முழுமையாகத் தொடக்கத்திலிருந்து உருவாக்கப்பட்ட Foundation Model கிளெவி AI(ivy)

“ஒரு சிறிய நிறுவனம் உலகத் தரம் வாய்ந்த மிகப்பெரிய AI மொழி மாதிரியை எவ்வாறு உருவாக்க முடிந்தது?”

ஒரு சிறிய ஸ்டார்ட்அப் நிறுவனம் எவ்வாறு மிகப்பெரிய மொழி மாதிரியை உருவாக்கியது?

கிளெவி 1.4 டிரில்லியன் அளவுருக்கள் கொண்ட Foundation மாதிரியை வெளியிட்ட பிறகு, அதிகமாகக் கேட்கப்பட்ட கேள்வி இதுவாகும்.

பல நிறுவனங்கள் திறந்த மூல மாதிரிகளை எளிமையாக நுணுக்கமாகச் சரிசெய்வதற்கு மாறாக, கிளெவி தரவு சேகரிப்பிலிருந்து மாதிரி வடிவமைப்பு, பெரிய அளவிலான பகிர்ந்தளிக்கப்பட்ட பயிற்சி, தரச் சரிபார்ப்பு வரை அனைத்து செயல்முறைகளையும் தனித்துவமாக மேற்கொண்டது.

அதன் ரகசியமும் போட்டித்திறனும் கீழே விரிவாக அறிமுகப்படுத்தப்படுகின்றன.

1. ஒரு சிறிய நிறுவனம் மிகப்பெரிய மொழி மாதிரியை உருவாக்குகிறதா?

2025 ஜூலையில், கிளெவி தானாக உருவாக்கிய மிகப்பெரிய மொழி மாதிரியைச் சந்தையில் வெளியிட்டபோது, ஏராளமான வாடிக்கையாளர்கள் (பயனர்கள்) ஆச்சரியத்துடனும் சந்தேகத்துடனும் பரபரப்படைந்தனர். “இது உண்மையிலேயே சொந்தமாக உருவாக்கப்பட்டதா?” “திறந்த மூல மாதிரியைச் சற்றே மாற்றியதல்லவா?”

உண்மையில், உள்நாட்டிலும் வெளிநாட்டிலும் உள்ள பல நிறுவனங்கள் திறந்த மூல மாதிரிகளுக்கு எளிய பரிமாற்றக் கற்றலை (fine-tuning) மட்டும் செய்து, அவற்றைத் தங்களது சொந்த மாதிரிகளாக விளம்பரப்படுத்தும் நிலை அடிக்கடி காணப்பட்டது.

ஆனால் கிளெவி **‘From-scratch Foundation Model’** என்பதை முன்வைத்தது.

அதாவது, தரவு சேகரிப்பிலிருந்து மாதிரி வடிவமைப்பு, பெரிய அளவிலான பகிர்ந்தளிக்கப்பட்ட பயிற்சி, தரச் சரிபார்ப்பு வரை அனைத்து செயல்முறைகளையும் நேரடியாக வடிவமைத்து செயல்படுத்தியது.

2. மிகப்பெரிய மொழி மாதிரியை உருவாக்குவது ஏன் கடினம்

From-Scratch Foundation Model-ஐப் பயிற்றுவிக்க, கீழ்க்கண்ட அனைத்து அம்சங்களையும் கற்றுக்கொள்ளச் செய்ய வேண்டும்.

பெரிய அளவிலான உயர்தர தரவுத்தொகுப்பு தேவை

• பன்முகத்தன்மை: மொழி, துறை, வடிவம் (உரை, படம் போன்றவை) ஆகியவற்றில் பன்முகத்தன்மையை உறுதி செய்தல்
• சுத்திகரிப்பு: சத்தத்தை அகற்றுதல், தரக் கட்டுப்பாடு, நகல்/தீங்கிழைக்கும் தரவுகளை வடிகட்டுதல்
• உரிமம்: பதிப்புரிமை மற்றும் தரவுப் பயன்பாட்டு உரிமைகளைத் தெளிவுபடுத்துதல்

