Závod v umělé inteligenci se chystá stát se fyzickým

Po několik posledních let byl příběh umělé inteligence vyprávěn téměř výhradně v jazyce softwaru. Modely se stávají stále schopnějšími, rychlejšími a specializovanějšími. Miliardy dolarů proudí do základních modelů, výzkumných laboratoří a startupů, které slibují přetvořit celé odvětví. Vláda zveřejnila národní strategie umělé inteligence a každé ředitelství v zemi debatovalo o plánech integrace. Rozhovor byl široký, budoucnost orientovaný a v důležitých ohledech neúplný.

Umělá inteligence není magie. Neexistuje v cloudu v žádném metaforickém smyslu. Každý trénovaný model, každá odpovězená otázka, každá vygenerovaná obraz depends na fyzické infrastruktuře – datové centrum, které spotřebuje enormní množství energie, chladicí systémy, které běží nepřetržitě, optické kabely, které přenášejí data přes kontinenty, transformační stanice, které propojují vše s funkčními elektrickými sítěmi.

Vysoká energetická cena inference

Provedli jsme průzkum mezi více než 200 seniorními rozhodčími umělé inteligence ve Spojených státech a data poskytují čísla, která potvrzují to, co mnozí uvnitř odvětví již uznávají. Téměř 29 % organizací uvádí, že náklady na energii již omezují jejich schopnost škálovat umělou inteligenci. Více než čtvrtina (28 %) uvádí, že rostoucí ceny elektřiny je donutily zpomalit nebo pozastavit činnost školení umělé inteligence. Zpoždění připojení k síti, omezení chlazení, nedostatek konektivity a plánovací úzká místa jsou všechny uváděny jako rostoucí bariéry. Infrastruktura, která byla dříve považována za problém někoho jiného, se stala problémem všech.

To není úplně překvapivé, pokud se na to podíváme zpětně. Rozsah, ve kterém moderní umělá inteligence funguje, je skutečně výjimečný. Školení velkého modelu může spotřebovat tolik elektřiny, kolik spotřebuje stovky domácností za rok – jeden běh školení GPT-4 spotřebuje přibližně 50 GWh elektřiny – což je ekvivalent roční spotřeby 40 000 amerických domácností. Spuštění inference napříč miliony denních uživatelů vyžaduje datové centrum takové velikosti a hustoty, které by se před deseti lety zdály nemožné. A poptávka se zrychluje, poháněná proliferací aplikací umělé inteligence, rozšířením agenticích systémů a rostoucí integrací umělé inteligence do základních obchodních operací. Spotřeba elektřiny v datových centrech roste přibližně o 15 % ročně – více než čtyřnásobně rychleji než celková spotřeba elektřiny ve všech ostatních sektorech dohromady. Fyzický svět je požádán, aby absorboval exponenciální křivku, a nebyl pro to navržen.

Strategie se mění na fyzický svět

To, co činí aktuální okamžik zvlášť odhalujícím, je místo, kde se objevují skutečné omezení. Země, se ukazuje, není jádrem problému. Pouze kolem 14 % firem v našem výzkumu identifikuje dostupnost pozemku jako svůj primární výzvu. Těžším problémem je vše, co se musí stát poté, co najdete pozemek. Místo bez kapacity sítě je zbytečné; bez plánovacího schválení jste izolováni; a pokud není zde odolná konektivita, nelze postavit umělou inteligenci. Úzkým místem není prostor – je to komplexní, pomalý proces přeměny fyzického prostoru na funkční výpočetní prostředí. Tohle rozlišení má význam, protože jej nelze vyřešit pouze penězi.

To také mění, jak bychom měli uvažovat o národní konkurenceschopnosti umělé inteligence. Rozhovor se dlouho soustředil na výzkumný talent, objem investic a závod na školení nejkapacitnějších modelů. Ale strategie infrastruktury se stává stejně rozhodujícím faktorem. V regionech, kde jsou povolení rychlejší, kde je energetická politika více sladěna s průmyslovou poptávkou a kde je soukromá investice do velkých infrastruktur více zavedená, může umělá inteligence škálovat rychleji. Spojené státy mají zde strukturální výhody, které jsou často podceňovány. Tyto výhody nejsou glamurní – zahrnují plánování sítě, reformu územního plánování a koordinaci s dodavateli – ale stávají se stále významnějšími.

Geopolitika přidává další vrstvu složitosti. Asi třetina (33 %) podniků uvádí, že aktivně zvažují přesunutí zátěže umělé inteligence do jiných regionů nebo zemí kvůli geopolitickým obavám. Kromě praktických omezení energie a plánování nyní organizace také zvažují suverenitu, odolnost dodavatelského řetězce a politickou stabilitu prostředí, ve kterých nasazují výpočetní techniku. Výsledkem je přehodnocení, kam plynou investice do infrastruktury umělé inteligence – do regionů s bohatými obnovitelnými zdroji energie, dostupnou kapacitou sítě a rychlejšími regulačními cestami, bez ohledu na to, kde se tyto regiony nachází na tradiční technologické mapě.

První fáze revoluce umělé inteligence byla definována tím, co bylo možné v softwaru. Další fáze bude definována tím, co je dosažitelné ve fyzickém světě – nezábavnou, namáhavou prací budování energetické infrastruktury, zajišťování dodávek energie a navigace v byrokratické složitosti velkých průmyslových nasazení.

To je místo, kde Spojené státy budou mít výhodu, kterou nelze snadno překonat žádnou schopností modelu. Budoucnost umělé inteligence závisí na tom, zda síť vydrží. To není tak vzrušující, jako to, co naznačují titulky. Je to však důležitější.