मूरच्या नियमापलीकडे: एज रोबोटिक्ससाठी इन-मेमरी कंप्यूट आणि चिपलेट

अर्ध्या शतकाहून अधिक काळ संगणकीय प्रगती मूरच्या नियमानुसार चालली: दर अठरा ते चोवीस महिन्यांनी सिलिकॉनवर दुप्पट ट्रान्झिस्टर कोंबणे. पण फिजिकल AI आणि स्वायत्त रोबोटिक्सच्या उदयोन्मुख क्षेत्रात मूरचा नियम ऊष्मागतिकीच्या नियमांवर आदळला आहे. स्वायत्त ड्रोन, चार पायांचे रोबोट, शस्त्रक्रियेतील मॅनिप्युलेटर आणि स्वयंचलित वाहने ७०० वॅटचे सर्व्हर-दर्जाचे GPU किंवा कूलिंग टॉवर वाहून नेऊ शकत नाहीत. १३ ऑक्टोबर २०२६ रोजी लंडनमध्ये झालेल्या Economist Enterprise Physical AI and Robotics Summit मध्ये Mythic AI चे चेअरमन आणि मुख्य कार्यकारी अधिकारी Taner Ozcelik यांनी Kenneth Cukier यांच्यासोबत फायरसाइड चॅटमध्ये ही कोंडी फोडण्यासाठी आवश्यक असलेल्या आर्किटेक्चरल क्रांतीचा वेध घेतला: ॲनालॉग कंप्यूट-इन-मेमरी (CIM) आणि मॉड्युलर चिपलेटच्या माध्यमातून मूरच्या नियमापलीकडे जाणे.

ऊष्मागतिकीय भिंत: फिजिकल AI क्लाउडमध्ये का राहू शकत नाही #

Moving past Moore’s law: the power behind high-performance robotics या शीर्षकाच्या फायरसाइड सत्रात Kenneth Cukier यांनी एंटरप्राइझ स्वायत्ततेसमोरील मूळ अभियांत्रिकी पेच मांडला: आर्टिफिशियल इंटेलिजन्स मॉडेल पॅरामीटर आकारात आणि आकलन क्षमतेत वाढत आहेत, पण भौतिक यंत्रे कठोर SWaP-C मर्यादांखाली (आकार, वजन, ऊर्जा आणि खर्च) काम करतात.

आजची AI आघाडी हायपरस्केल डेटा सेंटरवर उभी आहे, जी प्रचंड सर्व्हर क्लस्टरमध्ये १५० मेगावॅट किंवा त्याहून अधिक वीज खेचतात. Ozcelik यांनी नमूद केल्याप्रमाणे हे आर्किटेक्चर अशा ऊर्जा पातळ्यांवर चालते ज्या जैविक संदर्भ बिंदूंपासून लाखो पट दूर आहेत. मानवी मेंदू सुमारे २० वॅटच्या चयापचयी ऊर्जा मर्यादेत रिअल-टाइम सलग संवेदी-चालक समन्वय, अर्थपूर्ण तर्क आणि दृश्य-अवकाशीय दिशादर्शन करतो.

ऐतिहासिकदृष्ट्या रोबोटिक्स अभियंत्यांनी इन्फरन्स क्लाउडवर पाठवून ऑन-बोर्ड कंप्यूट मर्यादा टाळण्याचा प्रयत्न केला. पण मिशन-क्रिटिकल औद्योगिक, एरोस्पेस आणि संरक्षण वातावरणात क्लाउडवर अवलंबून असलेली स्वायत्तता आर्किटेक्चरच्या दृष्टीने अशक्य आहे:

1. लेटन्सीतील चढउतार आणि जिटर: हाय-स्पीड क्लोज्ड-लूप रोबोटिक नियंत्रणासाठी ५०Hz ते १,०००Hz वर निश्चित मोटर अपडेट लागतात (२० मिलिसेकंदांपेक्षा कमी राउंड-ट्रिप). सेल्युलर आणि Wi-Fi नेटवर्क पॅकेट जिटर, गळालेल्या फ्रेम आणि लेटन्सीतील उसळ्या आणतात, ज्यामुळे रोबोटिक हात वर्कपीस टाकतात किंवा स्वायत्त वाहने ब्रेकिंगच्या मर्यादा चुकवतात.
2. बँडविड्थ संपृक्तता: औद्योगिक प्रकल्पातील डझनभर मोबाइल रोबोटकडून अनेक असंपीडित 4K व्हिडिओ फीड आणि LiDAR पॉइंट क्लाउड स्ट्रीम केल्याने स्थानिक RF बँडविड्थ लवकर संपते आणि प्रचंड क्लाउड ईग्रेस शुल्क लागते.
3. कार्यात्मक सार्वभौमत्व आणि विस्कळीत कनेक्टिव्हिटी: भूमिगत खाणकाम, GPS नसलेले बोगदे, दुर्गम बांधकाम स्थळे किंवा सामरिक लष्करी वातावरणात बाह्य नेटवर्क दुवे एकतर अस्तित्वातच नसतात किंवा सक्रियपणे जॅम केले जातात. स्वायत्त प्रणालींना संपूर्ण कार्यात्मक बुद्धिमत्ता थेट एज चेसिसवरच बाळगावी लागते.

रोबोटना मानक हाय-परफॉर्मन्स GPU बसवण्याचेही स्वतःचे भौतिक तोटे आहेत: थर्मल थ्रॉटलिंग, परजीवी पेलोड वजन वाढवणारे भलेमोठे हीट सिंक, आणि बॅटरीवरील उड्डाणाचा वेळ तासांवरून मिनिटांवर आणणारी जास्त वीज खप.

आर्किटेक्चरल प्रबंध: कंप्यूट-इन-मेमरी (CIM) #

ऊष्मागतिकीय अडथळा सोडवण्यासाठी Mythic AI ने एक आर्किटेक्चरल तत्त्वज्ञान पुढे नेले आहे: वेगवेगळी प्रोसेसिंग युनिट आणि मेमरी पूल यांच्यात डेटाची ने-आण करण्याऐवजी मेमरीनेच संगणक व्हायला हवे.

.class="img-fluid clearfix"

सिंगल-ट्रान्झिस्टर मॅट्रिक्स गुणाकाराचे भौतिकशास्त्र #

पारंपरिक डिजिटल संगणनात मॅट्रिक्स डॉट प्रॉडक्ट काढण्यासाठी बाह्य DRAM मधून उच्च-कॅपॅसिटन्स बस लाइनवरून हजारो ८-बिट किंवा १६-बिट वेट मूल्ये आणणे, ती कॅशे रजिस्टरमध्ये लोड करणे, डिजिटल ALU मध्ये गुणाकार करणे आणि निकाल पुन्हा मेमरीत लिहिणे आवश्यक असते. ९०% हून अधिक ऊर्जा चिपांमधील तांब्याच्या इंटरकनेक्ट लाइन चार्ज आणि डिस्चार्ज करण्यात खर्च होते.

इन-मेमरी कंप्यूट आर्किटेक्चर या डिजिटल डेटा हस्तांतरणाऐवजी ॲनालॉग सर्किट भौतिकशास्त्र वापरतात:

वेट प्रोग्रामिंग. न्यूरल नेटवर्कचे वेट थेट नॉन-व्होलटाइल मेमरी सेलमध्ये (उदा. सुधारित फ्लॅश किंवा रेझिस्टिव्ह RAM) ॲनालॉग कंडक्टन्स ($G$) म्हणून प्रोग्राम केले जातात. एकदा प्रोग्राम झाल्यावर वेट मेमरी ॲरेमध्ये स्थिर राहतात; इन्फरन्सदरम्यान ते कधीही आणले किंवा हलवले जात नाहीत.

इनपुट व्होल्टेज मॉड्युलेशन. इनपुट ॲक्टिव्हेशन (उदा. कॅमेऱ्यांकडून आलेले व्हिज्युअल टोकन) ॲनालॉग व्होल्टेज पातळ्यांमध्ये ($V$) रूपांतरित करून ॲरेच्या वर्ड लाइनवर चालवले जातात.