பெரிய அளவிலான கணினி உள்கட்டமைப்பு

• உயர் செயல்திறன் கொண்ட GPU/TPU கிளஸ்டர்: ஆயிரக்கணக்கிலிருந்து பத்தாயிரக்கணக்கான முனையங்களின் சாதனங்களை ஒருங்கிணைத்து, பெரிய அளவிலான பகிர்ந்தளிக்கப்பட்ட பயிற்சியை ஆதரிக்கும் தொழில்நுட்பம்
• திறமையான பகிர்ந்தளிக்கப்பட்ட பயிற்சி கட்டமைப்புகள்: DeepSpeed, Megatron-LM, Ray போன்றவை
• சேமிப்பகம்/வலையமைப்பு: பெரிய அளவிலான தரவு உள்ளீடு-வெளியீடு மற்றும் அதிவேக வலையமைப்பு சூழல்

மாதிரி கட்டமைப்பு வடிவமைப்பு

• நவீன கட்டமைப்புகளைப் பிரதிபலித்தல்: Transformer, MoE(Mixture of Experts), பல்மாதிரி உள்ளிட்டவை
• அளவீட்டுத் திறன்: அளவுருக்களின் எண்ணிக்கை, அடுக்குகளின் எண்ணிக்கை, உள்ளீட்டு நீளம் உள்ளிட்ட விரிவாக்கத் திறனைக் கருத்தில் கொள்ளுதல்
• செயல்திறன்: பயிற்சி/ஊக வேகம் மற்றும் நினைவகப் பயன்பாட்டை மேம்படுத்துதல்

பயிற்சி உத்திகள் மற்றும் அல்காரிதங்கள்

• முன்பயிற்சி நோக்கங்கள்: மொழி மாதிரி (எ.கா., next token prediction), பல்மாதிரி (எ.கா., contrastive learning) உள்ளிட்டவை
• மேம்படுத்தல் நுட்பங்கள்: mixed precision, gradient accumulation, learning rate schedule உள்ளிட்டவை
• இயல்பாக்கம்/நிலைத்தன்மை: dropout, layer norm, weight decay உள்ளிட்டவை

மதிப்பீடு மற்றும் சரிபார்ப்பு அமைப்பு

• தரநிலைத் தொகுப்புகள்: நிலையான தரவுத்தொகுப்புகளை (Benchmarks) பயன்படுத்துதல்
• உள் மதிப்பீடு: உண்மையான பயன்பாட்டு சூழ்நிலைகளின் அடிப்படையிலான மதிப்பீடு
• தொடர்ச்சியான கண்காணிப்பு: பயிற்சியின் போது/பிறகு தரம், சார்பு மற்றும் பாதுகாப்பைச் சரிபார்த்தல்

மனிதவளம் மற்றும் நிறுவனத் திறன்கள்

• AI/ML ஆராய்ச்சியாளர்கள்: மாதிரி வடிவமைப்பு, அல்காரிதம் மேம்பாடு
• தரவு பொறியாளர்கள்: தரவு சேகரிப்பு/சுத்திகரிப்பு/மேலாண்மை
• உள்கட்டமைப்பு பொறியாளர்கள்: விநியோகிக்கப்பட்ட அமைப்புகள், கிளவுட்/ஆன்-பிரைமிஸ் மேலாண்மை
• திட்ட மேலாளர்கள்: அட்டவணை, பட்ஜெட் மற்றும் தர மேலாண்மை

நெறிமுறை·சட்ட·பாதுகாப்புக் கருத்துகள்

• AI நெறிமுறைகள்: சார்பு, பாதுகாப்பு, வெளிப்படைத்தன்மை மற்றும் பொறுப்புணர்வு
• சட்ட இணக்கம்: தனியுரிமை, பதிப்புரிமை மற்றும் தரவின் இறையாண்மை
• பாதுகாப்பு: தரவு/மாதிரி கசிவைத் தடுத்தல் மற்றும் அணுகல் கட்டுப்பாடு

தற்போது உலகளவில் AI ஆராய்ச்சிப் பணியாளர்களின் எண்ணிக்கை சுமார் 2,000 ஆக உள்ளது; இவர்களில் பெரும்பாலோர் META, Google, XAI போன்ற பெரிய தொழில்நுட்ப நிறுவனங்களில்集中மாக உள்ளனர். உள்நாட்டில் தரவு சேகரிப்பிலிருந்து பெரிய அளவிலான பயிற்சி உள்கட்டமைப்பு வரை அனைத்தையும் நேரடியாக வடிவமைத்து Foundation மாதிரியை உருவாக்கக்கூடிய குழுக்கள் மிகவும் அரிதாக உள்ளன.

