Wyścig z AI wkrótce stanie się fizyczny

Przez ostatnie kilka lat, historia sztucznej inteligencji była opowiadana prawie wyłącznie w języku oprogramowania. Modele stają się coraz bardziej zaawansowane, szybsze i bardziej wyspecjalizowane. Biliony dolarów płyną do modeli podstawowych, laboratoriów badawczych i startupów, które obiecują zmienić całe branże. Rządy opublikowały narodowe strategie AI, a każda sala konferencyjna w kraju debatowała o planach integracji. Rozmowa była wszechobecna, wyglądała w przyszłość i, w ważnych ways, była niekompletna.

AI nie jest magią. Nie mieszka w chmurze w żadnym przenośnym sensie. Każde przeszkolone model, każda odpowiedź na zapytanie, każde wygenerowane zdjęcie zależy od infrastruktury fizycznej – centrów danych, które pobierają ogromne ilości energii, systemów chłodzących, które działają przez całą dobę, kabli światłowodowych, które przenoszą dane przez kontynenty, stacji, które łączą wszystko z funkcjonującą siecią elektryczną.

Wysoki koszt energii inferencji

Przeprowadziliśmy ankietę wśród ponad 200 seniorów decyzyjnych w dziedzinie AI w USA, a dane dostarczają liczby do tego, co wiele osób w branży przyznawało. Niemal 29% organizacji twierdzi, że koszty energii już ograniczają ich możliwości skalowania AI. Ponad ćwierć (28%) mówi, że rosnące ceny energii zmusiły je do spowolnienia lub wstrzymania działań szkoleniowych AI. Opóźnienia w połączeniach sieciowych, ograniczenia chłodzenia, brak połączeń i węzłowe utrudnienia w planowaniu są wszystkie wymieniane jako rosnące bariery. Warstwa infrastruktury, długo traktowana jako ktoś inny problem, stała się problemem wszystkich.

To nie jest całkowicie zaskakujące windsight. Skala, na której nowoczesna AI działa, jest naprawdę nadzwyczajna. Przeszkolenie dużego modelu może zużyć tyle energii, ile setki domów używa w ciągu roku – jeden przebieg szkolenia GPT-4 zużywa około 50 GWh energii – co odpowiada rocznemu zużyciu 40 000 amerykańskich gospodarstw domowych. Uruchomienie inferencji na milionach użytkowników wymaga centrów danych o rozmiarach i gęstości, które wydawałyby się niewiarygodne dekadę temu. A popyt przyspiesza, napędzany przez rozpowszechnianie aplikacji AI, rozwój systemów agentywnych i rosnącą integrację AI z podstawowymi operacjami biznesowymi. Zużycie energii przez centra danych rośnie w tempie około 15% rocznie – więcej niż czterokrotnie szybciej niż całkowite zużycie energii we wszystkich innych sektorach łącznie. Świat fizyczny jest proszony o absorpcję wykładniczej krzywej, a nie został zaprojektowany, aby to robić tak szybko.

Strategia przesuwa się do świata fizycznego

To, co sprawia, że bieżący moment jest szczególnie ujawniający, to tam, gdzie pojawiają się ograniczenia. Okazuje się, że ziemia nie jest głównym problemem. Tylko około 14% firm w naszym badaniu identyfikuje dostępność ziemi jako ich główne wyzwanie. Trudniejszym problemem jest wszystko, co musi się wydarzyć po znalezieniu ziemi. Miejsce bez połączenia sieciowego jest bezużyteczne; brak zatwierdzenia planu oznacza, że jesteś uwięziony; a jeśli nie ma odpornego połączenia, budowa AI nie może funkcjonować. Wąskie gardło nie jest przestrzenią – jest to skomplikowany, wolno poruszający się proces przekształcania przestrzeni fizycznej w środowiska obliczeniowe. Ta różnica jest ważna, ponieważ jest znacznie trudniejsza do rozwiązania samym pieniędzmi.

To również przekształca, jak powinniśmy myśleć o narodowej konkurencyjności AI. Rozmowa długo koncentrowała się na talencie badawczym, objętości inwestycji i wyścigu do przeszkolenia najbardziej zdolnych modeli. Ale strategia infrastruktury staje się równie decydującą zmienną. W regionach, gdzie pozwolenia są szybsze, gdzie polityka energetyczna jest bardziej zgodna z popytem przemysłowym, a gdzie prywatne inwestycje w dużej skali infrastruktury są bardziej dojrzałe, AI może po prostu skalować szybciej. Stany Zjednoczone mają strukturalne zalety, które są często niedoceniane. Nie są to glamour zalety – dotyczą one planowania sieci, reformy przepisów dotyczących użytkowania ziemi i koordynacji z dostawcami usług – ale stają się coraz bardziej doniosłe.

Geopolityka dodaje kolejną warstwę złożoności. Około jednej trzeciej (33%) firm ankietowanych twierdzi, że aktywnie rozważa przeniesienie obciążeń AI do innych regionów lub krajów z powodu obaw geopolitycznych. Obok praktycznych ograniczeń mocy i planowania, organizacje teraz również ważą suwerenność, odporność łańcucha dostaw i stabilność polityczną środowisk, w których wdrożono obliczenia. Wynikiem jest zmiana, gdzie inwestycje w infrastrukturę AI płyną – w kierunku regionów z obfitą energią odnawialną, dostępną pojemnością sieci i szybszymi ścieżkami regulacyjnymi, niezależnie od tego, gdzie te regiony znajdują się na tradycyjnej mapie technologicznej.

Pierwsza faza rewolucji AI była definiowana przez to, co było możliwe w oprogramowaniu. Następna faza będzie definiowana przez to, co jest osiągalne w świecie fizycznym – przez nieglamurującą, mozolną pracę budowy infrastruktury energetycznej, zabezpieczenia dostaw energii i nawigowania biurokratycznej złożoności dużych wdrożeń przemysłowych.

To jest miejsce, w którym Stany Zjednoczone będą miały przewagę, której nie można łatwo pokonać żadną ilością możliwości modelu. Przyszłość AI zależy od tego, czy sieć wytrzyma. To nie jest tak ekscytujące, jak sugerują nagłówki. To jest również bardziej ważne.