ओहमच्या नियमाने गुणाकार. इनपुट व्होल्टेज प्रत्येक मेमरी सेलमधून जात असताना ओहमचा नियम ($I = V \times G$) तात्काळ ॲनालॉग गुणाकार करतो आणि इनपुट व साठवलेल्या वेटच्या गुणाकाराच्या प्रमाणात विद्युत प्रवाह निर्माण करतो.

किर्चहॉफच्या प्रवाह नियमाने संचय. उभ्या बिट लाइनवर हजारो समांतर मेमरी सेलमधील प्रवाह किर्चहॉफच्या प्रवाह नियमानुसार ($\sum I = 0$) नैसर्गिकरीत्या एकत्र बेरीज होतात.

अशा प्रकारे एकच फ्लॅश मेमरी ॲरे संपूर्ण मॅट्रिक्स-व्हेक्टर गुणाकार एकाच क्लॉक सायकलमध्ये करतो, एकही मेमरी फेच न करता भौतिकशास्त्राच्या पातळीवर काम करत. साचलेला ॲनालॉग प्रवाह नंतर ॲरेच्या कडेला असलेल्या हाय-स्पीड ॲनालॉग-टू-डिजिटल कन्व्हर्टरद्वारे (ADC) पुन्हा डिजिटल मूल्यांमध्ये रूपांतरित होतो.

मॉड्युलर चिपलेट धोरण #

ॲनालॉग कंप्यूट-इन-मेमरी ऊर्जा आणि लेटन्सीची समीकरणे सोडवते, पण विविध व्यावसायिक क्षेत्रांत सिलिकॉनचा विस्तार करण्यासाठी पॅकेजिंगमध्ये लवचिकता लागते. घातांकी दोष दर, कमकुवत वेफर यील्ड आणि ताठर उत्पादन संरचना यांनी ग्रासलेल्या मोठ्या, एकसंध सिस्टम-ऑन-चिप (SoC) बनवण्याऐवजी Ozcelik यांनी मॉड्युलर चिपलेट धोरण मांडले.

या प्रतिमानात लहान, प्रमाणित इन-मेमरी कंप्यूट टाइल स्वतंत्रपणे बनवल्या जातात आणि प्रगत पॅकेजिंगद्वारे इंटरपोझरवर जोडल्या जातात:

1. प्रमाणित हाय-स्पीड डाय-टू-डाय इंटरकनेक्ट: Universal Chiplet Interconnect Express (UCIe) सारख्या उदयोन्मुख मानकांचा फायदा घेत चिपलेट मायक्रो-बंपमधून उच्च बँडविड्थ घनता आणि पिकोसेकंद-स्तरीय लेटन्सीसह संवाद साधतात.
2. विषमांगी रचना: प्रणाली डिझायनर हलक्या ड्रोन पेलोडसाठी दोन इन-मेमरी चिपलेट कमी खर्चाच्या ARM नियंत्रण प्रोसेसरसोबत जोडू शकतो, किंवा एज डेटा सेंटरसाठी सर्व्हर ॲक्सिलरेटर कार्ड तयार करण्यासाठी सोळा चिपलेट हाय-स्पीड PCIe इंटरफेससोबत एकत्र करू शकतो.
3. सार्वत्रिक कंपायलेशन आणि वर्कलोड मॅपिंग: एकसंध कंपायलर स्तर मानक डीप लर्निंग ग्राफ (ONNX, PyTorch) स्वीकारतो आणि मॉडेलचे स्तर उपलब्ध चिपलेट टोपोलॉजीवर आपोआप विभागतो, चिपलेटमधील संवाद कमीत कमी ठेवण्यासाठी डेटा रूटिंग अनुकूलित करतो.

आर्किटेक्चरल तुलना: एज रोबोटिक्ससाठी कंप्यूट प्रतिमाने #

स्रोत: Economist Enterprise Physical AI and Robotics Summit (Convene 200 Aldersgate, लंडन, १३ ऑक्टोबर २०२६) मध्ये मांडलेल्या फायरसाइड चर्चेतील माहिती आणि सेमीकंडक्टर आर्किटेक्चर तपशिलांचे संश्लेषण.

