Η Εκρηκτική Ανάπτυξη του AI Δεν Έπαθε Κατάρρευση, αλλά η Υπολογιστική του AI Αλλάζει Οριστικά

Μην φοβάστε過度 τους αρκούδους του AI. Αναρωτιούνται εάν η μεγάλη έκρηξη στις επενδύσεις του AI ήδη έφτασε και πέρασε, εάν η μεγάλη αγορά και δαπάνη για τεράστιες συστήματα εκπαίδευσης του AI που τροφοδοτούνται από πολλές υψηλής απόδοσης GPU έχει εξαντληθεί, και εάν οι προσδοκίες για την εποχή του AI πρέπει να μειωθούν δραματικά.

Αλλά αν δείτε πιο κοντά τους σχεδιασμούς των μεγάλων hyperscalers, οι επενδύσεις στο AI είναι ζωντανοί και καλά. Οι Meta, Amazon (AMZN ), Microsoft (MSFT ) και Google έχουν 모두 πρόσφατα διπλασιάσει τις επενδύσεις τους στην τεχνολογία του AI. Η συλλογική τους δέσμευση για το 2025 ανέρχεται σε πάνω από 300 δισεκατομμύρια δολάρια, σύμφωνα με μια πρόσφατη ιστορία στη Financial Times. Ο CEO της Microsoft, Satya Nadella, είπε ότι η Microsoft μπορεί να δαπανήσει 80 δισεκατομμύρια δολάρια μόνο για το AI φέτος. Ο ιδρυτής και CEO της Meta, Mark Zuckerberg, είπε στο Facebook, «Σχεδιάζουμε να επενδύσουμε 60-65 δισεκατομμύρια δολάρια σε capex φέτος, ενώ επίσης αυξάνουμε σημαντικά τις ομάδες μας για το AI, και έχουμε το κεφάλαιο για να συνεχίσουμε τις επενδύσεις μας τα επόμενα χρόνια».

Αυτό δεν είναι ο ήχος μιας έκρηξης του AI που καταρρέει, αλλά έχει υπάρξει μια αυξανόμενη ανησυχία σχετικά με το πόσο χρήματα δαπανώνται για την ενεργοποίηση των εφαρμογών του AI. Μετά από τουλάχιστον δύο χρόνια που οι γίγαντες της τεχνολογίας έλεγαν ότι έβλεπαν σαφή ζήτηση για περισσότερη υπολογιστική δύναμη για να βοηθήσουν την εκπαίδευση μεγάλων μοντέλων του AI, το 2025 έχει αρχίσει με τις ίδιες εταιρείες να καλούνται να λογοδοτήσουν καθημερινά από τα μέσα ενημέρωσης για την κατασκευή τόσο πολλής υποδομής του AI.

Γιατί έχει υπάρξει τέτοια απότομη μεταστροφή από την ελπίδα στην ανησυχία; Η απάντηση μπορεί να βρεθεί εν μέρει στην ταχεία άνοδο μιας νέας εφαρμογής του AI από την Κίνα. Αλλά για να κατανοήσουμε πλήρως τι συμβαίνει πραγματικά και τι σημαίνει αυτό για τις επενδύσεις και τα προγράμματα τεχνολογίας του AI τα επόμενα χρόνια, πρέπει να αναγνωρίσουμε ότι η εποχή του AI μεταβαίνει σε eine νέα φάση της εξέλιξής του.

DeepSeeking την Αλήθεια

Τώρα, ο κόσμος γνωρίζει όλα για το DeepSeek, την κινεζική εταιρεία του AI που διακηρύττει ότι χρησιμοποίησε inference engines και στατιστική λογική για να εκπαιδεύσει μεγάλα μοντέλα γλώσσας πολύ πιο αποτελεσματικά και με λιγότερο κόστος από άλλες εταιρείες έχουν εκπαιδεύσει τα μοντέλα τους.

Συγκεκριμένα, το DeepSeek ισχυρίστηκε ότι οι τεχνικές του οδήγησαν στο να απαιτεί πολύ λιγότερες GPU (όσο το 2.048 GPU), καθώς και λιγότερο ισχυρές GPU (Nvidia (NVDA ) H800s) από τις εκατοντάδες χιλιάδες premium-απόδοσης GPU (σκέφτεστε Nvidia H100s) που κάποιες εταιρείες hyperscale έχουν απαιτήσει για να εκπαιδεύσουν τα μοντέλα τους. Όσον αφορά τις οικονομίες, ενώ η OpenAI δαπάνησε δισεκατομμύρια δολάρια για την εκπαίδευση του ChatGPT, το DeepSeek αναφέρθηκε ότι δαπάνησε όσο το 6,5 εκατομμύρια δολάρια για να εκπαιδεύσει το μοντέλο R1.

Πρέπει να σημειωθεί ότι πολλοί εμπειρογνώμονες έχουν αμφισβητήσει τις αξιοπιστίες του DeepSeek, αλλά η ζημιά είχε ήδη γίνει, καθώς οι ειδήσεις για τις διαφορετικές μεθόδους τους οδήγησαν σε μια βαθιά πτώση στις μετοχές των hyperscalers και των εταιρειών των οποίων οι GPU έχουν δαπανηθεί δισεκατομμύρια για να εκπαιδεύσουν τα μοντέλα του AI.

Ωστόσο, δύο σημαντικά σημεία χάθηκαν στη midst της混亂. Το ένα ήταν η κατανόηση ότι το DeepSeek δεν «εφευρέθηκε» einen νέο τρόπο για να εργαστεί με το AI. Το δεύτερο είναι ότι μεγάλο μέρος του οικοσυστήματος του AI ήταν ήδη ενήμερο για μια επικείμενη αλλαγή στο πώς τα δολάρια των επενδύσεων του AI πρέπει να δαπανηθούν και πώς το AI θα χρησιμοποιηθεί τα επόμενα χρόνια.

Σχετικά με τις μεθόδους του DeepSeek, η ιδέα της χρήσης inference engines και στατιστικής λογικής δεν είναι καινούργια. Η χρήση της στατιστικής λογικής είναι ένας από τους τομείς του ευρύτερου εννοιολογικού πλαισίου της inference-based reasoning, η οποία περιλαμβάνει την ικανότητα του AI να βγάζει συμπεράσματα με βάση την αναγνώριση προτύπων. Αυτό είναι ουσιαστικά παρόμοιο με την ανθρώπινη ικανότητα να μάθει διαφορετικούς τρόπους για να αντιμετωπίσει ένα πρόβλημα και να τους συγκρίνει για να βρει την καλύτερη δυνατή λύση. Η inference-based reasoning μπορεί να χρησιμοποιηθεί σήμερα και δεν είναι αποκλειστική μιας κινεζικής εταιρείας.

Εν τω μεταξύ, το οικοσύστημα του AI για κάποιο χρόνο ήδη έχει προβλέψει μια θεμελιώδη αλλαγή στο πώς εργαζόμαστε με το AI και τις υπολογιστικές πόρους που απαιτούνται. Τα πρώτα χρόνια της εποχής του AI έχουν ασχοληθεί με το μεγάλο έργο της εκπαίδευσης μεγάλων μοντέλων του AI σε πολύ μεγάλες βάσεις δεδομένων, όλα τα οποία απαιτούν πολλή επεξεργασία, σύνθετα υπολογισμοί, ρυθμίσεις βαρών και εξάρτηση στη μνήμη. Μετά την εκπαίδευση των μοντέλων του AI, τα πράγματα αλλάζουν. Το AI μπορεί να χρησιμοποιήσει inference για να εφαρμόσει όλα όσα έχει μάθει σε νέες βάσεις δεδομένων, εργασίες και προβλήματα. Η inference, ως λιγότερο υπολογιστικά εντατική διαδικασία από την εκπαίδευση, δεν απαιτεί τόσο πολλές GPU ή άλλους υπολογιστικούς πόρους.

Η ουσιαστική αλήθεια για το DeepSeek είναι ότι ενώ οι μεθόδους του δεν σόκαραν τους περισσότερους από εμάς στο οικοσύστημα του AI τόσο πολύ όσο τους καθημερινά ενδιαφερόμενους επενδυτές της αγοράς, highlighted了一 από τους τρόπους με τους οποίους η inference θα είναι κεντρική στη νέα φάση της εξέλιξης του AI.

AI: Η Επόμενη Γενιά

Η υπόσχεση και το δυναμικό του AI δεν έχουν αλλάξει. Οι συνεχείς τεράστιες επενδύσεις του AI από τους μεγάλους hyperscalers δείχνουν την πίστη που έχουν στην μελλοντική αξία που μπορούν να ξεκλειδώσουν από το AI, καθώς και τους τρόπους με τους οποίους το AI μπορεί να αλλάξει τον τρόπο με τον οποίο几乎 κάθε βιομηχανία λειτουργεί και τον τρόπο με τον οποίο几乎 όλοι οι άνθρωποι ζουν την καθημερινή τους ζωή.

Τι έχει αλλάξει για αυτούς τους hyperscalers είναι το πώς θα δαπανηθούν αυτά τα δολάρια. Στα πρώτα χρόνια της εποχής του AI, η większość της επένδυσης ήταν αναγκαία για την εκπαίδευση. Αν σκεφτείτε το AI ως ένα παιδί, με ένα μυαλό που ακόμα είναι σε εξέλιξη, έχουμε δαπανήσει πολλά χρήματα για να το στείλουμε στο καλύτερο σχολείο και πανεπιστήμιο. Τώρα, αυτό το παιδί είναι ένας εκπαιδευμένος ενήλικας – και πρέπει να βρει δουλειά για να υποστηρίξει τον εαυτό του. Σε πραγματικούς όρους, έχουμε επενδύσει πολλά χρήματα στην εκπαίδευση του AI, και τώρα πρέπει να δούμε την απόδοση αυτής της επένδυσης χρησιμοποιώντας το AI για να παράγουμε νέο εισόδημα.

Για να επιτύχουμε αυτήν την απόδοση της επένδυσης, το AI πρέπει να γίνει πιο αποτελεσματικό και λιγότερο δαπανηρό για να βοηθήσει τις εταιρείες να μεγιστοποιήσουν την αγορά και τη χρησιμότητα του για όσο το δυνατόν περισσότερες εφαρμογές. Οι πιο κερδοφόρες νέες υπηρεσίες θα είναι αυτές που δεν απαιτούν ανθρώπινη παρακολούθηση και διαχείριση.

Για πολλές εταιρείες, αυτό σημαίνει την αξιοποίηση των τεχνικών υπολογισμού του AI που είναι αποτελεσματικές σε πόρους, όπως η inference-based reasoning, για να ενεργοποιήσουν γρήγορα και οικονομικά τις αυτονομικές επικοινωνίες μηχανής-μηχανής. Για παράδειγμα, στη βιομηχανία των τηλεπικοινωνιών, το AI μπορεί να χρησιμοποιηθεί για να αναλύσει αυτονομικά δεδομένα σε πραγματικό χρόνο για την उपयποίηση του φάσματος σε ένα κινητό δίκτυο για να βελτιώσει την उपयποίηση του καναλιού και να μειώσει τις παρεμβολές μεταξύ των χρηστών, που τελικά επιτρέπουν σε einen κινητό оперάτορα να υποστηρίξει πιο δυναμική κοινή χρήση του φάσματος σε όλο το δίκτυό του. Αυτού του είδους η πιο αποτελεσματική, αυτονομική επικοινωνία του AI θα ορίσει την επόμενη γενιά του AI.

Όπως έχει συμβεί με κάθε άλλη μεγάλη εποχή υπολογισμού, ο υπολογισμός του AI συνεχίζει να εξελίσσεται. Αν η ιστορία του υπολογισμού μας έχει διδάξει κάτι, είναι ότι η νέα τεχνολογία πάντα απαιτεί πολλή αρχική επένδυση, αλλά τα κόστη θα μειωθούν και η αποτελεσματικότητα θα αυξηθεί καθώς αρχίζουμε να αξιοποιούμε βελτιωμένες τεχνικές και καλύτερες πρακτικές για να δημιουργήσουμε πιο ωφέλιμα και προσιτά προϊόντα και υπηρεσίες για να προσεγγίσουμε την μεγαλύτερη δυνατή αγορά. Η καινοτομία πάντα βρίσκει τον δρόμο της.

Ο τομέας του AI μπορεί να φαίνεται ότι έχει υποστεί πρόσφατα μια πτώση αν ακούσετε τους αρκούδους του AI, αλλά τα δολάρια που οι hyperscalers σχεδιάζουν να δαπανήσουν φέτος και η αυξανόμενη χρήση των inference-based τεχνικών λένε μια διαφορετική ιστορία: ο υπολογισμός του AI αλλάζει πραγματικά, αλλά η υπόσχεση του AI παραμένει πλήρως ακέραιη.