Kompakt yechimlar hisobga olingan holda Janubiy Afrikaga sunʼiy intellekt infratuzilmasini qayta koʻrib chiqish

Janubiy afrikalik tashkilotlar AI potentsialini savol qilishni toʻxtatdi; endi eʼtibor operatsion vazifalarga oʻtgan: AI ni qanday joriy etish, u qayerda ishlashi kerak, qancha hisoblash quvvati talab qilinishi va bu maʼlumotlar, byudjetlar va umumiy texnologik strategiyaga qanday taʼsir qilishi.

Avval AI ni joriy etish asosan dasturiy masala sifatida qaralardi — platformani tanlash, oʻquv modeli va ustuvor foydalanish ssenariylari. Biroq, cheklov apparat komponentlariga aylandi: grafik protsessorlar (GPU), xotira, saqlash joyi, tarmoq uskunalari, quvvat va sovutish tizimlari, xavfsizlik va maʼlumotlarni boshqarish. Kerakli hisoblash quvvatiga kirish tegishli modelga kirish kabi muhim ahamiyat kasb etdi.

Janubiy Afrikadagi infratuzilma holati

Mahalliy kompaniyalar bir qator maxsus cheklovlarga duch kelmoqda. Yuqori samarali hisoblash qimmat, va ilgʻor GPU infratuzilmasiga kirish cheklangan. Bulutli AI ning samaradorligi uzatma va kechikish muammolari tufayli pasayadi. Katta miqyosdagi rejalashtirish energiya taʼminoti va maʼlumotlar markazlari sigʻimi masalalari bilan murakkablashadi: Afrikada milliarddan ortiq aholi uchun faol TsO (Maʼlumotlar Markazi) sigʻimi yarim gigavtadan kam. Bundan tashqari, maʼlumotlar suvereniteti masalalari tartibga solingan maʼlumotlar bilan ishlaydiganlar uchun qoʻshimcha qiyinchiliklar tugʻdiradi, shuningdek, maxsus AI infratuzilmasi boʻyicha malakali mutaxassislar tanqis.

Janubiy Afrika boshqa mintaqalarda yaratilgan gipermasshtabli modellar nusxasini oddiygina nusxalashi mumkin emas. Har bir tashkilotning katta maʼlumotlar markaziga yoki bulutli xizmatlarga sezilarli majburiyatlarga ega boʻlishi kerak degan faraz endi hayotga mos emas va zarur ham emas.

Katta maʼlumotlar markazi har doim talab qilinmaydi

AI ni joriy etish rivojlanishi bilan yuklar yanada tarqalgan boʻladi. Dasturchilarga modellarni sinovdan oʻtkazish va oʻqitish uchun hisoblash resurslari kerak, biznes boʻlimlari esa tahlil, avtomatlashtirish va kompyuter koʻrish uchun mahalliy chiqarish (inference) ga muhtoj. Operatsion muhitlar, ular fabrikalar yoki chakana savdo doʻkonlari boʻlishidan qatʼi nazar, real vaqt rejimida maʼlumotlarni qayta ishlash uchun tobora koʻproq chekka AI (edge AI) ga tayanadi.

Bu ixcham, tarqalgan infratuzilma uchun imkoniyatlar ochadi. Hisoblashni bitta TsO yoki bulutli muhitda markazlashtirish oʻrniga, tashkilotlar biznesning turli nuqtalarida AI bilan ishlashga qodir kichik tizimlarni joylashtirishi mumkin. Bu anʼanaviy AI maʼlumotlar markazini qurish bilan bogʻliq xarajatlar va muddatlarsiz sezilarli hisoblash quvvatini taʼminlaydi.

AI hisoblash quvvatining mavjudligi

Bu ehtiyojni qondirish uchun AI hisoblash quvvatini foydalanuvchilar, dasturchilar va operatsion muhitlarga yaqinlashtirish uchun moʻljallangan yangi avlod ixcham tizimlar paydo boʻlmoqda. Bu tashkilotlarga kichikdan boshlash, mahalliy tajribalar oʻtkazish va haqiqiy talab oshishi bilan kengayish imkonini beradi.

