$1 Trillion கிளப்பில் நுழைந்த AMD: AI உலகில் நடக்கும் இந்த மாற்றம் நமக்கு என்ன தரும்?

என்ன நடந்தது?#

பத்து வருஷத்துக்கு முன்னாடி ஒரு கம்ப்யூட்டர் அசெம்பிள் பண்ண கடைக்கு போனா, 'Intel வாங்க காசு இல்லேன்னா மட்டும் AMD எடுங்க பாஸ்'னு கடைக்காரங்க சாதாரணமாக சொல்வாங்க. அன்னைக்கு பட்ஜெட் ஆப்ஷனா மட்டுமே பார்க்கப்பட்ட ஒரு பிராண்ட், இன்னைக்கு உலகத்தையே திரும்பி பார்க்க வச்சிருக்கு. அந்த பழைய நிலைமை இப்போ தலைகீழா மாறிடுச்சு.

AMD நிறுவனம் சர்வதேச பங்குச்சந்தையில் $1 டிரில்லியன் சந்தை மதிப்பைத் தாண்டி வரலாற்று சாதனை படைச்சிருக்கு. இந்திய பணமதிப்புல கணக்கு போட்டா இது கிட்டத்தட்ட ₹83 லட்சம் கோடிக்கு சமம். அதாவது நம்ம ஊரு பங்குச்சந்தையில இருக்கிற டாப் 10 பெரிய கம்பெனிகளை மொத்தமா சேர்த்தா கூட இந்த அளவுக்கு சந்தை மதிப்பு வராது.

இதன் மூலமா Nvidia, TSMC போன்ற உலகத்துக்கே மூளையா செயல்படுற முன்னணி செமிகண்டக்டர் நிறுவனங்களின் எலைட் கிளப் வரிசையில AMD கெத்தா போய் உட்கார்ந்திருக்கு. இந்த அசுர வளர்ச்சிக்கு பின்னணியில இருக்கிற ஒரே மேஜிக் வார்த்தை: Artificial Intelligence.

இது எப்படி வேலை செய்யும்?#

இன்வெஸ்டர்கள் ஏன் AMD மேல இவ்வளவு பணத்தை அள்ளி கொட்டுறாங்கன்னு புரியணும்னா, AI உலகம் எப்படி ஓடுதுன்னு நாம கொஞ்சம் பார்க்கணும்.

நீங்க உங்க மொபைல்ல ChatGPT கூட பேசும்போதோ, அல்லது தமிழ்ல பேசி IRCTC ரயில் டிக்கெட் புக் பண்ணும் AI ஆப் பயன்படுத்தும்போதோ, உங்க போன் அந்த கணக்குகளை தனியா போடுறது இல்லை. அதாவது, பனி மாதிரி குளுர வைக்கப்பட்ட பெரிய டேட்டா சென்டர்கள்ல இருக்கிற சக்திவாய்ந்த சர்வர் சிப்கள்தான் நொடிக்கு பல கோடி கணக்குகளை போட்டு உங்களுக்கு நொடிப்பொழுதில் பதில் அனுப்புது.

உதாரணமாக, ஒரு பெரிய கல்யாண பிரியாணி அண்டாவை சமைக்க சாதாரண வீட்டு கேஸ் அடுப்பு பத்தாது, பெரிய விறகு அடுப்பு வேணும் இல்லையா? அதே மாதிரிதான், சாதாரண கம்ப்யூட்டர் CPU வச்சு இந்த பிரம்மாண்ட AI மாடல்களை இயக்கவே முடியாது. அதுக்கு GPU எனப்படும் அதிவேக கிராபிக்ஸ் சிப்கள் தேவைப்படுது.

இத்தனை வருஷமா இந்த AI GPU சந்தையில Nvidia மட்டுமே ராஜா மாதிரி தனிக்காட்டு ராஜ்யம் நடத்திட்டு இருந்தது. அவங்க நிர்ணயிக்கிற எக்குத்தப்பான விலைக்குத்தான் கூகுள், மைக்ரோசாப்ட் போன்ற நிறுவனங்கள் சிப் வாங்க வேண்டிய கட்டாயம் இருந்தது. இந்த இடத்துலதான் AMD சிஇஓ Lisa Su ஒரு அட்டகாசமான மூவ் பண்ணாங்க.

அவங்க Instinct MI சீரிஸ் என்ற பெயரில் அதிவேக AI ஆக்சிலரேட்டர்களை களமிறக்கினாங்க. அதுமட்டுமில்லாம, ROCm என்கிற ஓப்பன் சோர்ஸ் சாப்ட்வேர் பிளாட்பார்ம் மூலமா டெவலப்பர்கள் ரொம்ப சுலபமா AMD சிப்களுக்கு மாற வழி செஞ்சாங்க. மைக்ரோசாப்ட், மெட்டா போன்ற பெரும் நிறுவனங்களுக்கு ஒரே ஒரு சப்ளையரை மட்டுமே நம்பியிருக்கிறது பெரிய பிசினஸ் ரிஸ்க். அதனால் அவங்க இப்போ AMD பக்கம் திரும்பி ஆயிரக்கணக்கான சர்வர் சிப் ஆர்டர்களை அள்ளிக் கொடுக்க ஆரம்பிச்சிருக்காங்க. இந்த பெரும் வருவாய்தான் AMD நிறுவனத்தை $1 டிரில்லியன் உயரத்துக்கு கொண்டுபோய் நிறுத்தியிருக்கு.

