فزیکل اے آئی کے سرمایہ کاروں نے روبوٹکس کمپنیوں کے تجارتی نفاذ کی جانب بڑھنے کے تناظر میں ایشیا کی مینوفیکچرنگ اور سیمی کنڈکٹر کی صلاحیتوں کو ممکنہ فوائد کے طور پر نمایاں کیا، جبکہ حقیقی دنیا سے تربیتی ڈیٹا تک رسائی کو ایک بڑی رکاوٹ قرار دیا۔
اہم نکات
- سرمایہ کاروں نے سان فرانسسکو میں ایک سربراہی اجلاس کے دوران تائیوان، جاپان اور جنوب مشرقی ایشیا میں مواقع پر تبادلۂ خیال کیا۔
- فیکٹری کا ڈیٹا حاصل کرنا مشکل ہو سکتا ہے، کیونکہ مینوفیکچررز اپنی ملکیتی معلومات شیئر کرنے سے گریزاں ہو سکتے ہیں۔
- اسٹارٹ اپ آئی لینڈ تائیوان سلیکون ویلی ہب مزید صنعتی مکالموں اور سرمایہ کاروں کے اجتماعات کا اہتمام کر رہا ہے۔
فزیکل اے آئی: تخروپن سے پیداوار تک
SF Tech Week کے دوران منعقدہ Silicon to Scale: A Physical AI Summit میں سرمایہ کاروں اور صنعتی عہدیداروں نے حقیقی دنیا کے ماحول میں ذہین مشینیں متعارف کرانے کے چیلنج پر تبادلۂ خیال کیا۔ اس تقریب میں 170 سے زیادہ سرمایہ کاروں، صنعتی رہنماؤں اور بانیوں نے شرکت کی اور تائیوان کے پانچ اسٹارٹ اپس—Morale AI، MetAI، Jmem Tek، Neuroshine اور APMIC—نے اپنی شرکت کی۔
ایک کارپوریٹ پینل نے تخروپن اور حقیقی دنیا میں تعیناتی کے درمیان فرق، نیز بڑے پیمانے پر نفاذ کے لیے درکار کمپیوٹنگ، ایج اور توانائی کے بنیادی ڈھانچے کا جائزہ لیا۔
ایشیائی مینوفیکچرنگ کس طرح مددگار ثابت ہو سکتی ہے
Citi کے اے آئی انفراسٹرکچر کے ڈائریکٹر Jeff Tao نے جنوب مشرقی ایشیا، بشمول ملائیشیا، میں سیمی کنڈکٹر کی اسمبلی اور جانچ کے موجودہ آپریشنز کا ذکر کیا، جو ابھرتی ہوئی ٹیکنالوجیز کی معاونت کر سکتے ہیں۔ انہوں نے یہ بھی کہا کہ کمپنیاں ایشیائی مینوفیکچرنگ کی مضبوط صلاحیتوں کو امریکہ تک رسائی کے ساتھ یکجا کر سکتی ہیں، جہاں مزدوری کی بلند لاگت صنعتی خودکاری کے مواقع پیدا کرتی ہے۔
Open Network Lab Fund کے Kosuke Yusa نے کہا کہ جاپان ایک مختلف فائدہ پیش کرتا ہے: ایسے پیداواری ماحول جو اکثر تبدیل ہوتے ہیں اور روبوٹس کو مختلف کاموں اور عملی حالات سے مطابقت پیدا کرنے کی ضرورت ہوتی ہے۔ Startup Island TAIWAN Silicon Valley Hub کے سربراہ Uly Su نے کہا کہ تائیوان اپنی سیمی کنڈکٹر، الیکٹرانکس اور جدید مینوفیکچرنگ کی مضبوط صلاحیتوں سے فائدہ اٹھا سکتا ہے۔
فیکٹری کے ڈیٹا اور بنیادی ڈھانچے کی رکاوٹیں
وسیع ڈیجیٹل معلومات پر تربیت یافتہ زبان کے ماڈلز کے برعکس، روبوٹکس کے نظاموں کو فیکٹریوں اور پیداواری لائنوں جیسے جسمانی ماحول سے مخصوص ڈیٹا درکار ہوتا ہے۔ Tao نے کہا کہ یہ ڈیٹا جمع کرنا جزوی طور پر اس لیے مشکل ہے کہ مینوفیکچررز اپنے ملکیتی آپریشنل ڈیٹا کو شیئر کرنے سے گریزاں ہیں۔
DCVC کے پرنسپل Vandon Duong نے کہا کہ ڈویلپرز متنوع اور اچھی طرح تشریح شدہ ڈیٹا سیٹس کے لیے ادائیگی کرنے کو تیار ہیں، لیکن انہوں نے سوال اٹھایا کہ مقابلہ بڑھنے کے ساتھ ڈیٹا جمع کرنے والی کمپنیاں پائیدار برتری کیسے حاصل کر سکتی ہیں۔ سرمایہ کاروں نے کمپیوٹنگ کی لاگت پر بھی بات کی: Tao نے بجلی کی دستیابی کو امریکہ میں بنیادی ڈھانچے کی ایک بڑھتی ہوئی اہم رکاوٹ قرار دیا، جبکہ Duong نے ایسی ٹیکنالوجیز کا ذکر کیا جو کمپیوٹنگ کی کارکردگی بہتر اور اِنفرنس کی لاگت کم کر سکتی ہیں۔
مزید خبریں پڑھیں
اعلانِ دستبرداری
FinanceVelix کا یہ مضمون عمومی معلومات فراہم کرتا ہے، نہ کہ ذاتی نوعیت کا مالی، سرمایہ کاری، قانونی یا ٹیکس سے متعلق مشورہ۔ مارکیٹ کی قیمتیں، شرحِ سود اور معاشی حالات تبدیل ہو سکتے ہیں؛ سرمایہ کاری میں نقصان کا خطرہ ہوتا ہے۔ حقائق اشاعت کے وقت دستیاب مواد کی عکاسی کرتے ہیں اور تبدیل ہو سکتے ہیں۔ اہم معلومات کی آزادانہ طور پر تصدیق کریں اور ضرورت پڑنے پر کسی مستند پیشہ ور سے مشورہ لیں۔ کسی اثاثے، کمپنی یا سروس کا ذکر اس کی توثیق نہیں ہے۔
تبصرے
احترام سے پیش آئیں۔ اسپیم، کسی اور کی شناخت اختیار کرنا یا نجی رسائی کی معلومات شیئر کرنا ممنوع ہے۔ عام پوسٹس اور تبصرے فوراً ظاہر ہوتے ہیں؛ مشکوک لنکس جائزے کے لیے روک لیے جاتے ہیں۔
براہ کرم انتظار کریں...