Insights AI

Amazon کی $220 ارب کی AI بنیادی ڈھانچے کی حکمتِ عملی: خصوصی طور پر تیار کردہ سلیکون چپس، ڈیٹا سینٹر کی معاشیات، اور کاروباری اداروں میں مصنوعی ذہانت کا وسیع پیمانے پر استعمال

پوڈکاسٹ · سنیں (20 منٹ)

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

فہرست
  1. 1. سرمایہ جاتی اخراجات کا مسئلہ: ناقابلِ تسکین طلب کے تحت بنیادی ڈھانچے کی توسیع
  2. 2. ڈیٹا سینٹر کی معاشیات کے طریقہ کار اور عوامی بجلی گرڈ سے متعلق مزاحمت
  3. 3. مصنوعی ذہانت کی طلب کی دو انتہائیں اور مخصوص سلیکان کا کردار
  4. 4. خودکار ایجنٹ کے دور میں تنظیمی ساخت اور سائبر سکیورٹی کی حقیقتیں
  5. 5. سرمائے کی تخصیص، تزویراتی اتحاد، اور بنیادی مصنوعات کی ازسرِنو تشکیل
  6. اہم اعداد و شمار
  7. کن تبدیلیوں سے یہ منظرنامہ بدل سکتا ہے
  8. حوالہ جات

Amazon اپنے عالمی مصنوعی ذہانت اور کلاؤڈ کمپیوٹنگ کے بنیادی ڈھانچے کو وسعت دینے کے لیے 2026 میں $220B کے غیر معمولی سرمایہ جاتی اخراجات کے دور سے گزر رہی ہے۔ مسلسل طلب کے باعث کمپیوٹنگ گنجائش 2026 تک مکمل فروخت ہو چکی ہے، 2027 کے لیے بڑی حد تک فروخت ہو چکی ہے، اور 2028 کی گنجائش کا بھی بڑا حصہ مختص کیا جا چکا ہے۔ اس صورتِ حال میں کمپنی قلیل مدت کی بھاری مالی سرمایہ کاری اور طویل مدت میں بنیادی ڈھانچے سے آمدنی حاصل کرنے کے درمیان توازن قائم کر رہی ہے۔ بنیادی عملی کاموں میں کاروباری مصنوعی ذہانت کے وسیع استعمال کو ممکن بنانے کے لیے—جو فی الحال استنباط کی بلند لاگت سے محدود ہے—Amazon مخصوص سلیکان متعارف کرا رہی ہے، جس میں Annapurna Labs کے تیار کردہ Trainium ایکسلریٹرز اور Graviton مرکزی پراسیسنگ یونٹ [CPU] چپس شامل ہیں۔ انتہائی مختصر وسائل والے، خودکار ایجنٹ پر مبنی سافٹ ویئر انجینئرنگ کے طریقہ ہائے کار کی جانب بنیادی تبدیلی کے ساتھ، سرمائے کی تخصیص کی اس حکمتِ عملی کا مقصد کمپیوٹنگ کی لاگت کو دس گنا کم کرنا اور مصنوعی ذہانت کے ابھرتے ہوئے دور میں بنیادی قیادت حاصل کرنا ہے۔

1. سرمایہ جاتی اخراجات کا مسئلہ: ناقابلِ تسکین طلب کے تحت بنیادی ڈھانچے کی توسیع

کاروباری مصنوعی ذہانت کی موجودہ طلب کے غیر معمولی حجم نے کلاؤڈ بنیادی ڈھانچے کی تعمیر کو نامعلوم حدود تک پہنچا دیا ہے۔ Amazon، 2026 کے لیے مجموعی سرمایہ جاتی اخراجات کا تخمینہ تقریباً $220B لگا رہی ہے—جو روزانہ تقریباً $600M کی غیر معمولی سرمایہ کاری کی شرح کے برابر ہے۔ اس سرمایہ جاتی عزم کے باوجود، پورے کلاؤڈ نظام میں کمپیوٹنگ گنجائش شدید محدود ہے۔ Amazon Web Services [AWS] کی گنجائش 2026 تک مکمل فروخت ہو چکی ہے، 2027 کے لیے بڑی حد تک فروخت ہو چکی ہے، اور 2028 کی گنجائش کا بڑا حصہ پہلے ہی مختص کیا جا چکا ہے۔ اگرچہ مالی منڈیاں کبھی کبھار اس توسیع کی مالی اعانت کے لیے درکار بھاری رقوم کے بارے میں شکوک ظاہر کرتی ہیں، کاروباری کمپیوٹنگ کا بنیادی ڈھانچہ عالمی تجارت، بینکاری، صحت کی دیکھ بھال اور سافٹ ویئر کی سرگرمیوں کے لیے بنیادی سہولت بن چکا ہے۔