இந்தியாவுல / நம்ம Phone-ல என்ன மாறும்?#

அமெரிக்காவுல சிப் கம்பெனி வளர்ந்தா நம்ம சென்னை, பெங்களூரு மக்களுக்கு என்ன லாபம்னு நீங்க யோசிக்கலாம். இங்கதான் உண்மையான பிசினஸ் மேஜிக் ஒளிஞ்சிருக்கு.

முதலாவதாக, சிப் சந்தையில போட்டி வரும்போது கிளவுட் கம்ப்யூட்டிங் விலை குறையும். இன்னைக்கு சென்னை மற்றும் மும்பையில பிரம்மாண்டமான AI டேட்டா சென்டர்கள் உருவாகிட்டு வருது. Nvidia கூட AMD போட்டியிடும்போது, சர்வர் வாடகை கணிசமாக குறையும். இதனால உள்ளூர் இந்திய மொழிகளில் இயங்கும் வாய்ஸ் அசிஸ்டென்ட் ஆப், விவசாயிகளுக்கான AI சேவைகள், தமிழ் ஆடியோ டப்பிங் டூல்ஸ் போன்றவற்றை உருவாக்கும் நம்ம ஊர் ஸ்டார்ட்அப்களின் சர்வர் செலவு பாதியாக குறையும்.

இரண்டாவதாக, நுகர்வோர் சந்தை. AMD-க்கு இந்த என்டர்பிரைஸ் சர்வர் சிப்கள் மூலமா மிகப்பெரிய லாபம் கிடைக்குது. இந்த பண பலத்தை வச்சு, அவங்க கன்ஸ்யூமர் லேப்டாப் மற்றும் PC பிராசஸர்களான Ryzen சீரிஸில் அதிக முதலீடு செய்வாங்க. அடுத்த முறை நீங்க Flipkart அல்லது Amazon-ல ஒரு நல்ல காலேஜ் லேப்டாப் அல்லது கேமிங் லேப்டாப் வாங்கும்போது, குறைவான விலையிலேயே On-device AI திறன் கொண்ட பவர்ஃபுல் Ryzen லேப்டாப்கள் கிடைக்க வாய்ப்பு அதிகம்.

மூன்றாவதாக, டெக் வேலைவாய்ப்புகள். AMD நிறுவனத்திற்கு பெங்களூரு மற்றும் ஹைதராபாத்தில் மிகப்பெரிய ஆராய்ச்சி மையங்கள் (R&D Centers) இருக்கு. இந்த மார்க்கெட் விரிவாக்கத்தால் இந்தியாவில் செமிகண்டக்டர் டிசைன் மற்றும் AI சாப்ட்வேர் என்ஜினீயரிங் துறையில் புதிய வேலைவாய்ப்புகள் அதிகரிக்கும்.

நீங்க இப்போ என்ன பண்ணுங்க?#

ஒரு பயனாளரா நீங்க இப்போ என்ன கவனிக்கணும்?

நீங்க புதுசா லேப்டாப் அல்லது பிசி அசெம்பிள் பண்ண திட்டமிட்டிருந்தா, வரவிருக்கும் AMD AI 300 சீரிஸ் அல்லது அதற்கு இணையான புதிய பிராசஸர் கொண்ட மாடல்களை கவனியுங்கள். பேட்டரி பேக்கப் மற்றும் லோக்கல் AI டாஸ்க்குகளில் இவை மிகச்சிறந்த செயல்திறனை தருகின்றன.

நீங்க ஒரு சாப்ட்வேர் டெவலப்பர் அல்லது AI ஆப் பில்டர் என்றால், Nvidia-வின் CUDA-வை மட்டுமே நம்பியிருக்காமல் AMD-யின் ROCm சாப்ட்வேர் எக்கோசிஸ்டமிலும் உங்கள் AI மாடல்களை டெஸ்ட் செய்து பழகுங்கள். இரண்டு பிளாட்பார்மிலும் வேலை செய்யும் டூல்களை உருவாக்குவது உங்கள் கரியருக்கும் எதிர்காலத்திற்கும் பெரிய பலமாக அமையும்.

