ਭਰਪੂਰ ਇੰਟੈਲੀਜੈਂਸ ਦਾ ਨਿਰਮਾਣ

AI ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਸਿਰਫ਼ ਵੱਡਾ ਹੋਣ ਕਰਕੇ ਕੀਮਤੀ ਨਹੀਂ ਹੁੰਦਾ। ਇਸਦਾ ਮੁੱਲ ਉਨ੍ਹਾਂ ਸੰਭਾਵਨਾਵਾਂ ਵਿੱਚ ਹੈ ਜੋ ਇਹ ਪੈਦਾ ਕਰਦਾ ਹੈ: ਘੱਟ ਲਾਗਤ 'ਤੇ ਵਧੇਰੇ ਲੋਕਾਂ ਲਈ ਉਪਲਬਧ ਹੋਰ ਸਮਰੱਥ ਇੰਟੈਲੀਜੈਂਸ।

ਮੈਂ ਭਰਪੂਰਤਾ ਨੂੰ ਇਸੇ ਤਰ੍ਹਾਂ ਸਮਝਦਾ ਹਾਂ। ਇਹ ਸਾਡੇ ਮਿਸ਼ਨ—ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਕਿ ਆਰਟੀਫ਼ਿਸ਼ੀਅਲ ਜਨਰਲ ਇੰਟੈਲੀਜੈਂਸ ਸਮੁੱਚੀ ਮਨੁੱਖਤਾ ਨੂੰ ਲਾਭ ਪਹੁੰਚਾਏ—ਅਤੇ ਸਾਡੇ ਕਾਰੋਬਾਰ ਨੂੰ ਚਲਾਉਣ ਵਾਲੇ ਆਰਥਿਕ ਇੰਜਣ, ਦੋਵਾਂ ਵਿੱਚ ਸਮਾਇਆ ਹੋਇਆ ਹੈ।

ਜਦੋਂ ਲਾਭਦਾਇਕ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਲਾਗਤ ਘਟਦੀ ਹੈ, ਤਾਂ ਹੋਰ ਕੰਮ ਕਰਨਾ ਲਾਹੇਵੰਦ ਬਣ ਜਾਂਦਾ ਹੈ। ਜਦੋਂ ਮਾਡਲ ਵਧੇਰੇ ਸਮਰੱਥ ਬਣਦੇ ਹਨ, ਤਾਂ ਉਹ ਕੰਮ ਹੋਰ ਮੁੱਲ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਵਰਤੋਂ ਵਧਦੀ ਹੈ, ਸਾਨੂੰ ਅਗਲੀ ਪੀੜ੍ਹੀ ਦੀ ਖੋਜ ਅਤੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਿੱਚ ਨਿਵੇਸ਼ ਜਾਰੀ ਰੱਖਣ ਲਈ ਆਮਦਨ, ਅਸਲ ਦੁਨੀਆ ਦੀ ਪ੍ਰਤੀਕਿਰਿਆ ਅਤੇ ਮੰਗ ਬਾਰੇ ਸਪਸ਼ਟ ਜਾਣਕਾਰੀ ਮਿਲਦੀ ਹੈ।

ਬਿਹਤਰ ਇੰਟੈਲੀਜੈਂਸ ਵਿਆਪਕ ਵਰਤੋਂ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਦੀ ਹੈ। ਵਿਆਪਕ ਵਰਤੋਂ ਹੋਰ ਨਿਵੇਸ਼ ਨੂੰ ਸਹਾਰਾ ਦਿੰਦੀ ਹੈ।ਵਧੇਰੇ ਨਿਵੇਸ਼ ਇੰਟੈਲੀਜੈਂਸ ਅਤੇ ਕੁਸ਼ਲਤਾ ਨੂੰ ਸੁਧਾਰਦਾ ਹੈ। ਅਸੀਂ ਇਹੀ ਚੱਕਰ ਤਿਆਰ ਕਰ ਰਹੇ ਹਾਂ।