یہ تیز توسیع عارضی عملی اور مالی سمجھوتے پیدا کرتی ہے، جو وبا کے دوران Amazon کے طبعی نیٹ ورک کی توسیع سے بہت مشابہ ہیں۔ 2020 اور 2022 کے درمیان، Amazon نے اپنے آرڈرز کی تکمیل کے نیٹ ورک کا پھیلاؤ—ایک ایسا طبعی نیٹ ورک جو گزشتہ 25 برسوں میں تعمیر ہوا تھا—محض 18 ماہ میں دوگنا کر دیا۔ اسی دوران، کمپنی نے 20 ماہ میں آخری منزل تک ترسیل کا ایک نقل و حمل کا نیٹ ورک تعمیر کیا، جو حجم میں United Parcel Service [UPS] کے قابلِ موازنہ تھا۔

جب طبعی یا ڈیجیٹل بنیادی ڈھانچہ اتنی غیر معمولی رفتار سے تعمیر کیا جاتا ہے تو عملی ناکاریاں لازماً پیدا ہوتی ہیں۔ خوردہ شعبے میں تیز توسیع نے ابتدا میں خدمت فراہم کرنے کی لاگت پر شدید دباؤ پیدا کیا۔ صارف کے تجربے پر سمجھوتہ کرنے یا ادارہ جاتی عملی معیارات کم کرنے کے بجائے، Amazon نے ساختی رکاوٹوں کی نشاندہی کے لیے داخلی اعداد و شمار کے پیمانوں اور اعلیٰ انتظامیہ کے جائزے کے طریقہ کار سے فائدہ اٹھایا۔ اس کے نتیجے میں اس کے رسدی بنیادی ڈھانچے کی مکمل ازسرِنو تشکیل ہوئی، جس نے یکساں قومی آرڈر تکمیل نیٹ ورک کو علاقائی ماڈل میں تبدیل کر دیا۔ علاقائی تنظیم نے ذخیرے کو حتمی صارفین کے قریب پہنچایا، جس سے بیک وقت نقل و حمل کے فاصلے کم ہوئے، خدمت فراہم کرنے کی عملی لاگت گھٹی، اور ترسیل کی رفتار بڑھی۔

ڈیجیٹل بنیادی ڈھانچے میں بھی اسی طرح کی ساختی تبدیلی ہو رہی ہے۔ Amazon کے چیف ایگزیکٹو افسر Andy Jassy موجودہ ڈیٹا سینٹر تعمیرات کو ایک جدید صنعتی ضرورت قرار دیتے ہیں اور اس کا موازنہ ماضی کے وفاقی بنیادی ڈھانچے کے منصوبوں سے کرتے ہیں۔ Jassy نے کہا، "دنیا اور اس ملک میں شاید 1950 کی دہائی میں شاہراہوں اور پلوں کی تعمیر کے بعد سے ایسا کچھ نہیں ہوا۔" اس سرمایہ جاتی دور کو ترک کرنا یا مؤخر کرنا ایک سنگین تزویراتی خطرہ ہے؛ ملکی کمپیوٹنگ بنیادی ڈھانچہ قائم کرنے میں ناکامی سے تکنیکی قیادت اور عملی معیارات چین جیسے غیر ملکی حریفوں کے حوالے ہو سکتے ہیں۔

