मूर के नियम से आगे: एज रोबोटिक्स के लिए इन-मेमोरी कंप्यूट और चिपलेट

आधी सदी से अधिक समय तक कंप्यूटिंग की प्रगति मूर के नियम पर चली: हर अठारह से चौबीस महीनों में सिलिकॉन पर दोगुने ट्रांज़िस्टर ठूँसना। लेकिन फ़िज़िकल AI और स्वायत्त रोबोटिक्स के उभरते क्षेत्र में मूर का नियम ऊष्मागतिकी के नियमों से टकरा गया है। स्वायत्त ड्रोन, चार पैरों वाले रोबोट, सर्जिकल मैनिपुलेटर और सेल्फ़-ड्राइविंग वाहन 700 वॉट वाले सर्वर-श्रेणी के GPU या कूलिंग टावर अपने साथ नहीं ढो सकते। 13 अक्टूबर 2026 को लंदन में हुए Economist Enterprise Physical AI and Robotics Summit में Mythic AI के चेयरमैन और मुख्य कार्यकारी Taner Ozcelik ने Kenneth Cukier के साथ एक फ़ायरसाइड चैट में उस आर्किटेक्चरल क्रांति की पड़ताल की जो इस गतिरोध को तोड़ने के लिए ज़रूरी है: एनालॉग कंप्यूट-इन-मेमोरी (CIM) और मॉड्यूलर चिपलेट के ज़रिए मूर के नियम से आगे बढ़ना।

ऊष्मागतिकीय दीवार: फ़िज़िकल AI क्लाउड में क्यों नहीं रह सकता #

Moving past Moore’s law: the power behind high-performance robotics शीर्षक वाले फ़ायरसाइड सत्र में Kenneth Cukier ने एंटरप्राइज़ स्वायत्तता के सामने खड़ी मूल इंजीनियरिंग दुविधा को सामने रखा: आर्टिफ़िशियल इंटेलिजेंस मॉडल पैरामीटर आकार और अनुभूति क्षमता में बढ़ रहे हैं, लेकिन भौतिक मशीनें कठोर SWaP-C बाधाओं (आकार, वज़न, बिजली और लागत) के तहत काम करती हैं।

आज की AI अग्रिम पंक्ति हाइपरस्केल डेटा सेंटरों पर टिकी है जो विशाल सर्वर क्लस्टरों में 150 मेगावॉट या उससे अधिक बिजली खींचते हैं। जैसा कि Ozcelik ने बताया, यह आर्किटेक्चर ऐसे ऊर्जा पैमानों पर काम करता है जो जैविक संदर्भ बिंदुओं से लाखों गुना दूर हैं। मानव मस्तिष्क लगभग 20 वॉट के चयापचयी पावर दायरे में रीयल-टाइम निरंतर सेंसरीमोटर समन्वय, अर्थगत तर्क और दृश्य-स्थानिक नेविगेशन करता है।

ऐतिहासिक रूप से रोबोटिक्स इंजीनियरों ने इन्फ़रेंस को क्लाउड पर भेजकर ऑन-बोर्ड कंप्यूट सीमाओं से बचने की कोशिश की। लेकिन मिशन-क्रिटिकल औद्योगिक, एयरोस्पेस और रक्षा वातावरणों में क्लाउड पर निर्भर स्वायत्तता आर्किटेक्चर के लिहाज़ से असंभव है:

