అర్ధ శతాబ్దానికి పైగా కంప్యూటింగ్ పురోగతి మూర్ నియమాన్ని అనుసరించింది: ప్రతి పద్దెనిమిది నుంచి ఇరవై నాలుగు నెలలకు సిలికాన్‌పై రెట్టింపు ట్రాన్సిస్టర్లను కుక్కడం. కానీ ఫిజికల్ AI, స్వయంప్రతిపత్త రోబోటిక్స్ అనే ఎదుగుతున్న రంగంలో మూర్ నియమం ఉష్ణగతిక శాస్త్ర నియమాలతో ఢీకొంది. స్వయంప్రతిపత్త డ్రోన్లు, నాలుగు కాళ్ల రోబోలు, శస్త్రచికిత్స మానిప్యులేటర్లు, స్వయంచాలిత వాహనాలు 700 వాట్ల సర్వర్-స్థాయి GPUలను గానీ కూలింగ్ టవర్లను గానీ మోసుకెళ్లలేవు. 2026 అక్టోబర్ 13న లండన్‌లో జరిగిన Economist Enterprise Physical AI and Robotics Summitలో Mythic AI ఛైర్మన్, ముఖ్య కార్యనిర్వాహక అధికారి Taner Ozcelik, Kenneth Cukierతో ఒక ఫైర్‌సైడ్ చాట్‌లో ఈ ప్రతిష్టంభనను ఛేదించడానికి అవసరమైన ఆర్కిటెక్చరల్ విప్లవాన్ని పరిశీలించారు: అనలాగ్ కంప్యూట్-ఇన్-మెమరీ (CIM), మాడ్యులర్ చిప్‌లెట్ల ద్వారా మూర్ నియమాన్ని దాటి ముందుకు వెళ్లడం.
ఉష్ణగతిక గోడ: ఫిజికల్ AI క్లౌడ్‌లో ఎందుకు ఉండలేదు #
Moving past Moore’s law: the power behind high-performance robotics అనే శీర్షికతో జరిగిన ఫైర్‌సైడ్ సెషన్‌లో Kenneth Cukier, ఎంటర్‌ప్రైజ్ స్వయంప్రతిపత్తి ఎదుర్కొంటున్న మౌలిక ఇంజనీరింగ్ సందిగ్ధతను ముందుంచారు: ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ మోడళ్లు పారామీటర్ పరిమాణంలోనూ గ్రహణ సామర్థ్యంలోనూ పెరుగుతున్నాయి, కానీ భౌతిక యంత్రాలు కఠినమైన SWaP-C పరిమితుల (పరిమాణం, బరువు, శక్తి, ఖర్చు) కింద పనిచేస్తాయి.
నేటి AI ముందంజ భారీ సర్వర్ క్లస్టర్లలో 150 మెగావాట్లు లేదా అంతకంటే ఎక్కువ విద్యుత్తును వినియోగించే హైపర్‌స్కేల్ డేటా సెంటర్లపై ఆధారపడి ఉంది. Ozcelik ఎత్తి చూపినట్లు, ఈ ఆర్కిటెక్చర్ జీవ సంబంధ ప్రమాణ బిందువుల నుంచి లక్షల రెట్లు దూరంగా ఉన్న శక్తి స్థాయిల్లో పనిచేస్తుంది. మానవ మెదడు సుమారు 20 వాట్ల జీవక్రియా శక్తి పరిధిలోనే నిజ-సమయ నిరంతర ఇంద్రియ-చలన సమన్వయం, అర్థ తార్కికత, దృశ్య-ప్రాదేశిక దిశానిర్దేశం చేస్తుంది.
చారిత్రకంగా రోబోటిక్స్ ఇంజనీర్లు ఇన్ఫరెన్స్‌ను క్లౌడ్‌కు పంపడం ద్వారా ఆన్-బోర్డ్ కంప్యూట్ పరిమితులను తప్పించుకోవడానికి ప్రయత్నించారు. అయితే మిషన్-క్రిటికల్ పారిశ్రామిక, ఏరోస్పేస్, రక్షణ వాతావరణాల్లో క్లౌడ్‌పై ఆధారపడిన స్వయంప్రతిపత్తి ఆర్కిటెక్చర్ పరంగా అసాధ్యం:
- లేటెన్సీ వైవిధ్యం, జిట్టర్: హై-స్పీడ్ క్లోజ్డ్-లూప్ రోబోటిక్ నియంత్రణకు 50Hz నుంచి 1,000Hz వద్ద నిర్ణీత మోటార్ నవీకరణలు అవసరం (20 మిల్లీసెకన్ల కంటే తక్కువ రౌండ్-ట్రిప్). సెల్యులార్, Wi-Fi నెట్‌వర్క్‌లు ప్యాకెట్ జిట్టర్, పడిపోయిన ఫ్రేమ్‌లు, లేటెన్సీ ఎగుడుదిగుళ్లను తెస్తాయి; దాంతో రోబో చేతులు వర్క్‌పీస్‌లను జారవిడుస్తాయి లేదా స్వయంప్రతిపత్త వాహనాలు బ్రేకింగ్ పరిమితులను తప్పుతాయి.
- బ్యాండ్‌విడ్త్ సంతృప్తత: ఒక పారిశ్రామిక ప్లాంట్ అంతటా డజన్ల కొద్దీ మొబైల్ రోబోల నుంచి అనేక కంప్రెస్ చేయని 4K వీడియో ఫీడ్‌లు, LiDAR పాయింట్ క్లౌడ్‌లను స్ట్రీమ్ చేయడం స్థానిక RF బ్యాండ్‌విడ్త్‌ను త్వరగా ఖాళీ చేస్తుంది, భారీ క్లౌడ్ ఈగ్రెస్ రుసుములకు దారితీస్తుంది.
