AI-सहायता प्राप्त कोडिंग की ओर बदलाव
छह महीने पहले, गूगल का आधा नया कोड AI से आता था। अब यह तीन-चौथाई है। इसका मतलब है कि कंपनी के आंतरिक सिस्टम AI-जनित सुझावों, पूर्णताओं और स्वचालित पैच की कहीं अधिक मात्रा को संभाल रहे हैं। यह बदलाव पूरे टेक उद्योग में AI टूल्स को दैनिक विकास कार्यप्रवाहों में शामिल करने के व्यापक प्रयास को दर्शाता है। गूगल में, बड़े भाषा मॉडल के आंतरिक संस्करण जैसे टूल बॉयलरप्लेट लिखने, बग्स ठीक करने और यहां तक कि पूरे फंक्शन जनरेट करने के लिए मानक बन गए हैं।
लेकिन यह वृद्धि बिना लागत के नहीं आई। हर AI क्वेरी कंप्यूट साइकिल खपत करती है, और मॉडलों द्वारा अधिक कोड जनरेट किए जाने के कारण प्रोसेसिंग पावर की मांग बढ़ गई है। इंजीनियरों ने आंतरिक AI टूल्स से धीमी प्रतिक्रिया समय और पीक उपयोग के दौरान कभी-कभी आउटेज की सूचना दी है।
आंतरिक बुनियादी ढांचे पर दबाव
कंप्यूटिंग सीमाएं उन डेटा सेंटरों में सबसे अधिक दिखाई देती हैं जो AI मॉडल चलाते हैं। गूगल का अपना हार्डवेयर, जिसमें TPU और GPU शामिल हैं, अब कोड जनरेशन कार्यों से भारी लोड में है। कुछ टीमों को कार्यों को कतारबद्ध करना या प्रति इंजीनियर AI अनुरोधों की संख्या सीमित करनी पड़ी है। कंपनी ने कम जरूरी सहायक फंक्शनों की तुलना में सुरक्षा पैच या महत्वपूर्ण बग फिक्स जैसे कुछ प्रकार के कोड जनरेशन को प्राथमिकता देना भी शुरू कर दिया है।
गूगल अकेला नहीं है जो इस संकट का सामना कर रहा है। अन्य प्रमुख टेक कंपनियों ने भी विकास में AI को एकीकृत करते समय समान बढ़ती पीड़ा की सूचना दी है। लेकिन गूगल में बदलाव की गति — छह महीनों में 25 प्रतिशत अंक की वृद्धि — ने कुछ आंतरिक टीमों को अचंभित कर दिया है।
इंजीनियरों के लिए इसका क्या मतलब है
कोड लिखने वाले इंजीनियरों के लिए, नई वास्तविकता का मतलब है कार्यप्रवाहों को समायोजित करना। वे अब कंप्यूट सीमाओं के आसपास योजना बनाए बिना AI टूल्स पर तुरंत कोड जनरेट करने के लिए भरोसा नहीं कर सकते। कुछ ने अपने अनुरोधों को ऑफ-पीक घंटों में बैच करना शुरू कर दिया है। अन्य AI-जनित कोड की अधिक सावधानी से समीक्षा कर रहे हैं, यह जानते हुए कि मॉडल कभी-कभी थ्रॉटल स्थितियों में चलने पर अक्षम या बग्गी आउटपुट उत्पन्न करते हैं।
गूगल ने सार्वजनिक रूप से यह नहीं बताया है कि वह बुनियादी ढांचे के दबाव को कैसे संबोधित करने की योजना बना रहा है। कंपनी के सामने संभवतः एक विकल्प है: अधिक हार्डवेयर में निवेश करना, मॉडलों को अधिक कुशल बनाने के लिए परिष्कृत करना, या AI उपयोग पर सख्त सीमाएं लगाना। प्रत्येक विकल्प के अपने व्यापार-बंद हैं। अधिक हार्डवेयर की लागत अधिक होती है और इसे तैनात करने में समय लगता है। मॉडल दक्षता लाभ सुधारों की गति को धीमा कर सकते हैं। उपयोग सीमाएं उन इंजीनियरों को निराश कर सकती हैं जो इन टूल्स पर निर्भर हो गए हैं।
फिलहाल, स्थिति अनसुलझी बनी हुई है। इंजीनियर बाधाओं के आसपास काम कर रहे हैं, लेकिन AI-जनित कोड की अंतर्निहित मांग में कमी के कोई संकेत नहीं हैं। सवाल यह है कि गूगल का बुनियादी ढांचा कब त