1. लेटेंसी में उतार-चढ़ाव और जिटर: हाई-स्पीड क्लोज़्ड-लूप रोबोटिक नियंत्रण के लिए 50Hz से 1,000Hz पर नियतात्मक मोटर अपडेट चाहिए (20 मिलीसेकंड से कम का राउंड-ट्रिप)। सेल्युलर और Wi-Fi नेटवर्क पैकेट जिटर, छूटे फ़्रेम और लेटेंसी उछाल लाते हैं, जिनसे रोबोटिक भुजाएँ वर्कपीस गिरा देती हैं या स्वायत्त वाहन ब्रेकिंग सीमाओं में चूक जाते हैं।
2. बैंडविड्थ संतृप्ति: किसी औद्योगिक संयंत्र में दर्जनों मोबाइल रोबोटों से कई अनकंप्रेस्ड 4K वीडियो फ़ीड और LiDAR पॉइंट क्लाउड स्ट्रीम करना स्थानीय RF बैंडविड्थ को जल्दी खत्म कर देता है और भारी क्लाउड ईग्रेस शुल्क लगाता है।
3. परिचालन संप्रभुता और बाधित कनेक्टिविटी: भूमिगत खनन, GPS-रहित सुरंगों, दूरदराज़ के निर्माण स्थलों या सामरिक सैन्य वातावरणों में बाहरी नेटवर्क लिंक या तो होते ही नहीं या सक्रिय रूप से जाम किए जाते हैं। स्वायत्त प्रणालियों को पूरी परिचालन बुद्धि सीधे एज चेसिस पर साथ रखनी होती है।

रोबोटों को मानक हाई-परफ़ॉर्मेंस GPU से लैस करने के अपने भौतिक नुकसान हैं: थर्मल थ्रॉटलिंग, भारी हीट सिंक जो परजीवी पेलोड भार जोड़ते हैं, और ऊँची बिजली खपत जो बैटरी पर उड़ान का समय घंटों से घटाकर मिनटों में ला देती है।

आर्किटेक्चरल सिद्धांत: कंप्यूट-इन-मेमोरी (CIM) #

ऊष्मागतिकीय अड़चन को हल करने के लिए Mythic AI ने एक आर्किटेक्चरल दर्शन आगे बढ़ाया है: अलग-अलग प्रोसेसिंग यूनिट और मेमोरी पूल के बीच डेटा को ढोने के बजाय मेमोरी को ही कंप्यूटर बनना होगा।

.class="img-fluid clearfix"

सिंगल-ट्रांज़िस्टर मैट्रिक्स गुणन की भौतिकी #

पारंपरिक डिजिटल कंप्यूटिंग में मैट्रिक्स डॉट प्रोडक्ट की गणना के लिए बाहरी DRAM से हाई-कैपेसिटेंस बस लाइनों पर हज़ारों 8-बिट या 16-बिट वेट मान लाने, उन्हें कैश रजिस्टरों में लोड करने, डिजिटल ALU के भीतर गुणा करने और परिणामों को वापस मेमोरी में लिखने की ज़रूरत होती है। 90% से अधिक ऊर्जा चिपों के बीच की ताँबे की इंटरकनेक्ट लाइनों को चार्ज और डिस्चार्ज करने में खर्च होती है।

इन-मेमोरी कंप्यूट आर्किटेक्चर इस डिजिटल डेटा ट्रांसफ़र की जगह एनालॉग सर्किट भौतिकी का उपयोग करते हैं:

वेट प्रोग्रामिंग। न्यूरल नेटवर्क के वेट सीधे नॉन-वोलेटाइल मेमोरी सेल (जैसे संशोधित फ़्लैश या रेज़िस्टिव RAM) में एनालॉग कंडक्टेंस ($G$) के रूप में प्रोग्राम किए जाते हैं। एक बार प्रोग्राम हो जाने के बाद वेट मेमोरी एरे के भीतर स्थिर रहते हैं; इन्फ़रेंस के दौरान उन्हें कभी लाया या स्थानांतरित नहीं किया जाता।

इनपुट वोल्टेज मॉड्यूलेशन। इनपुट एक्टिवेशन (जैसे कैमरों से आए विज़ुअल टोकन) एनालॉग वोल्टेज स्तरों ($V$) में बदले जाते हैं और एरे की वर्ड लाइनों पर चलाए जाते हैं।

ओम के नियम से गुणन। जब इनपुट वोल्टेज हर मेमोरी सेल से गुज़रता है, तो ओम का नियम ($I = V \times G$) तात्कालिक एनालॉग गुणन करता है और इनपुट तथा संग्रहीत वेट के गुणनफल के अनुपाती विद्युत धारा पैदा करता है।