- కార్యాచరణ సార్వభౌమత్వం, అంతరాయ కనెక్టివిటీ: భూగర్భ గనులు, GPS అందని సొరంగాలు, మారుమూల నిర్మాణ స్థలాలు లేదా వ్యూహాత్మక సైనిక వాతావరణాల్లో బాహ్య నెట్‌వర్క్ లింకులు అసలు ఉండవు, లేదా చురుకుగా జామ్ చేయబడతాయి. స్వయంప్రతిపత్త వ్యవస్థలు పూర్తి కార్యాచరణ మేధస్సును నేరుగా ఎడ్జ్ చాసిస్‌పైనే మోయాలి.
రోబోలకు ప్రామాణిక హై-పెర్ఫార్మెన్స్ GPUలను అమర్చడం దాని సొంత భౌతిక నష్టాలను తెస్తుంది: థర్మల్ థ్రాట్లింగ్, పరాన్నజీవి పేలోడ్ బరువును పెంచే భారీ హీట్ సింక్‌లు, బ్యాటరీతో ఎగిరే సమయాన్ని గంటల నుంచి నిమిషాలకు తగ్గించే అధిక విద్యుత్ వినియోగం.
ఆర్కిటెక్చరల్ సిద్ధాంతం: కంప్యూట్-ఇన్-మెమరీ (CIM) #
ఉష్ణగతిక అడ్డంకిని పరిష్కరించేందుకు Mythic AI ఒక ఆర్కిటెక్చరల్ తత్వాన్ని ముందుకు తెచ్చింది: వేర్వేరు ప్రాసెసింగ్ యూనిట్లు, మెమరీ పూల్‌ల మధ్య డేటాను అటూ ఇటూ తిప్పడానికి బదులు, మెమరీయే కంప్యూటర్‌గా మారాలి.
.class="img-fluid clearfix"
సింగిల్-ట్రాన్సిస్టర్ మాత్రికా గుణకారం వెనుక భౌతిక శాస్త్రం #
సంప్రదాయ డిజిటల్ కంప్యూటింగ్‌లో ఒక మాత్రికా డాట్ ప్రొడక్ట్‌ను లెక్కించడానికి బాహ్య DRAM నుంచి అధిక-కెపాసిటెన్స్ బస్ లైన్ల ద్వారా వేలాది 8-బిట్ లేదా 16-బిట్ వెయిట్ విలువలను తెచ్చి, వాటిని క్యాష్ రిజిస్టర్లలోకి లోడ్ చేసి, డిజిటల్ ALUలలో గుణించి, ఫలితాలను మళ్లీ మెమరీలోకి రాయాలి. 90%కి పైగా శక్తి చిప్‌ల మధ్య ఉండే రాగి ఇంటర్‌కనెక్ట్ లైన్లను ఛార్జ్, డిశ్చార్జ్ చేయడంలోనే ఖర్చవుతుంది.
ఇన్-మెమరీ కంప్యూట్ ఆర్కిటెక్చర్లు ఈ డిజిటల్ డేటా బదిలీ స్థానంలో అనలాగ్ సర్క్యూట్ భౌతిక శాస్త్రాన్ని ఉపయోగిస్తాయి:
వెయిట్ ప్రోగ్రామింగ్. న్యూరల్ నెట్‌వర్క్ వెయిట్‌లు నేరుగా నాన్-వోలటైల్ మెమరీ సెల్‌లలో (మార్పు చేసిన ఫ్లాష్ లేదా రెసిస్టివ్ RAM వంటివి) అనలాగ్ కండక్టెన్స్‌లుగా ($G$) ప్రోగ్రామ్ చేయబడతాయి. ఒకసారి ప్రోగ్రామ్ అయ్యాక వెయిట్‌లు మెమరీ అర్రే లోపలే స్థిరంగా ఉంటాయి; ఇన్ఫరెన్స్ సమయంలో వాటిని ఎప్పుడూ తెచ్చుకోవడం గానీ బదిలీ చేయడం గానీ జరగదు.
ఇన్‌పుట్ వోల్టేజ్ మాడ్యులేషన్. ఇన్‌పుట్ యాక్టివేషన్లు (కెమెరాల నుంచి వచ్చే విజువల్ టోకెన్ల వంటివి) అనలాగ్ వోల్టేజ్ స్థాయిలుగా ($V$) మార్చబడి అర్రే వర్డ్ లైన్ల వెంట నడపబడతాయి.
ఓమ్ నియమంతో గుణకారం. ఇన్‌పుట్ వోల్టేజ్ ప్రతి మెమరీ సెల్ గుండా వెళ్తున్నప్పుడు ఓమ్ నియమం ($I = V \times G$) తక్షణ అనలాగ్ గుణకారాన్ని చేస్తుంది, ఇన్‌పుట్, నిల్వ చేసిన వెయిట్‌ల లబ్ధానికి అనులోమానుపాతంలో విద్యుత్ ప్రవాహాన్ని ఉత్పత్తి చేస్తుంది.
కిర్చాఫ్ విద్యుత్ ప్రవాహ నియమంతో సంచయనం. నిలువు బిట్ లైన్ల వెంట వేలాది సమాంతర మెమరీ సెల్‌ల నుంచి వచ్చే ప్రవాహాలు కిర్చాఫ్ విద్యుత్ ప్రవాహ నియమం ($\sum I = 0$) ప్రకారం సహజంగానే కలిసి కూడుకుంటాయి.
ఈ విధంగా ఒకే ఫ్లాష్ మెమరీ అర్రే మొత్తం మాత్రికా-వెక్టర్ గుణకారాన్ని ఒకే క్లాక్ సైకిల్‌లో పూర్తి చేస్తుంది, ఒక్క మెమరీ ఫెచ్ కూడా లేకుండా భౌతిక శాస్త్ర స్థాయిలోనే పనిచేస్తుంది. పోగైన అనలాగ్ ప్రవాహం ఆ తర్వాత అర్రే అంచున ఉండే హై-స్పీడ్ అనలాగ్-టు-డిజిటల్ కన్వర్టర్ల (ADC) ద్వారా మళ్లీ డిజిటల్ విలువలుగా మారుతుంది.
మాడ్యులర్ చిప్‌లెట్ వ్యూహం #
అనలాగ్ కంప్యూట్-ఇన్-మెమరీ శక్తి, లేటెన్సీ సమీకరణాలను పరిష్కరిస్తుంది, కానీ వైవిధ్యభరితమైన వాణిజ్య రంగాల్లో సిలికాన్‌ను విస్తరించాలంటే ప్యాకేజింగ్‌లో సౌలభ్యం అవసరం. ఘాతాంకీయ లోప రేట్లు, బలహీనమైన వేఫర్ దిగుబడి, కఠినమైన ఉత్పత్తి కాన్ఫిగరేషన్లతో బాధపడే పెద్ద, ఏకశిలా సిస్టమ్-ఆన్-చిప్‌లను (SoC) తయారు చేయడానికి బదులు, Ozcelik ఒక మాడ్యులర్ చిప్‌లెట్ వ్యూహాన్ని వివరించారు.
ఈ నమూనాలో చిన్న, ప్రామాణిక ఇన్-మెమరీ కంప్యూట్ టైల్స్ స్వతంత్రంగా తయారై, అధునాతన ప్యాకేజింగ్ ద్వారా ఇంటర్‌పోజర్లపై అతికించబడతాయి:
- ప్రామాణిక హై-స్పీడ్ డై-టు-డై ఇంటర్‌కనెక్ట్‌లు: Universal Chiplet Interconnect Express (UCIe) వంటి ఎదుగుతున్న ప్రమాణాలను ఉపయోగించుకుని, చిప్‌లెట్లు మైక్రో-బంప్‌ల గుండా అధిక బ్యాండ్‌విడ్త్ సాంద్రతతో, పికోసెకను స్థాయి లేటెన్సీతో సంభాషిస్తాయి.
- విజాతీయ కూర్పు: ఒక సిస్టమ్ డిజైనర్ తేలికపాటి డ్రోన్ పేలోడ్ కోసం రెండు ఇన్-మెమరీ చిప్‌లెట్లను తక్కువ ఖర్చు ARM నియంత్రణ ప్రాసెసర్‌తో జత చేయవచ్చు, లేదా ఎడ్జ్ డేటా సెంటర్ల కోసం సర్వర్ యాక్సిలరేటర్ కార్డును తయారు చేసేందుకు పదహారు చిప్‌లెట్లను హై-స్పీడ్ PCIe ఇంటర్‌ఫేస్‌లతో కలిపి అమర్చవచ్చు.
- సార్వత్రిక కంపైలేషన్, వర్క్‌లోడ్ మ్యాపింగ్: ఏకీకృత కంపైలర్ పొర ప్రామాణిక డీప్ లెర్నింగ్ గ్రాఫ్‌లను (ONNX, PyTorch) స్వీకరించి, మోడల్ పొరలను అందుబాటులో ఉన్న చిప్‌లెట్ టోపాలజీ అంతటా స్వయంచాలకంగా విభజిస్తుంది, చిప్‌లెట్ల మధ్య సంభాషణను తగ్గించేలా డేటా రూటింగ్‌ను ఆప్టిమైజ్ చేస్తుంది.
ఆర్కిటెక్చరల్ పోలిక: ఎడ్జ్ రోబోటిక్స్ కోసం కంప్యూట్ నమూనాలు #
| ఆర్కిటెక్చరల్ కోణం | ప్రామాణిక డిజిటల్ GPU (NVIDIA Jetson / Orin) | ప్రత్యేక ఎడ్జ్ NPU (Google Coral / Hailo) | అనలాగ్ కంప్యూట్-ఇన్-మెమరీ చిప్‌లెట్ (Mythic AI) |
|---|---|---|---|
| మౌలిక యంత్రాంగం | LPDDR5/HBM నుంచి వెయిట్‌లను తెచ్చే డిజిటల్ SIMD/టెన్సర్ కోర్లు | ఆన్-చిప్ SRAM వెయిట్ క్యాషింగ్‌తో డిజిటల్ సిస్టాలిక్ అర్రేలు | ఉన్నచోటే మాత్రికా గుణకారం చేసే అనలాగ్ సింగిల్-ట్రాన్సిస్టర్ అర్రేలు |
| డేటా తరలింపు భారం | అధికం (నిరంతర DRAM/SRAM బస్ ఛార్జింగ్; 85%+ శక్తి వృథా) | మధ్యస్థం (అంతర్గత SRAM క్యాష్ సామర్థ్యంతో పరిమితం) | అంతర్గత డేటా తరలింపు సున్నా; వెయిట్‌లు శాశ్వతంగా మెమరీలోనే ఉంటాయి |
| ఇన్ఫరెన్స్ పవర్ పరిధి | 30W నుంచి 75W+ (చురుకైన ఫ్యాన్ కూలింగ్, భారీ హీట్ సింక్‌లు అవసరం) | 5W నుంచి 15W (నిష్క్రియ లేదా కనీస కూలింగ్) | 10W నుంచి 20W (అతి కాంపాక్ట్ నిష్క్రియ ఉష్ణ విసర్జన) |
| శక్తి సామర్థ్యం (TOPS/W) | 2 నుంచి 5 TOPS/Watt (వ్యవస్థ స్థాయి) | 10 నుంచి 25 TOPS/Watt | 50 నుంచి 200+ TOPS/Watt (10x-1000x సైద్ధాంతిక సామర్థ్యం) |
| పరికర బిల్-ఆఫ్-మెటీరియల్స్ (BOM) | ఒక్కో కంప్యూట్ మాడ్యూల్‌కు £500 నుంచి £2,500+ | ఒక్కో యాక్సిలరేటర్ బోర్డుకు £100 నుంచి £350 | పెద్ద ఎత్తున ఒక్కో చిప్‌లెట్ యూనిట్‌కు కొన్ని పదుల డాలర్లు |
| మెమరీ అడ్డంకి (Von Neumann) | తీవ్రం; మెమరీ బ్యాండ్‌విడ్త్‌తో పరిమితం (GB/s నుంచి TB/s) | మధ్యస్థం; ఆన్-చిప్ SRAM సామర్థ్యంతో పరిమితం (MBs) | లేదు; అర్రే బ్యాండ్‌విడ్త్ అంతర్గత మెమరీ మాత్రికకు సమానం |
| లక్ష్య వినియోగ రంగం | ప్రీమియం స్వయంప్రతిపత్త వాహనాలు, పారిశ్రామిక తనిఖీ రోబోలు | స్మార్ట్ కెమెరాలు, తేలికపాటి ఎంబెడెడ్ IoT పరికరాలు | అధిక-రేటు స్పర్శ రోబోటిక్స్, వ్యూహాత్మక డ్రోన్లు, ఆటోమోటివ్ AI |
మూలం: Economist Enterprise Physical AI and Robotics Summitలో (Convene 200 Aldersgate, లండన్, 2026 అక్టోబర్ 13) సమర్పించిన ఫైర్‌సైడ్ చర్చ డేటా, సెమీకండక్టర్ ఆర్కిటెక్చర్ వివరణల సంశ్లేషణ.
రంగాల వారీగా దీని అర్థం #
ఇన్-మెమరీ కంప్యూట్ వాణిజ్య ధ్రువీకరణ, శక్తి, ఖర్చు పరిమితులు చారిత్రకంగా అధునాతన ఫౌండేషన్ మోడళ్ల వినియోగాన్ని అడ్డుకున్న పరిశ్రమల్లోకి చొచ్చుకుపోవడంపై ఆధారపడి ఉంటుంది.
వ్యూహాత్మక రక్షణ, మానవరహిత వ్యవస్థలు #
రక్షణ ఎడ్జ్ అనువర్తనాల్లో శక్తి సామర్థ్యం నేరుగా కార్యాచరణ మనుగడగా, మిషన్ వ్యవధిగా మారుతుంది. చిన్న మానవరహిత వైమానిక వ్యవస్థలు (sUAS), వ్యూహాత్మక భూ రోవర్లు బ్యాటరీ బరువు వల్ల తీవ్రంగా పరిమితమవుతాయి. ఒక నిఘా డ్రోన్‌కు సంప్రదాయ GPUను అమర్చితే, కేవలం AI గ్రహణ స్టాక్‌కు శక్తినివ్వడానికే దాని గగన ఓర్పు 30% నుంచి 50% తగ్గుతుంది.
Lockheed Martinతో Mythic AI వ్యూహాత్మక భాగస్వామ్యం, ఇన్-మెమరీ కంప్యూట్‌ను వ్యూహాత్మక ఎడ్జ్ వ్యవస్థలు, స్వయంప్రతిపత్త డ్రోన్ గుంపులు, మారుమూల నిఘా పోస్టుల్లో పొందుపరచడంపై దృష్టి పెడుతుంది. కంప్యూట్ విద్యుత్ వినియోగాన్ని 50W నుంచి 10W కిందికి తగ్గించడం ద్వారా వ్యూహాత్మక డ్రోన్లు ఎక్కువ సేపు ఎగరగలుగుతాయి; అదే సమయంలో అంతరాయాలున్న, GPS అందని కార్యక్షేత్రాల్లో బహుళ-మోడల్ వస్తు వర్గీకరణ, ఎలక్ట్రానిక్ యుద్ధ సిగ్నల్ ప్రాసెసింగ్, విజువల్-ఇనర్షియల్ ఓడోమెట్రీని స్థానికంగా నడుపుతాయి.
ఆటోమోటివ్ పరిస్థితి అవగాహన, క్యాబిన్ లోపలి AI #
ఆటోమోటివ్ రంగంలో టియర్-వన్ తయారీదారులు తీవ్రమైన లాభాల మార్జిన్ ఒత్తిడిని ఎదుర్కొంటున్నారు. ప్రధాన ఎలక్ట్రిక్ వాహనాలు £2,000 లిక్విడ్-కూల్డ్ స్వయంప్రతిపత్త డ్రైవింగ్ కంప్యూటర్ల ఖర్చును భరించగలవు, కానీ సామూహిక మార్కెట్ వాహనాలు భరించలేవు.
Mythic AIతో Honda Motor భాగస్వామ్యం ఈ వాణిజ్య ఘర్షణను పరిష్కరిస్తుంది. వాహన తయారీదారులకు వందల కాదు, కొన్ని పదుల డాలర్ల ఖరీదు చేసే, పెద్ద ఎత్తున తయారయ్యే, ఆటోమోటివ్ అర్హత పొందిన AI చిప్‌లు కావాలి; అవి డ్రైవర్-పర్యవేక్షణ వ్యవస్థలు, బ్లైండ్-స్పాట్ వస్తు విభజన, 360-డిగ్రీల చుట్టుపక్కల గ్రహణాన్ని, తయారీ ఖర్చు, అసెంబ్లీ సంక్లిష్టతను పెంచే సంక్లిష్ట లిక్విడ్ కూలింగ్ లూప్‌లు అవసరం లేకుండానే నడపగలగాలి.
పారిశ్రామిక ఎడ్జ్ డేటా సెంటర్లు, మొబైల్ ఫుల్‌ఫిల్‌మెంట్ #
ఇన్-మెమరీ కంప్యూట్ ఆర్కిటెక్చర్ పరంగా ఎడ్జ్ కోసం ఆప్టిమైజ్ చేయబడినప్పటికీ, Mythic ఎడ్జ్ డేటా సెంటర్లు, గిడ్డంగి ఫుల్‌ఫిల్‌మెంట్ హబ్‌ల కోసం PCIe యాక్సిలరేటర్ కార్డులను అందిస్తూ ఉద్దేశపూర్వక వారధి వ్యూహాన్ని అమలు చేస్తోంది. వందలాది స్వయంప్రతిపత్త మొబైల్ రోబోలు (AMR) ఉన్న సదుపాయాల్లో, ఫ్లీట్ సమన్వయ మోడళ్లను నడిపే ఎడ్జ్ సర్వర్ ర్యాక్‌లు సదుపాయపు విద్యుత్ కనెక్షన్లు, కూలింగ్ పరిమితులతో కట్టుబడి ఉంటాయి. ఇన్-మెమరీ యాక్సిలరేటర్ కార్డులు యుటిలిటీ విద్యుత్ మౌలిక సదుపాయాలను అప్‌గ్రేడ్ చేయకుండానే స్థానిక ఇన్ఫరెన్స్ త్రూపుట్‌ను అనేక రెట్లు పెంచుకునేందుకు సదుపాయాలకు వీలు కల్పిస్తాయి.
సరఫరా గొలుసు స్థితిస్థాపకత, తయారీ భౌగోళికం #
Ozcelik బ్రీఫింగ్‌లోని కీలక అంశం సరఫరా గొలుసు సార్వభౌమత్వంపై కేంద్రీకృతమైంది. సిలికాన్‌ను విశ్వసనీయంగా తయారు చేయడం, ప్యాకేజ్ చేయడం, పెద్ద ఎత్తున రవాణా చేయడం సాధ్యం కాకపోతే హార్డ్‌వేర్ ఆవిష్కరణ అర్థరహితం.
Mythic AI పంపిణీ చేయబడిన అంతర్జాతీయ తయారీ వ్యవస్థను ఏర్పాటు చేసింది:
- సిలికాన్ ఫ్యాబ్రికేషన్: కీలకమైన ఇన్-మెమరీ వేఫర్ ఉత్పత్తి జపాన్‌లోని టోక్యోలో కేంద్రీకృతమై ఉంది; ఖచ్చితమైన సెమీకండక్టర్ ఫ్యాబ్రికేషన్‌లోనూ, పరిణతి చెందిన అనలాగ్/ఫ్లాష్ ప్రాసెస్ నోడ్‌లలోనూ జపాన్‌కున్న స్థిరపడిన నాయకత్వాన్ని ఉపయోగించుకుంటుంది.
- అధునాతన ప్యాకేజింగ్, అసెంబ్లీ: అధునాతన చిప్‌లెట్ డైసింగ్, మల్టీ-డై సబ్‌స్ట్రేట్ బాండింగ్, ఆటోమేటెడ్ ఆప్టికల్ తనిఖీ కోసం వేఫర్లు యూరప్‌కు (ప్రత్యేకంగా జర్మనీకి) పంపబడతాయి.
- రివిజన్ ధ్రువీకరణ: సంస్థ ప్రస్తుతం తన తాజా సిలికాన్ రివిజన్ ధ్రువీకరణను పూర్తి చేస్తోంది; ప్రయోగశాల దిగుబడి కొలమానాలను ఆటోమోటివ్, రక్షణ రంగాల భారీ ఉత్పత్తి కోసం పునరావృతం చేయగల, ఉత్పత్తి-స్థాయి స్టేట్‌మెంట్స్ ఆఫ్ వర్క్ (SOW)గా మార్చడంపై దృష్టి పెడుతోంది.
ఈ బహుళ-ప్రాంత విధానం ఒకే బిందువు భౌగోళిక-రాజకీయ దుర్బలత్వాలను నివారిస్తుంది, యూరోపియన్, ఆసియా కార్పొరేట్ భాగస్వాములకు భౌగోళికంగా వైవిధ్యపరచిన సరఫరా గొలుసులను అందిస్తుంది.
ముగింపు #
Economist Enterprise Physical AI and Robotics Summitలో Taner Ozcelik, Kenneth Cukier మధ్య జరిగిన ఫైర్‌సైడ్ సంభాషణ, స్వయంప్రతిపత్త వ్యవస్థల తదుపరి దశాబ్దాన్ని శాసించబోయే భౌతిక వాస్తవాన్ని వివరించింది. ట్రాన్సిస్టర్ స్కేలింగ్‌కు సరళమైన కొలమానంగా మూర్ నియమం ఇకపై ఫిజికల్ AI విప్లవానికి శక్తినివ్వడానికి సరిపోదు.
కంప్యూటింగ్ ఆర్కిటెక్చర్లు లాజిక్, మెమరీల Von Neumann విభజనను పట్టుకుని వేలాడినంత కాలం, రోబోటిక్స్ బ్యాటరీ ద్రవ్యరాశి, ఉష్ణ విసర్జన, భరించలేని బిల్-ఆఫ్-మెటీరియల్స్ ఖర్చులతో కట్టుబడే ఉంటుంది. డిజిటల్ డేటా తరలింపు నుంచి అనలాగ్ ఇన్-మెమరీ కంప్యూట్ అర్రేలు, మాడ్యులర్ చిప్‌లెట్ టోపాలజీల వైపు మారడం ద్వారా, స్వయంప్రతిపత్త వ్యవస్థలకు అవసరమైన దశలవారీ సామర్థ్య పురోగతిని సెమీకండక్టర్ ఇంజనీరింగ్ అందిస్తోంది.
700W డేటా సెంటర్ క్లస్టర్ల నుంచి 15W ఎడ్జ్ సిలికాన్‌కు మారడమే భౌతిక స్వయంప్రతిపత్తికి అసలైన ప్రవేశ ద్వారం. తుది విశ్లేషణలో, వాస్తవ ప్రపంచంలో పనిచేసే రోబోలు వాస్తవ ప్రపంచపు శక్తి నియమాలకు లోబడి ఉండాల్సిందే; సిలికాన్‌కూ జీవశాస్త్రానికీ మధ్య అంతరాన్ని పూడ్చే ఆర్కిటెక్చర్ ఇన్-మెమరీ కంప్యూట్.
తరచుగా అడిగే ప్రశ్నలు #
AI హార్డ్‌వేర్‌లో Von Neumann అడ్డంకి అంటే ఏమిటి? సెంట్రల్ ప్రాసెసింగ్ యూనిట్ (ALU), సిస్టమ్ మెమరీ (DRAM) మధ్య ఉన్న భౌతిక విభజన వల్ల కలిగే త్రూపుట్, శక్తి పరిమితినే Von Neumann అడ్డంకి అంటారు. బిలియన్ల కొద్దీ మాత్రికా గుణకారాలు ఉండే ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ వర్క్‌లోడ్‌లలో, ప్రాసెసర్లు తమ మొత్తం శక్తిలో 85%కి పైగా, గణనీయమైన క్లాక్ సైకిళ్లను కేవలం రాగి బస్‌ల గుండా డేటాను అటూ ఇటూ తరలించడంలోనే గడుపుతాయి; దీనివల్ల తీవ్రమైన ఉష్ణ, లేటెన్సీ అడ్డంకులు ఏర్పడతాయి.
అనలాగ్ కంప్యూట్-ఇన్-మెమరీ (CIM) ఎలా పనిచేస్తుంది? కంప్యూట్-ఇన్-మెమరీ డేటాను కదిలించకుండానే నేరుగా మెమరీ సెల్‌ల లోపల గణిత కార్యకలాపాలను చేస్తుంది. న్యూరల్ నెట్‌వర్క్ వెయిట్‌లు నాన్-వోలటైల్ మెమరీ సెల్‌ల లోపల అనలాగ్ కండక్టెన్స్ స్థితులుగా నిల్వ ఉంటాయి. అర్రే అంతటా ఇన్‌పుట్ వోల్టేజ్‌లను ప్రయోగించినప్పుడు, ప్రవాహం ఓమ్ నియమం ($I = V \times G$) ప్రకారం సెల్‌ల గుండా ప్రవహించి, కిర్చాఫ్ విద్యుత్ ప్రవాహ నియమం ప్రకారం బిట్ లైన్ల వెంట కూడుకుంటుంది. ఇది మొత్తం మాత్రికా-వెక్టర్ గుణకారాన్ని ఒకే భౌతిక దశలో పూర్తి చేస్తుంది.
రోబోటిక్స్, డ్రోన్లకు ఇన్-మెమరీ కంప్యూట్ ప్రత్యేకంగా ఎందుకు కీలకం? మొబైల్ రోబోలు, డ్రోన్లు పరిమాణం, బరువు, శక్తి, ఖర్చు (SWaP-C) అనే కఠిన పరిమితుల కింద పనిచేస్తాయి. అవి ఆన్-బోర్డ్ బ్యాటరీలపై ఆధారపడతాయి, భారీ కూలింగ్ రేడియేటర్లను గానీ అధిక వాటేజ్ విద్యుత్ సరఫరాలను గానీ మోయలేవు. ఇన్-మెమరీ కంప్యూట్ 10x నుంచి 1,000x అధిక శక్తి సామర్థ్యాన్ని అందిస్తుంది; దీంతో రోబోలు 10W నుంచి 20W పవర్ పరిధిలోనే సంక్లిష్ట విజన్-లాంగ్వేజ్-యాక్షన్ మోడళ్లను స్థానికంగా నడుపుతూ బ్యాటరీ ఓర్పును కాపాడుకోగలుగుతాయి.
ఏకశిలా చిప్‌తో పోలిస్తే చిప్‌లెట్ విధానం వల్ల ప్రయోజనం ఏమిటి? ఏకశిలా చిప్‌లు అన్ని క్రియాత్మక యూనిట్లను ఒకే పెద్ద సిలికాన్ డైపై ఏకీకృతం చేస్తాయి. డై పరిమాణం పెరిగే కొద్దీ తయారీ లోప రేట్లు ఘాతాంకీయంగా పెరిగి, ఉత్పత్తి దిగుబడిని తగ్గించి, యూనిట్ ఖర్చును పెంచుతాయి. చిప్‌లెట్ ఆర్కిటెక్చర్ వ్యవస్థను చిన్న, ప్రామాణిక సిలికాన్ డైలుగా విభజిస్తుంది; అవి అధిక దిగుబడితో స్వతంత్రంగా తయారై, హై-స్పీడ్ మైక్రో-బంప్‌ల ద్వారా అనుసంధానమవుతాయి. దీనివల్ల నిర్దిష్ట పారిశ్రామిక శక్తి, ఫామ్-ఫ్యాక్టర్ అవసరాలకు తగిన మాడ్యులర్, సౌలభ్యమైన కాన్ఫిగరేషన్లు సాధ్యమవుతాయి.
ఈ సాంకేతికతకు ప్రధాన వాణిజ్య భాగస్వాములు ఎవరు? Mythic AI ఇన్-మెమరీ కంప్యూట్ ప్లాట్‌ఫామ్ ప్రస్తుతం రెండు పెద్ద కార్పొరేట్ భాగస్వామ్యాలపై నిలబడి ఉంది: బ్యాటరీ ఓర్పును పెంచేందుకు ఈ ఆర్కిటెక్చర్‌ను వ్యూహాత్మక రక్షణ డ్రోన్లు, మానవరహిత రోబోటిక్ ప్లాట్‌ఫామ్‌లు, సరిహద్దు భద్రతా పోస్టుల్లో అనుసంధానిస్తున్న Lockheed Martin; వాహన పరిస్థితి అవగాహన, క్యాబిన్ లోపలి సెన్సింగ్ కోసం తక్కువ ఖర్చు, ఆటోమోటివ్ అర్హత పొందిన AI చిప్‌లను లక్ష్యంగా చేసుకున్న Honda Motor.
ఆధారాలు #
- Economist Enterprise, (2026). Physical AI & Robotics Summit: స్వయంప్రతిపత్త వ్యవస్థల ద్వారా కార్యాచరణ ఆధిక్యం ⧉. Economist Enterprise.
- Ozcelik, T., (2026). మూర్ నియమం దాటి: హై-పెర్ఫార్మెన్స్ రోబోటిక్స్ వెనుక ఉన్న శక్తి ⧉. Mythic AI.
- Cukier, K., (2026). స్వయంప్రతిపత్త మేధస్సుపై ఉష్ణగతిక పరిమితులు ⧉. The Economist.
- Marković, D., Mizrahi, A., Querlioz, D., & Grollier, J., (2020). న్యూరోమార్ఫిక్ కంప్యూటింగ్ కోసం భౌతిక శాస్త్రం ⧉. Nature Reviews Physics, 2, 499-510.
- Universal Chiplet Interconnect Express, (2025). UCIe స్పెసిఫికేషన్ 2.0: డై-టు-డై ఇంటర్‌కనెక్ట్ ప్రమాణం ⧉. UCIe Consortium.
- IEEE, (2026). International Roadmap for Devices and Systems (IRDS): CMOS దాటి, కంప్యూట్-ఇన్-మెమరీ ⧉. IEEE Standards Association.
చివరిగా సమీక్షించబడింది .
చివరిగా సమీక్షించబడింది .
ఈ వ్యాసాన్ని క్రాస్-పోస్ట్ చేయండి
Medium కోసం ఫార్మాట్ చేసి కాపీ చేయండి
# మూర్ నియమం దాటి: ఎడ్జ్ రోబోటిక్స్‌కు ఇన్-మెమరీ కంప్యూట్, చిప్‌లెట్లు — Sebastien Rousseau > Originally published at [https://sebastienrousseau.com/te/2026-10-13-mur-niyamam-dati-edj-robotiksku/](https://sebastienrousseau.com/te/2026-10-13-mur-niyamam-dati-edj-robotiksku/) లండన్ Economist Enterprise Physical AI and Robotics Summitలో Mythic AI CEO Taner Ozcelik, ఇన్-మెమరీ కంప్యూట్, చిప్‌లెట్లు మెమరీ గోడను ఎలా ఛేదిస్తాయో చూపించారు. Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/te/2026-10-13-mur-niyamam-dati-edj-robotiksku/
Mastodon కోసం ఫార్మాట్ చేసి కాపీ చేయండి
మూర్ నియమం దాటి: ఎడ్జ్ రోబోటిక్స్‌కు ఇన్-మెమరీ కంప్యూట్, చిప్‌లెట్లు — Sebastien Rousseau లండన్ Economist Enterprise Physical AI and Robotics Summitలో Mythic AI CEO Taner Ozcelik, ఇన్-మెమరీ కంప్యూట్, చిప్‌లెట్లు మెమరీ గోడను ఎలా ఛేదిస్తాయో చూపించారు. https://sebastienrousseau.com/te/2026-10-13-mur-niyamam-dati-edj-robotiksku/
LinkedIn కోసం ఫార్మాట్ చేసి కాపీ చేయండి
మూర్ నియమం దాటి: ఎడ్జ్ రోబోటిక్స్‌కు ఇన్-మెమరీ కంప్యూట్, చిప్‌లెట్లు — Sebastien Rousseau లండన్ Economist Enterprise Physical AI and Robotics Summitలో Mythic AI CEO Taner Ozcelik, ఇన్-మెమరీ కంప్యూట్, చిప్‌లెట్లు మెమరీ గోడను ఎలా ఛేదిస్తాయో చూపించారు. ముఖ్యమైన వ్యూహాత్మక అంశాలు ఇవి: - ఉష్ణగతిక గోడ: ఫిజికల్ AI క్లౌడ్‌లో ఎందుకు ఉండలేదు. Moving past Moore’s law: the power behind high-performance robotics అనే శీర్షికతో జరిగిన ఫైర్‌సైడ్ సెషన్‌లో Kenneth Cukier, ఎంటర్‌ప్రైజ్ స్వయంప్రతిపత్తి ఎదుర్కొంటున్న మౌలిక ఇంజనీరింగ్ సందిగ్ధతను ముందుంచారు:… - ఆర్కిటెక్చరల్ సిద్ధాంతం: కంప్యూట్-ఇన్-మెమరీ (CIM). ఉష్ణగతిక అడ్డంకిని పరిష్కరించేందుకు Mythic AI ఒక ఆర్కిటెక్చరల్ తత్వాన్ని ముందుకు తెచ్చింది: వేర్వేరు ప్రాసెసింగ్ యూనిట్లు, మెమరీ పూల్‌ల మధ్య డేటాను అటూ ఇటూ తిప్పడానికి బదులు, మెమరీయే కంప్యూటర్‌గా మారాలి. - మాడ్యులర్ చిప్‌లెట్ వ్యూహం. అనలాగ్ కంప్యూట్-ఇన్-మెమరీ శక్తి, లేటెన్సీ సమీకరణాలను పరిష్కరిస్తుంది, కానీ వైవిధ్యభరితమైన వాణిజ్య రంగాల్లో సిలికాన్‌ను విస్తరించాలంటే ప్యాకేజింగ్‌లో సౌలభ్యం అవసరం. - ఆర్కిటెక్చరల్ పోలిక: ఎడ్జ్ రోబోటిక్స్ కోసం కంప్యూట్ నమూనాలు. మూలం: Economist Enterprise Physical AI and Robotics Summitలో (Convene 200 Aldersgate, లండన్, 2026 అక్టోబర్ 13) సమర్పించిన ఫైర్‌సైడ్ చర్చ డేటా, సెమీకండక్టర్ ఆర్కిటెక్చర్ వివరణల సంశ్లేషణ. ఈ వ్యాసంలో వివరించిన సవాళ్లకు మీ సంస్థ దృక్పథం ఏమిటి? → https://sebastienrousseau.com/te/2026-10-13-mur-niyamam-dati-edj-robotiksku/ #ఇన్మెమరీకంప్యూట్ #MythicAi #TanerOzcelik #మూర్నియమం #VonNeumannఅడ్డంకి Sebastien Rousseau | CC-BY-4.0
ఈ వ్యాసాన్ని ఉదహరించండి
మూర్ నియమం దాటి: ఎడ్జ్ రోబోటిక్స్‌కు ఇన్-మెమరీ కంప్యూట్, చిప్‌లెట్లు — Sebastien Rousseau
లండన్ Economist Enterprise Physical AI and Robotics Summitలో Mythic AI CEO Taner Ozcelik, ఇన్-మెమరీ కంప్యూట్, చిప్‌లెట్లు మెమరీ గోడను ఎలా ఛేదిస్తాయో చూపించారు.
BibTeX
@online{rousseau2026మ,
author = {Rousseau, Sebastien},
title = {{మూర్ నియమం దాటి: ఎడ్జ్ రోబోటిక్స్‌కు ఇన్-మెమరీ కంప్యూట్, చిప్‌లెట్లు — Sebastien Rousseau}},
year = {2026},
url = {https://sebastienrousseau.com/te/2026-10-13-mur-niyamam-dati-edj-robotiksku/},
urldate = {2026}
}RIS
TY - GEN AU - Rousseau, Sebastien TI - మూర్ నియమం దాటి: ఎడ్జ్ రోబోటిక్స్‌కు ఇన్-మెమరీ కంప్యూట్, చిప్‌లెట్లు — Sebastien Rousseau PY - 2026 UR - https://sebastienrousseau.com/te/2026-10-13-mur-niyamam-dati-edj-robotiksku/ ER -
Vancouver
Rousseau S. మూర్ నియమం దాటి: ఎడ్జ్ రోబోటిక్స్‌కు ఇన్-మెమరీ కంప్యూట్, చిప్‌లెట్లు — Sebastien Rousseau. sebastienrousseau.com. 2026 Oct 13. Available from: https://sebastienrousseau.com/te/2026-10-13-mur-niyamam-dati-edj-robotiksku/
Chicago
Rousseau, Sebastien. "మూర్ నియమం దాటి: ఎడ్జ్ రోబోటిక్స్‌కు ఇన్-మెమరీ కంప్యూట్, చిప్‌లెట్లు — Sebastien Rousseau." sebastienrousseau.com. October 13, 2026. https://sebastienrousseau.com/te/2026-10-13-mur-niyamam-dati-edj-robotiksku/.
APA
Rousseau, S. (2026, October 13). మూర్ నియమం దాటి: ఎడ్జ్ రోబోటిక్స్‌కు ఇన్-మెమరీ కంప్యూట్, చిప్‌లెట్లు — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/te/2026-10-13-mur-niyamam-dati-edj-robotiksku/
ఈ వ్యాసాన్ని పునఃప్రచురించండి
మూర్ నియమం దాటి: ఎడ్జ్ రోబోటిక్స్‌కు ఇన్-మెమరీ కంప్యూట్, చిప్‌లెట్లు — Sebastien Rousseau
లండన్ Economist Enterprise Physical AI and Robotics Summitలో Mythic AI CEO Taner Ozcelik, ఇన్-మెమరీ కంప్యూట్, చిప్‌లెట్లు మెమరీ గోడను ఎలా ఛేదిస్తాయో చూపించారు.
ఈ వ్యాసం కింది లైసెన్స్ కింద ఉంది Creative Commons Attribution 4.0 International. పునఃప్రచురణకు కానానికల్ URLకు ఆపాదన అవసరం.
మూర్ నియమం దాటి: ఎడ్జ్ రోబోటిక్స్‌కు ఇన్-మెమరీ కంప్యూట్, చిప్‌లెట్లు — Sebastien Rousseau లండన్ Economist Enterprise Physical AI and Robotics Summitలో Mythic AI CEO Taner Ozcelik, ఇన్-మెమరీ కంప్యూట్, చిప్‌లెట్లు మెమరీ గోడను ఎలా ఛేదిస్తాయో చూపించారు. Originally published at https://sebastienrousseau.com/te/2026-10-13-mur-niyamam-dati-edj-robotiksku/ by Sebastien Rousseau. Licensed under CC-BY-4.0.