Jättimallit eivät ole laskennan kriisin ydin

Jokaisen uuden tekoälymallin julkaisun yhteydessä – kuten GPT-päivitykset, DeepSeek ja Gemini – ihmiset hämmästelevät näiden jättimallien valtavaa kokoa, monimutkaisuutta ja yhä kasvavaa laskentavaatimusta. Oletetaan, että nämä mallit määrittävät tekoälyvallankumouksen resurssitarpeet.

Tämä oletus on väärä.

Kyllä, suuret mallit ovat laskennoissa nälkäisiä. Mutta suurin rasite tekoälyinfrastruktuurille ei tule muutamasta jättimallista – se tulee tekoälymallien hiljaisesta leviämisestä eri aloilla, joissa kunkin sovelluksen mukainen malli kuluttaa laskentaresursseja ennennäkemättömässä mittakaavassa.

Vaikka kilpailu LLM-mallejen kesken kehittyy voittaja-saalistaja-tyyppiseksi, laajempi tekoälymaisema ei keskity – se hajoaa. Jokainen yritys ei ainoastaan käytä tekoälyä – ne kouluttavat, räätälöivät ja ottavat käyttöön yksityisiä malleja, jotka on suunniteltu heidän tarpeisiinsa. Viimeksi mainittu tilanne luo infrastruktuurin kysyntäkäyrän, jolle pilvipalveluntarjoajat, yritykset ja hallitukset eivät ole valmistautuneet.

Olemme nähneet tämän mallin aikaisemmin. Pilvi ei keskittänyt IT-työkuormia; se loi laajan hajasijoitetun ekosysteemin. Ensimmäiseksi se oli palvelinlevitäminen. Sitten VM-levitäminen. Nyt? Tekoälylevitäminen. Jokainen laskennan aalto johti levitämiseen, ei yksinkertaisuuteen. Tekoäly ei ole poikkeus.

Tekoälylevitäminen: Miksi tekoälyn tulevaisuus on miljoona mallia, ei yksi

Rahoitus, logistiikka, kyberTurvallisuus, asiakaspalvelu, tutkimus ja kehitys – jokaisella on oma tekoälymalli, joka on optimoitu omiin tarpeisiinsa. Organisaatiot eivät kouluta yhtä tekoälymallia, joka hallitsee koko toimintaa. He kouluttavat tuhansia. Tämä tarkoittaa enemmän koulutusjaksoja, enemmän laskentaa, enemmän tallennustilaa ja enemmän infrastruktuurin levitämistä.

Tämä ei ole teoreettista. Jopa aloilla, jotka ovat perinteisesti varovaisia teknologian omaksumisessa, tekoälysijoitukset kiihtyvät. McKinsey-raportti vuodelta 2024 osoitti, että organisaatiot käyttävät tekoälyä keskimäärin kolmessa liiketoimintafunktiossa, joilla johtavat teollisuus, toimitusketju ja tuotekehitys (McKinsey).

Terveydenhuolto on esimerkki. Navina, joka integroi tekoälyä sähköisiin potilastietoihin, on kerännyt 55 miljoonan dollarin rahoituksen Goldman Sachsilta (Business Insider). Energia on samanlainen – alan johtajat ovat perustaneet Open Power AI -konsortion, joka tuo tekoälyoptimoitua verkkoon ja laitosten toimintaan (Axios).

Laskennan rasite, josta kukaan ei puhu

Tekoäly rikkoo jo perinteiset infrastruktuurimallit. Oletus, jonka mukaan pilvi voi skaalautua rajattomasti tekoälyn kasvun tukemiseksi, on täysin väärä. Tekoäly ei skaalautu samalla tavalla kuin perinteiset työkuormat. Kysyntäkäyrä ei ole asteittainen – se on eksponentiaalinen, ja hyperskaalareiden ei voida pitää perässä.

• Voiman rajoitukset: Tekoälyyn erikoistuneet tietokeskukset rakennetaan nyt enemmän voiman saatavuuden kuin verkkoyhteyksien perusteella.
• Verkkopullonkaulat: Hybridi-IT-ympäristöt tulevat hallitsemattomiksi ilman automaatiota, minkä tekoälytyökuormat vain pahentavat.
• Taloudellinen paine: Tekoälytyökuormat voivat kuluttaa miljoonia yhdessä kuussa, luoden taloudellista epävarmuutta.

Tietokeskukset vastaavat jo 1 %:sta maailmanlaajuisesta sähkönkulutuksesta. Irlannissa ne kuluttavat jo 20 %:a kansallisen verkon sähköstä, ja osuuden odotetaan kasvavan merkittävästi vuoteen 2030 mennessä (IEA).

Lisäksi näyttää siltä, että grafiikkaprosessorien saatavuus tulee olemaan ongelmallista. Bain & Company varoitti äskettäin, että tekoälyn kasvu asettaa vaikean haasteen puolijohdevalmistajille, joilla on vaikeuksia täyttää datakeskuksiin tarkoitettujen suorittimien vaatimukset (Bain).

Samaan aikaan tekoälyn kestävän kehityksen ongelma kasvaa. Vuoden 2024 analyysi Sustainable Cities and Society -julkaisussa varoittaa, että tekoälyn laajamittainen käyttöönotto terveydenhuollossa voi merkittävästi lisätä alan energiankulutusta ja päästöjä, ellei siihen liity myös kohdennettuja tehokkuusparannuksia (ScienceDirect).

Tekoälylevitäminen on suurempi kuin markkinat – se on valtion valtaa

Jos luulet, että tekoälylevitäminen on yritysten ongelma, ajattele uudelleen. Tekoälyfragmentaation merkittävin ajuri ei ole yksityinen sektori – se ovat hallitukset ja sotilaspuolustusvirastot, jotka käyttävät tekoälyä mittakaavassa, jota mikään hyperskaalari tai yritys ei voi vastata.

Yhdysvaltain hallitus on jo käyttänyt tekoälyä yli 700 sovelluksessa 27 virastossa, kattaen tiedusteluanalyysin, logistiikan ja muut (FedTech Magazine).

Kanada investoi jopa 700 miljoonaa dollaria kotimaisen tekoälylaskentakapasiteetin laajentamiseen ja käynnisti kansallisen haasteen vahvistamaan suvereenin tietokeskuksen infrastruktuurin (Innovation, Science and Economic Development Canada).

On myös kasvava vaatimus “Apollo-ohjelmalle” tekoälyinfrastruktuurin kehittämiseksi – korostaen tekoälyn siirtymistä kaupallisesta eturyhmästä kansalliseksi välttämättömyydeksi (MIT Technology Review).

Sotilastekoäly ei ole tehokasta, koordinoitua tai optimoituja kustannuksien kannalta – se on ajohdettu kansallisen turvallisuuden määräyksistä, geopolitiikasta ja tarpeesta suljettuihin, suvereenisiin tekoälyjärjestelmiin. Vaikka yritykset hillitsevät tekoälylevitämistä, kuka on valmis sanomaan hallituksille, että heidän on hidastettava?

Kun kansallinen turvallisuus on vaakalaudalla, kukaan ei pysähdy pohtimaan, voittaako sähköverkko sen.