किरचॉफ़ के धारा नियम से संचय। ऊर्ध्वाधर बिट लाइनों के साथ हज़ारों समानांतर मेमोरी सेलों की धाराएँ किरचॉफ़ के धारा नियम ($\sum I = 0$) के अनुसार स्वाभाविक रूप से जुड़ जाती हैं।

इस तरह एक अकेला फ़्लैश मेमोरी एरे पूरा मैट्रिक्स-वेक्टर गुणन एक ही क्लॉक साइकिल में करता है, एक भी मेमोरी फ़ेच के बिना भौतिकी के स्तर पर काम करते हुए। संचित एनालॉग धारा को फिर एरे के किनारे पर लगे हाई-स्पीड एनालॉग-टू-डिजिटल कन्वर्टर (ADC) के ज़रिए वापस डिजिटल मानों में बदला जाता है।

मॉड्यूलर चिपलेट रणनीति #

एनालॉग कंप्यूट-इन-मेमोरी ऊर्जा और लेटेंसी के समीकरण तो हल कर देता है, लेकिन विविध व्यावसायिक क्षेत्रों में सिलिकॉन को स्केल करने के लिए पैकेजिंग में लचीलापन चाहिए। बड़े, एकाश्मी सिस्टम-ऑन-चिप (SoC) बनाने के बजाय, जो घातीय दोष दरों, ख़राब वेफ़र यील्ड और अनम्य उत्पाद विन्यासों से जूझते हैं, Ozcelik ने एक मॉड्यूलर चिपलेट रणनीति रखी।

इस प्रतिमान में छोटी, मानकीकृत इन-मेमोरी कंप्यूट टाइलें स्वतंत्र रूप से बनाई जाती हैं और उन्नत पैकेजिंग के ज़रिए इंटरपोज़र पर जोड़ी जाती हैं:

1. मानकीकृत हाई-स्पीड डाई-टू-डाई इंटरकनेक्ट: Universal Chiplet Interconnect Express (UCIe) जैसे उभरते मानकों का लाभ उठाकर चिपलेट माइक्रो-बंप के पार ऊँचे बैंडविड्थ घनत्व और पिकोसेकंड-स्तर की लेटेंसी के साथ संवाद करते हैं।
2. विषमांगी संरचना: सिस्टम डिज़ाइनर हल्के ड्रोन पेलोड के लिए दो इन-मेमोरी चिपलेट को कम लागत वाले ARM कंट्रोल प्रोसेसर के साथ जोड़ सकता है, या एज डेटा सेंटरों के लिए सर्वर एक्सेलेरेटर कार्ड बनाने के लिए सोलह चिपलेट को हाई-स्पीड PCIe इंटरफ़ेस के साथ जोड़ सकता है।
3. सार्वभौमिक कंपाइलेशन और वर्कलोड मैपिंग: एक एकीकृत कंपाइलर परत मानक डीप लर्निंग ग्राफ़ (ONNX, PyTorch) लेती है और मॉडल की परतों को उपलब्ध चिपलेट टोपोलॉजी पर अपने-आप बाँटती है, ताकि चिपलेटों के बीच संचार कम से कम हो और डेटा रूटिंग अनुकूलित रहे।

आर्किटेक्चरल तुलना: एज रोबोटिक्स के लिए कंप्यूट प्रतिमान #

स्रोत: Economist Enterprise Physical AI and Robotics Summit (Convene 200 Aldersgate, लंदन, 13 अक्टूबर 2026) में प्रस्तुत फ़ायरसाइड चर्चा के आँकड़ों और सेमीकंडक्टर आर्किटेक्चर विनिर्देशों का संश्लेषण।

क्षेत्रवार इसका क्या अर्थ है #

इन-मेमोरी कंप्यूट की व्यावसायिक पुष्टि उन उद्योगों में पैठ बनाने पर निर्भर है जहाँ बिजली और लागत की बाधाओं ने ऐतिहासिक रूप से उन्नत फ़ाउंडेशन मॉडल के परिनियोजन को रोके रखा है।

