Dlaczego autokraci AI muszą zostać wyzwani do lepszego działania

Jeśli dowiedzieliśmy się czegoś z ery AI, to tego, że branża zmaga się z poważnymi wyzwaniami związanymi z energią. Te wyzwania są zarówno literalne – jak znalezienie sposobów na zaspokojenie ogromnych potrzeb energetycznych, jakie wymagają centra danych AI – jak i figuratywne – jak koncentracja bogactwa AI w rękach nielicznych, opartego na wąskich interesach komercyjnych, a nie na szerszych korzyściach społecznych.

Paradoks mocy AI: wysokie koszty, skoncentrowana kontrola

Aby AI mogło odnieść sukces i przynieść korzyści ludzkości, musi stać się wszechobecne. Aby stać się wszechobecnym, musi być zarówno ekonomicznie, jak i środowiskowo zrównoważone. To nie jest ścieżka, którą obecnie podążamy. Obsesyjna walka o coraz większe i szybsze systemy AI jest napędzana bardziej przez krótkoterminowe zyski wydajności i dominację rynkową niż przez to, co jest najlepsze dla zrównoważonego i przystępnego AI.

Wyścig do budowy coraz potężniejszych systemów AI przyspiesza, ale pociąga za sobą wysoką cenę środowiskową. Najnowocześniejsze chipy AI, takie jak Nvidia H100 (do 700 watów), już teraz zużywają znaczne ilości energii. Ta tendencja ma się utrzymać, a analitycy branży przewidują, że następna generacja architektury Blackwell może zwiększyć zużycie energii na chip nawet powyżej 1,2 kilowata. Biorąc pod uwagę, że liderzy branży przewidują, że miliony tych chipów zostaną wdrożonych w centrach danych na całym świecie, zapotrzebowanie na energię AI ma szanse gwałtownie wzrosnąć.

Środowiskowy koszt wyścigu zbrojeń AI

Położmy to w codziennym kontekście. Prąd zasilający cały Twój dom mógłby zasilić wszystkie urządzenia jednocześnie – choć nikt by nie robił tego. Wyobraź sobie teraz jeden rack Nvidia (NVDA ) o mocy 120 kW, który wymaga tyle samo energii – szczególnie gdy może ich być setki lub tysiące w dużych centrach danych! 1,2 kilowata to 1,2 kW. Mówimy więc o średniej wielkości dzielnicy. Jeden rack Nvidia o mocy 120 kW – czyli 100 takich energochłonnych chipów – potrzebuje tyle prądu, aby zasilić około 100 domów.

Ta trajektoria jest niepokojąca, biorąc pod uwagę ograniczenia energetyczne, z którymi borykają się wiele społeczności. Eksperci ds. centrów danych przewidują, że Stany Zjednoczone będą potrzebować 18 do 30 gigawatów nowej mocy w ciągu najbliższych pięciu do siedmiu lat, co powoduje, że firmy szukają sposobów na radzenie sobie z tym wzrostem. Tymczasem moja branża wciąż tworzy coraz więcej energochłonnych aplikacji AI, które zużywają energię znacznie ponad to, co jest teoretycznie niezbędne dla aplikacji lub co jest możliwe dla większości firm, a nawet pożądane dla planety.

Balance między bezpieczeństwem a dostępnością: hybrydowe rozwiązania centrów danych

Ten autorytaryzm AI i “wyścig zbrojeń”, obsesyjnie skupiony na surowej szybkości i mocy, ignoruje praktyczne potrzeby prawdziwych centrów danych – a mianowicie tanich rozwiązań, które zmniejszają bariery rynkowe dla 75 procent organizacji w Stanach Zjednoczonych, które nie przyjęły jeszcze AI. I po prostu – im więcej regulacji AI dotyczących prywatności, bezpieczeństwa i ochrony środowiska, tym więcej organizacji będzie wymagało hybrydowego podejścia do centrów danych, zabezpieczającego ich najcenniejsze, prywatne i wrażliwe dane w bezpiecznych, lokalnych obszarach, z dala od AI i ataków cybernetycznych. Niezależnie od tego, czy chodzi o rekordy zdrowotne, dane finansowe, tajemnice obronne, czy integralność wyborów, przyszłość przedsiębiorstw AI wymaga równowagi między bezpieczeństwem na miejscu a elastycznością chmury.

Jest to znaczące wyzwanie systemowe, które wymaga hiper-współpracy zamiast hiper-konkurencji. Z przytłaczającym naciskiem na GPU i inne przyspieszacze AI o surowej wydajności, szybkości i wskaźnikach wydajności, brakuje nam wystarczającej uwagi na przystępną i zrównoważoną infrastrukturę niezbędną do tego, aby rządy i firmy mogły przyjąć możliwości AI. To jak budowanie statku kosmicznego bez miejsca startowego lub umieszczanie Lamborghini na drodze wiejskiej.

Demokratyzacja AI: współpraca branży

Chociaż jest pocieszające, że rządy zaczynają rozważać regulacje – zapewniając, że AI będzie korzystało dla wszystkich, a nie tylko dla elity – nasza branża potrzebuje więcej niż tylko rządowych przepisów.

Na przykład Wielka Brytania wykorzystuje AI do poprawy możliwości egzekwowania prawa, poprawiając wymianę danych między agencjami egzekwowania prawa w celu poprawy przewidywania i zapobiegania przestępstwom przy użyciu AI. Koncentrują się oni na przejrzystości, odpowiedzialności i uczciwości w korzystaniu z AI w celach policyjnych, zapewniając zaufanie publiczne i przestrzeganie praw człowieka – z narzędziami takimi jak rozpoznawanie twarzy i policyjne przewidywanie, aby pomóc w wykrywaniu i zarządzaniu przestępstwami.