2. ڈیٹا سینٹر کی معاشیات کے طریقہ کار اور عوامی بجلی گرڈ سے متعلق مزاحمت

انتہائی بڑے پیمانے کے ڈیٹا سینٹرز کی معاشیات کو سمجھنے کے لیے نقد کے اس مخصوص دو حصوں والے دور کا جائزہ لینا ضروری ہے جو کلاؤڈ بنیادی ڈھانچے کو چلاتا ہے:

  • ڈیٹا سینٹر کی عمارتیں اور بجلی کا بنیادی ڈھانچہ: ڈیٹا سینٹر کی طبعی عمارتوں اور بجلی کے رابطوں کے لیے سرور کی تنصیب سے تقریباً دو سال پہلے سرمایہ مختص کرنا پڑتا ہے۔ تاہم، یہ عمارتیں 30 سال کی کارآمد عمر والے اثاثے ہیں، جن کے لیے بنیادی سرمایہ جاتی ادائیگی ایک ہی بار درکار ہوتی ہے۔
  • سرورز اور نیٹ ورکنگ آلات: معلوماتی ٹیکنالوجی کے اثاثے—جیسے سرور ریکس، نیٹ ورکنگ آلات، زیادہ بینڈوڈتھ والی میموری [HBM]، اور متحرک رینڈم ایکسیس میموری [DRAM]—تنصیب سے صرف چند ماہ پہلے خریدے جاتے ہیں۔ ان اثاثوں کی کارآمد عمر 5 سے 6 سال ہوتی ہے، عموماً تین سال کے اندر ان کی لاگت پوری ہو جاتی ہے، اور انہیں صارفین کے طویل مدتی معاہدوں کا تحفظ حاصل ہوتا ہے، جن کی اوسط مدت پانچ سال ہے۔

چونکہ ڈیٹا سینٹر کی عمارتوں کے لیے آمدنی شروع ہونے سے دو سال پہلے بھاری پیشگی سرمایہ درکار ہوتا ہے، اس لیے انتہائی بڑے پیمانے کے کلاؤڈ فراہم کنندگان کو تیز تعمیراتی مراحل کے دوران فری کیش فلو پر نمایاں عارضی دباؤ کا سامنا ہوتا ہے۔ سہولیات فعال ہونے، سرورز نصب ہونے، اور صارفین کے معاہدوں سے آمدنی شروع ہونے کے بعد نقد بہاؤ معمول پر آتا ہے اور مرکب انداز میں بڑھتا ہے۔ Jassy نے گفتگو کے دوران کہا، "اس سال سرمایہ جاتی اخراجات میں $220B خرچ کرنے کے باوجود، ہم طلب کے ایک قابلِ ذکر حصے کو پورا نہیں کر پا رہے۔"

اسی دوران، انتہائی بڑے پیمانے کے بنیادی ڈھانچے کی ترقی کو ماحول اور بجلی گرڈ پر اثرات کے حوالے سے سیاسی اور مقامی عوامی مزاحمت کا سامنا ہے۔ مشاہداتی ماخذی اعداد و شمار کئی عام عوامی غلط فہمیوں کی تردید کرتے ہیں:

  • پانی کا استعمال: ڈیٹا سینٹر کے ٹھنڈک کے نظام پرانی تجارتی عمارتوں کے مقابلے میں انتہائی مؤثر ہیں۔ مثال کے طور پر، گالف کی صنعت Amazon کے تمام ڈیٹا سینٹرز کے مجموعی استعمال سے 200 گنا زیادہ پانی استعمال کرتی ہے، اور دو دن میں اتنا پانی استعمال کر لیتی ہے جتنا Amazon کے ڈیٹا سینٹرز پورے سال میں استعمال کرتے ہیں۔
  • اخراج اور متبادل جنریٹرز: مقام پر موجود متبادل ڈیزل جنریٹر مسلسل نہیں چلتے۔ وہ صرف بجلی کی بندش اور معمول کی دیکھ بھال کے دوران چلتے ہیں، اور سال کے تقریباً 0.1% حصے میں فعال رہتے ہیں (سالانہ تقریباً 10 گھنٹے)۔
  • مقامی معاشی اور گرڈ اثرات: ڈیٹا سینٹرز میزبان بلدیاتی آبادیوں کے لیے ٹیکس کی بھاری بنیاد فراہم کرتے ہیں۔ انڈیانا کی سینٹ جوزف کاؤنٹی میں Amazon نے مقامی ٹیکسوں کی مد میں تقریباً $3B ادا کیے ہیں۔ مزید برآں، Amazon نے اپنے "Built Together" پروگرام کے ذریعے پانچ سال میں میزبان آبادیوں کو براہِ راست $1B فراہم کرنے کا عہد کیا ہے۔ اگرچہ بجلی کی تیزی سے بڑھتی طلب ابتدا میں گرڈ کی بہتری کو ناگزیر بناتی ہے، انڈیانا، جارجیا اور مسیسیپی کے علاقوں کے تاریخی اعداد و شمار ظاہر کرتے ہیں کہ علاقائی گرڈ کے بنیادی ڈھانچے کی گنجائش نصب ہونے کے بعد، مقامی بجلی کے نرخ وقت کے ساتھ مستحکم رہتے ہیں یا کم ہو جاتے ہیں۔

3. مصنوعی ذہانت کی طلب کی دو انتہائیں اور مخصوص سلیکان کا کردار

کاروباری مصنوعی ذہانت کے موجودہ استعمال میں ایک ساختی عدم مطابقت نظر آتی ہے، جسے Andy Jassy "طلب کا دو سروں والا ڈھانچہ" کہتے ہیں۔ کمپیوٹنگ کا استعمال منڈی کے دو انتہائی سروں پر بہت زیادہ مرتکز ہے، جبکہ کاروباری کاموں کی بڑی اکثریت میں اس کا استعمال ابھی نہیں پہنچا:

  • زیادہ کمپیوٹنگ والا سرا: اس میں جدید ترین مصنوعی ذہانت کی تحقیقی تجربہ گاہیں اور بے حد تیزی سے مقبول ہونے والی صارف ایپلی کیشنز شامل ہیں، جو قیمت سے قطع نظر بھاری کمپیوٹنگ گنجائش استعمال کرتی ہیں۔
  • کم کمپیوٹنگ والا سرا: اس میں وہ کاروبار شامل ہیں جو محدود لاگت سے بچاؤ اور پیداواری صلاحیت میں بہتری کے لیے مصنوعی ذہانت استعمال کرتے ہیں، جیسے خودکار کسٹمر سروس اور دھوکا دہی کی شناخت۔
  • غیر استعمال شدہ درمیانی حصہ: اس میں بنیادی کاروباری عملی ایپلی کیشنز شامل ہیں، جو اب بھی بڑی حد تک پرانے CPU ڈھانچوں سے بندھی ہوئی ہیں۔

ان بنیادی عملی کاموں کو مصنوعی ذہانت کے ایکسلریٹرز پر منتقل ہونے سے روکنے والی بنیادی رکاوٹ استنباط کی لاگت ہے۔ اگرچہ استنباط کی لاگت کم ہوئی ہے، پھر بھی وہ عام ایپلی کیشنز کو دوبارہ لکھنے کا جواز پیدا کرنے کے لیے دس گنا زیادہ ہے۔ Jassy نے کہا، "میری رائے میں استنباط کی لاگت... اب بھی اس کے زیادہ سے زیادہ وسیع استعمال کے لیے دس گنا زیادہ مہنگی ہے۔" اگر معیاری CPU کمپیوٹنگ اور مصنوعی ذہانت سے تیز کردہ کمپیوٹنگ کے درمیان لاگت کا فرق زیادہ رہے تو کارکردگی میں اضافی فائدے کو سرمایہ کاری پر منافع کی غیر معمولی بلند حد پوری کرنا ہوگی۔ استنباط کی لاگت کم کرنا وہ واحد ضروری محرک ہے جو اس وسیع درمیانی منڈی کو فعال کر سکتا ہے۔

