Mengapa Autokrat AI Harus Ditantang untuk Melakukan yang Lebih Baik

Jika kita telah belajar sesuatu dari Era AI, itu adalah bahwa industri ini menghadapi tantangan kekuatan yang signifikan. Tantangan ini baik secara harfiah – seperti menemukan cara untuk memenuhi permintaan energi yang rakus yang diperlukan oleh pusat data AI – maupun secara figuratif – seperti konsentrasi kekayaan AI di tangan beberapa orang berdasarkan kepentingan komersial yang sempit daripada manfaat sosial yang lebih luas.

Paradoks Kekuatan AI: Biaya Tinggi, Kontrol Terkonsentrasi

Untuk AI menjadi sukses dan memberikan manfaat bagi kemanusiaan, itu harus menjadi sangat umum. Untuk menjadi sangat umum, itu harus menjadi ekonomis dan ramah lingkungan. Itu bukanlah jalur yang kita ambil sekarang. Pertarungan obsesif untuk membangun AI yang lebih besar dan lebih cepat didorong lebih oleh keuntungan kinerja jangka pendek dan dominasi pasar daripada apa yang terbaik untuk AI yang berkelanjutan dan terjangkau.

Pertarungan untuk membangun sistem AI yang lebih kuat dipercepat, tetapi itu datang dengan biaya lingkungan yang tinggi. Chip AI tercanggih, seperti Nvidia H100 (hingga 700 watt), sudah mengonsumsi sejumlah besar energi. Tren ini diharapkan berlanjut, dengan para ahli industri memprediksi bahwa arsitektur Blackwell generasi berikutnya dari Nvidia (NVDA ) dapat mendorong konsumsi daya per chip ke dalam kisaran kilowatt, potensial melebihi 1.200 watt. Dengan para pemimpin industri yang memprediksi jutaan chip tersebut akan diterapkan di pusat data di seluruh dunia, permintaan energi AI diprediksi akan melambung.

Biaya Lingkungan dari Perlombaan AI

Mari kita letakkan itu dalam konteks sehari-hari. Listrik yang mengaliri rumah Anda bisa menjalankan semua peralatan Anda secara bersamaan – tidak bahwa siapa pun akan melakukannya. Sekarang bayangkan satu rak Nvidia 120kW yang meminta jumlah daya yang sama – terutama ketika mungkin ada ratusan atau ribuan di pusat data besar! Sekarang, 1.200 watt setara dengan 1,2 kW. Jadi, sebenarnya, kita berbicara tentang sebuah lingkungan perumahan berukuran sedang. Satu rak Nvidia 120kW – secara esensial 100 chip yang haus daya tersebut – membutuhkan listrik yang cukup untuk memasok sekitar 100 rumah.

Trajektori ini mengkhawatirkan, mengingat keterbatasan energi yang dihadapi banyak komunitas. Para ahli pusat data memprediksi bahwa Amerika Serikat akan membutuhkan 18 hingga 30 gigawatt kapasitas baru selama lima hingga tujuh tahun ke depan, yang membuat perusahaan berlomba untuk menemukan cara untuk menangani lonjakan tersebut. Sementara itu, industri saya terus menciptakan aplikasi AI generatif yang lebih banyak yang mengonsumsi energi jauh melampaui apa yang secara teoretis diperlukan untuk aplikasi atau apa yang dapat dijangkau oleh sebagian besar bisnis, apalagi yang diinginkan untuk bumi.

Mengimbangkan Keamanan dan Aksesibilitas: Solusi Pusat Data Hibrida

Autokrasi AI ini dan “perlombaan senjata” yang terobsesi dengan kecepatan dan kekuatan, mengabaikan kebutuhan praktis dari pusat data dunia nyata – yaitu, jenis solusi yang terjangkau yang menurunkan hambatan pasar bagi 75 persen organisasi AS yang belum mengadopsi AI. Dan mari kita hadapi, ketika lebih banyak regulasi AI tentang privasi, keamanan, dan perlindungan lingkungan mulai diterapkan, lebih banyak organisasi akan menuntut pendekatan pusat data hibrida, menjaga data pribadi dan sensitif mereka aman di area on-site yang sangat dilindungi menjauh dari AI dan serangan siber terbaru. Apakah itu catatan kesehatan, data keuangan, rahasia pertahanan nasional, atau integritas pemilu, masa depan AI perusahaan membutuhkan keseimbangan antara keamanan on-site dan keluwesan cloud.

Ini adalah tantangan sistemik yang signifikan dan satu yang memerlukan hyper-kolaborasi daripada hyper-kompetisi. Dengan fokus yang luar biasa pada GPU dan chip akselerator AI lainnya dengan kemampuan mentah, kecepatan, dan metrik kinerja, kita mengabaikan pertimbangan yang cukup untuk infrastruktur yang terjangkau dan berkelanjutan yang diperlukan untuk pemerintah dan bisnis untuk mengadopsi kemampuan AI. Ini seperti membangun pesawat luar angkasa dengan tidak ada tempat untuk meluncurkannya atau meletakkan Lamborghini di jalan pedesaan.

Demokratisasi AI: Kolaborasi Industri

Sementara itu menggembirakan bahwa pemerintah mulai mempertimbangkan regulasi – untuk memastikan bahwa AI memberikan manfaat bagi semua orang, bukan hanya elit – industri kita membutuhkan lebih dari aturan pemerintah.

Sebagai contoh, Inggris menggunakan AI untuk meningkatkan kemampuan penegakan hukum dengan meningkatkan berbagi data antara lembaga penegakan hukum untuk meningkatkan prediksi dan pencegahan kejahatan yang didorong oleh AI. Mereka fokus pada transparansi, akuntabilitas, dan keadilan dalam menggunakan AI untuk kepolisian, memastikan kepercayaan publik dan kepatuhan terhadap hak asasi manusia – dengan alat seperti pengenalan wajah dan polisi prediktif untuk membantu dalam deteksi dan manajemen kejahatan.

Di industri yang sangat diatur seperti biotek dan kesehatan, kolaborasi yang terkenal termasuk Johnson & Johnson (JNJ ) MedTech dan Nvidia bekerja sama untuk meningkatkan AI untuk prosedur bedah. Kolaborasi mereka bertujuan untuk mengembangkan kemampuan analisis dan pengambilan keputusan AI yang didorong oleh waktu nyata di ruang operasi. Kemitraan ini menggunakan platform AI Nvidia untuk memungkinkan penerapan aplikasi AI yang dapat diskalakan, aman, dan efisien di lingkungan kesehatan.

Sementara itu, di Jerman, Merck telah membentuk aliansi strategis dengan Exscientia dan BenevolentAI untuk memajukan penemuan obat yang didorong oleh AI. Mereka menggunakan AI untuk mempercepat pengembangan kandidat obat baru, terutama dalam onkologi, neurologi, dan imunologi. Tujuannya adalah untuk meningkatkan tingkat keberhasilan dan kecepatan pengembangan obat melalui kemampuan desain dan penemuan AI yang kuat.

Langkah pertama adalah mengurangi biaya penerapan AI untuk bisnis di luar BigPharma dan Big Tech, terutama dalam fase inferensi AI – ketika bisnis memasang dan menjalankan model AI terlatih seperti Chat GPT, Llama 3 atau Claude di pusat data nyata setiap hari. Perkiraan terbaru menunjukkan bahwa biaya untuk mengembangkan sistem generasi berikutnya yang terbesar bisa sekitar $1 miliar, dengan biaya inferensi yang berpotensi 8-10 kali lebih tinggi.

Biaya melambung untuk menerapkan AI dalam produksi sehari-hari menjaga banyak perusahaan dari mengadopsi AI sepenuhnya – “yang tidak memiliki”. Survei terbaru menemukan bahwa hanya satu dari empat perusahaan telah berhasil meluncurkan inisiatif AI dalam 12 bulan terakhir dan bahwa 42% perusahaan belum melihat manfaat signifikan dari inisiatif AI generatif.

Untuk benar-benar mendemokratisasi AI dan membuatnya sangat umum – yaitu, adopsi bisnis yang luas – industri AI kita harus bergeser fokus. Alih-alih perlombaan untuk model dan chip AI terbesar dan tercepat, kita membutuhkan upaya kolaboratif lebih banyak untuk meningkatkan keterjangkauan, mengurangi konsumsi daya, dan membuka pasar AI untuk berbagi potensi penuh dan positifnya lebih luas. Perubahan sistemik akan meningkatkan semua pihak dengan membuat AI lebih menguntungkan bagi semua dengan manfaat konsumen yang luar biasa.

Ada tanda-tanda janji bahwa mengurangi biaya AI adalah memungkinkan – menurunkan hambatan keuangan untuk mendukung inisiatif AI skala besar nasional dan global. Perusahaan saya, NeuReality, bekerja sama dengan Qualcomm (QCOM ) untuk mencapai pengurangan biaya hingga 90% dan efisiensi energi 15 kali lebih baik untuk berbagai aplikasi AI di teks, bahasa, suara, dan gambar – blok bangunan dasar AI. Anda tahu model AI di bawah kata-kata industri seperti visi komputer, AI percakapan, pengenalan suara, pemrosesan bahasa alami, AI generatif, dan model bahasa besar. Dengan bekerja sama dengan lebih banyak penyedia perangkat lunak dan layanan, kita dapat terus menyesuaikan AI dalam praktek untuk meningkatkan kinerja dan menurunkan biaya.

Sebenarnya, kita telah mengurangi biaya dan konsumsi daya per kueri AI dibandingkan dengan infrastruktur CPU-sentris tradisional yang digunakan oleh semua chip akselerator AI, termasuk GPU Nvidia, saat ini. Appliance Inferensi AI NR1-S kami mulai dikirimkan selama musim panas dengan akselerator Qualcomm Cloud AI 100 Ultra yang dipasangkan dengan NAPU NR1. Hasilnya adalah arsitektur NeuReality alternatif yang menggantikan CPU tradisional di pusat data AI – hambatan terbesar dalam pemrosesan data AI saat ini. Perubahan evolusioner itu sangat penting dan sangat diperlukan.

Di Luar Hype: Membangun Masa Depan AI yang Ekonomis dan Berkelanjutan

Mari kita melangkah lebih jauh dari hype AI dan menjadi serius tentang menangani tantangan sistemik kita. Pekerjaan keras ada di depan, pada tingkat sistem, yang memerlukan industri AI kita untuk bekerja bersama – bukan melawan – satu sama lain. Dengan fokus pada keterjangkauan, keberlanjutan, dan aksesibilitas, kita dapat menciptakan industri AI dan basis pelanggan yang lebih luas yang memberikan manfaat bagi masyarakat dengan cara yang lebih besar. Itu berarti menawarkan pilihan infrastruktur yang berkelanjutan tanpa kekayaan AI terkonsentrasi di tangan beberapa orang, yang dikenal sebagai Big 7.

Masa depan AI bergantung pada upaya kolektif kita hari ini. Dengan memprioritaskan efisiensi energi dan aksesibilitas, kita dapat menghindari masa depan yang didominasi oleh infrastruktur AI yang haus daya dan oligarki AI yang fokus pada kinerja mentah dengan mengorbankan manfaat yang luas. Secara bersamaan, kita harus menangani konsumsi energi yang tidak berkelanjutan yang menghambat potensi AI untuk merevolusi keselamatan publik, kesehatan, dan layanan pelanggan.

Dengan melakukan itu, kita menciptakan siklus investasi AI yang kuat dan menguntungkan yang didorong oleh inovasi yang luas.

Siapa yang bersama kita?