாப்பு யதார்த்தங்களும்

உருவாக்கச் செயற்கை நுண்ணறிவு மற்றும் முகவர் சார்ந்த மேம்பாட்டுக் கருவிகளின் பரவல், மென்பொருள் பொறியியல், குழுக் கட்டமைப்புகள் மற்றும் நிறுவனச் செயல்பாட்டு மாதிரிகளை அடிப்படையில் மாற்றுகிறது. தனிப்பட்ட தயாரிப்பு மேலாளர்கள் அல்லது பொறியாளர்கள் ஒரு தயாரிப்பின் மிகச் சிறிய பகுதிகளுக்குப் பொறுப்பேற்கும் மிகச் சிறப்புமயமாக்கப்பட்ட நிறுவனக் கட்டமைப்புகளை நோக்கிய வரலாற்றுப் போக்கு, மிகச் சிக்கனமான பல்துறைக் குழுக்களுக்கு இடமளித்து வருகிறது.

இந்த வேக மாற்றத்தின் முக்கிய எடுத்துக்காட்டு AWS-க்குள்ளேயே நிகழ்ந்தது: AWS Bedrock பொறியியல் குழு, 6 பொறியாளர்களைக் கொண்டு 76 நாட்களில் தனது மைய அனுமான இயந்திரத்தை முழுமையாக மறுகட்டமைத்தது. முன்பு, அந்த அளவிலான ஓர் உள்கட்டமைப்புத் திட்டத்திற்கு 40 பொறியாளர்கள் ஓராண்டு முழுவதும் பணியாற்ற வேண்டியிருந்தது. இதேபோல், 4 முதல் 5 பொறியாளர்கள் கொண்ட சிறிய உள் குழுக்கள் இப்போது ஒரே வார இறுதியில் 80% வெளியீட்டுக்குத் தயாரான மென்பொருள் முன்மாதிரிகளை உருவாக்கக்கூடியவையாக உள்ளன.

இந்த வேக அளவீடுகள், தொழில்நுட்ப நிறுவனங்கள் மனித மூலதனத்தை ஒதுக்கும் முறையில் ஏற்படும் அடிப்படை மாற்றத்தைக் குறிக்கின்றன:

* **பணியாளர் அளவில் மாற்றம்:** கையால் நிரல் எழுதுதல், அடிப்படைச் சட்ட ஆவணச் செயலாக்கம் மற்றும் வழக்கமான வணிக நுண்ணறிவுப் பணிகள் போன்ற பழைய பணிகளுக்கு மென்பொருள் நிறுவனங்களில் குறைவான மனித உருவாக்குநர்களே தேவைப்படுவார்கள். *"இன்று அவர்கள் செய்யும் பணிகளை எதிர்காலத்தில் செய்வதற்கு, இன்றிருப்பதைவிடக் குறைவான மனிதர்களே இருப்பார்கள்," என்று Jassy விளக்கினார்.*
* **இயல்பிலேயே பல்துறைச் சார்ந்த குழுக்கள்:** மேம்பாட்டுக் குழுக்கள், மேம்பட்ட கட்டுமானக் கட்டங்களிலிருந்து தொடங்கி, சிறியதும் மிகவும் நெகிழ்வானதுமான கட்டமைப்புகளுடன் செயல்படும்; வழக்கமான பணிச் செயலாக்கத்தில் 80%-ஐ நிறைவேற்றச் செயற்கை நுண்ணறிவு மாதிரிகளைப் பயன்படுத்தும்.
* **குறைக்கப்பட்ட சந்தை அறிமுகக் காலம்:** தயாரிப்பு மேம்பாட்டுச் சுழற்சிகள், பல மாதத் திட்டமிடல் வரைபடங்களிலிருந்து சில நாட்களில் நடைபெறும் விரைவு முன்மாதிரி உருவாக்கச் சுற்றுகளாகச் சுருங்குகின்றன.

எனினும், முகவர் சார்ந்த வேகம் தீவிரமான இணையப் பாதுகாப்பு அச்சுறுத்தல்களை உருவாக்குகிறது. மனிதப் பாதுகாப்பு நிபுணர்கள் அல்லது பாரம்பரிய ஊடுருவல் சோதனையாளர்கள் அடையாளம் காண்பதைவிட வேகமாக, மேம்பட்ட செயற்கை நுண்ணறிவு மாதிரிகள் மென்பொருள் பாதிப்புகளைக் கண்டறிகின்றன. 