ਸਾਡੀ ਹਾਲੀਆ ਕੀਮਤ ਘੋਸ਼ਣਾ ਦਿਖਾਉਂਦੀ ਹੈ ਕਿ ਇਹ ਚੱਕਰ ਗਾਹਕਾਂ ਨੂੰ ਕਿੰਨੀ ਜਲਦੀ ਲਾਭ ਪਹੁੰਚਾਉਂਦਾ ਹੈ। ਕੱਲ੍ਹ ਅਸੀਂ GPT‑5.6 Luna ਦੀ ਕੀਮਤ 80 ਫ਼ੀਸਦੀ ਅਤੇ GPT‑5.6 Terra ਦੀ ਕੀਮਤ 20 ਫ਼ੀਸਦੀ ਘਟਾਈ। ਹੁਣ Luna ਦੇ ਪ੍ਰਤੀ ਦਸ ਲੱਖ ਇਨਪੁੱਟ ਟੋਕਨਾਂ ਦੀ ਕੀਮਤ $0.20 ਅਤੇ ਪ੍ਰਤੀ ਦਸ ਲੱਖ ਆਉਟਪੁੱਟ ਟੋਕਨਾਂ ਦੀ ਕੀਮਤ $1.20 ਹੈ। Terra ਲਈ ਇਹ ਕੀਮਤਾਂ ਕ੍ਰਮਵਾਰ $2 ਅਤੇ $12 ਹਨ।

GPT‑5.6 Sol ਲਈ ਫਾਸਟ ਮੋਡ ਮਿਆਰੀ ਪ੍ਰਕਿਰਿਆ ਨਾਲੋਂ ਦੁੱਗਣੀ ਕੀਮਤ 'ਤੇ 2.5 ਗੁਣਾ ਤੱਕ ਗਤੀ ਦਿੰਦਾ ਹੈ, ਜਦਕਿ ਇੰਟੈਲੀਜੈਂਸ ਵਿੱਚ ਕੋਈ ਬਦਲਾਅ ਨਹੀਂ ਹੁੰਦਾ।

ਇਹ ਸਿਰਫ਼ ਕੀਮਤ-ਸੂਚੀ ਵਿੱਚ ਬਦਲਾਅ ਨਹੀਂ ਹਨ। ਇਹ ਵਿਹਾਰਕ ਬਣਨ ਵਾਲੇ ਕੰਮਾਂ ਦਾ ਦਾਇਰਾ ਵਧਾਉਂਦੇ ਹਨ ਅਤੇ ਗਾਹਕਾਂ ਨੂੰ ਇੰਟੈਲੀਜੈਂਸ, ਗਤੀ, ਭਰੋਸੇਯੋਗਤਾ ਅਤੇ ਲਾਗਤ ਵਿਚਕਾਰ ਸੰਤੁਲਨ ਬਣਾਉਣ ਲਈ ਹੋਰ ਲਚਕ ਦਿੰਦੇ ਹਨ।

ਸਹੀ ਸਵਾਲ ਇਹ ਨਹੀਂ ਕਿ ਕਿਹੜਾ ਮਾਡਲ ਕਿਹੜੇ ਕੰਮ ਲਈ ਹੈ। ਸਹੀ ਸਵਾਲ ਇਹ ਹੈ ਕਿ ਲੋੜੀਂਦੇ ਨਤੀਜੇ ਲਈ ਕਿੰਨੀ ਇੰਟੈਲੀਜੈਂਸ ਚਾਹੀਦੀ ਹੈ, ਉਹ ਕਿੰਨੀ ਜਲਦੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ ਉਸ ਨਤੀਜੇ ਨੂੰ ਹਾਸਲ ਕਰਨ ਲਈ ਉਸਦੀ ਲਾਗਤ ਕਿੰਨੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਇਹ ਸੰਤੁਲਨ ਇੱਕੋ ਕਾਰਜ-ਪ੍ਰਵਾਹ ਵਿੱਚ ਕਈ ਵਾਰ ਬਦਲ ਸਕਦਾ ਹੈ।

