ืื ืืืื ืืขื
ืืืืืื ืขื ืง ืื ืื ืืืคืชื ืืืฉืืจ ืืืืฉืื
כל פעם שמודל AI חדש משוחרר—GPT עדכונים, DeepSeek, Gemini—אנשים מתבוננים בגודל העצום, במורכבות, ובעלייה, בתיאבון החישובי של מודלים אלו.
ההנחה היא שמודלים אלו מגדירים את צורכי המשאבים של מהפכת ה-AI.
ההנחה הזו שגויה.
כן, מודלים גדולים הם רעבים לחישוב. אבל העומס הגדול על תשתית ה-AI אינו בא ממודלים מעטים—הוא בא מהתפשטות השקטה של מודלי AI בתעשיות, כל אחד מהם מותאם ליישומים ספציפיים, וכל אחד צורך חישוב בקנה מידה בלתי נודע.
למרות התחרות הפוטנציאלית של winner-takes-all המתפתחת בין LLMs, נוף ה-AI בכללותו אינו מרכז—הוא מתפזר. כל עסק אינו רק משתמש ב-AI—הם מאמנים, מתאימים אישית, ומפריסים מודלים פרטיים המותאמים לצורכיהם. זו המצב האחרון שתיצור עקומת דרישה לתשתית שספקי ענן, תאגידים, וממשלות אינן מוכנים לה.
ראינו דפוס זה לפני. ענן לא איחד את עומסי העבודה של IT; הוא יצר אקוסיסטם היברידי מפוזר. תחילה, זה היה פיזור שרתים. אז פיזור VM. עכשיו? פיזור AI. כל גל של חישוב הוביל להתפשטות, לא לפשטות. AI אינו שונה.
פיזור AI: למה העתיד של AI הוא מיליון מודלים, לא אחד
פיננסים, לוגיסטיקה, אבטחת סייבר, שירות לקוחות, פיתוח ומחקר—כל אחד מהם הוא מודל AI מותאם לתפקידו. ארגונים אינם מאמנים מודל AI אחד שישלוט בכל פעילותם. הם מאמנים אלפים. זה אומר יותר מחזורי אימון, יותר חישוב, יותר דרישה לאחסון, ויותר פיזור תשתית.
זה לא תאורטי. אפילו בתעשיות שהן בדרך כלל זהירות באימוץ טכנולוגיה, ההשקעה ב-AI מאיצה. דו”ח McKinsey מ-2024 מצא כי ארגונים כעת משתמשים ב-AI בממוצע בשלוש פונקציות עסקיות, עם ייצור, שרשרת אספקה, ופיתוח מוצרים בראש העדיפויות (McKinsey).
בריאות היא דוגמה מובהקת. Navina, סטארט-אפ שמשלב AI ברשומות בריאות אלקטרוניות כדי להציג תובנות קליניות, זה עתה גייסה 55 מיליון דולר בסבב C מ-Goldman Sachs (Business Insider).
העומס החישובי שאיש אינו מדבר עליו
AI כבר שובר את המודלים המסורתיים של תשתית. ההנחה שענן יכול להתרחב באופן אינסופי כדי לתמוך בצמיחת AI היא לא נכונה. AI אינו מסתכם כמו עומסי עבודה מסורתיים. עקומת הדרישה אינה הדרגתית—היא מעריכית, ו-hyperscalers אינם עוקבים.
- אילוצי כוח: מרכזי נתונים של AI מוקמים כעת סביב זמינות כוח, לא רק עורקי רשת.
- צווארי בקבוק ברשת: סביבות IT היברידיות הופכות לבלתי ניתנות לניהול בלי אוטומציה, אשר עומסי AI רק יחריפו.
- לחץ כלכלי: עומסי AI יכולים לצרוך מיליונים בחודש אחד, יוצרים אי-ודאות כלכלית.
מרכזי נתונים כבר מהווים 1% מצריכת החשמל העולמית. באירלנד, הם כעת צורכים 20% מהרשת הלאומית, חלק שצפוי לעלות משמעותית עד 2030 (IEA).
תוסיף לכך את הלחץ המידרדר על GPUs. Bain & Company התריעו לאחרונה כי צמיחת AI הואה את הקרקע למחסור בשבבים, הנובע מדרישה מעריכית לשבבים ברמת מרכז נתונים (Bain).
בינתיים, בעיית האיכות הסביבתית של AI גדלה. ניתוח מ-2024 ב-Sustainable Cities and Society התריע כי אימוץ נרחב של AI בבריאות יכול להגדיל משמעותית את צריכת האנרגיה ופליטת הפחמן של המגזר, אלא אם כן יושגו יעילויות מכוונות (ScienceDirect).
פיזור AI הוא גדול יותר מהשוק—זו עניין של כוח מדינתי
אם אתה חושב שפיזור AI הוא בעיה תאגידית, חשוב שוב. המניע המשמעותי ביותר של פיזור AI אינו המגזר הפרטי—אלא ממשלות וסוכנויות הגנה, המפריסות AI בקנה מידה שאף hyperscaler או תאגיד אינו יכול לעמוד.
הממשלה האמריקנית לבדה הפריסה AI ביותר מ-700 יישומים ב-27 סוכנויות, המכסות ניתוח מודיעין, לוגיסטיקה, ועוד (FedTech Magazine).
קנדה משקיעה עד 700 מיליון דולר כדי להרחיב את היכולות המקומיות של AI, ומשגרת אתגר לאומי לחיזוק תשתית מרכזי נתונים ריבוניים (Innovation, Science and Economic Development Canada).
ויש קריאות גוברות ל”תוכנית אפולו” לתשתית AI—מעלה את AI לדרגת דחיפות לאומית (MIT Technology Review).
AI צבאי לא יהיה יעיל, מתואם, או מותאם לעלות—הוא ינוע על ידי צורכי ביטחון לאומי, דחיפות גאופוליטית, והצורך במערכות AI סוברניות סגורות. אפילו אם תאגידים יבטלו את פיזור AI, מי יגיד לממשלות לאטום?
כי כאשר ביטחון לאומי על הפרק, איש אינו עוצר לשאול האם רשת החשמל יכולה לעמוד בזה.