استنباط کی لاگت کم کرنے کے لیے Amazon کی حکمتِ عملی Annapurna Labs کے تیار کردہ مخصوص سلیکان پر بہت زیادہ انحصار کرتی ہے، جسے 2015 میں حاصل کیا گیا تھا۔ ابتدا میں Annapurna کو اس لیے حاصل کیا گیا تھا کہ ذخیرہ کاری، نیٹ ورکنگ، ورچوئلائزیشن اور سکیورٹی کے کام سرور کے CPU سے مخصوص نیٹ ورک انٹرفیس کارڈز [NICs] پر منتقل کیے جا سکیں۔ اس ڈھانچے نے AWS کو Elastic Compute Cloud [EC2] سرور کی تقریباً 100% CPU گنجائش براہِ راست صارفین کے کاموں کے لیے مختص کرنے کے قابل بنایا۔

انجینئرنگ کی اس بنیاد سے چپس کے دو اہم خاندان سامنے آئے:

  • Graviton CPU: روایتی x86 ڈھانچے کے متبادل کے طور پر تیار کردہ Graviton چپس معیاری x86 پراسیسرز کے مقابلے میں قیمت کے لحاظ سے کارکردگی میں 40% برتری دیتی ہیں۔ آج AWS کے سب سے بڑے 1,000 EC2 صارفین میں سے 99%، Graviton استعمال کرتے ہیں۔
  • Trainium مصنوعی ذہانت ایکسلریٹرز: خاص طور پر گہری مشینی تعلیم کی تربیت اور استنباط کے لیے ڈیزائن کردہ Trainium پراسیسرز، حریف تجارتی گرافکس پراسیسرز کے مقابلے میں قیمت کے لحاظ سے کارکردگی میں 30% سے 40% برتری دیتے ہیں۔

مخصوص سلیکان کے ذریعے استنباط کی لاگت دس گنا کم کر کے، Amazon عام کاروباروں کے لیے بنیادی سافٹ ویئر ایپلی کیشنز کو مصنوعی ذہانت کے وسیع انضمام کی خاطر دوبارہ لکھنا معاشی طور پر قابلِ عمل بنانا چاہتی ہے۔

4. خودکار ایجنٹ کے دور میں تنظیمی ساخت اور سائبر سکیورٹی کی حقیقتیں

تخلیقی مصنوعی ذہانت اور خودکار ایجنٹ پر مبنی ترقیاتی آلات کا پھیلاؤ سافٹ ویئر انجینئرنگ، ٹیموں کی ساخت اور کمپنیوں کے عملی ماڈلز کو بنیادی طور پر بدل رہا ہے۔ انتہائی تخصصی تنظیمی ساختوں کی تاریخی روش—جہاں انفرادی پروڈکٹ مینیجرز یا انجینئرز کسی مصنوع کے نہایت چھوٹے حصوں کے ذمہ دار ہوتے ہیں—انتہائی مختصر وسائل والی، مختلف شعبوں پر مشتمل ٹیموں کے لیے جگہ چھوڑ رہی ہے۔

رفتار کی اس تبدیلی کی ایک اہم مثال خود AWS میں سامنے آئی: AWS Bedrock کی انجینئرنگ ٹیم نے 6 انجینئرز کی مدد سے 76 دن میں اپنا بنیادی استنباطی انجن مکمل طور پر دوبارہ تعمیر کیا۔ ماضی میں اس حجم کے بنیادی ڈھانچے کے منصوبے کے لیے 40 انجینئرز کا پورا سال کام کرنا ضروری ہوتا تھا۔ اسی طرح، 4 سے 5 انجینئرز کی چھوٹی داخلی ٹیمیں اب ایک ہی ہفتہ وار تعطیل میں ایسے سافٹ ویئر نمونے تیار کر سکتی ہیں جو 80% تک جاری کیے جانے کے قابل ہوں۔

رفتار کے یہ پیمانے تکنیکی اداروں میں انسانی سرمائے کی تخصیص کے طریقے میں بنیادی تبدیلی کا اشارہ دیتے ہیں:

  • افرادی قوت کے حجم میں تبدیلی: سافٹ ویئر اداروں کو روایتی کاموں، جیسے دستی کوڈنگ، بنیادی قانونی دستاویزات کی پراسیسنگ اور معمول کے کاروباری تجزیے کے لیے کم انسانی ڈویلپرز درکار ہوں گے۔ Jassy نے وضاحت کی، "مستقبل میں آج کے کام انجام دینے والے انسانوں کی تعداد آج کے مقابلے میں کم ہوگی۔"
  • بنیادی طور پر مختلف شعبوں پر مشتمل ٹیمیں: ترقیاتی ٹیمیں چھوٹی، انتہائی لچک دار ساختوں کے ساتھ تعمیر کے پیش رفتہ مراحل سے کام شروع کریں گی، اور معمول کے کاموں کے 80% حصے کو انجام دینے کے لیے مصنوعی ذہانت کے ماڈلز سے فائدہ اٹھائیں گی۔
  • منڈی تک پہنچنے کے وقت میں کمی: مصنوعات کی تکراری ترقی کے دور کئی ماہ کے منصوبہ بندی کے خاکوں سے سکڑ کر چند دن کے نمونہ سازی کے تیز مراحل تک آ رہے ہیں۔

تاہم، خودکار ایجنٹوں کی رفتار شدید سائبر سکیورٹی خطرات پیدا کرتی ہے۔ جدید مصنوعی ذہانت کے ماڈلز سافٹ ویئر کی کمزوریاں انسانی سکیورٹی ماہرین یا روایتی دخول آزمائش کرنے والوں کی شناخت کی رفتار سے زیادہ تیزی سے دریافت کر رہے ہیں۔

روایتی طور پر، سافٹ ویئر سکیورٹی کمزوریوں کی شناخت، اصلاحی کوڈ کی تیاری، انحصاری اجزا کی جانچ، اور تازہ کاریوں کی تنصیب پر منحصر تھی—ایک ایسا عمل جس میں اکثر ہفتے یا مہینے لگتے ہیں۔ خودکار ایجنٹوں سے پیدا ہونے والے خطرات کے ماحول میں اداروں کو اصلاحی کوڈ کی تنصیب کا وقت گھٹا کر منٹوں تک لانا ہوگا۔ اس تبدیلی میں برقرار رہنے کے لیے کاروباروں کو پرانے کوڈ کے مجموعوں کو ایسے ڈھانچوں میں دوبارہ لکھنا ہوگا جو بنیادی طور پر خودکار ایجنٹوں کے لیے بنائے گئے ہوں، تاکہ خودکار سافٹ ویئر ایجنٹ انسانی دستی مداخلت کے بغیر مسلسل کمزوریاں دریافت کر سکیں، ان کی اصلاح کر سکیں اور تازہ کاریاں نصب کر سکیں۔

5. سرمائے کی تخصیص، تزویراتی اتحاد، اور بنیادی مصنوعات کی ازسرِنو تشکیل

Amazon کی سرمایہ کاری کی حکمتِ عملی اپنی ملکیتی سلیکان کی تیاری کو مصنوعی ذہانت کے نمایاں ماڈل تیار کرنے والوں کے ساتھ کئی ارب ڈالر کے تزویراتی اتحادوں سے جوڑتی ہے۔

Anthropic کے ساتھ شراکت کے ذریعے، AWS، Claude ماڈلز کے لیے بنیادی تربیت اور استنباط فراہم کنندہ ہے۔ Anthropic نے Trainium چپس پر مبنی کئی گیگاواٹ کی کمپیوٹنگ تنصیبات کا عہد کیا ہے، جبکہ اپنے ماڈلز AWS Bedrock پر براہِ راست پیش کر رہی ہے۔ اسی طرح، Amazon نے AWS پر OpenAI کے کاموں کی معاونت کے لیے اپنے نظام کو وسعت دی ہے، اور مخصوص حالت محفوظ رکھنے والے اجرائی ماحول مشترکہ طور پر تیار کر رہی ہے، جو خاص طور پر خودکار ایجنٹوں کے عمل کے لیے ڈیزائن کیے گئے ہیں۔

