مدل های مگا مهم بحران محاسبات نیستند

هر بار که یک مدل جدید هوش مصنوعی به روزرسانی های GPT ، Deepseek ، Gemini-مردم در اندازه کامل ، پیچیدگی و به طور فزاینده گرسنگی محاسبه این مدل های بزرگ می شود. فرض این است که این مدل ها نیازهای تأمین کننده انقلاب هوش مصنوعی را تعریف می کنند.

این فرض اشتباه است.

بله ، مدل های بزرگ گرسنه هستند. اما بزرگترین فشار در زیرساخت های هوش مصنوعی از تعداد انگشت شماری از مدل های مگا ناشی نمی شود-این ناشی از تکثیر خاموش مدل های هوش مصنوعی در صنایع است که هر یک از آن برای کاربردهای خاص تنظیم شده است و هر یک محاسبه کننده در مقیاس بی سابقه ای است.

علیرغم رقابت بالقوه برنده-همه در بین LLM ها ، چشم انداز AI به طور کلی متمرکز نیست-این قطعه قطعه است. هر مشاغل فقط از AI استفاده نمی کند – آنها آموزش ، سفارشی سازی و استقرار مدل های خصوصی متناسب با نیازهای خود را ندارند. این وضعیت اخیر است که یک منحنی تقاضای زیرساختی را ایجاد می کند که ارائه دهندگان ابر ، شرکت ها و دولت ها برای آن آماده نیستند.

ما قبلاً این الگوی را دیده ایم. Cloud بار کاری آن را تلفیق نکرد. این یک اکوسیستم ترکیبی گسترده ایجاد کرد. اول ، این پراکندگی سرور بود. سپس VM پخش می شود. حالا؟ پخش AI. هر موج محاسبات منجر به تکثیر می شود ، نه ساده سازی. AI هیچ تفاوتی ندارد.

AI Pruwl: چرا آینده هوش مصنوعی یک میلیون مدل است ، نه یک

امور مالی ، تدارکات ، امنیت سایبری ، خدمات به مشتری ، تحقیق و توسعه – هر یک مدل هوش مصنوعی خاص خود را برای عملکرد خاص خود بهینه کرده است. سازمان ها برای اجرای کل عملکرد خود یک مدل هوش مصنوعی را آموزش نمی دهند. آنها هزاران نفر را آموزش می دهند. این بدان معناست که چرخه های آموزشی بیشتر ، محاسبات بیشتر ، تقاضای ذخیره بیشتر و گسترش زیرساخت های بیشتر.

این نظری نیست. حتی در صنایعی که به طور سنتی نسبت به پذیرش فناوری محتاط هستند ، سرمایه گذاری هوش مصنوعی در حال تسریع است. یک گزارش مک کینزی 2024 نشان داد که سازمان ها اکنون به طور متوسط ​​از AI به طور متوسط ​​از سه کارکرد تجاری استفاده می کنند ، با تولید ، زنجیره تأمین و توسعه محصول منجر به شارژ می شوند (مک کینزی).

مراقبت های بهداشتی نمونه بارز است. Navina ، استارتاپی که هوش مصنوعی را در سوابق بهداشتی الکترونیکی به بینش های بالینی سطح ادغام می کند ، فقط 55 میلیون دلار بودجه سری C را از گلدمن ساکس جمع آوری کرده است (خودی). انرژی فرقی ندارد – رهبران صنعت کنسرسیوم باز AI را راه اندازی کرده اند تا بهینه سازی هوش مصنوعی را به شبکه و عملیات گیاهی وارد کنند (محور).

کرنش محاسبه هیچ کس در مورد آن صحبت نمی کند

هوش مصنوعی در حال حاضر در حال شکستن مدل های زیرساختی سنتی است. این فرض که ابر می تواند بی نهایت برای حمایت از رشد هوش مصنوعی مقیاس کند ، اشتباه است. هوش مصنوعی مانند بار کاری سنتی مقیاس نمی کند. منحنی تقاضا تدریجی نیست – نمایی است ، و Hyperscalers ادامه نمی یابد.

• محدودیت های قدرت: مراکز داده خاص AI اکنون در دسترس بودن برق ساخته شده اند ، نه فقط ستون فقرات شبکه.
• تنگناهای شبکه: محیط های IT Hybrid بدون اتوماسیون غیرقابل کنترل می شوند ، که بار کار AI فقط تشدید می شود.
• فشار اقتصادی: بار کاری هوش مصنوعی می تواند میلیون ها نفر در یک ماه واحد مصرف کند و غیرقابل پیش بینی مالی ایجاد می کند.

مراکز داده در حال حاضر 1 ٪ از مصرف جهانی برق را تشکیل می دهند. در ایرلند ، آنها اکنون 20 ٪ از شبکه ملی را مصرف می کنند ، که انتظار می رود تا سال 2030 به میزان قابل توجهی افزایش یابد (IEA).

به آن فشار زیاد بر روی GPU ها اضافه کنید. شرکت Bain & Company اخیراً هشدار داده است كه رشد هوش مصنوعی مرحله ای را برای كمبود نیمه هادی ایجاد می كند ، ناشی از تقاضای انفجاری برای تراشه های مرکز داده ((بیزار).

در همین حال ، مشکل پایداری هوش مصنوعی رشد می کند. تجزیه و تحلیل 2024 در شهرها و جامعه پایدار هشدار می دهد که پذیرش گسترده هوش مصنوعی در مراقبت های بهداشتی می تواند میزان مصرف انرژی بخش و انتشار کربن را به میزان قابل توجهی افزایش دهد ، مگر اینکه با راندمان هدفمند جبران شود (علمی).

گسترش AI از بازار بزرگتر است – این یک موضوع قدرت دولتی است

اگر فکر می کنید AI گسترش یک مشکل شرکتی است ، دوباره فکر کنید. مهمترین محرک تکه تکه شدن هوش مصنوعی بخش خصوصی نیست – دولت ها و آژانس های دفاعی نظامی ، AI را در مقیاس مستقر می کنند که هیچ فشارخوری یا شرکت نمی تواند با آن مطابقت داشته باشد.

دولت آمریكا به تنهایی هوش مصنوعی را در بیش از 700 برنامه در 27 آژانس مستقر كرده است كه تجزیه و تحلیل اطلاعات ، تداركات و موارد دیگر را پوشش می دهد (مجله FedTech).

کانادا برای گسترش ظرفیت محاسبات داخلی AI ، تا 700 میلیون دلار سرمایه گذاری می کند و یک چالش ملی را برای تقویت زیرساخت های مرکز داده حاکمیتی راه اندازی می کند (نوآوری ، علوم و توسعه اقتصادی کانادا).

و خواستار افزایش “برنامه آپولو” برای زیرساخت های هوش مصنوعی وجود دارد – افزایش چراغ هوش مصنوعی از مزیت تجاری به National National (بررسی فناوری MIT).

هوش مصنوعی نظامی کارآمد ، هماهنگ و یا بهینه سازی هزینه نخواهد بود – این امر توسط دستورالعمل های امنیت ملی ، فوریت ژئوپلیتیکی و نیاز به سیستم های بسته و حاکم بر AI هدایت می شود. حتی اگر شرکت ها در گسترش AI ، چه کسی می خواهند به دولت ها بگویند که کند شود؟

زیرا وقتی امنیت ملی در خط است ، هیچ کس متوقف نمی شود که بپرسد آیا شبکه برق می تواند آن را اداره کند یا خیر.