Misol sifatida ASUS Ascent GX10 keltiriladi. U Nvidia ning GB10 Grace Blackwell superchipi asosida qurilgan — bu Nvidia DGX Sparkdagi kremni bilan bir xil. Ushbu tizim 150x150x51 mm oʻlchamdagi korpusda petaflop FP4 darajasidagi AI samaradorligi va 128 GB birlashtirilgan xotirani taʼminlaydi, bu stol ustida 200 milliard parametrgacha modellarini sozlash uchun yetarli. Ikki bunday birlik ConnectX-7 tarmogʻi orqali ulangan holda samaradorlikni ikki baravar oshirish mumkin. Shu bilan birga, isteʼmol quvvati 180 Vt ga yetadi, bu elektr taʼminoti rejalashtirish cheklovi boʻlgan bozorda muhim ahamiyatga ega, nafaqat xarajatlar bandi sifatida.

ASUS ExpertCenter Pro ET900N G3 biznes va professional ehtiyojlar uchun stansiya samaradorligini taqdim etadi, muhandislik, tahlil, dizayn, tadqiqot yoki operatsion faoliyat sohalarida foydalanuvchiga yaqinroq joylashishi kerak boʻlgan AI yuklarini qoʻllab-quvvatlaydi. Koʻpgina tashkilotlar uchun bu amaliy kompromisdir: tizim murakkab AI vazifalari uchun yetarlicha kuchli, ammo turli jamoalar va boʻlimlarda joylashtirish uchun mavjud.

Bunday tizimlarning amaliy effekti mahalliy ishlab chiqish va sinovdan oʻtkazish, eksperiment sikllarini tezlashtirish, maʼlumotlarni foydalanish joyiga yaqin chiqarish, maxfiy vazifalar ustidan qatʼiyroq nazorat, bulutli aloqaga bogʻliqlikni kamaytirish va oʻz AI imkoniyatini qurayotgan tashkilot uchun real boshlangʻich nuqta yaratishdir.

Endi bulut va mahalliy joylashuv raqobatlashmaydi

Yillar davomida infratuzilma boʻyicha qarorlar ikkilamchi tanlovga qisqartirilgan: bulut yoki mahalliy joylashuv. Sunʼiy intellekt bu paradigmani buzadi, chunki turli yuklar turli talablarga ega va aynan shu talablar ularning joylashuvini belgilaydi.

Baʼzi AI vazifalari bulutli xizmatlarning elastikligi va miqyosidan foyda oladi. Boshqalar past kechikish, mahalliy qayta ishlash, maʼlumotlar suverenitetiga rioya qilish, bashorat qilinadigan xarajatlar yoki mustaqil ishlash imkoniyatini talab qiladi, bu esa mahalliy yoki chekka infratuzilmaning zarurligini koʻrsatadi.

Shunday qilib, kelajak gibrid hisoblanadi. Tashkilotlar har bir yukning xususiyatiga qarab bulutli, mahalliy va chekka hisoblashlarni birlashtiradilar, va GX10 va ET900N kabi ixcham tizimlar ushbu modelning bir qismi boʻlib, hisoblashni aniq kerakli joyga joylashtirish imkonini beradi. Savol shundaki, qaysi yuk uchun qaysi joy mos keladi.

Konseptsiyadan ishlab chiqarishgacha

Koʻplab texnik jihatdan muvaffaqiyatli konsepsiyalar operatsion darajada muvaffaqiyatsizlikka uchraydi, chunki infratuzilmani rejalashtirish ikkinchi darajali masala sifatida qaraldi. Bu tafovutni bartaraf etish hozirgi va kelajakdagi yuklarni baholashni, oʻqitish va chiqarishni ajratishni, GPU va xotira talablarini, maʼlumotlar joylashuvini, qoʻllaniladigan suverenitet qoidalarini, xavfsizlik, energiya sarfi va sovutish masalalarini, tarmoq kechikishlarini, umumiy egalik xarajatlarini va muhitning kengayishi bilan bogʻliq masalalarni talab qiladi.