பாரம்பரியமாக, மென்பொருள் பாதுகாப்பு என்பது பாதிப்புகளை அடையாளம் காணுதல், திருத்தங்களை உருவாக்குதல், சார்புகளைச் சோதித்தல் மற்றும் புதுப்பிப்புகளைப் பயன்படுத்துதல் ஆகியவற்றைச் சார்ந்திருந்தது—இச்செயல்முறை பெரும்பாலும் வாரங்கள் அல்லது மாதங்கள் எடுத்துக்கொள்ளும். முகவர் சார்ந்த அச்சுறுத்தல் சூழலில், நிறுவனங்கள் திருத்தங்களைப் பயன்படுத்தும் நேரத்தை நிமிடங்களாகக் குறைக்க வேண்டும். இந்த மாற்றத்தைச் சமாளிக்க, நிறுவனங்கள் பழைய நிரல் தொகுப்புகளை இயல்பிலேயே முகவர் சார்ந்த கட்டமைப்புகளாக மறுஎழுத வேண்டும்; இதனால் மனிதர்களின் கைமுறைத் தலையீடின்றி தானியங்கி மென்பொருள் முகவர்கள் தொடர்ந்து பாதிப்புகளைக் கண்டறிந்து, திருத்தி, புதுப்பிப்புகளைப் பயன்படுத்த முடியும்.

## 5. மூலதன ஒதுக்கீடு, உத்திசார் கூட்டணிகள் மற்றும் முக்கிய தயாரிப்புகளின் மறுஉருவாக்கம்

Amazon-இன் மூலதன முதலீட்டு உத்தி, தனியுரிமைச் சில்லு மேம்பாட்டையும் முன்னணிச் செயற்கை நுண்ணறிவு மாதிரி உருவாக்குநர்களுடனான பல பில்லியன் டாலர் மதிப்புள்ள உத்திசார் கூட்டணிகளையும் இணைக்கிறது. 

Anthropic உடனான கூட்டாண்மை மூலம், Claude மாதிரிகளுக்கான முதன்மைப் பயிற்சி மற்றும் அனுமான வழங்குநராக AWS செயல்படுகிறது. Trainium சில்லுகளில் கட்டமைக்கப்பட்ட பல ஜிகாவாட் கணிமைப் பயன்பாடுகளுக்கு Anthropic உறுதியளித்துள்ளது; அதே நேரத்தில், AWS Bedrock-இல் தனது மாதிரிகளை இயல்பாகவே வழங்குகிறது. இதேபோல், AWS-இல் OpenAI பணிச்சுமைகளை ஆதரிக்க Amazon தனது சூழலமைப்பை விரிவாக்கியுள்ளது; முகவர் சார்ந்த செயலாக்கத்திற்காகப் பிரத்யேகமாக வடிவமைக்கப்பட்ட, நிலையைத் தக்கவைக்கும் சிறப்பு இயக்கநேரச் சூழல்களையும் இணைந்து உருவாக்குகிறது.

வெளிப்புற மாதிரிகளை இயக்குவதற்கு அப்பால், நிறுவனத் தொழில்நுட்ப உத்தி என்பது படிப்படியான அம்சப் புதுப்பிப்புகளைச் சார்ந்திருப்பதற்குப் பதிலாக, முதிர்ச்சியடைந்த, மிகவும் வெற்றிகரமான தயாரிப்புகளை அடித்தளத்திலிருந்தே மறுஉருவாக்குவதை வேண்டுகிறது. Amazon Alexa-இன் முழுமையான மறுசீரமைப்பை Jassy ஓர் ஆய்வு எடுத்துக்காட்டாகக் குறிப்பிடுகிறார். அறிமுகத்தின் போது Alexa-இன் அசல் கட்டமைப்பு முன்னோடித்தன்மை கொண்டதாக இருந்தாலும், உருவாக்கச் செயற்கை நுண்ணறிவின் வருகை அதன் அடிப்படை இயந்திரத்தை முழுவதுமாக மாற்ற வேண்டிய தேவையை ஏற்படுத்தியது. 