सामरिक रक्षा और मानवरहित प्रणालियाँ #

रक्षा के एज अनुप्रयोगों में ऊर्जा दक्षता सीधे परिचालन उत्तरजीविता और मिशन अवधि में बदलती है। छोटी मानवरहित हवाई प्रणालियाँ (sUAS) और सामरिक ज़मीनी रोवर बैटरी के वज़न से बुरी तरह बंधे होते हैं। किसी टोही ड्रोन को पारंपरिक GPU से लैस करने पर सिर्फ़ AI पर्सेप्शन स्टैक को बिजली देने के लिए उसकी हवाई सहनशक्ति 30% से 50% तक घट जाती है।

Lockheed Martin के साथ Mythic AI का रणनीतिक जुड़ाव इन-मेमोरी कंप्यूट को सामरिक एज प्रणालियों, स्वायत्त ड्रोन झुंडों और दूरस्थ निगरानी चौकियों में लगाने पर केंद्रित है। कंप्यूट की बिजली खपत 50W से घटाकर 10W से नीचे लाकर सामरिक ड्रोन लंबी उड़ान अवधि हासिल करते हैं, और साथ ही बाधित, GPS-रहित परिचालन क्षेत्रों में बहु-मोडल वस्तु वर्गीकरण, इलेक्ट्रॉनिक युद्ध सिग्नल प्रोसेसिंग और विज़ुअल-इनर्शियल ओडोमेट्री स्थानीय रूप से चलाते हैं।

ऑटोमोटिव परिस्थितिजन्य जागरूकता और केबिन के भीतर AI #

ऑटोमोटिव क्षेत्र में टियर-वन निर्माता मार्जिन के भारी दबाव का सामना करते हैं। प्रमुख इलेक्ट्रिक वाहन £2,000 के लिक्विड-कूल्ड स्वायत्त ड्राइविंग कंप्यूटरों की लागत सह सकते हैं, लेकिन आम बाज़ार के वाहन नहीं।

Mythic AI के साथ Honda Motor की साझेदारी इसी व्यावसायिक घर्षण को संबोधित करती है। वाहन निर्माताओं को बड़े पैमाने पर बनने वाले, ऑटोमोटिव-योग्य AI चिप चाहिए जिनकी कीमत सैकड़ों नहीं बल्कि दसियों डॉलर हो, जो ड्राइवर-निगरानी प्रणालियाँ, ब्लाइंड-स्पॉट ऑब्जेक्ट सेगमेंटेशन और 360-डिग्री सराउंड पर्सेप्शन चला सकें, और इसके लिए जटिल लिक्विड कूलिंग लूप की ज़रूरत न पड़े जो निर्माण लागत और असेंबली की जटिलता बढ़ाते हैं।

औद्योगिक एज डेटा सेंटर और मोबाइल फ़ुलफ़िलमेंट #

इन-मेमोरी कंप्यूट आर्किटेक्चर के लिहाज़ से एज के लिए अनुकूलित है, फिर भी Mythic एज डेटा सेंटरों और वेयरहाउस फ़ुलफ़िलमेंट हब के लिए PCIe एक्सेलेरेटर कार्ड पेश करके एक सोची-समझी सेतु रणनीति पर चल रहा है। सैकड़ों स्वायत्त मोबाइल रोबोट (AMR) वाली सुविधाओं में बेड़े के समन्वय मॉडल चलाने वाले एज सर्वर रैक सुविधा की बिजली आपूर्ति और कूलिंग सीमाओं से बंधे होते हैं। इन-मेमोरी एक्सेलेरेटर कार्ड सुविधाओं को यूटिलिटी बिजली ढाँचे को अपग्रेड किए बिना स्थानीय इन्फ़रेंस थ्रूपुट को कई गुना बढ़ाने देते हैं।