நம்ம ஊர்ல தினசரி வாழ்க்கையில இது எப்படி தெரியும்?#

சென்னை IT corridor-ல office போறவங்களுக்கும், கோவை அல்லது மதுரையில small business நடத்துறவங்களுக்கும் இந்த AMD news வெறும் பங்குச்சந்தை ஹெட்லைன் மட்டும் இல்லை. உதாரணத்துக்கு, ஒரு திருச்சி college student project-க்கு Tamil speech-to-text model train பண்ணணும்னா, இப்போ cloud GPU rental மிகவும் அதிகம். Hyperscalers Nvidia மட்டும் இல்லாமல் AMD Instinct accelerators-ஐயும் use பண்ண ஆரம்பிச்சா, Chennai, Mumbai, Noida data centre-ல compute hour விலை pressure-ல இறங்க வாய்ப்பு உண்டு. அதே மாதிரி, local clinic-ல X-ray report summarize பண்ண AI tool போடற startup-க்கும், village-ல crop advice கொடுக்கிற voice bot பண்ணற team-க்கும் monthly server bill சுமையை கொஞ்சம் தாங்க முடியும்.

வீட்டுல பார்த்தாலும் effect indirect-ஆ வரும். Amazon India அல்லது Flipkart-ல college laptop, content creation laptop பாக்கும்போது Ryzen series aggressive pricing-ல வர வாய்ப்பு அதிகம், ஏன்னா enterprise AI chip sales-ல AMD-க்கு cash flow பெருசா இருக்கு. On-device AI features—photo edit, offline translation, noise removal—இல்லாத entry laptop-ஐ premium price-க்கு வாங்குற habit கொஞ்சம் மாறலாம். Family-க்கு one decent laptop போதும்னு நினைக்கிற middle-class buyer-க்கு, same budget-ல better multi-core performance மற்றும் AI-ready NPU/accelerator support உள்ள model கிடைக்கிற chance உயரும். இது overnight magic இல்லை; supply chain மற்றும் retailer margin adjust ஆக சில quarters ஆகலாம்.

Tamil Nadu-ல already grow ஆகிற SaaS மற்றும் regional language AI teams-க்கு இன்னொரு practical angle இருக்கு. Single-vendor lock-in-ஐ avoid பண்ணி Nvidia CUDA மட்டும் இல்லாமல் ROCm path-ஐயும் test பண்ணினால், later production-ல cloud provider AMD instance கொடுத்தா migration pain குறையும். “எல்லாரும் CUDA-லதான் போறாங்க”னு wait பண்ணாமல், small proof-of-concept-ஐ local workstation அல்லது cheaper cloud spot instance-ல ஓட்டிப் பார்ப்பதுவே daily-life-ல எடுக்கக்கூடிய smart step.

பொதுவான தவறுகள் மற்றும் அடுத்து என்ன எதிர்பார்க்கலாம்?#

முதல் common mistake: trillion-dollar valuation வந்ததும் “எல்லா AMD laptop-உம் AI beast”னு நினைப்பது. Enterprise Instinct accelerators வேறு, consumer Ryzen laptop chip வேறு. Spec sheet-ல AI branding மட்டும் பார்த்து impulse buy பண்ணாதேங்க; RAM capacity, storage type, sustained performance, service centre support Tamil Nadu city-ல இருக்கா என்பதை compare பண்ணுங்க. இரண்டாவது mistake: cloud bill உடனே பாதியா இறங்கும்னு budget plan போடுறது. Competition price pressure கொடுக்கும், ஆனா contract terms, availability zone, software optimization இல்லாமல் hardware மாத்தினாலே magic நடக்காது. Startups total cost of ownership—data transfer, storage, engineering time—எல்லாத்தையும் சேர்த்து கணக்கு போடணும்.

மூன்றாவது mistake: developer-கள் CUDA ecosystem-ஐ completely ignore பண்ணிடறது அல்லது ROCm-ஐ “ready for everything”னு oversell பண்ணுறது. Reality-ல porting effort model-to-model மாறும். Framework support, driver maturity, community examples பார்த்து phased adoption பண்ணுங்க. Hiring side-லயும் “AMD experience கட்டாயம்”னு filter போடறது premature; strong PyTorch/TensorFlow fundamentals மற்றும் multi-backend thinking தான் long-term value. Consumers side-ல old motherboard-ஓட drop-in expect பண்ணி new chip வாங்குறது another trap—platform compatibility முதல்ல check பண்ணுங்க.

அடுத்து என்ன expect பண்ணலாம்? Short term-ல hyperscalers multi-sourcing continue பண்ணும்; Nvidia lead இருக்கும், ஆனா pure monopoly narrative weaken ஆகும். Indian AI startups-க்கு Chennai–Mumbai–Noida belt-ல more instance choice மற்றும் healthier price discovery தான் realistic upside. Consumer market-ல festive sales-ல Ryzen options visibility அதிகரிக்கலாம், specially productivity மற்றும் light creation segments-ல. Medium term-ல ROCm tooling improve ஆக ஆக, college labs மற்றும் indie builders dual-stack experiment பண்ணுவாங்க. நீங்க follow பண்ணணும் signal simple: cloud price lists, local data centre capacity announcements, மற்றும் laptop SKU-ல honest AI feature labeling. Hype headline-ஐயும் ignore பண்ணாதீங்க, blind brand loyalty-யும் வைக்காதீங்க—workload-க்கு ஏத்த hardware மற்றும் software flexibility தான் அடுத்த phase-ல வெற்றி.