பழைய மென்பொருளை படிப்படியாகப் புதுப்பிப்பது நிறுவன ரீதியாக எளிதாக இருந்தாலும், சந்தைத் தலைமைத்துவத்தைத் தக்கவைக்க அடிப்படை மறுஎழுத்தாக்கங்கள் அவசியம். உருவாகிவரும், இயல்பிலேயே முகவர் சார்ந்த புத்தொழில் நிறுவனங்களுடன் போட்டியிட, சில்லறை வர்த்தகம், தொடரோட்டக் காணொளி மற்றும் மேக மேலாண்மை ஆகிய துறைகளில் நிலைபெற்ற நிறுவனப் பயன்பாடுகள், இயல்பிலேயே செயற்கை நுண்ணறிவு சார்ந்த முழுமையான மறுவடிவமைப்புக்கு உட்பட வேண்டும்.
## முக்கிய புள்ளிவிவரங்கள்

* **$220B:** 2026-இல் Amazon மேற்கொள்ளும் என எதிர்பார்க்கப்படும் மூலதனச் செலவு (நாளொன்றுக்கு ~$600M).
* **36.7%:** மிகச் சமீபத்திய காலாண்டில் AWS வருவாயின் ஆண்டுக்கு ஆண்டு வளர்ச்சி; வருடாந்திர வருவாய் ஓட்ட விகிதம் $169B.
* **$25+B:** AWS-இன் உருவாக்கச் செயற்கை நுண்ணறிவு வணிகம் அதன் முதல் 3 ஆண்டுகளுக்குள் எட்டிய வருடாந்திர வருவாய் ஓட்ட விகிதம் (AWS-இன் தொடக்ககால வரலாற்றில் 3 ஆண்டுகளுக்குப் பிறகு இருந்த $60M ஓட்ட விகிதத்துடன் ஒப்பிடுகையில்).
* **80%:** 2021 முதல் தற்போது வரை ஒட்டுமொத்த Amazon வருவாயின் தோராயமான வளர்ச்சி.
* **3x:** 2021 முதல் தற்போது வரை AWS வளர்ச்சியின் அளவு.
* **2.5x:** 2021 முதல் தற்போது வரை Amazon விளம்பர வருவாய் வளர்ச்சி.
* **30 ஆண்டுகள் எதிராக 5–6 ஆண்டுகள்:** தரவு மைய உள்கட்டமைப்பின் பயனுள்ள ஆயுட்காலம் (30 ஆண்டுகள்), சேவையகங்கள்/வலையமைப்புச் சாதனங்களின் ஆயுட்காலத்துடன் ஒப்பிடுகையில் (5–6 ஆண்டுகள், செலவை ஈடுகட்டும் காலம் ~3 ஆண்டுகள்).
* **40%:** வழக்கமான x86 செயலிகளுடன் ஒப்பிடுகையில் Graviton மையச் செயலிகளின் விலை–செயல்திறன் மேம்பாடு.
* **30%–40%:** ஒப்பிடத்தக்க செயலிகளைவிட Trainium செயற்கை நுண்ணறிவு சில்லுகளின் விலை–செயல்திறன் சாதகம்.
* **200x:** Amazon தரவு மையங்களைவிட கோல்ஃப் மைதானங்கள் அதிகமாக நீர் பயன்படுத்தும் மடங்கு.
* **0.1%:** மாற்று மின்சார ஜெனரேட்டர்கள் இயங்கும் நேரம், ஆண்டின் மொத்த நேரத்தில் ஒரு சதவீதமாக (ஆண்டுக்கு தோராயமாக 10 மணிநேரம்).
* **$3B:** இந்தியானாவின் செயின்ட் ஜோசப் கவுண்டியில் Amazon செலுத்திய வரிகள்.
* **$1B:** "Built Together" திட்டத்தின் மூலம் தரவு மையங்கள் அமைந்துள்ள சமூகங்களுக்கான ஐந்தாண்டு நிதி உறுதிப்பாடு.
* **76 நாட்களில் 6 பொறியாளர்கள்:** அனுமான இயந்திரத்தை மறுகட்டமைத்த Bedrock குழுவின் பணியளவு (முன்பு 1 ஆண்டுக்கு 40 பேர் தேவைப்பட்டதுடன் ஒப்பிடுகையில்).