ਗਾਹਕ ਸਿਰਫ਼ ਆਪਣੇ ਆਪ ਵਿੱਚ ਟੋਕਨ ਨਹੀਂ ਖਰੀਦਦੇ। ਉਹ ਚਾਹੁੰਦੇ ਹਨ ਕਿ ਸਹਾਇਤਾ ਸੰਬੰਧੀ ਸਮੱਸਿਆ ਹੱਲ ਹੋਵੇ, ਸਾਫ਼ਟਵੇਅਰ ਜਾਰੀ ਹੋਵੇ, ਇਕਰਾਰਨਾਮੇ ਦੀ ਸਮੀਖਿਆ ਹੋਵੇ ਜਾਂ ਵਿਗਿਆਨਕ ਸਵਾਲ ਦਾ ਜਵਾਬ ਮਿਲੇ। ਸਹੀ ਮਾਪਦੰਡ ਸਫਲ ਨਤੀਜੇ ਦੀ ਕੁੱਲ ਲਾਗਤ ਹੈ, ਜਿਸ ਵਿੱਚ ਉੱਥੇ ਤੱਕ ਪਹੁੰਚਣ ਲਈ ਲੱਗਿਆ ਸਮਾਂ, ਮੁੜ ਕੋਸ਼ਿਸ਼ਾਂ, ਨਿਗਰਾਨੀ ਅਤੇ ਗ਼ਲਤੀਆਂ ਸ਼ਾਮਲ ਹਨ।

ਕੰਮ ਨੂੰ ਸਹੀ ਅਤੇ ਕੁਸ਼ਲਤਾ ਨਾਲ ਪੂਰਾ ਕਰਨ ਵਾਲਾ ਮਜ਼ਬੂਤ ਮਾਡਲ ਅੰਤ ਵਿੱਚ ਉਸ ਸਸਤੇ ਮਾਡਲ ਨਾਲੋਂ ਵਧੇਰੇ ਕਿਫ਼ਾਇਤੀ ਹੋ ਸਕਦਾ ਹੈ ਜਿਸਨੂੰ ਵਾਰ-ਵਾਰ ਕੋਸ਼ਿਸ਼ਾਂ ਜਾਂ ਵੱਡੇ ਪੱਧਰ ਉੱਤੇ ਮਨੁੱਖੀ ਦਖ਼ਲ ਦੀ ਲੋੜ ਪਵੇ। ਇਸਦੇ ਉਲਟ, ਜੇ ਘੱਟ ਲਾਗਤ ਵਾਲਾ ਮਾਡਲ ਗੁਣਵੱਤਾ ਦੇ ਉਸੇ ਮਿਆਰ ਉੱਤੇ ਖਰਾ ਉਤਰਦਾ ਹੈ, ਤਾਂ ਉਹ ਪਹੁੰਚ ਨੂੰ ਕਾਫ਼ੀ ਵਧਾ ਸਕਦਾ ਹੈ। ਮੌਕਾ ਸਹੀ ਕੀਮਤ ਉੱਤੇ ਵੱਧ ਤੋਂ ਵੱਧ ਲਾਭਦਾਇਕ ਇੰਟੈਲੀਜੈਂਸ ਵਰਤਣ ਦਾ ਹੈ।

ਇਹ ਮੁੱਲ ਮੁਹੱਈਆ ਕਰਵਾਉਣ ਲਈ ਸਿਰਫ਼ ਹੋਰ ਡਾਟਾ ਕੇਂਦਰ ਬਣਾਉਣਾ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ। ਇਸ ਲਈ ਕੰਪਿਊਟ ਸਮਰੱਥਾ ਦੀ ਹਰ ਇਕਾਈ ਨੂੰ ਹੋਰ ਉਤਪਾਦਕ ਬਣਾਉਣਾ ਪੈਂਦਾ ਹੈ।

ਸਾਡਾ ਹਾਲੀਆ ਇੰਜੀਨੀਅਰਿੰਗ ਕੰਮ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਇਹ ਅਮਲ ਵਿੱਚ ਕਿਵੇਂ ਹੁੰਦਾ ਹੈ। ਸਾਡੀਆਂ ਤਕਨੀਕੀ ਟੀਮਾਂ ਨਾਲ ਕੰਮ ਕਰਦਿਆਂ, GPT‑5.6 Sol ਨੇ ਸਾਡੇ ਮਾਡਲ ਮੁਹੱਈਆ ਕਰਵਾਉਣ ਲਈ ਵਰਤੇ ਜਾਂਦੇ ਉਤਪਾਦਨ ਸਾਫ਼ਟਵੇਅਰ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕੀਤੀ, ਜਿਸ ਨਾਲ ਸ਼ੁਰੂ ਤੋਂ ਅੰਤ ਤੱਕ ਸੇਵਾ ਲਾਗਤ 20 ਫ਼ੀਸਦੀ ਘਟੀ। ਇਸਨੇ ਅਨੁਮਾਨ-ਆਧਾਰਿਤ ਡੀਕੋਡਿੰਗ ਨੂੰ ਸੁਧਾਰਨ ਵਿੱਚ ਵੀ ਮਦਦ ਕੀਤੀ, ਜਿਸ ਨਾਲ ਟੋਕਨ ਬਣਾਉਣ ਦੀ ਕੁਸ਼ਲਤਾ 15 ਫ਼ੀਸਦੀ ਤੋਂ ਵੱਧ ਵਧੀ।