بیرونی ماڈلز کی میزبانی سے آگے، کاروباری ٹیکنالوجی کی حکمتِ عملی کا تقاضا ہے کہ پختہ، انتہائی کامیاب مصنوعات کو معمولی خصوصیتی تازہ کاریوں پر انحصار کرنے کے بجائے بنیادی سطح سے ازسرِنو تشکیل دیا جائے۔ Jassy، Amazon Alexa کی مکمل تبدیلی کو ایک مطالعاتی مثال کے طور پر پیش کرتے ہیں۔ اگرچہ آغاز کے وقت Alexa کا اصل ڈھانچہ انقلابی تھا، تخلیقی مصنوعی ذہانت کی آمد نے اس کے بنیادی انجن کو مکمل طور پر بدلنا ضروری بنا دیا۔

اگرچہ پرانے سافٹ ویئر کو بتدریج تازہ کرنا تنظیمی لحاظ سے آسان ہے، منڈی میں قیادت برقرار رکھنے کے لیے بنیادی سطح سے دوبارہ لکھنا ضروری ہے۔ خوردہ تجارت، ویڈیو نشریات اور کلاؤڈ انتظام کی قائم شدہ کاروباری ایپلی کیشنز کو ابھرتی ہوئی، بنیادی طور پر خودکار ایجنٹوں پر مبنی نئی کمپنیوں کے مقابلے میں مسابقتی رہنے کے لیے مکمل طور پر مصنوعی ذہانت پر مبنی ازسرِنو ڈیزائن سے گزرنا ہوگا۔

اہم اعداد و شمار

  • $220B: 2026 میں Amazon کے متوقع سرمایہ جاتی اخراجات (~$600M یومیہ)۔
  • 36.7%: حالیہ سہ ماہی میں AWS کی آمدنی میں گزشتہ سال کے مقابلے میں اضافہ، جبکہ سالانہ آمدنی کی موجودہ رفتار $169B ہے۔
  • $25+B: AWS کے تخلیقی مصنوعی ذہانت کے کاروبار کی پہلے 3 سال کے اندر سالانہ آمدنی کی رفتار (AWS کی ابتدائی تاریخ میں 3 سال کے بعد $60M کی رفتار کے مقابلے میں)۔
  • 80%: 2021 سے اب تک مجموعی طور پر Amazon کی آمدنی میں تقریباً اضافہ۔
  • 3x: 2021 سے اب تک AWS کی نمو کی مقدار۔
  • 2.5x: 2021 سے اب تک Amazon کی اشتہاری آمدنی میں اضافہ۔
  • 30 سال بمقابلہ 5–6 سال: ڈیٹا سینٹر کے بنیادی ڈھانچے کی کارآمد عمر (30 سال) بمقابلہ سرور اور نیٹ ورکنگ آلات (5–6 سال، لاگت کی وصولی ~3 سال)۔
  • 40%: معیاری x86 پروسیسرز کے مقابلے میں Graviton کے مرکزی پروسیسنگ یونٹس کی قیمت کے لحاظ سے کارکردگی میں بہتری۔
  • 30%–40%: مماثل پروسیسرز کے مقابلے میں Trainium کی مصنوعی ذہانت کی چپس کو قیمت کے لحاظ سے کارکردگی میں برتری۔
  • 200x: وہ گنا مقدار جس کے لحاظ سے گالف کورسز Amazon کے ڈیٹا سینٹرز سے زیادہ پانی استعمال کرتے ہیں۔
  • 0.1%: سال کا وہ فیصد جس میں متبادل جنریٹر چلتے ہیں (تقریباً 10 گھنٹے سالانہ)۔
  • $3B: انڈیانا کی سینٹ جوزف کاؤنٹی میں Amazon کے ادا کردہ ٹیکس۔
  • $1B: "Built Together" پروگرام کے ذریعے ڈیٹا سینٹرز کی میزبان مقامی آبادیوں کے لیے پانچ سالہ مالی عہد۔
  • 76 دنوں میں 6 انجینئر: Bedrock ٹیم کی جانب سے استنباطی انجن کی ازسرنو تعمیر کا دائرۂ کار (ماضی میں 1 سال کے لیے 40 افراد کے مقابلے میں)۔