क्षेत्रनिहाय याचा अर्थ #

इन-मेमरी कंप्यूटचे व्यावसायिक प्रमाणीकरण अशा उद्योगांत शिरकाव करण्यावर अवलंबून आहे जिथे ऊर्जा आणि खर्चाच्या मर्यादांनी ऐतिहासिकदृष्ट्या प्रगत फाउंडेशन मॉडेलची तैनाती रोखून धरली आहे.

सामरिक संरक्षण आणि मानवरहित प्रणाली #

संरक्षणातील एज उपयोगांमध्ये ऊर्जा कार्यक्षमता थेट कार्यात्मक टिकाव आणि मोहिमेच्या कालावधीत रूपांतरित होते. लहान मानवरहित हवाई प्रणाली (sUAS) आणि सामरिक भू-रोव्हर बॅटरीच्या वजनामुळे गंभीरपणे मर्यादित असतात. टेहळणी ड्रोनला पारंपरिक GPU बसवल्यास केवळ AI आकलन स्टॅकला ऊर्जा देण्यासाठी त्याची हवेतील सहनशक्ती ३०% ते ५०% ने घटते.

Lockheed Martin सोबत Mythic AI चा धोरणात्मक सहभाग इन-मेमरी कंप्यूट सामरिक एज प्रणाली, स्वायत्त ड्रोन थवे आणि दुर्गम टेहळणी चौक्यांमध्ये बसवण्यावर केंद्रित आहे. कंप्यूटचा वीजवापर ५०W वरून १०W च्या खाली आणल्याने सामरिक ड्रोन जास्त काळ उडू शकतात, आणि त्याच वेळी विस्कळीत, GPS नसलेल्या कार्यक्षेत्रांत बहु-मोडल वस्तू वर्गीकरण, इलेक्ट्रॉनिक युद्ध सिग्नल प्रोसेसिंग आणि व्हिज्युअल-इनर्शियल ओडोमेट्री स्थानिक पातळीवर चालवतात.

ऑटोमोटिव्ह परिस्थितीजन्य जाणीव आणि केबिनमधील AI #

ऑटोमोटिव्ह क्षेत्रात टियर-वन उत्पादकांना नफ्याच्या तीव्र दबावाचा सामना करावा लागतो. आघाडीची इलेक्ट्रिक वाहने £२,००० च्या लिक्विड-कूल्ड स्वायत्त ड्रायव्हिंग संगणकांचा खर्च सोसू शकतात, पण सर्वसामान्य बाजारपेठेतील वाहने नाही.

Mythic AI सोबतची Honda Motor ची भागीदारी हाच व्यावसायिक तिढा सोडवते. वाहन उत्पादकांना मोठ्या प्रमाणावर बनणाऱ्या, ऑटोमोटिव्ह-पात्र AI चिप हव्या आहेत ज्यांची किंमत शेकडो नव्हे तर काही दहा डॉलर असेल, ज्या चालक-निरीक्षण प्रणाली, ब्लाइंड-स्पॉट वस्तू विभाजन आणि ३६०-अंश सभोवतालचे आकलन चालवू शकतील, आणि त्यासाठी उत्पादन खर्च आणि जुळणीची गुंतागुंत वाढवणाऱ्या क्लिष्ट लिक्विड कूलिंग लूपची गरज पडणार नाही.

औद्योगिक एज डेटा सेंटर आणि मोबाइल फुलफिलमेंट #

इन-मेमरी कंप्यूट आर्किटेक्चरदृष्ट्या एजसाठी अनुकूलित असले तरी Mythic एज डेटा सेंटर आणि वेअरहाऊस फुलफिलमेंट हबसाठी PCIe ॲक्सिलरेटर कार्ड देऊन जाणीवपूर्वक पूल-धोरण राबवत आहे. शेकडो स्वायत्त मोबाइल रोबोट (AMR) असलेल्या सुविधांमध्ये ताफा समन्वय मॉडेल चालवणारे एज सर्व्हर रॅक सुविधेच्या वीजपुरवठ्याने आणि कूलिंग मर्यादांनी बांधलेले असतात. इन-मेमरी ॲक्सिलरेटर कार्डमुळे सुविधा युटिलिटी वीज पायाभूत सुविधा अपग्रेड न करता स्थानिक इन्फरन्स थ्रूपुट अनेक पटीने वाढवू शकतात.