Bu baholash tashkilotning AI strategiyasiga integratsiya qilinishi kerak, uning yonida emas. Infratuzilma imkoniyat chegaralarini, AI ni joylashtirish tezligini va uning funksionlashishining iqtisodiy barqarorligini belgilaydi.

Texnologik ekotizimning roli

AI ni mavjud qilish shunchaki uskuna sotishdan koʻproq narsadir. Bu hisoblash quvvatlari, infratuzilma, dasturiy taʼminot, kiberxavfsizlik, distribyutsiya, texnik ekspertiza va sotuv kanali hamkorlarini oʻz ichiga olgan butun ekotizimni yaratishni talab qiladi.

Janubiy Afrikada ASUS AI tizimlarini tarqatuvchi Altron Arrow kompaniyasi ushbu ekotizimda ishtirok etib, tashkilotlar va hamkorlarga zamonaviy AI joylashtirishlari uchun zarur boʻlgan narsalarga kirish imkonini beradi. Maqsad gipermasshtabli yechimning shunchaki kichraytirilgan nusxasini emas, balki mahalliy tashkilotlar uchun real, kengaytiriladigan va iqtisodiy jihatdan maqbul hisoblash quvvatini taʼminlashdir.

Mavjudlik AI ni joriy etishning keyingi bosqichini belgilaydi. Eng katta foyda oʻz yuklarini tushunib, ularning atrofida infratuzilma strategiyasini qurgan tashkilotlar oladi, eng katta byudjetga ega boʻlganlar emas. Janubiy afrikalik biznes uchun mavjudlik toʻsiq boʻlmaydi; hozir muhim narsa AI eksperimentdan operatsion ustunlikka qanchalik tez oʻtishi.

Oʻxshash hikoyalar

Agentlik AI startaplarni qanday transformatsiya qilmoqda: maʼlumotlarni mustaqil yechimlarga aylantirish

Batafsil

yourstory.com27-avgust, 13:49

Agentlik AI startaplarni qanday transformatsiya qilmoqda: maʼlumotlarni mustaqil yechimlarga aylantirish

Snowflake Startup Mixer uchrashuvida, 17-iyulda Haydarobad shahrida boʻlib oʻtgan tadbirda startaplar asoschilari, texnologik rahbariyatlar va investorlar jamlandi. Tadbirning asosiy mavzusi maʼlumotlarni qaror qabul qilish va keyingi harakatlarga aylantirish edi. Panel muhokama, mahsulot namoyishlari va networking doirasida startaplar oddiy maʼlumot yigʻish va tahlil qilishdan tashqari, agentlik AI yordamida mustaqil qarorlar qabul qila oladigan aqlli tizimlarni yaratib, cheklanmayotgani muhokama qilindi.

«24 soat ishlaydigan startaplar: hech qachon uxlamaydigan kompaniyalar yaratish» nomli panel sessiyasi YourStorydagi kontent hamkorligi boʻyicha bosh direktor Shivani Mutanna tomonidan boshqarildi. U yerda Pocket FM ning ijodiy direktor-assotsiatsi; Sidʼs Farm asoschisi va Bosh ijrochi direktori Kishor Indukuri; Recykal operatsion direktori va solboshlari Abhishek Deshpande hamda Dallas Venture Capital hamkorining Kiran Kalluri ishtirok etdi.

Muhokama «24 soat ishlash» tushunchasi nimani anglatishi haqidagi savol bilan boshlandi. Muhokama ishtirokchilari uchun bu xodimlar kuniga 24 soat ishlayotgani degani emas, balki jamoalar ishini tugatganidan keyin ham muhim ish jarayonlarini bajarishda davom etadigan tizimlarni yaratishni anglatadi.