3. குறைந்த பணியாளர்களைக் கொண்டு மிகப்பெரிய மொழி மாதிரியை உருவாக்குதல்.

தலைமை நிர்வாக அதிகாரி இஹ்வான் ஹோ, 10 ஆண்டுகளுக்கும் மேலான ஆழ்கற்றல் மற்றும் இயந்திரக் கற்றல் ஆராய்ச்சி அனுபவத்தின் அடிப்படையில், 3 ஆண்டுகளுக்கு முன்பு “உலகின் சிறந்த AI-ஐ உருவாக்குவேன்” என்ற இலக்குடன் நிறுவனத்தை (CLEVI) நிறுவினார்.

நிறுவனத்தின் சொந்த தரவுக் குழாயை உருவாக்குதல், பெரிய அளவிலான விநியோகிக்கப்பட்ட ஆழ்கற்றல் உள்கட்டமைப்பை வடிவமைத்தல், மாதிரி கட்டமைப்பை உருவாக்குதல், தரச் சரிபார்ப்பு உள்ளிட்ட அனைத்து செயல்முறைகளையும் நேரடியாக வடிவமைத்து, Foundation Model மேம்பாட்டிற்குத் தேவையான திறன்களைப் பெற்றுள்ளது.

பல முறை மாதிரிகளைப் பயிற்றுவித்ததன் விளைவாக, தற்போது உலகின் முன்னணி மாதிரிகளுடன் போட்டியிடக்கூடிய Clevi-5-x மாதிரியை எங்களிடம் கொண்டுள்ளோம்.

பெருமொழி மாதிரிகளை திறம்படப் பயிற்றுவிக்க, நூற்றுக்கணக்கிலிருந்து ஆயிரக்கணக்கான GPUகளை கிளஸ்டராக இணைத்து, ஒரு வினாடிக்கு பல குவாட்ரில்லியன் கணக்கீடுகளை ஒரே நேரத்தில் செயல்படுத்தக்கூடிய உள்கட்டமைப்பு தேவைப்படுகிறது. இந்தச் செயல்முறையில், பெரிய அளவிலான பகிர்ந்தளிக்கப்பட்ட சூழலில் கணக்கீடுகளை ஒத்திசைப்பதும், தகவல்தொடர்பு தாமதத்தைக் குறைப்பதும் முக்கியமான தொழில்நுட்பங்களாகும். இதுவரை, உள்நாட்டில் “துல்லியக் கட்டுப்பாட்டு அல்காரிதம்” இல்லாததால், பெரும்பாலான நிறுவனங்களால் மாதிரிகளைச் சரியாகப் பயிற்றுவிக்க முடியவில்லை. Clevi-யின் CEO Lee Hwan-ho, இத்தகைய தனித்துவமான பகிர்ந்தளிக்கப்பட்ட கணக்கீட்டுக் கட்டுப்பாட்டு அல்காரிதத்தை உள்நாட்டிலேயே உருவாக்கியதன் மூலம், நாட்டிலேயே முதன்முறையாக 1.4 டிரில்லியன் (1.4 Trillion) அளவுருக்களைக் கொண்ட பெருமொழி மாதிரியை வெற்றிகரமாகப் பயிற்றுவித்தார்.

4. குறைந்த எண்ணிக்கையிலான டெவலப்பர்களைக் கொண்டு பல்வேறு மாதிரிகளை உருவாக்க முடிந்ததற்கான காரணம்

பெரும்பாலான Big Tech நிறுவனங்களிடமும் பெரிய அளவிலான உள்கட்டமைப்புக் கட்டுப்பாடு மற்றும் தரவுத் தூய்மைப்படுத்தல் தொழில்நுட்பங்கள் உள்ளன.

இவற்றை நிர்வகிக்க நூற்றுக்கணக்கிலிருந்து ஆயிரக்கணக்கான ஆராய்ச்சியாளர்கள் தேவைப்படுகின்றனர்.

ஆனால், குறைந்த எண்ணிக்கையிலான ஆராய்ச்சியாளர்களைக் கொண்டு Clevi பல்வேறு மாதிரிகளை உருவாக்கி வைத்திருக்கிறது.

இது எப்படி சாத்தியமானது?