## இந்த நிலவரத்தை மாற்றக்கூடியவை

1. **அனுமானச் செலவில் மிகப்பெரிய குறைவு:** தனிப்பயன் சில்லுகளால் (எ.கா., Trainium) அனுமானச் செலவுகள் பெருமளவில் குறைந்து, "இருமுனை உத்தி"யின் நடுப்பகுதியில் உள்ள பயன்பாடுகள் (பரவலாகப் பயன்படுத்தப்படும் நிறுவனப் பயன்பாடுகள்), மையச் செயலிகளை மட்டுமே சார்ந்த கட்டமைப்புகளிலிருந்து மாறத் தூண்டப்படுதல்.
2. **கூறுகள் மற்றும் மின்சார வழங்கல் கட்டுப்பாடுகளுக்குத் தீர்வு:** நினைவகம் (உயர் அலைவரிசை நினைவகம்/இயங்குநிலைச் சீரற்ற அணுகல் நினைவகம்), மின்சாரம் மற்றும் குளிரூட்டல் ஆகியவற்றின் வழங்கல் சங்கிலிகளில் குறிப்பிடத்தக்க அதிகரிப்புகள் ஏற்பட்டு, தற்போதைய முழுத் திறனும் விற்றுத் தீர்ந்துள்ள கட்டுப்பாடுகளைத் தாண்டிய திறன் கிடைக்கச் செய்தல் (2026–2028).
3. **தன்னாட்சி முகவர் அடிப்படையிலான பரவலான மறுஎழுத்தாக்கங்கள்:** நிறுவனங்கள் பழைய நிரல் தொகுப்புக் கட்டமைப்புகளை முகவர்களை அடிப்படையாகக் கொண்டவையாக வெற்றிகரமாகப் புதுப்பித்து, ஒவ்வொரு நிமிடமும் பாதுகாப்புத் திருத்தங்களைச் செயல்படுத்த வழிவகுத்தல்.
4. **பொது/தனியார் உள்கட்டமைப்புக் கூட்டாண்மைகளில் மாற்றம்:** மிகப்பெரும் அளவிலான கணிப்பொறிச் செயலாக்கத்தின் தொழில்துறைத் தேவைக்கு ஈடுகொடுக்கும் வகையில், மின்வலையமைப்புத் திறனுக்கான கூட்டாட்சி மற்றும் உள்ளூர் முதலீடுகள் துரிதப்படுத்தப்படுதல்.

மேலும் இலவச ஆய்வுகளை ஆராய அல்லது உங்கள் சொந்த மாதிரிகளைச் சோதிக்க, DeepValues Research தளத்தைப் பார்வையிடுங்கள் அல்லது DeepValues செயலியை முயற்சியுங்கள்.
## மேற்கோள் ஆதாரங்கள்

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

## From DeepValues

- DeepValues app: intrinsic value, stances and the latest reports for 300+ stocks. [iPhone](https://apps.apple.com/us/app/deepvalues/id6775568608?utm_source=research&utm_medium=web&utm_campaign=markdown) · [Android](https://play.google.com/store/apps/details?id=app.deepvalues.android&referrer=utm_source%3Dresearch%26utm_medium%3Dweb%26utm_campaign%3Dmarkdown) · [Web](https://app.deepvalues.ai/?utm_source=research&utm_medium=web&utm_campaign=markdown)
- [Deep Value Intelligence](https://deepvalues.ai/?utm_source=research&utm_medium=web&utm_campaign=markdown): the multi-agent AI analyst behind these reports, for any listed company
- [Margin of Safety Weekly](https://app.deepvalues.ai/letter?utm_source=research&utm_medium=web&utm_campaign=markdown): free weekly email, every Saturday
- YouTube: videos on investing and on AI. [@TheDeepValues](https://www.youtube.com/@TheDeepValues?utm_source=research&utm_medium=web&utm_campaign=markdown) (investing) · [@deep-values](https://www.youtube.com/@deep-values?utm_source=research&utm_medium=web&utm_campaign=markdown) (AI)
- Podcasts: 6 shows in English and Chinese (Deep Values, 深度价值, Deep Values Frontier, 深度價值前沿, Deep Value Intelligence, 深度价值情报站). [all shows on Apple Podcasts](https://podcasts.apple.com/us/channel/deepvalues/id6826606342)
- Buffett Indicator: market-valuation gauge. [iPhone](https://apps.apple.com/us/app/buffett-indicator/id6747404614?utm_source=research&utm_medium=web&utm_campaign=markdown) · [Android (Buffett Indicator & Shiller PE)](https://play.google.com/store/apps/details?id=com.luluventures.bubblewatch.android&utm_source=research&utm_medium=web&utm_campaign=markdown)