Turli mamlakatlardagi auditoriyaga xizmat koʻrsatadigan Pocket FM holatida kontent ishlab chiqarish de facto hech qachon toʻxtamaydi. AI ijodiy jarayonning butun davri davomida ajralmas yordamchi boʻldi, sifatni saqlagan holda ishlab chiqarishni tezlashtirdi. Kompaniya AI dan materiallar yaratish, aktivlarni qayta ishlash va ishlab chiqarishni qoʻllab-quvvatlash uchun foydalanadi, shu bilan birga odamlar sifat va hikoya qilish uchun masʼul boʻlib qoladi.

Xuddi shunday konsepsiya Sidʼs Farmda ham qoʻllaniladi. Kuniga minglab yetkazib berishlar, xom ashyo harakati va mijozlar bilan oʻzaro aloqalar tufayli maʼlumotlar fermalardan va ishlab chiqarish obʼektlaridan logistika tarmoqlariga va isteʼmolchilarga uzluksiz kiritiladi. Indukuri AI kompaniyaga bu maʼlumotlarni juda tez tushunishga yordam berishini, kichik operatsion muammolar jiddiyroq boʻlmasdan oldin reaksiyaga kirishishga imkon berishini tushuntirdi.

Recykalda ish kuni quyosh chiqishidan oldin boshlanadi, chunki chiqindilarni yigʻuvchilar yoʻnalishlarini boshlaydi va yuklar shaharlarda harakatlanayotgan vaqtda kechgacha davom etadi. Har bir bosqich operatsion maʼlumotlarni hosil qiladi, taʼminot zanjiridagi qarorlarni optimallashtirish imkoniyatlarini beradi, bu esa deyarli toʻxtamaydigan jarayon hisoblanadi.

Investor nuqtai nazaridan, Kalluri taʼkidladi, asosiy farq AI vositalaridan foydalanadigan kompaniyalar bilan AI tomonidan qoʻllab-quvvatlanadigan operatsiyalarning asosida qurilgan kompaniyalar oʻrtasidagi farqdir. Agar AI ni olib tashlash ish jarayonlarini sezilarli darajada oʻzgartirmasa, kompaniya AI dan asosan samaradorlikni oshirish uchun foydalanadi. Biroq, agar AI yoʻqligi biznesning oʻzini toʻliq qayta ishlashni talab qilsa, u tashkilot haqiqatan ham AI-natijali deb hisoblanishi mumkin.

AI biznes jarayonlariga chuqurroq integratsiya qilinayotgan sari, startaplar miqyoslashni ham qayta koʻrib chiqmoqda. Recykal uchun AI alohida texnologik tashabbus sifatida emas, balki butun korxona talabi sifatida qaraldi. Deshpande dedi: «Bizda ichki mandat bor. Har martongʻi yangi AI tashabbusi paydo boʻlishi kerak. Biz buni muhokama qilishimiz kerak va uni stajyor dan tortib CXO gacha har kim taklif qilishi mumkin».

U kompaniya har bir biznes funksiyasini xaritalaganini, AI uchun mos keladigan takrorlanuvchi jarayonlarni aniqlaganini va ish jarayonlarini qayta loyihalash uchun koʻp yillik operatsion maʼlumotlardan foydalanganini tushuntirdi. Natijalar sezilarli boʻldi: Recykal shtatni taxminan 80 dan 128 ga oshirish orqali yillik daromadni 400–500 milliarddan 1 400 milliardga oshirdi.