Clevi, Teacher-Student Model(Knowledge Distilation) தொழில்நுட்பத்தின் மூலம் குறைந்த எண்ணிக்கையிலான பணியாளர்களைக் கொண்டு பல்வேறு மாதிரிகளை உருவாக்கி வைத்திருக்கிறது.

அப்படியானால், Teacher-Student தொழில்நுட்பத்தைப் பார்ப்போம்.

Teacher-Student(அறிவு வடிகட்டல்)

Teacher-Student தொழில்நுட்பம் என்பது எளிதாகச் சொல்வதானால், பெருமொழி மாதிரியின் (Teacher Model) மூலம் குழந்தை மாதிரியை (Student Model) மதிப்பீடு செய்து கருத்தளிப்பதன் மூலம், குறைந்த எண்ணிக்கையிலான பணியாளர்களைக் கொண்டு நூற்றுக்கணக்கான ஆராய்ச்சியாளர்களுக்குப் பதிலாகச் செயல்பட்டு, பல்வேறு மாதிரிகளை விரைவாக உருவாக்கும் தொழில்நுட்பமாகும்.

• Mother Model(பெருமொழி மாதிரி) பல்வேறு துறைகளின் மாதிரிகளை மதிப்பீடு செய்து கருத்தளிப்பதன் மூலம், நூற்றுக்கணக்கான ஆராய்ச்சியாளர்களுக்குப் பதிலாகச் செயல்படுகிறது.
• இந்த முறையில் Clevi-x-platform மூலம் பயிற்சி மேற்கொண்டால், Reasoning, VLM, Physical AI, Coding Agent போன்ற உயர் செயல்திறன் மாதிரிகளை 10~15 நாட்களுக்குள் பயிற்றுவித்து வெளியிடலாம்.

Clevi Coding Agent

Clevi Phsycal AI Learning Platform

VLM-பார்வை மொழி மாதிரி

பாதுகாப்பு முகவர்

5. Clevi-x-platform தொழில்நுட்பம்·தரத்தின் வேறுபாடுகள்

மாதிரி செயல்திறன்·விரிவாக்கத்தன்மை

• 推론(CoT/Reasoning) மேன்மை: cip-5-x படிப்படியான தர்க்க வளர்ச்சியையும் ஆதாரங்களை வழங்குவதையும் வடிவமைப்புத் தத்துவத்தில் உள்ளடக்கியுள்ளது; அறிவியல்·கணிதம்·பொறியியல் சிக்கல் தீர்வில் உயர் நம்பகத்தன்மையுடைய கணக்கீடு மற்றும் விளக்கத் திறனை வெளிப்படுத்துகிறது. உள் தரப்படுத்தல் அளவுகோல்களின் அடிப்படையில் GPT-5 தரத்திற்கும் மேற்பட்ட செயல்திறன் திறனை இலக்காகக் கொண்டு வடிவமைக்கப்பட்டு இயக்கப்பட்டு வருகிறது; ஒரே prompt நிபந்தனைகளில் மீளுருவாக்கத்தன்மை/சரிபார்ப்புத் திறன் முக்கிய தரக் குறியீடுகளாக நிர்வகிக்கப்படுகின்றன.

• மல்டிமோடல் முழு ஸ்பெக்ட்ரம்: நோக்கம்சார் VLM(cip-5-vision), பெரிய அளவிலான மல்டிமோடல் செயலாக்க மாதிரி(ivy-4-mm), இலகுரக on-device(ivy-3-text) ஆகியவற்றை ஒரே தளத்தில் உருவாக்கி·இணைப்பதன் மூலம், பணியின் தன்மைக்கு (தேடல்/வகைப்படுத்தல்/சுருக்கம் vs. தர்க்கம்/விளக்கம்/செயல்படுத்தல்) ஏற்ப உகந்த சேர்க்கையை அமைக்க முடியும்.

நிறுவனப் பயன்பாட்டுத் தகுதி

• On-premises பாதுகாப்பு·கிடைப்புநிலை: மூடப்பட்ட வலையமைப்பின் முழு கட்டத்திலும் (உள்ளீடு-பயிற்சி-சேவை-காப்புப்பிரதி) இயக்கம், HA வடிவமைப்பு, தொகுதி அடிப்படையிலான விரிவாக்கம், SVCE(தனிமைப்படுத்தப்பட்ட பாதுகாப்பான செயல்பாட்டு சூழல்) ஆகியவற்றின் மூலம் தரவு·மாதிரி அளவுருக்கள் பிரித்து பாதுகாக்கப்படுகின்றன.
• விரைவான அறிமுகம்·விரிவாக்கம்: Ivy Chat(பணிசார் மல்டிமோடல் உரையாடல்/முகவர்), API Platform(உலகளாவிய தரநிலை SaaS) மூலம் விரைவான பயன்பாடு·இயக்கத்தை ஆதரிக்கிறது.

இயற்பியல் AI(Physical AI) வேறுபாடு

• NVIDIA Isaac அடிப்படையிலான உருவகப்படுத்தலையும் பரிணாம அடிப்படையிலான வலுவூட்டல் கற்றலையும்(Evolutionary RL) இணைத்து, Sim2Real மாற்றம் மற்றும் செயற்கைத் தரவு இணைநிலைப் பயிற்சியின் மூலம் கற்றல் திறன்·களத் தழுவல் திறன் மேம்படுத்தப்பட்டுள்ளது. டிஜிட்டல் முதல் ரோபாட்டிக்ஸ் கற்றல்·பயன்படுத்தல் வரை அனைத்தையும் உள்ளடக்குவது அரிதான மாற்று வாய்ப்புகளையே கொண்டுள்ளது.

சேவைத் தரம்·ஆளுமை

• மாதிரி/Prompt/கருவி பதிப்பு மேலாண்மை, மதிப்பீட்டுத் தொகுப்பு (கொரிய·ஆங்கில அறிவு, தொழில்துறைவாரியான பணிகள், மாயத்தோற்றம்·பாதுகாப்பு குறியீடுகள்), மாற்ற மேலாண்மை(SLO/SLA), செயல்பாட்டு கண்காணிப்பு(தாமதம்·வெற்றி விகிதம்·TCO) ஆகியவை ஒரே தள நடைமுறையாக நிர்வகிக்கப்படுகின்றன.

தற்போது தென் கொரியாவில் சுமார் 300-க்கும் மேற்பட்ட AI மாதிரி சேவை நிறுவனங்கள் உள்ளன;

உயர் செயல்திறன் கொண்ட தனித்துவமான அடித்தள மாதிரிகள் மூலம் on-premises மற்றும் கிளவுட் சேவைகளை ஒரே நேரத்தில் வழங்கக்கூடிய நிறுவனம் கிளேவி மட்டுமே.

6. மொழி மாதிரிகளை தொழில்துறையில் பயன்படுத்தும் வழிகள்

AI அறிமுகத்திற்கு மிகப்பெரிய முதலீடும் கடுமையான சரிபார்ப்பும் தேவைப்படுவதால், அது உண்மையில் நிறுவனத்திற்கு உதவும் தீர்வா என்பதை நேரடியாக ஒப்பிட்டு அனுபவிக்கும் செயல்முறை இன்றியமையாததாகும்.

• CLEVI வெறுமனே மாடல்களை உருவாக்குவதுடன் நின்றுவிடாமல், உண்மையான தொழில்துறைச் சூழல்களில் பயன்படுத்தக்கூடிய AI தீர்வுகளை வழங்குகிறது.
• எடுத்துக்காட்டாக, Ivy Chat Platform, Clevi API Platform, தொழில்துறை சார்ந்த தனிப்பயனாக்கம், பாதுகாப்புத் தேவைகளுக்கான対応 உள்ளிட்ட எண்டர்பிரைஸ் சேனல்களை முழுமையாக கொண்டுள்ளது.
• Physical AI, ரோபோட்டிக்ஸ், மல்டிமோடல் தரவு செயலாக்கம் உள்ளிட்ட உள்நாட்டிலும் வெளிநாட்டிலும் அரிதாகக் காணப்படும் தொழில்நுட்பத் திறன்களை இது கொண்டுள்ளது.

CLEVI AI-ஐ ‘நோக்கம்’ என அல்லாமல் ‘கருவி’யாகக் கொண்டு, உண்மையான பணித்திறன் மற்றும் தொழில்துறைப் புதுமைக்கு பங்களிக்கும் நடைமுறை AI தீர்வுகளை வழங்குகிறது. உண்மையான From-scratch Foundation மாடலின் வேறுபாட்டை நேரடியாக அனுபவியுங்கள்.

விசாரணைகள் மற்றும் டெமோ கோரிக்கைகள்: [email protected]

Copyright© 2025 Clevi Inc. All rights reserved.