ਇਹ ਵੀ ਉਨਾ ਹੀ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ ਕੁਸ਼ਲਤਾ ਸਿਰਫ਼ ਮਾਡਲ ਨਾਲ ਤੈਅ ਨਹੀਂ ਹੁੰਦੀ ਹੈ। ਇਸਦੇ ਆਲੇ-ਦੁਆਲੇ ਦੀ ਪ੍ਰਣਾਲੀ ਵੀ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਬਿਹਤਰ ਰੂਟਿੰਗ ਹਾਰਡਵੇਅਰ ਨੂੰ ਉਤਪਾਦਕ ਰੱਖਦੀ ਹੈ। ਵਧੇਰੇ ਸਿਆਣਪ ਵਾਲਾ ਸੰਦਰਭ ਪ੍ਰਬੰਧਨ ਏਜੰਟਾਂ ਨੂੰ ਕੰਮ ਦੁਹਰਾਉਣ ਤੋਂ ਰੋਕਦਾ ਹੈ। ਵਧੇਰੇ ਸਮਰੱਥ ਸਾਧਨ ਅਤੇ ਬਿਹਤਰ ਉਤਪਾਦ ਡਿਜ਼ਾਈਨ ਕਿਸੇ ਕੰਮ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਲੋੜੀਂਦੇ ਪੜਾਵਾਂ ਦੀ ਗਿਣਤੀ ਘਟਾਉਂਦੇ ਹਨ।

ਇੱਕ ਹਾਲੀਆ ਮਾਪਦੰਡ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ, ਸੰਭਾਲੀ ਹੋਈ ਰੀਜ਼ਨਿੰਗ ਅਤੇ ਸੰਦਰਭ ਪ੍ਰਬੰਧਨ ਦੇ ਸੁਧਾਰਾਂ ਨੇ ਜਨਤਕ ARC-AGI-3 ਕਾਰਜ ਸਮੂਹ ਉੱਤੇ GPT‑5.6 Sol ਦਾ ਸਕੋਰ 13.3 ਫ਼ੀਸਦੀ ਤੋਂ ਵਧਾ ਕੇ 38.3 ਫ਼ੀਸਦੀ ਕਰ ਦਿੱਤਾ, ਜਦਕਿ ਇਸਨੇ ਛੇ ਗੁਣਾ ਘੱਟ ਆਉਟਪੁੱਟ ਟੋਕਨ ਵਰਤੇ। ਮਾਡਲ ਨਹੀਂ ਬਦਲਿਆ ਸੀ। ਇਸਦੇ ਆਲੇ-ਦੁਆਲੇ ਦੀ ਪ੍ਰਣਾਲੀ ਬਦਲੀ ਸੀ।

ਇਹ ਲਾਭ ਇਕੱਠੇ ਹੋ ਕੇ ਵਧਦੇ ਹਨ। ਵਧੇਰੇ ਸਮਰੱਥ ਮਾਡਲ ਸਾਡੀਆਂ ਟੀਮਾਂ ਨੂੰ ਕੁਸ਼ਲਤਾ ਦੇ ਨਵੇਂ ਤਰੀਕੇ ਲੱਭਣ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ। ਇਹ ਕੁਸ਼ਲਤਾਵਾਂ ਗਾਹਕਾਂ ਨੂੰ ਸੇਵਾ ਦੇਣ ਦੀ ਲਾਗਤ ਘਟਾਉਂਦੀਆਂ ਹਨ ਅਤੇ ਉਸ ਕੰਮ ਦਾ ਦਾਇਰਾ ਵਧਾਉਂਦੀਆਂ ਹਨ ਜਿਸਨੂੰ ਅਸੀਂ ਉਸੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨਾਲ ਸਹਾਰਾ ਦੇ ਸਕਦੇ ਹਾਂ। ਇਸ ਨਾਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਅਗਲੀ ਪੀੜ੍ਹੀ ਹੋਰ ਪਹੁੰਚਯੋਗ ਬਣਦੀ ਹੈ।