کن تبدیلیوں سے یہ منظرنامہ بدل سکتا ہے

  1. استنباط کی لاگت میں نمایاں کمی: مخصوص ضروریات کے مطابق تیار کردہ سلیکون (مثلاً Trainium) کی بدولت استنباط کی لاگت میں بہت بڑی کمی، جو "باربیل" کے درمیانی حصے (عام کاروباری اطلاقیوں) کو صرف مرکزی پروسیسنگ یونٹ پر مبنی ساختوں سے منتقل ہونے کی ترغیب دے۔
  2. اجزا اور بجلی کی فراہمی کی رکاوٹوں کا خاتمہ: میموری (HBM/DRAM)، بجلی اور ٹھنڈک کی فراہمی کی زنجیروں میں نمایاں اضافہ، جو موجودہ مکمل طور پر فروخت شدہ گنجائش کی پابندیوں سے آگے اضافی گنجائش دستیاب کرے (2026–2028)۔
  3. خودمختار ایجنٹس کے ذریعے بڑے پیمانے پر ازسرنو تحریر: کاروباری اداروں کا پرانے کوڈ کی ساختوں کو کامیابی سے اس طرح اپ ڈیٹ کرنا کہ وہ بنیادی طور پر ایجنٹس کے لیے موزوں ہوں، جس سے ہر منٹ حفاظتی اصلاحات کی تنصیب ممکن ہو۔
  4. سرکاری و نجی بنیادی ڈھانچے کی شراکت داریوں میں تبدیلی: انتہائی بڑے پیمانے کی کمپیوٹنگ کی صنعتی طلب کے مطابق بجلی کے گرڈ کی گنجائش بڑھانے کے لیے وفاقی اور مقامی سرمایہ کاری میں تیزی۔

مزید مفت تحقیق دیکھنے یا اپنے ماڈلز آزمانے کے لیے DeepValues Research کے پلیٹ فارم پر جائیں یا DeepValues ایپ آزمائیں۔

حوالہ جات

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

دیکھیں

ماخذ کے لنکس

دیکھیں اور سنیں

کمپنیوں پر تحقیق

تحقیقی متن کا لائسنس: CC BY 4.0، حوالہ یوں دیں: DeepValues Research, Amazon کی $220 ارب کی AI بنیادی ڈھانچے کی حکمتِ عملی: خصوصی طور پر تیار کردہ سلیکون چپس، ڈیٹا سینٹر کی معاشیات، اور کاروباری اداروں میں مصنوعی ذہانت کا وسیع پیمانے پر استعمال, https://research.deepvalues.ai/insights/2026-10-24-amazons-ai-era-and-infrastructure-expansion-ur/

مفت ہفتہ وار ای میل

Margin of Safety Weekly

ہر سنیچر: مارکیٹ کا درجۂ حرارت، بڑے سرمایہ کاروں نے کیا خریدا اور بیچا (13F فائلنگز)، ہفتے کی نئی تحقیق، اور ہماری ویڈیوز اور پوڈکاسٹس — مفت، اکاؤنٹ کی ضرورت نہیں۔

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

مزید جانیں

کسی بھی شیئر کا یہ تجزیہ 2 منٹ میں کریں

اس رپورٹ کو تیار کرنے والا متعدد ایجنٹس پر مشتمل مصنوعی ذہانت کا تجزیہ کار، Deep Value Intelligence، کسی بھی اسٹاک ایکسچینج میں درج کمپنی کے لیے درخواست پر ایسی ہی رپورٹ تیار کرتا ہے۔

Deep Value Intelligence کھولیں

DeepValues ایپ میں 300+ شیئرز پر نظر رکھیں

آرا، حقیقی قدر اور تازہ رپورٹس، آپ کے فون پر۔

ڈویلپرز: API سے آرا اور رپورٹس حاصل کریں

ان صفحات کی بنیاد بننے والے بنیادی مالی اعداد، حقیقی قدریں، آرا اور رپورٹ لنکس، JSON کی صورت میں۔

API دستاویزات

گفتگو کریں