Megamodelky nejsou jádrem počítačové krize

Pokaždé, když poklesne nový model umělé inteligence – aktualizace GPT, DeepSeek, Gemini – lidé zírají na pouhou velikost, složitost a stále více na výpočetní hlad těchto mega-modelů. Předpokládá se, že tyto modely definují potřeby zdrojů revoluce AI.

Ten předpoklad je špatný.

Ano, velké modely jsou náročné na výpočetní výkon. Největší tlak na infrastrukturu umělé inteligence však nepochází z hrstky megamodelů – pochází z tichého šíření modelů umělé inteligence napříč odvětvími, z nichž každý je vyladěn pro konkrétní aplikace a každý spotřebovává výpočetní výkon v bezprecedentním měřítku.

Navzdory potenciální konkurenci typu „vítěz bere vše“, která se rozvíjí mezi programy LLM, se prostředí umělé inteligence obecně necentralizuje, ale fragmentuje. Každá firma umělou inteligenci nejen používá, ale také školí, přizpůsobuje a nasazuje soukromé modely šité na míru svým potřebám. Právě druhá situace vytvoří křivku poptávky po infrastruktuře, na kterou poskytovatelé cloudových služeb, podniky ani vlády nejsou připraveni.

Tento vzorec jsme již viděli. Cloud nekonsolidoval pracovní zátěž IT; vytvořilo rozlehlý hybridní ekosystém. Za prvé to bylo rozrůstání serveru. Pak se VM rozrůstá. Teď? Rozšiřování AI. Každá vlna výpočetní techniky vedla k rozšíření, nikoli ke zjednodušení. AI se neliší.

AI Spawl: Proč je budoucnost AI milion modelů, ne jeden

Finance, logistika, kybernetická bezpečnost, zákaznický servis, výzkum a vývoj – každý má svůj vlastní model umělé inteligence optimalizovaný pro svou vlastní funkci. Organizace netrénují jeden model umělé inteligence, aby řídil celý jejich provoz. Trénují tisíce. To znamená více školicích cyklů, více výpočetní kapacity, větší nároky na úložiště a větší rozrůstání infrastruktury.

To není teoretické. Investice do umělé inteligence se zrychlují dokonce i v odvětvích, která jsou při přijímání technologií tradičně opatrná. Zpráva společnosti McKinsey z roku 2024 zjistila, že organizace nyní používají umělou inteligenci v průměru ve třech obchodních funkcích, přičemž na prvním místě je výroba, dodavatelský řetězec a vývoj produktů (McKinsey).

Zdravotnictví je toho zářným příkladem. Navina, startup, který integruje umělou inteligenci do elektronických zdravotních záznamů, aby zpřístupnil klinické poznatky, právě získal 55 milionů dolarů na financování série C od Goldman Sachs (Business Insider). Energie se neliší – přední průmysloví představitelé spustili Open Power AI Consortium, aby přineslo optimalizaci umělé inteligence do provozu sítě a závodu (Axios).

Compute Strain, o kterém nikdo nemluví

AI již boří tradiční modely infrastruktury. Předpoklad, že cloud se může nekonečně škálovat, aby podpořil růst AI, je zcela mylný. AI se neškáluje jako tradiční pracovní zátěže. Křivka poptávky není postupná – je exponenciální a hyperscalery nedrží krok.

• Omezení výkonu: Datová centra specifická pro umělou inteligenci se nyní budují na základě dostupnosti napájení, nikoli pouze na páteřních sítích.
• Úzká místa sítě: Hybridní IT prostředí se stávají neřiditelnými bez automatizace, což zátěž AI jen zhorší.
• Ekonomický tlak: Pracovní zátěže AI mohou spotřebovat miliony za jediný měsíc, což vytváří finanční nepředvídatelnost.

Datová centra již nyní představují 1 % celosvětové spotřeby elektřiny. V Irsku nyní spotřebovávají 20 % národní sítě, přičemž se očekává, že tento podíl do roku 2030 výrazně vzroste (IEA).

Přidejte k tomu hrozící tlak na GPU. Společnost Bain & Company nedávno varovala, že růst umělé inteligence připravuje půdu pro nedostatek polovodičů, který je poháněn výbušnou poptávkou po čipech pro datová centra (Bain).

Mezitím problém udržitelnosti AI narůstá. Analýza z roku 2024 Udržitelná města a společnost varuje, že rozšířené zavádění umělé inteligence ve zdravotnictví by mohlo podstatně zvýšit spotřebu energie a uhlíkové emise v tomto odvětví, pokud nebude kompenzováno cílenou účinností (ScienceDirect).

Rozšiřování umělé inteligence je větší než trh – je to záležitost státní moci

Pokud si myslíte, že rozrůstání umělé inteligence je firemní problém, zamyslete se znovu. Nejvýznamnějším hnacím motorem fragmentace umělé inteligence není soukromý sektor – jsou to vlády a vojenské obranné agentury, které nasazují umělou inteligenci v rozsahu, kterému se žádný hyperscaler ani podnik nevyrovná.

Samotná vláda USA nasadila AI ve více než 700 aplikacích ve 27 agenturách, které pokrývají zpravodajskou analýzu, logistiku a další (časopis FedTech).

Kanada investuje až 700 milionů dolarů do rozšíření domácí výpočetní kapacity AI, čímž zahajuje národní výzvu k posílení infrastruktury suverénních datových center (Inovace, věda a hospodářský rozvoj Kanada).

A stále více se ozývá volání po „programu Apollo“ pro infrastrukturu umělé inteligence – zdůrazňující povýšení umělé inteligence z komerční výhody na národní imperativ (MIT Technology Review).

Vojenská umělá inteligence nebude efektivní, koordinovaná ani nákladově optimalizovaná – bude řízena národními bezpečnostními mandáty, geopolitickou naléhavostí a potřebou uzavřených, suverénních systémů umělé inteligence. I když podniky ovládnou rozrůstající se umělou inteligenci, kdo řekne vládám, aby zpomalily?

Protože když je národní bezpečnost na lince, nikdo se nepozastavuje nad otázkou, zda to elektrická síť zvládne.