ਬੁਨਿਆਦੀ ਢਾਂਚੇ, ਮਾਡਲਾਂ, ਪਲੇਟਫਾਰਮ ਅਤੇ ਉਤਪਾਦ ਹਰ ਪੱਧਰ ਉੱਤੇ ਕੰਮ ਕਰਨ ਦਾ ਲਾਭ ਸਿਰਫ਼ ਇਹ ਨਹੀਂ ਕਿ ਅਸੀਂ ਇਨ੍ਹਾਂ ਸਾਰਿਆਂ ਵਿੱਚ ਹਿੱਸਾ ਲੈਂਦੇ ਹਾਂ। ਅਸਲ ਲਾਭ ਇਹ ਹੈ ਕਿ ਹਰ ਪੱਧਰ ਦੂਜੇ ਪੱਧਰਾਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਂਦਾ ਹੈ।

ਅਸਲ ਦੁਨੀਆ ਵਿੱਚ ਉਤਪਾਦਾਂ ਦੀ ਵਰਤੋਂ ਸਾਨੂੰ ਦਿਖਾਉਂਦੀ ਹੈ ਕਿ ਗਾਹਕਾਂ ਨੂੰ ਕਿੱਥੇ ਮੁੱਲ ਮਿਲਦਾ ਹੈ ਅਤੇ ਕਿੱਥੇ ਮੁਸ਼ਕਲ ਆਉਂਦੀ ਹੈ। ਇਹ ਪ੍ਰਤੀਕਿਰਿਆ ਸਾਡੀ ਖੋਜ ਨੂੰ ਦਿਸ਼ਾ ਦੇਣ ਵਿੱਚ ਮਦਦ ਕਰਦੀ ਹੈ। ਖੋਜ ਵਿੱਚ ਸੁਧਾਰ ਸਾਡੇ ਉਤਪਾਦਾਂ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਦੇ ਹਨ ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਮੁਹੱਈਆ ਕਰਵਾਉਣ ਦੀ ਲਾਗਤ ਘਟਾਉਂਦੇ ਹਨ। ChatGPT, ChatGPT ਵਰਕ, Codex ਅਤੇ API ਵਿੱਚ ਮੰਗ ਸਾਨੂੰ ਇਹ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਤੈਅ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦੀ ਹੈ ਕਿ ਸਮਰੱਥਾ ਕਿੱਥੇ ਵਧਾਉਣੀ ਹੈ।

