Varför AI-autokraterna måste utmanas att göra bättre

Om vi har lärt oss något från AI-eran, så är det att branschen kämpar med betydande maktutmaningar. Dessa utmaningar är både bokstavligen – som att hitta sätt att möta de omättliga energikraven som AI-datacenter kräver – och bildligt – som koncentrationen av AI-rikedom i ett fåtal händer baserat på smala kommersiella intressen snarare än bredare samhällsnytta.

AI-paradoxen: höga kostnader, koncentrerad kontroll

För att AI ska bli framgångsrikt och gynna mänskligheten, måste det bli allmänt. För att bli allmänt, måste det vara både ekonomiskt och miljömässigt hållbart. Det är inte den väg vi är på nu. Den besatta kampen för större och snabbare AI drivs mer av kortvariga prestandavinster och marknadsdominans än av vad som är bäst för hållbar och prisvärd AI.

Loppet för att bygga alltmer kraftfulla AI-system accelererar, men det sker på bekostnad av en hög miljökostnad. Topmoderna AI-chip, som Nvidias H100 (upp till 700 watt), förbrukar redan betydande mängder energi. Denna trend förväntas fortsätta, med branschinsiders som förutspår att Nvidias nästa generations Blackwell-arkitektur kan driva energiförbrukningen per chip långt in i kilowattområdet, potentiellt överstigande 1 200 watt. Med branschledare som förutspår att miljontals av dessa chip kommer att distribueras i datacenter över hela världen, är AI:s energibehov på väg att skjuta i höjden.

Miljökostnaden för AI-kapprustningen

Låt oss sätta detta i en vardaglig kontext. Den elektricitet som driver hela ditt hus kunde köra alla dina apparater på full effekt samtidigt – inte att någon skulle göra det. Tänk nu på en enda 120 kW Nvidiarack som kräver samma mängd energi – särskilt om det kan finnas hundratals eller tusentals i stora datacenter! Nu är 1 200 watt lika med 1,2 kW. Så vi pratar egentligen om ett mediumstort grannskap. En enda 120 kW Nvidiarack – i princip 100 av dessa energikrävande chip – behöver tillräckligt med elektricitet för att driva cirka 100 hem.

Denna bana är oroande, med tanke på de energibegränsningar som många samhällen står inför. Datacenterexperter förutspår att USA kommer att behöva 18 till 30 gigawatt ny kapacitet under de närmaste fem till sju åren, vilket får företag att leta efter sätt att hantera den ökningen. Samtidigt fortsätter min bransch att skapa alltmer energikrävande generativa AI-applikationer som förbrukar energi långt utöver vad som teoretiskt är nödvändigt för applikationen eller vad som är möjligt för de flesta företag, för att inte tala om vad som är önskvärt för planeten.

Att balansera säkerhet och tillgänglighet: hybriddatacenterlösningar

Denna AI-autokrati och “kapprustning”, besatt av rå kraft och hastighet, ignorerar de praktiska behoven hos riktiga datacenter – nämligen de prisvärda lösningarna som minskar marknadsbarriärerna för de 75 procent av USA:s organisationer som inte har antagit AI. Och låt oss vara ärliga, allteftersom mer AI-reglering rullas ut kring sekretess, säkerhet och miljöskydd, kommer fler organisationer att kräva en hybriddatacenteransats, som skyddar deras mest värdefulla, privata och känsliga data i högt skyddade områden på plats, borta från AI och cyberattacker. Oavsett om det handlar om sjukjournaler, finansiell data, nationella försvarssekretess eller valintegritet, kräver framtiden för företags-AI en balans mellan säkerhet på plats och molnagilitet.

Detta är en betydande systemutmaning och en som kräver hyperkollaboration snarare än hyperkonkurrens. Med ett överväldigande fokus på GPU:er och andra AI-acceleratorchip med rå kapacitet, hastighet och prestandamått, missar vi tillräcklig hänsyn till den prisvärda och hållbara infrastruktur som krävs för att regeringar och företag ska kunna anta AI-kapacitet. Det är som att bygga ett rymdskepp utan någonstans att skjuta upp det eller att sätta en Lamborghini på en landsväg.

Att demokratisera AI: branschsamarbete

Medan det är uppmuntrande att regeringar börjar överväga reglering – för att säkerställa att AI gynnar alla, inte bara eliten – behöver vår bransch mer än regeringsregler.

Till exempel använder Storbritannien AI för att förbättra polisens kapacitet genom att förbättra datautbyte mellan polismyndigheter för att förbättra AI-driven brottsförutsägelse och förebyggande. De fokuserar på transparens, ansvar och rättvisa vid användning av AI för polisiärt arbete, för att säkerställa allmänhetens förtroende och efterlevnad av mänskliga rättigheter – med verktyg som ansiktsigenkänning och prediktiv polisiärt arbete för att underlätta brottsupptäckt och hantering.