W wysoko regulowanych branżach, takich jak biotechnologia i opieka zdrowotna, godne uwagi są współprace, takie jak Johnson & Johnson (JNJ ) MedTech i Nvidia, które współpracują w celu poprawy AI w procedurach chirurgicznych. Ich współpraca ma na celu opracowanie funkcji analizy i podejmowania decyzji w czasie rzeczywistym, napędzanych przez AI, w sali operacyjnej. To partnerstwo wykorzystuje platformy AI NVIDII, aby umożliwić skalowalne, bezpieczne i efektywne wdrożenie aplikacji AI w środowiskach opieki zdrowotnej.

Tymczasem w Niemczech Merck utworzył strategiczne sojusze z Exscientia i BenevolentAI, aby przyspieszyć odkrywanie leków przy użyciu AI. Wykorzystują oni AI, aby przyspieszyć rozwój nowych kandydatów na leki, szczególnie w onkologii, neurologii i immunologii. Celem jest poprawa tempa i skuteczności rozwoju leków przy użyciu potężnych możliwości projektowania i odkrywania AI.

Pierwszym krokiem jest obniżenie kosztów wdrożenia AI dla firm poza BigPharmą i Big Tech, szczególnie w fazie inferencji AI – kiedy firmy instalują i uruchamiają wytrenowany model AI, taki jak Chat GPT, Llama 3 lub Claude, w prawdziwym centrum danych każdego dnia. Ostatnie szacunki wskazują, że koszt opracowania największych z tych systemów może wynieść około 1 miliarda dolarów, a koszty inferencji mogą być nawet 8-10 razy wyższe.

Rosnące koszty wdrożenia AI w codziennej produkcji powodują, że wiele firm nie przyjmuje w pełni AI – “ci, którzy nie mają”. Ostatnie badanie wykazało, że tylko co czwarta firma z powodzeniem wdrożyła inicjatywy AI w ciągu ostatnich 12 miesięcy i że 42 procent firm jeszcze nie zobaczyło znaczących korzyści z inicjatyw AI generatywnych.

Aby naprawdę demokratyzować AI i uczynić je wszechobecnym – czyli powszechnie stosowanym w biznesie – nasza branża AI musi zmienić swój focus. Zamiast wyścigu o największe i najszybsze modele i chipy AI, potrzebujemy więcej współpracy, aby poprawić przystępność, zmniejszyć zużycie energii i otworzyć rynek AI, aby podzielić się jego pełnym i pozytywnym potencjałem w sposób bardziej egalitarny. Systemowa zmiana podniosłaby wszystkie statki, czyniąc AI bardziej opłacalnym dla wszystkich, z ogromnymi korzyściami dla konsumentów.

Są obiecujące znaki, że obniżenie kosztów AI jest możliwe – obniżenie bariery finansowej, aby wesprzeć duże, krajowe i globalne inicjatywy AI. Moja firma, NeuReality, współpracuje z Qualcomm (QCOM ), aby osiągnąć nawet 90-procentową redukcję kosztów i 15-krotną poprawę efektywności energetycznej dla różnych aplikacji AI, od tekstu, języka, dźwięku i obrazów – podstawowych bloków budulcowych AI. Poprzez współpracę z większą liczbą dostawców oprogramowania i usług, możemy nadal dostosowywać AI w praktyce, aby poprawić wydajność i obniżyć koszty.

W rzeczywistości udało nam się obniżyć koszt i zużycie energii na zapytanie AI w porównaniu z tradycyjną infrastrukturą opartą na CPU, na której opierają się wszystkie przyspieszacze AI, w tym chipy Nvidia GPU. Nasz urządzenie NR1-S AI Inference Appliance zaczął być dostarczany latem z przyspieszaczami Qualcomm Cloud AI 100 Ultra, połączonymi z NR1 NAPUs. Wynikiem jest alternatywna architektura NeuReality, która zastępuje tradycyjny CPU w centrach danych AI – największą wąską gardziel w przetwarzaniu danych AI dzisiaj. Ta ewolucyjna zmiana jest głęboka i niezwykle konieczna.

Poza hiperą: budowanie ekonomicznie i zrównoważonej przyszłości AI

Przejdźmy poza hiperę AI i poważnie zajmijmy się naszymi wyzwaniami systemowymi. Ciężka praca leży przed nami na poziomie systemowym, wymagając, aby cała nasza branża AI pracowała razem – a nie przeciwko sobie. Poprzez koncentrowanie się na przystępności, zrównoważonym rozwoju i dostępności, możemy stworzyć branżę AI i szerszą bazę klientów, która przynosi korzyści społeczeństwu na większą skalę. Oznacza to oferowanie zrównoważonych wyborów infrastrukturalnych bez koncentracji bogactwa AI w rękach nielicznych, znanych jako Wielka Siódemka.

Przyszłość AI zależy od naszych zbiorowych wysiłków dzisiaj. Poprzez priorytetowanie efektywności energetycznej i dostępności, możemy uniknąć przyszłości, w której dominują infrastruktury AI, które są głodne mocy, i oligarchia AI, skupiona na surowej wydajności, kosztem powszechnych korzyści. Równocześnie musimy rozwiązać problem niewydajnego zużycia energii, który hamuje potencjał AI do rewolucjonizacji bezpieczeństwa publicznego, opieki zdrowotnej i obsługi klienta.

W ten sposób tworzymy potężny cykl inwestycyjny i zysków AI, napędzany innowacjami na szeroką skalę.

Kto jest z nami?