ਇਸ ਸਿੱਖਣ ਦਾ ਪੈਮਾਨਾ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਸਾਡੇ ਮਾਡਲ ਹੁਣ ਇੱਕ ਅਰਬ ਤੋਂ ਵੱਧ ਸਰਗਰਮ ਵਰਤੋਂਕਾਰਾਂ ਅਤੇ ਵੀਹ ਲੱਖ ਤੋਂ ਵੱਧ ਕਾਰੋਬਾਰਾਂ ਤੱਕ ਪਹੁੰਚਦੇ ਹਨ। ਜਿਵੇਂ-ਜਿਵੇਂ ਲੋਕਾਂ ਦਾ ਤਕਨਾਲੋਜੀ ਉੱਤੇ ਭਰੋਸਾ ਵਧਦਾ ਹੈ, ਉਹ ਇਸਨੂੰ ਹੋਰ ਡੂੰਘਾਈ ਨਾਲ ਵਰਤਦੇ ਹਨ। ਸਾਈਨ ਅੱਪ ਕਰਨ ਤੋਂ ਛੇ ਮਹੀਨੇ ਬਾਅਦ, ਲੋਕ ਹਰ ਰੋਜ਼ ਲਗਭਗ 50 ਫ਼ੀਸਦੀ ਵੱਧ ਸੁਨੇਹੇ ਭੇਜਦੇ ਹਨ ਅਤੇ ChatGPT ਨੂੰ ਕਰੀਬ ਦੁੱਗਣੀਆਂ ਕਿਸਮਾਂ ਦੇ ਕੰਮ ਲਈ ਵਰਤਦੇ ਹਨ। ChatGPT ਵਰਕ ਗਿਆਨ-ਆਧਾਰਿਤ ਕਰਮਚਾਰੀ ਹੋਣ ਦਾ ਅਰਥ ਬਦਲ ਰਿਹਾ ਹੈ। ਇਹ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਗੁੰਝਲਦਾਰ, ਕਈ ਪੜਾਵਾਂ ਵਾਲੇ ਕੰਮ ਪੂਰੇ ਕਰਦਾ ਹੈ—“ਪੁੱਛਣ” ਤੋਂ “ਕਰਨ” ਤੱਕ। OpenAI ਵਿੱਚ Codex ਰਾਹੀਂ ਏਜੰਟ-ਆਧਾਰਿਤ ਕੰਮ ਹੁਣ ਹਫ਼ਤਾਵਾਰੀ ਆਉਟਪੁੱਟ ਟੋਕਨਾਂ ਦਾ 99.8% ਹੈ। ਵਿੱਤ ਵਿਭਾਗ ਵੀ ਉਨ੍ਹਾਂ ਟੀਮਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹੈ ਜਿਨ੍ਹਾਂ ਨੇ ਏਜੰਟ-ਆਧਾਰਿਤ ਸਾਧਨਾਂ ਨੂੰ ਆਪਣੇ ਕੰਮ ਦਾ ਮੁੱਖ ਹਿੱਸਾ ਬਣਾਇਆ ਹੈ।

ਸੰਗਠਨਾਂ ਦੇ ਅੰਦਰ ਵੀ ਇਹੀ ਰੁਝਾਨ ਦਿਸਦਾ ਹੈ। ਕੋਈ ਕੰਪਨੀ ਇੱਕ ਟੀਮ ਜਾਂ ਇੱਕ ਕਾਰਜ-ਪ੍ਰਵਾਹ ਨਾਲ ਸ਼ੁਰੂਆਤ ਕਰ ਸਕਦੀ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਗੁਣਵੱਤਾ ਅਤੇ ਆਰਥਿਕ ਵਿਹਾਰਕਤਾ ਸੁਧਰਦੀਆਂ ਹਨ, ਵਰਤੋਂ ਵੱਖ-ਵੱਖ ਕਾਰਜਾਂ ਵਿੱਚ ਫੈਲਦੀ ਹੈ ਅਤੇ AI ਕਾਰੋਬਾਰੀ ਸੰਚਾਲਨ ਦਾ ਹਿੱਸਾ ਬਣ ਜਾਂਦੀ ਹੈ।

ਇਸ ਨਾਲ ਮੰਗ, ਉਤਪਾਦ ਸੁਧਾਰ, ਕੁਸ਼ਲਤਾ ਅਤੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਯੋਜਨਾਬੰਦੀ ਵਿਚਕਾਰ ਇੱਕ ਕੀਮਤੀ ਪ੍ਰਤੀਕਿਰਿਆ ਚੱਕਰ ਬਣਦਾ ਹੈ। ਇਸ ਲਈ ਹਰ ਸੰਪਤੀ ਦੀ ਮਾਲਕੀ ਲੈਣ ਜਾਂ ਹਰ ਹਿੱਸਾ ਖ਼ੁਦ ਬਣਾਉਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ। ਗਾਹਕ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਅਤੇ ਆਰਥਿਕ ਤੌਰ ਉੱਤੇ ਸਭ ਤੋਂ ਢੁਕਵਾਂ ਵਿਕਲਪ ਚੁਣਦਿਆਂ ਅਸੀਂ ਮਾਲਕੀ ਲੈ ਸਕਦੇ ਹਾਂ, ਭਾਈਵਾਲੀ ਕਰ ਸਕਦੇ ਹਾਂ ਜਾਂ ਖ਼ਰੀਦ ਸਕਦੇ ਹਾਂ। ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਪੂਰੇ ਤੰਤਰ ਦਾ ਤਾਲਮੇਲ ਕਰਨਾ ਅਤੇ ਇਸਦੇ ਹਰ ਹਿੱਸੇ ਤੋਂ ਸਿੱਖਣਾ ਹੈ।