पुरवठा साखळीची लवचिकता आणि उत्पादनाचा भूगोल #

Ozcelik यांच्या माहितीचा एक महत्त्वाचा पैलू पुरवठा साखळीच्या सार्वभौमत्वावर केंद्रित होता. सिलिकॉन विश्वासार्हपणे बनवता, पॅक करता आणि मोठ्या प्रमाणावर पाठवता येत नसेल तर हार्डवेअर नवोन्मेष निरर्थक ठरतो.

Mythic AI ने वितरित आंतरराष्ट्रीय उत्पादन रचना उभारली आहे:

• सिलिकॉन फॅब्रिकेशन: मुख्य इन-मेमरी वेफर उत्पादन टोकियो, जपान येथे केंद्रित आहे, जे अचूक सेमीकंडक्टर फॅब्रिकेशन आणि परिपक्व ॲनालॉग/फ्लॅश प्रोसेस नोडमधील जपानच्या प्रस्थापित नेतृत्वाचा फायदा घेते.
• प्रगत पॅकेजिंग आणि जुळणी: वेफर प्रगत चिपलेट डायसिंग, मल्टी-डाय सब्सट्रेट बाँडिंग आणि स्वयंचलित ऑप्टिकल तपासणीसाठी युरोपात (विशेषतः जर्मनीत) पाठवले जातात.
• रिव्हिजन प्रमाणीकरण: कंपनी सध्या आपल्या नव्या सिलिकॉन रिव्हिजनचे प्रमाणीकरण पूर्ण करत आहे, ज्याचा भर प्रयोगशाळेतील यील्ड मापदंडांना ऑटोमोटिव्ह आणि संरक्षण क्षेत्रातील मोठ्या उत्पादनासाठी पुनरावृत्तीयोग्य, उत्पादन-दर्जाच्या स्टेटमेंट्स ऑफ वर्कमध्ये (SOW) रूपांतरित करण्यावर आहे.

हा बहु-प्रादेशिक दृष्टिकोन भू-राजकीय असुरक्षिततेचा एकमेव बिंदू टाळतो आणि युरोपीय व आशियाई कॉर्पोरेट भागीदारांना भौगोलिकदृष्ट्या वैविध्यपूर्ण पुरवठा साखळ्या देतो.

निष्कर्ष #

Economist Enterprise Physical AI and Robotics Summit मध्ये Taner Ozcelik आणि Kenneth Cukier यांच्यातील फायरसाइड संवादाने स्वायत्त प्रणालींच्या पुढील दशकाला दिशा देणारे भौतिक वास्तव स्पष्ट केले. ट्रान्झिस्टर स्केलिंगचे साधे मापक म्हणून मूरचा नियम आता फिजिकल AI क्रांतीला ऊर्जा देण्यास पुरेसा नाही.

जोपर्यंत संगणकीय आर्किटेक्चर लॉजिक आणि मेमरी यांच्या Von Neumann विभाजनाला चिकटून राहील, तोपर्यंत रोबोटिक्स बॅटरीचे वजन, उष्णता निचरा आणि परवडणार नाहीत असे बिल-ऑफ-मटेरियल्स खर्च यांनी बांधलेले राहील. डिजिटल डेटा ने-आणीपासून ॲनालॉग इन-मेमरी कंप्यूट ॲरे आणि मॉड्युलर चिपलेट टोपोलॉजीकडे वळून सेमीकंडक्टर अभियांत्रिकी स्वायत्त प्रणालींना आवश्यक असलेली मोठी झेप घेणारी कार्यक्षमता देत आहे.

७००W च्या डेटा सेंटर क्लस्टरपासून १५W च्या एज सिलिकॉनपर्यंतचे संक्रमण हेच भौतिक स्वायत्ततेचे खरे प्रवेशद्वार आहे. अंतिम विश्लेषणात, वास्तविक जगात काम करणाऱ्या रोबोटना वास्तविक जगाचे ऊर्जा नियम पाळावेच लागतील; इन-मेमरी कंप्यूट हे सिलिकॉन आणि जीवशास्त्र यांच्यातील दरी सांधणारे आर्किटेक्चर आहे.

वारंवार विचारले जाणारे प्रश्न #

AI हार्डवेअरमधील Von Neumann अडथळा म्हणजे काय? Von Neumann अडथळा म्हणजे सेंट्रल प्रोसेसिंग युनिट (ALU) आणि सिस्टम मेमरी (DRAM) यांच्या भौतिक विभक्ततेमुळे निर्माण होणारी थ्रूपुट आणि ऊर्जेची मर्यादा. आर्टिफिशियल इंटेलिजन्स वर्कलोडमध्ये, ज्यात अब्जावधी मॅट्रिक्स गुणाकार असतात, प्रोसेसर आपल्या एकूण ऊर्जेपैकी ८५% हून अधिक ऊर्जा आणि बरीच क्लॉक सायकल केवळ तांब्याच्या बसवरून डेटा मागे-पुढे नेण्यात घालवतात, ज्यामुळे गंभीर थर्मल आणि लेटन्सी अडथळे निर्माण होतात.

ॲनालॉग कंप्यूट-इन-मेमरी (CIM) कसे काम करते? कंप्यूट-इन-मेमरी डेटा न हलवता थेट मेमरी सेलमध्ये गणितीय क्रिया करते. न्यूरल नेटवर्कचे वेट नॉन-व्होलटाइल मेमरी सेलमध्ये ॲनालॉग कंडक्टन्स अवस्था म्हणून साठवलेले असतात. ॲरेवर इनपुट व्होल्टेज लावल्यावर प्रवाह ओहमच्या नियमानुसार ($I = V \times G$) सेलमधून वाहतो आणि किर्चहॉफच्या प्रवाह नियमानुसार बिट लाइनवर बेरीज होतो. यामुळे संपूर्ण मॅट्रिक्स-व्हेक्टर गुणाकार एकाच भौतिक टप्प्यात पूर्ण होतो.

रोबोटिक्स आणि ड्रोनसाठी इन-मेमरी कंप्यूट विशेष महत्त्वाचे का आहे? मोबाइल रोबोट आणि ड्रोन आकार, वजन, ऊर्जा आणि खर्च (SWaP-C) यांच्या कडक मर्यादांखाली काम करतात. ते ऑन-बोर्ड बॅटरीवर अवलंबून असतात आणि जड कूलिंग रेडिएटर किंवा जास्त वॅटेजचा वीजपुरवठा बाळगू शकत नाहीत. इन-मेमरी कंप्यूट १०x ते १,०००x अधिक ऊर्जा कार्यक्षमता देते, ज्यामुळे रोबोट १०W ते २०W च्या पॉवर मर्यादेत क्लिष्ट व्हिजन-लँग्वेज-ॲक्शन मॉडेल स्थानिक पातळीवर चालवू शकतात आणि बॅटरीची सहनशक्ती टिकून राहते.

एकसंध चिपच्या तुलनेत चिपलेट दृष्टिकोनाचा फायदा काय? एकसंध चिप सर्व कार्यात्मक घटक एकाच मोठ्या सिलिकॉन डायवर एकत्र करतात. डायचा आकार वाढत जातो तसे उत्पादन दोष दर घातांकी पद्धतीने वाढतात, ज्यामुळे उत्पादन यील्ड घटते आणि प्रति युनिट खर्च वाढतो. चिपलेट आर्किटेक्चर प्रणालीला लहान, प्रमाणित सिलिकॉन डायमध्ये विभागते, जे उच्च यील्डसह स्वतंत्रपणे बनवले जातात आणि हाय-स्पीड मायक्रो-बंपद्वारे जोडले जातात. यामुळे विशिष्ट औद्योगिक ऊर्जा आणि फॉर्म-फॅक्टर गरजांनुसार मॉड्युलर, लवचिक संरचना शक्य होतात.

या तंत्रज्ञानाचे प्रमुख व्यावसायिक भागीदार कोण आहेत? Mythic AI चा इन-मेमरी कंप्यूट प्लॅटफॉर्म सध्या दोन मोठ्या कॉर्पोरेट भागीदारींवर उभा आहे: Lockheed Martin, जी बॅटरीची सहनशक्ती वाढवण्यासाठी हे आर्किटेक्चर सामरिक संरक्षण ड्रोन, मानवरहित रोबोटिक प्लॅटफॉर्म आणि परिमिती सुरक्षा चौक्यांमध्ये समाविष्ट करत आहे; आणि Honda Motor, जी वाहनाची परिस्थितीजन्य जाणीव आणि केबिनमधील संवेदनासाठी कमी खर्चाच्या, ऑटोमोटिव्ह-पात्र AI चिपवर लक्ष केंद्रित करत आहे.

संदर्भ #

• Economist Enterprise, (2026). Physical AI & Robotics Summit: स्वायत्त प्रणालींद्वारे कार्यात्मक आघाडी ⧉. Economist Enterprise.
• Ozcelik, T., (2026). मूरच्या नियमापलीकडे: हाय-परफॉर्मन्स रोबोटिक्समागील शक्ती ⧉. Mythic AI.
• Cukier, K., (2026). स्वायत्त बुद्धिमत्तेवरील ऊष्मागतिकीय मर्यादा ⧉. The Economist.
• Marković, D., Mizrahi, A., Querlioz, D., & Grollier, J., (2020). न्यूरोमॉर्फिक संगणनासाठी भौतिकशास्त्र ⧉. Nature Reviews Physics, 2, 499-510.
• Universal Chiplet Interconnect Express, (2025). UCIe विनिर्देश 2.0: डाय-टू-डाय इंटरकनेक्ट मानक ⧉. UCIe Consortium.
• IEEE, (2026). International Roadmap for Devices and Systems (IRDS): CMOS पलीकडे आणि कंप्यूट-इन-मेमरी ⧉. IEEE Standards Association.

शेवटचे पुनरावलोकन 2026-10-13.

शेवटचे पुनरावलोकन 2026-10-27.

# मूरच्या नियमापलीकडे: एज रोबोटिक्ससाठी इन-मेमरी कंप्यूट आणि चिपलेट — Sebastien Rousseau

> Originally published at [https://sebastienrousseau.com/mr/2026-10-13-murachya-niyamapalikade-ej-robotiksasathi-in-memari/](https://sebastienrousseau.com/mr/2026-10-13-murachya-niyamapalikade-ej-robotiksasathi-in-memari/)

लंडनमधील Economist Enterprise Physical AI and Robotics Summit मध्ये Mythic AI चे CEO Taner Ozcelik यांनी इन-मेमरी कंप्यूट आणि चिपलेट मेमरी भिंत कशी तोडतात ते दाखवले.

Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/mr/2026-10-13-murachya-niyamapalikade-ej-robotiksasathi-in-memari/

मूरच्या नियमापलीकडे: एज रोबोटिक्ससाठी इन-मेमरी कंप्यूट आणि चिपलेट — Sebastien Rousseau

लंडनमधील Economist Enterprise Physical AI and Robotics Summit मध्ये Mythic AI चे CEO Taner Ozcelik यांनी इन-मेमरी कंप्यूट आणि चिपलेट मेमरी भिंत कशी तोडतात ते दाखवले.

https://sebastienrousseau.com/mr/2026-10-13-murachya-niyamapalikade-ej-robotiksasathi-in-memari/

मूरच्या नियमापलीकडे: एज रोबोटिक्ससाठी इन-मेमरी कंप्यूट आणि चिपलेट — Sebastien Rousseau

लंडनमधील Economist Enterprise Physical AI and Robotics Summit मध्ये Mythic AI चे CEO Taner Ozcelik यांनी इन-मेमरी कंप्यूट आणि चिपलेट मेमरी भिंत कशी तोडतात ते दाखवले.

येथे मुख्य धोरणात्मक मुद्दे आहेत:

- ऊष्मागतिकीय भिंत: फिजिकल AI क्लाउडमध्ये का राहू शकत नाही. Moving past Moore’s law: the power behind high-performance robotics या शीर्षकाच्या फायरसाइड सत्रात Kenneth Cukier यांनी एंटरप्राइझ स्वायत्ततेसमोरील मूळ अभियांत्रिकी पेच मांडला: आर्टिफिशियल इंटेलिजन्स मॉडेल पॅरामीटर…
- आर्किटेक्चरल प्रबंध: कंप्यूट-इन-मेमरी (CIM). ऊष्मागतिकीय अडथळा सोडवण्यासाठी Mythic AI ने एक आर्किटेक्चरल तत्त्वज्ञान पुढे नेले आहे: वेगवेगळी प्रोसेसिंग युनिट आणि मेमरी पूल यांच्यात डेटाची ने-आण करण्याऐवजी मेमरीनेच संगणक व्हायला हवे.
- मॉड्युलर चिपलेट धोरण. ॲनालॉग कंप्यूट-इन-मेमरी ऊर्जा आणि लेटन्सीची समीकरणे सोडवते, पण विविध व्यावसायिक क्षेत्रांत सिलिकॉनचा विस्तार करण्यासाठी पॅकेजिंगमध्ये लवचिकता लागते.
- आर्किटेक्चरल तुलना: एज रोबोटिक्ससाठी कंप्यूट प्रतिमाने. स्रोत: Economist Enterprise Physical AI and Robotics Summit (Convene 200 Aldersgate, लंडन, १३ ऑक्टोबर २०२६) मध्ये मांडलेल्या फायरसाइड चर्चेतील माहिती आणि सेमीकंडक्टर आर्किटेक्चर तपशिलांचे संश्लेषण.

या लेखात मांडलेल्या आव्हानांसाठी तुमच्या संस्थेचा दृष्टिकोन काय आहे?

→ https://sebastienrousseau.com/mr/2026-10-13-murachya-niyamapalikade-ej-robotiksasathi-in-memari/

#इनमेमरीकंप्यूट #MythicAi #TanerOzcelik #मूरचानियम #VonNeumannअडथळा

Sebastien Rousseau | CC-BY-4.0

@online{rousseau2026म,
  author  = {Rousseau, Sebastien},
  title   = {{मूरच्या नियमापलीकडे: एज रोबोटिक्ससाठी इन-मेमरी कंप्यूट आणि चिपलेट — Sebastien Rousseau}},
  year    = {2026},
  url     = {https://sebastienrousseau.com/mr/2026-10-13-murachya-niyamapalikade-ej-robotiksasathi-in-memari/},
  urldate = {2026}
}

TY  - GEN
AU  - Rousseau, Sebastien
TI  - मूरच्या नियमापलीकडे: एज रोबोटिक्ससाठी इन-मेमरी कंप्यूट आणि चिपलेट — Sebastien Rousseau
PY  - 2026
UR  - https://sebastienrousseau.com/mr/2026-10-13-murachya-niyamapalikade-ej-robotiksasathi-in-memari/
ER  -

Rousseau S. मूरच्या नियमापलीकडे: एज रोबोटिक्ससाठी इन-मेमरी कंप्यूट आणि चिपलेट — Sebastien Rousseau. sebastienrousseau.com. 2026 Oct 13. Available from: https://sebastienrousseau.com/mr/2026-10-13-murachya-niyamapalikade-ej-robotiksasathi-in-memari/

Rousseau, Sebastien. "मूरच्या नियमापलीकडे: एज रोबोटिक्ससाठी इन-मेमरी कंप्यूट आणि चिपलेट — Sebastien Rousseau." sebastienrousseau.com. October 13, 2026. https://sebastienrousseau.com/mr/2026-10-13-murachya-niyamapalikade-ej-robotiksasathi-in-memari/.

Rousseau, S. (2026, October 13). मूरच्या नियमापलीकडे: एज रोबोटिक्ससाठी इन-मेमरी कंप्यूट आणि चिपलेट — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/mr/2026-10-13-murachya-niyamapalikade-ej-robotiksasathi-in-memari/

मूरच्या नियमापलीकडे: एज रोबोटिक्ससाठी इन-मेमरी कंप्यूट आणि चिपलेट — Sebastien Rousseau

लंडनमधील Economist Enterprise Physical AI and Robotics Summit मध्ये Mythic AI चे CEO Taner Ozcelik यांनी इन-मेमरी कंप्यूट आणि चिपलेट मेमरी भिंत कशी तोडतात ते दाखवले.

Originally published at https://sebastienrousseau.com/mr/2026-10-13-murachya-niyamapalikade-ej-robotiksasathi-in-memari/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU · FOUNDER · ENGINEER