Pocket FM da Sharma rahbarlik AI ni ijodiy mutaxassislarni almashtiruvchi vosita emas, balki qoʻllab-quvvatlovchi vosita sifatida joylashtirganini taʼkidladi. Kompaniya AI yordamida audio, video va tasvir yaratish vositalariga sarmoya kiritdi, shu bilan birga odamlar sifat nazoratini va tomoshabinlar kutgan hissiy tajribani saqlab qolishini taʼminladi. Yuzlab yoki hatto minglab epizodlardan iborat hikoyalar yaratish hali ham inson hukmi talab qiladi, bunda AI ijodkorlikni almashtirmay, ishlab chiqarishni tezlashtiradi.

Sidʼs Farmda AI ni joriy etish saʼy-harakatlari isteʼmolchiga yoʻnaltirilgan operatsiyalarga qaratilgan. Indukuri dedi: «Biz faol ravishda AI dan foydalanadigan yoki doim kuzatib turadigan soha – bu isteʼmolchi tomoni». Sut sanoati har kuni ulkan hajmdagi operatsion maʼlumotlarni hosil qiladi. AI tobora koʻproq talabni bashorat qilishga, yoʻqotishlarni kamaytirishga, ishlab chiqarishni rejalashtirishni optimallashtirishga va yetkazib berish kanallari boʻyicha zaxiralarni dinamik tartibga solishga yordam beradi.

Kalluri qoʻshimcha qilib, bu misollar AI dan foydalanadigan barqaror kompaniyalar bilan mavjud til modellarini shunchaki oʻrab turadigan korxonalar orasidagi farqni koʻrsatayotganini aytdi. U ogohlantirdi: «Agar bu jarayonlarni ushlab olish qobiliyati boʻlmasa, biz buni qizil bayroqlar sifatida koʻramiz. Va bu kengayishi va butun TAM ga hujum qila oladigan kompaniyalar emas. Ular bitta aniq mijoz bilan va juda maxsus holatda muvaffaqiyatga erishishi mumkin, ammo agar ular bizneslarini kengaytirishlari va butun TAM ga hujum qilishlari kerak boʻlsa, bunday asoslari boʻlmasa, bu juda qiyinlashadi».

Investorlar uchun uzoq muddatli miqyoslashning kuchliroq koʻrsatkichlari farqlangan maʼlumotlarga ega boʻlish, ishonchli ish jarayonlarini qurish va kompaniyani AI-yoʻnaltirilgan deb brendlashdan koʻra, AI ni barcha mahsulotlar, bozorga chiqish funksiyalari va ichki operatsiyalarga joriy etishdir.

Startaplar ish jarayonlarini avtomatlashtirib borayotgan sari, AI qayerda tugashi va odamlar nazoratni qayerda saqlab qolishi muhimroq boʻlmoqda. Panel ishtirokchilari AI vazifalarni amalga oshirishni sezilarli darajada tezlashtirishi mumkin boʻlsa-da, muhim biznes qarorlari hali ham inson nazoratini talab qilishi kerak, degan fikrda birlashdilar.

Deshpande AI natijalarini shubhasiz qabul qilishdan ehtiyot boʻlishni ogohlantirdi. «Menga AI bu „rozilik beruvchi“ kabi tuyuladi, shuning uchun biz juda aqlli boʻlishimiz kerak. Inson aralashuvi kerak. Siz odamlarni almashtira olmaysiz. Asosan, siz nima xohlayotganingizni aniq tushunishingiz kerak».

Indukuri Sidʼs Farm AI ni xodimlar tanlash, mijozlarni qoʻllab-quvvatlash va operatsion rejalashtirishga integratsiya qilishini bildirdi, ammo AI avvalo oddiy soʻrovlarni qayta ishlashi, keyin esa murakkabroq vaziyatlarni odamlarga topshirishi kerak deb hisoblaydi. Masalan, qoʻllab-quvvatlash xizmati yetkazib berish yoki buyurtma holati haqidagi savollarga avtomatik javob bera oladi, shu bilan birga norozidan mijozlar yoki sifat bilan bogʻliq muammolar inson jamoalariga yoʻnaltirilishi kerak. Xodimlarni almashtirish oʻrniga, AI ularga hukm, empatiya va kontekst talab qiladigan muammolarga eʼtibor qaratish imkonini beradi.