I högt reglerade branscher som bioteknik och hälsovård ingår exempelvis Johnson & Johnson (JNJ ) MedTech och Nvidia (NVDA ) ett samarbete för att förbättra AI för kirurgiska ingrepp. Deras samarbete syftar till att utveckla realtids-, AI-drivna analys- och beslutsförmåga i operationssalen. Detta samarbete använder Nvidias AI-plattformar för att möjliggöra skalbar, säker och effektiv distribution av AI-applikationer i hälsovårdsinställningar.

Samtidigt har Merck i Tyskland ingått strategiska allianser med Exscientia och BenevolentAI för att främja AI-driven läkemedelsupptäckt. De använder AI för att påskynda utvecklingen av nya läkemedelskandidater, särskilt inom onkologi, neurologi och immunologi. Målet är att förbättra framgångsgraden och hastigheten på läkemedelsutveckling genom AI:s kraftfulla design- och upptäcktsförmåga.

Det första steget är att minska kostnaderna för att distribuera AI för företag bortom BigPharma och Big Tech, särskilt under AI-inferensfasen – när företag installerar och kör en tränad AI-modell som Chat GPT, Llama 3 eller Claude i ett riktigt datacenter varje dag. Nya uppskattningar tyder på att kostnaden för att utveckla de största av dessa nästa generations system kan ligga runt 1 miljard dollar, med inferenskostnader som potentiellt kan vara 8-10 gånger högre.

De stigande kostnaderna för att implementera AI i daglig produktion hindrar många företag från att fullt ut anta AI – “de som inte har”. En nylig undersökning fann att endast en av fyra företag har lyckats lansera AI-initiativ under de senaste 12 månaderna och att 42 procent av företagen ännu inte har sett någon betydande nytta av generativa AI-initiativ.

För att verkligen demokratisera AI och göra den allmänt tillgänglig – det vill säga, omfattande företagsantagande – måste vår AI-bransch skifta fokus. Istället för en kapprustning för de största och snabbaste modellerna och AI-chippen, behöver vi fler samarbetsinsatser för att förbättra prisvärdhet, minska energiförbrukning och öppna AI-marknaden för att dela dess fulla och positiva potential mer brett. En systemförändring skulle höja alla båtar genom att göra AI mer lönsamt för alla med enorm konsumentnytta.

Det finns lovande tecken på att det är möjligt att sänka AI-kostnaderna – minska den finansiella barriären för att stärka stora nationella och globala AI-initiativ. Mitt företag, NeuReality, samarbetar med Qualcomm (QCOM ) för att uppnå upp till 90 procents kostnadsreduktion och 15 gånger bättre energieffektivitet för olika AI-applikationer över text, språk, ljud och bilder – de grundläggande byggstenarna i AI. Genom att samarbeta med fler programvaru- och tjänsteleverantörer kan vi fortsätta anpassa AI i praktiken för att förbättra prestanda och sänka kostnader.

I själva verket har vi lyckats minska kostnaden och energiförbrukningen per AI-fråga jämfört med den traditionella CPU-centrerade infrastrukturen som alla AI-acceleratorchip, inklusive Nvidias GPU:er, förlitar sig på idag. Vår NR1-S AI-inferensapparat började levereras under sommaren med Qualcomm Cloud AI 100 Ultra-acceleratorer parade med NR1 NAPU:er. Resultatet är en alternativ NeuReality-arkitektur som ersätter den traditionella CPU:n i AI-datacenter – den största flaskhalsen i AI-dataprocessning idag. Den evolutionära förändringen är djupgående och högst nödvändig.

Bortom hypen: byggandet av en ekonomiskt och hållbar AI-framtid

Låt oss gå bortom AI-hypen och bli allvarliga om att hantera våra systemutmaningar. Det hårda arbetet ligger framför oss på systemnivå, vilket kräver att vår hela AI-bransch arbetar tillsammans – inte mot varandra. Genom att fokusera på prisvärdhet, hållbarhet och tillgänglighet kan vi skapa en AI-bransch och en bredare kundbas som gynnar samhället på större sätt. Det innebär att erbjuda hållbara infrastrukturlösningar utan att AI-rikedom koncentreras i händerna på ett fåtal, kända som de stora sju.

AI-framtidens framtid beror på våra kollektiva insatser idag. Genom att prioritera energieffektivitet och tillgänglighet kan vi undvika en framtid som domineras av energikrävande AI-infrastruktur och en AI-oligarki som fokuserar på rå prestanda på bekostnad av omfattande nytta. Samtidigt måste vi hantera den ohållbara energiförbrukningen som hindrar AI:s potential att revolutionera offentlig säkerhet, hälsovård och kundservice.

På så sätt skapar vi en kraftfull AI-investering och lönsamhetscykel som drivs av omfattande innovation.

Vem är med oss?