आपूर्ति शृंखला का लचीलापन और विनिर्माण का भूगोल #

Ozcelik की ब्रीफ़िंग का एक अहम पहलू आपूर्ति शृंखला की संप्रभुता पर केंद्रित था। अगर सिलिकॉन को भरोसेमंद ढंग से बनाया, पैक किया और बड़े पैमाने पर भेजा नहीं जा सकता, तो हार्डवेयर नवाचार अर्थहीन है।

Mythic AI ने एक वितरित अंतरराष्ट्रीय विनिर्माण ढाँचा खड़ा किया है:

• सिलिकॉन फ़ैब्रिकेशन: मुख्य इन-मेमोरी वेफ़र उत्पादन टोक्यो, जापान में केंद्रित है, जो सटीक सेमीकंडक्टर फ़ैब्रिकेशन और परिपक्व एनालॉग/फ़्लैश प्रोसेस नोड में जापान के स्थापित नेतृत्व का लाभ उठाता है।
• उन्नत पैकेजिंग और असेंबली: वेफ़र उन्नत चिपलेट डाइसिंग, मल्टी-डाई सब्सट्रेट बॉन्डिंग और स्वचालित ऑप्टिकल निरीक्षण के लिए यूरोप (ख़ासकर जर्मनी) भेजे जाते हैं।
• रिविज़न सत्यापन: कंपनी फ़िलहाल अपने नवीनतम सिलिकॉन रिविज़न का सत्यापन पूरा कर रही है, जिसका ध्यान प्रयोगशाला यील्ड मेट्रिक्स को ऑटोमोटिव और रक्षा के बड़े पैमाने के उत्पादन के लिए दोहराए जा सकने वाले, उत्पादन-स्तर के स्टेटमेंट्स ऑफ़ वर्क (SOW) में बदलने पर है।

यह बहु-क्षेत्रीय दृष्टिकोण भू-राजनीतिक कमज़ोरी के किसी एक बिंदु से बचता है और यूरोपीय तथा एशियाई कॉर्पोरेट साझेदारों को भौगोलिक रूप से विविध आपूर्ति शृंखलाएँ देता है।

निष्कर्ष #

Economist Enterprise Physical AI and Robotics Summit में Taner Ozcelik और Kenneth Cukier के बीच फ़ायरसाइड संवाद ने उस भौतिक वास्तविकता की रूपरेखा रखी जो स्वायत्त प्रणालियों के अगले दशक को संचालित करेगी। ट्रांज़िस्टर स्केलिंग के एक सरल माप के रूप में मूर का नियम अब फ़िज़िकल AI क्रांति को ऊर्जा देने के लिए पर्याप्त नहीं है।

जब तक कंप्यूटिंग आर्किटेक्चर लॉजिक और मेमोरी के Von Neumann विभाजन से चिपके रहेंगे, रोबोटिक्स बैटरी के भार, ताप अपव्यय और निषेधात्मक बिल-ऑफ़-मटीरियल्स लागतों से बंधी रहेगी। डिजिटल डेटा आवाजाही से एनालॉग इन-मेमोरी कंप्यूट एरे और मॉड्यूलर चिपलेट टोपोलॉजी की ओर बढ़कर सेमीकंडक्टर इंजीनियरिंग वह छलांग जैसी दक्षता सफलता दे रही है जिसकी स्वायत्त प्रणालियों को ज़रूरत है।

700W के डेटा सेंटर क्लस्टरों से 15W के एज सिलिकॉन तक का संक्रमण भौतिक स्वायत्तता का असली द्वार है। अंतिम विश्लेषण में, वास्तविक दुनिया में काम करने वाले रोबोटों को वास्तविक दुनिया के ऊर्जा नियमों का पालन करना होगा; इन-मेमोरी कंप्यूट वह आर्किटेक्चर है जो सिलिकॉन और जीवविज्ञान के बीच की खाई को पाटता है।