Muhokama shuni ham taʼkidladi,ki, startaplar muvaffaqiyatini aniqlash uchun faqat texnologiyalar yetarli emas. Asoschilarga intizomli tashkilotlar, ishonchli jarayonlar, yuqori sifatli maʼlumotlar va AI qayerda haqiqiy biznes qiymatini yaratishini aniq tushunish kerak. Deshpande AI startaplarning isteʼdodlarga yondashuvini allaqachon oʻzgartirayotganini taʼkidladi: «Men stajyor 10 yillik tajribali odamdan yaxshiroq natija berganini koʻrdim. Yosh avlod tezroq moslashadi».

U shuni qoʻshimcha qildi,ki, asoschilar oʻzlari ham jamoalari yangi vositalarni qabul qilishini kutishdan oldin AI ning faol foydalanuvchilari boʻlishlari kerak. Muvaqqiyat avvalo toʻgʻri biznes muammolarini aniqlashga bogʻliq; faqat shunda AI ahamiyatli natijalar bera oladi, keraksiz murakkablik qoʻshmaydi.

Kech Snowflake tomonidan Axshat Parik, Harish Chintakunta va Navedeja Odja tomonidan taqdim etilgan «Chizish: maʼlumotlardan harakatga agentlik ish jarayonlari yordamida» nomli jonli namoyish bilan yakunlandi. Sessiya startaplar qanday qilib korporativ maʼlumotlarni agentlik AI imkoniyatlari bilan birlashtirib, AI asosidagi ilovalarni yaratish uchun ketadigan vaqtni sezilarli darajada qisqartirishlari mumkinligini namoyish etdi. Maʼlumotlar yuklari uchun ixtisoslashgan AI kodlash agenti boʻlgan Snowflake Cortex Code dan foydalanib, maʼruzachilar dasturchilar qanday qilib tabiiy til soʻrovidan bir necha daqiqada ishlab chiqarishga tayyor ilovaga oʻtishlari mumkinligini koʻrsatdilar.

Fintex sohasida firibgarlikni aniqlash uchun keltirilgan amaliy misol bu jarayonni tasvirlab berdi. Bir soʻrov mijozlar va tranzaktsiyalar haqidagi maʼlumotlarni qabul qiladigan, firibgarlik xavf ballarini hisoblaydigan, monitoring panellarini yaratadigan va AI asosida tekshiruv uchun ish maydonini shakllantiradigan ilovani yaratdi. Monitoring panellari bilan birga, foydalanuvchilar tabiiy tilda firibgarlik tendensiyalari, mijozlar xatti-harakati va tranzaktsiya naqshlari haqida savol berishlari mumkin edi. AI bu soʻrovlarni amaliy xulosalar chiqarishdan oldin bir nechta fikrlash bosqichlariga ajratdi.

Jamoa Snowflake modellari moslashuvchanligini ham yoritdi. Tashkilotlarni bitta asosiy modelga bogʻlash oʻrniga, platforma Claude, Llama, DeepSeek, Mistral va OpenAI kabi bir nechta yetakchi modellarini qoʻllab-quvvatlaydi, bu biznesga har bir vazifa uchun mos keladigan modelni tanlash imkonini beradi, shu bilan birga maʼlumotlarni xavfsiz boshqaruv tizimi doirasida saqlab turadi. Kech boʻyi bitta xabar aniq boʻlib qoldi: AI endi shunchaki startaplarga tezroq ishlashga yordam bermayapti. U tobora korxonalar qanday loyihalashtirilishi va ishlashi tarkibiy qismi boʻlib qolmoqda. Startaplar uni alohida vosita sifatida koʻrmasdan, AI ni mahsulotlarining, ish jarayonlarining va kundalik qaror qabul qilishining asosiga kiritishni boshladilar.