AI ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਲੋੜ ਪੈਣ ਤੋਂ ਕਈ ਸਾਲ ਪਹਿਲਾਂ ਇਸਦੀ ਯੋਜਨਾ ਬਣਾਉਣੀ ਪੈਂਦੀ ਹੈ, ਜਦਕਿ ਮਾਡਲ, ਉਤਪਾਦ ਅਤੇ ਗਾਹਕ ਮੰਗ ਕਿਤੇ ਤੇਜ਼ੀ ਨਾਲ ਬਦਲਦੇ ਹਨ। ਇਸ ਅਸੰਗਤਤਾ ਕਾਰਨ ਅਨੁਸ਼ਾਸਨ ਲਾਜ਼ਮੀ ਹੈ।

ਅਸੀਂ ਨਿਵੇਸ਼ ਦੇ ਫ਼ੈਸਲੇ ਸਬੂਤਾਂ ਦੇ ਆਧਾਰ ਉੱਤੇ ਕਰਦੇ ਹਾਂ: ਵਰਤੋਂਕਾਰਾਂ ਅਤੇ ਕੰਮ ਦੇ ਬੋਝ ਵਿੱਚ ਵਾਧਾ, ਉੱਦਮੀ ਵਚਨਬੱਧਤਾਵਾਂ, API ਵਰਤੋਂ, ਸਮਰੱਥਾ ਦੀ ਵਰਤੋਂ, ਆਮਦਨ ਅਤੇ ਮਾਡਲ ਦੀ ਯੋਗਤਾ ਅਤੇ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਤਰੱਕੀ। ਤਕਨੀਕੀ ਅਤੇ ਵਪਾਰਕ ਪੜਾਅ ਇਹ ਤੈਅ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ ਕਿ ਪ੍ਰੋਜੈਕਟ ਕਦੋਂ ਅੱਗੇ ਵਧਣ। ਲੰਬੇ ਸਮੇਂ ਦੀਆਂ ਭਾਈਵਾਲੀਆਂ ਵੱਡੇ ਪੈਮਾਨੇ ਉੱਤੇ ਸੇਵਾਵਾਂ ਦੇਣ ਲਈ ਲੋੜੀਂਦੇ ਵਿੱਤ, ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਅਤੇ ਸੰਚਾਲਨ ਮੁਹਾਰਤ ਨੂੰ ਇਕੱਠਾ ਕਰਦੀਆਂ ਹਨ।

ਉਤਪਾਦ ਆਮਦਨ, ਨਿੱਜੀ ਪੂੰਜੀ ਅਤੇ ਵਪਾਰਕ ਭਾਈਵਾਲੀਆਂ ਇਸ ਵਾਧੇ ਨੂੰ ਸਹਾਰਾ ਦੇਣ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਭੂਮਿਕਾਵਾਂ ਨਿਭਾਉਂਦੀਆਂ ਹਨ। ਉਦੇਸ਼ ਸਭ ਤੋਂ ਵੱਧ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਬਣਾਉਣਾ ਨਹੀਂ ਹੈ। ਉਦੇਸ਼ ਭਰੋਸੇਯੋਗ ਮੰਗ ਅਨੁਸਾਰ ਸਹੀ ਸਮੇਂ ਉੱਤੇ ਸਹੀ ਸਮਰੱਥਾ ਤੈਨਾਤ ਕਰਨਾ ਹੈ।

ਮੇਰੇ ਲਈ ਮੁੱਖ ਸਵਾਲ ਸਿੱਧੇ ਹਨ: ਨਵੀਂ ਸਮਰੱਥਾ ਕਿੰਨੀ ਜਲਦੀ ਉਤਪਾਦਕ ਬਣਦੀ ਹੈ? ਇਸਦੀ ਵਰਤੋਂ ਕਿੰਨੀ ਕੁਸ਼ਲਤਾ ਨਾਲ ਹੁੰਦੀ ਹੈ? ਇਹ ਗਾਹਕਾਂ ਦੀ ਕਿਹੜੀ ਮੰਗ ਨੂੰ ਪੂਰਾ ਕਰਦੀ ਹੈ? ਤਕਨੀਕੀ ਤਰੱਕੀ ਲਾਭਦਾਇਕ ਇੰਟੈਲੀਜੈਂਸ ਮੁਹੱਈਆ ਕਰਵਾਉਣ ਦੀ ਲਾਗਤ ਕਿੰਨੀ ਤੇਜ਼ੀ ਨਾਲ ਘਟਾ ਸਕਦੀ ਹੈ?