अक्सर पूछे जाने वाले प्रश्न #

AI हार्डवेयर में Von Neumann अड़चन क्या है? Von Neumann अड़चन उस थ्रूपुट और ऊर्जा सीमा को कहते हैं जो सेंट्रल प्रोसेसिंग यूनिट (ALU) और सिस्टम मेमोरी (DRAM) के भौतिक अलगाव से पैदा होती है। आर्टिफ़िशियल इंटेलिजेंस वर्कलोड में, जिनमें अरबों मैट्रिक्स गुणन होते हैं, प्रोसेसर अपनी कुल ऊर्जा का 85% से अधिक और बड़ी संख्या में क्लॉक साइकिल सिर्फ़ ताँबे की बसों पर डेटा को आगे-पीछे ढोने में लगा देते हैं, जिससे गंभीर थर्मल और लेटेंसी अड़चनें पैदा होती हैं।

एनालॉग कंप्यूट-इन-मेमोरी (CIM) कैसे काम करता है? कंप्यूट-इन-मेमोरी डेटा को हिलाए बिना सीधे मेमोरी सेलों के भीतर गणितीय ऑपरेशन करता है। न्यूरल नेटवर्क के वेट नॉन-वोलेटाइल मेमोरी सेलों के भीतर एनालॉग कंडक्टेंस अवस्थाओं के रूप में संग्रहीत होते हैं। जब एरे पर इनपुट वोल्टेज लगाए जाते हैं, तो धारा ओम के नियम ($I = V \times G$) के अनुसार सेलों से बहती है और किरचॉफ़ के धारा नियम के अनुसार बिट लाइनों पर जुड़ती है। इससे पूरा मैट्रिक्स-वेक्टर गुणन एक ही भौतिक चरण में हो जाता है।

रोबोटिक्स और ड्रोन के लिए इन-मेमोरी कंप्यूट ख़ास तौर पर अहम क्यों है? मोबाइल रोबोट और ड्रोन आकार, वज़न, बिजली और लागत (SWaP-C) की सख़्त सीमाओं में काम करते हैं। वे ऑन-बोर्ड बैटरियों पर निर्भर होते हैं और भारी कूलिंग रेडिएटर या ऊँची वॉटेज वाली बिजली आपूर्ति नहीं ढो सकते। इन-मेमोरी कंप्यूट 10x से 1,000x अधिक ऊर्जा दक्षता देता है, जिससे रोबोट 10W से 20W के पावर दायरे में जटिल विज़न-लैंग्वेज-एक्शन मॉडल स्थानीय रूप से चला पाते हैं और बैटरी की सहनशक्ति बनी रहती है।

एकाश्मी चिप की तुलना में चिपलेट दृष्टिकोण का क्या लाभ है? एकाश्मी चिप सभी कार्यात्मक इकाइयों को एक अकेले, बड़े सिलिकॉन डाई पर समेटते हैं। जैसे-जैसे डाई का आकार बढ़ता है, निर्माण दोष दरें घातीय रूप से बढ़ती हैं, जिससे उत्पादन यील्ड घटती है और प्रति यूनिट लागत बढ़ती है। चिपलेट आर्किटेक्चर प्रणाली को छोटे, मानकीकृत सिलिकॉन डाई में बाँटता है जो ऊँची यील्ड के साथ स्वतंत्र रूप से बनाए जाते हैं और हाई-स्पीड माइक्रो-बंप से जोड़े जाते हैं। इससे विशिष्ट औद्योगिक बिजली और फ़ॉर्म-फ़ैक्टर ज़रूरतों के अनुरूप मॉड्यूलर, लचीले विन्यास संभव होते हैं।

इस तकनीक के प्रमुख व्यावसायिक साझेदार कौन हैं? Mythic AI का इन-मेमोरी कंप्यूट प्लेटफ़ॉर्म फ़िलहाल दो बड़ी कॉर्पोरेट साझेदारियों पर टिका है: Lockheed Martin, जो बैटरी सहनशक्ति बढ़ाने के लिए इस आर्किटेक्चर को सामरिक रक्षा ड्रोन, मानवरहित रोबोटिक प्लेटफ़ॉर्म और परिधि सुरक्षा चौकियों में जोड़ रहा है; और Honda Motor, जो वाहन की परिस्थितिजन्य जागरूकता और केबिन के भीतर सेंसिंग के लिए कम लागत वाले, ऑटोमोटिव-योग्य AI चिप पर ध्यान दे रहा है।

संदर्भ #

• Economist Enterprise, (2026). Physical AI & Robotics Summit: स्वायत्त प्रणालियों के ज़रिए परिचालन बढ़त ⧉. Economist Enterprise.
• Ozcelik, T., (2026). मूर के नियम से आगे: हाई-परफ़ॉर्मेंस रोबोटिक्स के पीछे की शक्ति ⧉. Mythic AI.
• Cukier, K., (2026). स्वायत्त बुद्धि पर ऊष्मागतिकीय सीमाएँ ⧉. The Economist.
• Marković, D., Mizrahi, A., Querlioz, D., & Grollier, J., (2020). न्यूरोमॉर्फ़िक कंप्यूटिंग के लिए भौतिकी ⧉. Nature Reviews Physics, 2, 499-510.
• Universal Chiplet Interconnect Express, (2025). UCIe विनिर्देश 2.0: डाई-टू-डाई इंटरकनेक्ट मानक ⧉. UCIe Consortium.
• IEEE, (2026). International Roadmap for Devices and Systems (IRDS): CMOS से आगे और कंप्यूट-इन-मेमोरी ⧉. IEEE Standards Association.

अंतिम समीक्षा 2026-10-13.

अंतिम समीक्षा 2026-10-27.

# मूर के नियम से आगे: एज रोबोटिक्स के लिए इन-मेमोरी कंप्यूट और चिपलेट — Sebastien Rousseau

> Originally published at [https://sebastienrousseau.com/hi/2026-10-13-mur-ke-niyam-age-ej-robotiks/](https://sebastienrousseau.com/hi/2026-10-13-mur-ke-niyam-age-ej-robotiks/)

लंदन के Economist Enterprise Physical AI and Robotics Summit में Mythic AI के CEO Taner Ozcelik ने दिखाया कि इन-मेमोरी कंप्यूट और चिपलेट मेमोरी दीवार कैसे तोड़ते हैं।

Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/hi/2026-10-13-mur-ke-niyam-age-ej-robotiks/

मूर के नियम से आगे: एज रोबोटिक्स के लिए इन-मेमोरी कंप्यूट और चिपलेट — Sebastien Rousseau

लंदन के Economist Enterprise Physical AI and Robotics Summit में Mythic AI के CEO Taner Ozcelik ने दिखाया कि इन-मेमोरी कंप्यूट और चिपलेट मेमोरी दीवार कैसे तोड़ते हैं।

https://sebastienrousseau.com/hi/2026-10-13-mur-ke-niyam-age-ej-robotiks/

मूर के नियम से आगे: एज रोबोटिक्स के लिए इन-मेमोरी कंप्यूट और चिपलेट — Sebastien Rousseau

लंदन के Economist Enterprise Physical AI and Robotics Summit में Mythic AI के CEO Taner Ozcelik ने दिखाया कि इन-मेमोरी कंप्यूट और चिपलेट मेमोरी दीवार कैसे तोड़ते हैं।.

यहाँ मुख्य रणनीतिक निष्कर्ष हैं:

- ऊष्मागतिकीय दीवार: फ़िज़िकल AI क्लाउड में क्यों नहीं रह सकता. Moving past Moore’s law: the power behind high-performance robotics शीर्षक वाले फ़ायरसाइड सत्र में Kenneth Cukier ने एंटरप्राइज़ स्वायत्तता के सामने खड़ी मूल इंजीनियरिंग दुविधा को सामने रखा: आर्टिफ़िशियल इंटेलिजेंस…
- आर्किटेक्चरल सिद्धांत: कंप्यूट-इन-मेमोरी (CIM). ऊष्मागतिकीय अड़चन को हल करने के लिए Mythic AI ने एक आर्किटेक्चरल दर्शन आगे बढ़ाया है: अलग-अलग प्रोसेसिंग यूनिट और मेमोरी पूल के बीच डेटा को ढोने के बजाय मेमोरी को ही कंप्यूटर बनना होगा।.
- मॉड्यूलर चिपलेट रणनीति. एनालॉग कंप्यूट-इन-मेमोरी ऊर्जा और लेटेंसी के समीकरण तो हल कर देता है, लेकिन विविध व्यावसायिक क्षेत्रों में सिलिकॉन को स्केल करने के लिए पैकेजिंग में लचीलापन चाहिए। बड़े, एकाश्मी सिस्टम-ऑन-चिप (SoC) बनाने के बजाय, जो…
- आर्किटेक्चरल तुलना: एज रोबोटिक्स के लिए कंप्यूट प्रतिमान. स्रोत: Economist Enterprise Physical AI and Robotics Summit (Convene 200 Aldersgate, लंदन, 13 अक्टूबर 2026) में प्रस्तुत फ़ायरसाइड चर्चा के आँकड़ों और सेमीकंडक्टर आर्किटेक्चर विनिर्देशों का संश्लेषण।.

इस लेख में उल्लिखित चुनौतियों के प्रति आपके संगठन का दृष्टिकोण क्या है?

→ https://sebastienrousseau.com/hi/2026-10-13-mur-ke-niyam-age-ej-robotiks/

#इनमेमोरीकंप्यूट #MythicAi #TanerOzcelik #मूरकानियम #VonNeumannअड़चन

Sebastien Rousseau | CC-BY-4.0

@online{rousseau2026म,
  author  = {Rousseau, Sebastien},
  title   = {{मूर के नियम से आगे: एज रोबोटिक्स के लिए इन-मेमोरी कंप्यूट और चिपलेट — Sebastien Rousseau}},
  year    = {2026},
  url     = {https://sebastienrousseau.com/hi/2026-10-13-mur-ke-niyam-age-ej-robotiks/},
  urldate = {2026}
}

TY  - GEN
AU  - Rousseau, Sebastien
TI  - मूर के नियम से आगे: एज रोबोटिक्स के लिए इन-मेमोरी कंप्यूट और चिपलेट — Sebastien Rousseau
PY  - 2026
UR  - https://sebastienrousseau.com/hi/2026-10-13-mur-ke-niyam-age-ej-robotiks/
ER  -

Rousseau S. मूर के नियम से आगे: एज रोबोटिक्स के लिए इन-मेमोरी कंप्यूट और चिपलेट — Sebastien Rousseau. sebastienrousseau.com. 2026 Oct 13. Available from: https://sebastienrousseau.com/hi/2026-10-13-mur-ke-niyam-age-ej-robotiks/

Rousseau, Sebastien. "मूर के नियम से आगे: एज रोबोटिक्स के लिए इन-मेमोरी कंप्यूट और चिपलेट — Sebastien Rousseau." sebastienrousseau.com. October 13, 2026. https://sebastienrousseau.com/hi/2026-10-13-mur-ke-niyam-age-ej-robotiks/.

Rousseau, S. (2026, October 13). मूर के नियम से आगे: एज रोबोटिक्स के लिए इन-मेमोरी कंप्यूट और चिपलेट — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/hi/2026-10-13-mur-ke-niyam-age-ej-robotiks/

मूर के नियम से आगे: एज रोबोटिक्स के लिए इन-मेमोरी कंप्यूट और चिपलेट — Sebastien Rousseau

लंदन के Economist Enterprise Physical AI and Robotics Summit में Mythic AI के CEO Taner Ozcelik ने दिखाया कि इन-मेमोरी कंप्यूट और चिपलेट मेमोरी दीवार कैसे तोड़ते हैं।

Originally published at https://sebastienrousseau.com/hi/2026-10-13-mur-ke-niyam-age-ej-robotiks/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU · FOUNDER · ENGINEER