Miksi AI-autokraatit on haastettava tekemään paremmin

Jos olemme oppineet jotain AI:n ajalta, se on, että alan on kamppailla merkittävien voimahaasteiden kanssa. Nämä haasteet ovat sekä kirjaimellisia – kuten keinoja löytää tapoja tyydyttää AI-keskuksien vaatimukset niiden äärimmäisen energian tarpeisiin – että kuvallisia – kuten AI-varallisuuden keskittyminen muutamiin käsiin perustuen kapeisiin kaupallisiin etuihin sen sijaan, että laajempiin yhteiskunnallisiin hyötyihin.

AI:n Voimaparadoksi: Korkeat Kustannukset, Keskittyneet Valvontaa

Jotta AI olisi onnistunut ja hyödyttäisi ihmiskuntaa, se on tullava yleiseksi. Jotta se tulisi yleiseksi, se on oltava sekä taloudellisesti että ympäristöllisesti kestävää. Se ei ole reitti, jota me noudatamme nyt. Pakkomielteinen taistelu suurempien ja nopeampien AI-järjestelmien rakentamiseksi on enemmän lyhytaikaisen suorituskyvyn parantamisen ja markkinajohtajuuden kuin kestävän ja edullisen AI:n parissa.

Kilpailu rakentaa entistä tehokkaampia AI-järjestelmiä kiihtyy, mutta se tulee korkean ympäristöllisen kustannuksen kera. Viimeisimmät AI-sirut, kuten Nvidian H100 (jopa 700 wattia), kuluttavat jo merkittäviä määriä energiaa. Tämä suuntaus on odotettavissa jatkuvan, ja alan asiantuntijat ennustavat, että Nvidian seuraavan sukupolven Blackwell-arkkitehtuuri voi nostaa sirun energiankulutuksen yli 1,2 kilowatin. Kun alan johtajat odottavat, että miljoonia näistä siruista tullaan käyttämään datakeskuksissa ympäri maailmaa, AI:n energiankulutus on valmis nousuun.

AI:n Asevarustelun Ympäristöllinen Kustannus

Asetetaan se jokapäiväiseen kontekstiin. Sähkö, joka voisi syöttää koko talosi, voisi ajaa kaikki laitteet täydellä teholla samanaikaisesti – vaikka kukaan ei tekisi sitä. Kuvittele nyt yksittäisen 120 kW Nvidian hyllyn vaativan samaa määrää energiaa – erityisesti jos siellä on satoja tai tuhansia suurissa datakeskuksissa! Nyt 1 200 wattia vastaa 1,2 kilowattia. Puhumme siis keskikokoisesta naapurustosta. Yksittäinen 120 kW Nvidian hylly – joka vastaa noin 100 näistä energiankuluttavista siruista – tarvitsee sähköä, joka vastaa noin 100 kotitalouden energiankulutusta.

Tämä suuntaus on huolestuttava, kun otetaan huomioon energiarajoitukset, joita monet yhteisöt kohtaavat. Datakeskuksen asiantuntijat ennustavat, että Yhdysvallat tarvitsee 18-30 gigawattia uutta kapasiteettia seuraavien viiden-seitsemän vuoden aikana, mikä saa yritykset etsimään keinoja käsitellä tämän kasvun. Samaan aikaan alanani jatkaa energiankuluttavien generatiivisten AI-sovellusten luomista, jotka kuluttavat energiaa paljon enemmän kuin on teoreettisesti tarpeen sovellukselle tai mitä on liiketoiminnalle tai planeetalle toivottavaa.

Tasapaino Turvallisuuden ja Saavutettavuuden Välillä: Hybridit Datakeskusratkaisut

Tämä AI-autokratia ja “asevarustelu”, joka on pakkomielteisesti kiinnostunut raakasuurudesta ja nopeudesta, jättää huomiotta todellisten datakeskuksien käytännön tarpeet – nimittäin edulliset ratkaisut, jotka vähentävät markkinamurheita 75 prosentille Yhdysvaltain organisaatioista, jotka eivät ole omaksuneet AI:ta. Ja totta puhuen, kun enemmän AI-sääntelyä tulee voimaan yksityisyyden, turvallisuuden ja ympäristönsuojelun suhteen, enemmän organisaatioita vaatii hybrididatakeskuslähestymistapaa, joka suojaa heidän arvokkaimmat, yksityiset ja herkkät tiedot turvallisesti suojattuilla alueilla, jotka ovat erillään AI:sta ja kyberhyökkäyksistä. Olipa kyse terveydenhuollon tietojen, rahallisten tietojen, kansallisen puolustuksen salaisuuksien tai vaalien eheys, yritysten AI:n tulevaisuus vaatii tasapainoa paikallisen turvallisuuden ja pilvipohjaisen joustavuuden välillä.

Tämä on merkittävä järjestelmällinen haaste, joka vaatii hyper-yhteistyötä hyperkilpailun sijaan. Keskitettyään huomion GPU:hen ja muihin AI-kiihdyttimiin, joilla on raaka kyky, nopeus ja suorituskyky, jätämme riittävän huomion edullisen ja kestävän infrastruktuurin, jota hallitukset ja yritykset tarvitsevat ottaakseen AI-kapasiteetin käyttöön. Se on kuin rakentaisimme avaruusalusta, jolla ei ole mistä lähteä, tai asettaisimme Lamborghiniin maaseututielle.

AI:n Demokratia: Teollisuuden Yhteistyö

Vaikka on sydäntälämmittävää, että hallitukset alkavat käsitellä sääntelyä – varmistaakseen, että AI hyödyttää kaikkia, ei vain eliittiä – alanamme tarvitsee enemmän kuin hallituksen sääntöjä.

Esimerkiksi Iso-Britannia hyödyntää AI:ta parantamaan lainvalvontakapasiteettiaan parantamalla datajakoa lainvalvontaviranomaisten välillä AI-vetoinen rikosennusten ja -ehkäisyn parantamiseksi. He keskittyvät avoimuuteen, vastuullisuuteen ja reiluuteen AI:n käytössä lainvalvonnassa, varmistaen yleisen luottamuksen ja noudattaen ihmisoikeuksia – työkaluilla kuten kasvojentunnistus ja ennustava poliisi työskenteleminen rikosten havaitsemiseksi ja hallitsemiseksi.

Korkeasti säädeltyjen alojen, kuten biotekniikan ja terveydenhuollon, merkittäviä yhteistyöjä ovat esimerkiksi Johnson & Johnson (JNJ ) MedTech ja Nvidia (NVDA ), jotka työskentelevät yhdessä parantamaan AI:ta leikkauksissa. Heidän yhteistyönsä tavoitteena on kehittää reaaliaikaisia, AI-vetoinen analyysi- ja päätöksentekokapasiteetteja leikkaussaleissa. Tämä yhteistyö hyödyntää Nvidian AI-alustoja skaalattavien, turvallisten ja tehokkaiden AI-sovellusten käyttöönottoon terveydenhuolto-olosuhteissa.

Samaan aikaan Saksassa Merck on muodostanut strategiset liitot Exscientian ja BenevolentAI:n kanssa edistääkseen AI-vetoinen lääkekehitystä. He hyödyntävät AI:ta nopeuttaakseen uusien lääkeehdokkaiden kehittämistä, erityisesti onkologiassa, neurologiassa ja immunologiassa. Tavoitteena on parantaa lääkekehityksen onnistumisnopeutta ja -nopeutta AI:n voimakkaan suunnittelun ja löytämisen kautta.

Ensimmäinen askel on vähentää AI:n käyttöönoton kustannuksia liiketoiminnassa, erityisesti suurten farmaseuttisten ja teknologiayritysten ulkopuolella, erityisesti AI:n inference-vaiheessa – kun liiketoiminta asentaa ja ajaa koulutetun AI-mallin, kuten Chat GPT, Llama 3 tai Claude, todellisessa datakeskuksessa joka päivä. Viimeaikaiset arviot osoittavat, että suurimpien seuraavien sukupolven järjestelmien kehittämisen kustannukset voivat olla noin 1 miljardi dollaria, ja inference-kustannukset voivat olla jopa 8-10 kertaa korkeammat.

AI:n toteuttamisen kustannukset pitävät monia yrityksiä estävät täysimääräisesti omaksumasta AI:ta – “ei-omistajat”. Viimeaikainen kysely osoitti, että vain yksi neljästä yrityksestä on onnistuneesti käynnistänyt AI-aloitteita viimeisen 12 kuukauden aikana, ja 42 prosenttia yrityksistä ei ole vielä nähnyt merkittävää hyötyä generatiivisista AI-aloitteista.

Jotta AI:ta voitaisiin todella demokratisoida ja tehdä siitä yleiseksi – tarkoittaen laajaa liiketoiminnan omaksumista – alanamme on muutettava fokus. Sen sijaan, että kilpailisimme suurimpien ja nopeimpien mallien ja AI-sirujen kanssa, meidän on tehtävä enemmän yhteistyötä parantamaan kustannus- ja energiatehokkuutta sekä avaamaan AI-markkinat jakamaan sen täydellisen ja positiivisen potentiaalin laajemmin. Järjestelmällinen muutos nostaisi kaikki veneet ylös tekemällä AI:sta enemmän voittoa kaikille, mikä tuottaisi valtavan kuluttajahyödyn.

On lupaavia merkkejä siitä, että AI:n kustannusten leikkaaminen on mahdollista – laskemalla taloudellista esteitä ja vahvistamalla laajaa kansallista ja globaalia AI-aloitetta. Yritykseni, NeuReality, on yhteistyössä Qualcommin kanssa saavuttaakseen jopa 90 prosentin kustannus- ja 15-kertaisen energiatehokkuuden parannuksen eri AI-sovelluksille teksti-, kieli-, ääni- ja kuvien osalta – AI:n perusrakennusosat. Tiedät ne AI-mallit, jotka ovat teollisuuden buzz-sanoina, kuten tietokoneen näkö, keskustelu-AI, puheentunnistus, luonnollinen kielen prosessointi, generatiivinen AI ja suuret kielimallit. Yhteistyössä enemmän ohjelmisto- ja palveluntarjoajien kanssa voimme jatkaa AI:n mukauttamista käytännössä parantamaan suorituskykyä ja laskemaan kustannuksia.

Tosiasiallisesti olemme onnistuneet vähentämään AI-kyselyiden kustannuksia ja energiankulutusta verrattuna perinteiseen CPU-keskeiseen infrastruktuuriin, josta kaikki AI-kiihdyttimet, mukaan lukien Nvidian GPU:t, riippuvat tänään. NeuRealityn NR1-S AI-inferenssilaite alkoi toimittaa viime kesänä Qualcomm (QCOM ) Cloud AI 100 Ultra -kiihdyttimien kanssa yhdistettynä NR1 NAPU:iin. Tuloksena on vaihtoehtoinen NeuReality-arkkitehtuuri, joka korvaa perinteisen CPU:n AI-datakeskuksissa – suurimman pullonkaulan AI-datakäsittelyssä tänään. Tämä evolutiivinen muutos on merkittävä ja erittäin välttämätön.

Ylittämällä Hype: Rakentamalla Taloudellisesti ja Kestävästi AI-tulevaisuus

Siirrytään AI-hypen yli ja otetaan vakavasti järjestelmälliset haasteemme. Vaikea työ on edessä järjestelmätasolla, joka vaatii koko AI-alan työskentelemään yhdessä – ei toisiaan vastaan. Keskittymällä kustannus- ja energiatehokkuuteen sekä saavutettavuuteen voimme luoda AI-alan ja laajemman asiakasryhmän, joka hyödyttää yhteiskuntaa laajemmin. Se tarkoittaa tarjoamista kestäviä infrastruktuurivaihtoehtoja ilman AI-varallisuuden keskittymistä muutamiin käsiin, jotka tunnetaan suurina seitsemänä.

AI:n tulevaisuus riippuu yhteisistä ponnisteluistamme tänään. Keskittymällä energiatehokkuuteen ja saavutettavuuteen voimme välttää tulevaisuuden, jossa vallitsee voimanhimoisen AI-infrastruktuurin ja AI-oligarkian, joka on keskittynyt raakaan suorituskykyyn laajan hyödyn kustannuksella. Samaan aikaan meidän on ratkaistava kestämätön energiankulutus, joka estää AI:n potentiaalin vallankumouksellistaa julkista turvallisuutta, terveydenhuoltoa ja asiakaspalvelua.

Tehtyämme näin, luomme voimakkaan AI-sijoitus- ja kannattavuuskierron, jota ajaa laaja innovaatio.

Kuka on mukana?