ਇਹ ਸਵਾਲ ਲੰਬੇ ਸਮੇਂ ਦੀ ਮਹੱਤਵਾਕਾਂਖਾ ਨੂੰ ਸੰਚਾਲਨ ਅਨੁਸ਼ਾਸਨ ਨਾਲ ਜੋੜਦੇ ਹਨ।

ਅਸੀਂ ਹਾਲੇ ਸ਼ੁਰੂਆਤੀ ਪੜਾਅ ਵਿੱਚ ਹਾਂ। ਹੋਰ ਸਮਰੱਥ ਪ੍ਰਣਾਲੀਆਂ ਲੰਬੇ ਪ੍ਰੋਜੈਕਟ ਪੂਰੇ ਕਰਨਗੀਆਂ, ਵੱਖ-ਵੱਖ ਸਾਧਨਾਂ ਵਿਚਕਾਰ ਤਾਲਮੇਲ ਕਰਨਗੀਆਂ ਅਤੇ ਵਿਚਾਰ ਤੋਂ ਅੰਤਿਮ ਨਤੀਜੇ ਤੱਕ ਦੇ ਵਧੇਰੇ ਕੰਮ ਨੂੰ ਸੰਭਾਲਣਗੀਆਂ। ਵਿਅਕਤੀਆਂ ਅਤੇ ਛੋਟੇ ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਉਹ ਸਮਰੱਥਾਵਾਂ ਮਿਲਣਗੀਆਂ ਜੋ ਪਹਿਲਾਂ ਸਿਰਫ਼ ਬਹੁਤ ਵੱਡੇ ਸੰਗਠਨਾਂ ਕੋਲ ਸਨ। ਉੱਦਮ ਆਪਣੇ ਸੰਚਾਲਨ ਵਿੱਚ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਹੋਰ ਵਿਆਪਕ ਵਰਤੋਂ ਕਰਨਗੇ।

ਸਾਡਾ ਟੀਚਾ ਸਿਰਫ਼ ਵਧੇਰੇ ਕੰਪਿਊਟ ਸਮਰੱਥਾ, ਵੱਡੇ ਮਾਡਲ ਜਾਂ ਟੋਕਨਾਂ ਦੀਆਂ ਘੱਟ ਕੀਮਤਾਂ ਨਹੀਂ ਹੈ। ਟੀਚਾ ਵਧੇਰੇ ਲਾਭਦਾਇਕ ਇੰਟੈਲੀਜੈਂਸ ਨੂੰ ਲੋਕਾਂ ਦੀ ਪਹੁੰਚ ਵਿੱਚ ਲਿਆਉਣਾ ਹੈ।

ਭਰਪੂਰਤਾ ਦਾ ਅਰਥ ਇਹੀ ਹੈ: ਅਜਿਹੀ ਇੰਟੈਲੀਜੈਂਸ ਜੋ ਲਗਾਤਾਰ ਹੋਰ ਸਮਰੱਥ, ਹੋਰ ਕਿਫ਼ਾਇਤੀ ਅਤੇ ਵਰਤੋਂਕਾਰਾਂ ਲਈ ਹੋਰ ਕੀਮਤੀ ਬਣਦੀ ਜਾਵੇ। ਅਸੀਂ ਆਪਣੀ ਤਰੱਕੀ ਨੂੰ ਇਸ ਆਧਾਰ 'ਤੇ ਮਾਪਾਂਗੇ ਕਿ ਇਹ ਕਿੰਨਾ ਲਾਭਦਾਇਕ ਕੰਮ ਸੰਭਵ ਬਣਾਉਂਦੀ ਹੈ, ਅਸੀਂ ਇਸਨੂੰ ਕਿੰਨੀ ਕੁਸ਼ਲਤਾ ਨਾਲ ਮੁਹੱਈਆ ਕਰਦੇ ਹਾਂ ਅਤੇ ਇਸਦੇ ਲਾਭ ਕਿੰਨੇ ਵਿਆਪਕ ਤੌਰ ਉੱਤੇ ਸਾਂਝੇ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ।