โมเดลขนาดใหญ่ไม่ใช่จุดสำคัญของวิกฤตการคำนวณ

ทุกครั้งที่มีโมเดล AI ใหม่ๆ ออกมา เช่น GPT Updates, DeepSeek, Gemini ผู้คนต่างตกตะลึงไปกับขนาดที่ใหญ่โต ความซับซ้อน และความต้องการการประมวลผลที่เพิ่มขึ้นของโมเดลเหล่านี้ ความคิดเห็นคือว่าโมเดลเหล่านี้เป็นตัวกำหนดความต้องการทรัพยากรของการปฏิวัติ AI

ความเชื่อนี้ไม่ถูกต้อง

ใช่ โมเดลขนาดใหญ่ต้องการการประมวลผลมาก แต่ภาระที่ใหญ่ที่สุดต่อโครงสร้างพื้นฐาน AI ไม่ได้มาจากโมเดลขนาดใหญ่เพียงไม่กี่ตัว แต่มาจากการแพร่กระจายของโมเดล AI ทั่วอุตสาหกรรม แต่ละโมเดลถูกปรับให้เหมาะสมกับการใช้งานเฉพาะ และแต่ละโมเดลก็ใช้การประมวลผลในระดับที่ไม่เคยเห็นมาก่อน

尽管การแข่งขันที่จะชนะทั้งหมดกำลังพัฒนาระหว่าง LLMs แต่ภูมิทัศน์ AI โดยรวมไม่ได้ถูกจัดกลาง แต่กำลังกระจายออกไป ทุกธุรกิจไม่ได้ใช้ AI เพียงอย่างเดียว แต่พวกเขากำลังฝึกอบรม ปรับแต่ง และใช้โมเดลส่วนตัวที่ออกแบบมาเพื่อตอบสนองความต้องการของตนเอง สถานการณ์หลังจะสร้างความต้องการโครงสร้างพื้นฐานที่ผู้ให้บริการคลาวด์ องค์กร และรัฐบาลไม่พร้อม

เรามีเห็นรูปแบบนี้มาก่อน คลาวด์ไม่ได้รวบรวมงาน IT แต่สร้างระบบนิเวศแบบผสมผสานกัน ขั้นแรกคือการแพร่กระจายของเซิร์ฟเวอร์ จากนั้นการแพร่กระจายของ VM และตอนนี้ คือการแพร่กระจายของ AI แต่ละคลื่นของการประมวลผลนำไปสู่การแพร่กระจาย ไม่ใช่การทำให้ง่ายขึ้น AI ไม่แตกต่าง

การแพร่กระจายของ AI: ทำไมอนาคตของ AI คือโมเดลล้านแบบ ไม่ใช่แบบเดียว

การเงิน การขนส่ง ความปลอดภัยของไซเบอร์ การบริการลูกค้า การวิจัยและพัฒนา แต่ละส่วนมีโมเดล AI ที่ได้รับการปรับให้เหมาะสมสำหรับการทำงานของตนเอง องค์กรไม่ได้ฝึกอบรมโมเดล AI เพียงหนึ่งแบบเพื่อควบคุมการดำเนินงานทั้งหมด แต่พวกเขากำลังฝึกอบรมหลายพันแบบ ซึ่งหมายถึงการฝึกอบรมรอบที่มากขึ้น การประมวลผลที่มากขึ้น ความต้องการจัดเก็บที่มากขึ้น และการแพร่กระจายของโครงสร้างพื้นฐานที่มากขึ้น

สิ่งนี้ไม่ใช่เรื่องสมมติ แม้แต่ในอุตสาหกรรมที่มีการใช้เทคโนโลยีใหม่ๆ อย่างระมัดระวัง การลงทุนใน AI ก็กำลังเพิ่มขึ้น รายงานของ McKinsey ในปี 2024 พบว่าองค์กรใช้ AI ในฟังก์ชันทางธุรกิจเฉลี่ย 3 ฟังก์ชัน โดยการผลิต การจัดหาสินค้า และการพัฒนาผลิตภัณฑ์เป็นผู้นำ (McKinsey)

สาธารณสุขเป็นตัวอย่างที่ดี Navina ซึ่งเป็นสตาร์ทอัพที่รวม AI เข้ากับบันทึกสุขภาพอิเล็กทรอนิกส์เพื่อแสดงข้อมูลเชิงลึกทางคลินิก เพิ่งระดมทุน 55 ล้านดอลลาร์ในรอบ Series C จาก Goldman Sachs (Business Insider) อุตสาหกรรมพลังงานก็ไม่ต่างอะไร องค์กรผู้นำในอุตสาหกรรมได้เปิดตัว Open Power AI Consortium เพื่อนำ AI มาใช้ในการปรับให้เหมาะสมกับงานโรงไฟฟ้าและงานในโรงงาน (Axios)

ภาระการประมวลผลที่ไม่มีใครพูดถึง

AI กำลังทำลายแบบจำลองโครงสร้างพื้นฐานแบบดั้งเดิม ความคิดที่ว่าคลาวด์สามารถปรับขนาดได้อย่างไม่มีขีดจำกัดเพื่อสนับสนุนการเติบโตของ AI นั้นไม่ถูกต้อง AI ไม่ได้ปรับขนาดเหมือนกับงานประมวลผลแบบดั้งเดิม ความต้องการไม่ได้เพิ่มขึ้นอย่างต่อเนื่อง แต่เพิ่มขึ้นอย่างเป็นเลขชี้กำลัง และผู้ให้บริการคลาวด์ขนาดใหญ่ไม่สามารถตามทัน

• ข้อจำกัดด้านพลังงาน: ศูนย์ข้อมูลเฉพาะสำหรับ AI กำลังถูกสร้างขึ้นโดยรอบการมีพลังงาน ไม่ใช่แค่โครงข่ายหลังบ้าน
• ปัญหาการขาดแคลนเครือข่าย: สภาพแวดล้อมไฮบริด IT กำลัง变得ไม่สามารถจัดการได้โดยไม่มีการอัตโนมัติ ซึ่งงาน AI จะทำให้ปัญหานี้รุนแรงขึ้น
• แรงกดดันด้านเศรษฐกิจ: งาน AI สามารถใช้เงินหลายล้านในเดือนเดียว ทำให้เกิดความไม่แน่นอนทางเศรษฐกิจ

ศูนย์ข้อมูลใช้ไฟฟ้า全球 1% แล้ว ในไอร์แลนด์พวกมันใช้ 20% ของกริดแห่งชาติ ซึ่งคาดว่าจะเพิ่มขึ้นอย่างมากภายในปี 2030 (IEA)

นอกจากนี้ยังมีแรงกดดันที่เพิ่มขึ้นต่อ GPU Bain & Company เตือนล่าสุดว่าการเติบโตของ AI กำลังสร้างเวทีสำหรับการขาดแคลนซีเมนต์ โดยขับเคลื่อนด้วยความต้องการที่เพิ่มขึ้นอย่างรวดเร็วสำหรับชิประดับศูนย์ข้อมูล (Bain)

ในขณะเดียวกัน ปัญหาเรื่องความยั่งยืนของ AI ก็เพิ่มขึ้น การวิเคราะห์ในปี 2024 ใน Sustainable Cities and Society เตือน rằngการนำ AI ไปใช้ในวงกว้างในด้านสาธารณสุขอาจเพิ่มการบริโภคพลังงานและก๊าซเรือนกระจกของภาคส่วนนี้อย่างมีนัยสำคัญ ถ้าไม่มีมาตรการเพิ่มประสิทธิภาพที่มุ่งเน้น (ScienceDirect)

การแพร่กระจายของ AI มากกว่าตลาด มันเป็นเรื่องของอำนาจรัฐ

หากคุณคิดว่าการแพร่กระจายของ AI เป็นปัญหาองค์กร คุณคิดผิด ปัจจัยขับเคลื่อนการกระจายตัวของ AI ที่สำคัญที่สุดไม่ใช่ภาคเอกชน แต่เป็นรัฐบาลและหน่วยงานป้องกันประเทศที่ใช้ AI ในระดับที่ไม่มีใครเทียบได้

รัฐบาลสหรัฐฯ เพียงอย่างเดียวได้นำ AI ไปใช้ในมากกว่า 700 แอปพลิเคชั่น عبر 27 หน่วยงาน ซึ่งครอบคลุมการวิเคราะห์ข่าวกรอง การจัดการลอจิสติกส์ และอื่นๆ (FedTech Magazine)

แคนาดากำลังลงทุนสูงถึง 700 ล้านดอลลาร์เพื่อขยายความสามารถในการประมวลผล AI ในประเทศ และเปิดตัวความท้าทายระดับชาติเพื่อเพิ่มโครงสร้างพื้นฐานศูนย์ข้อมูลอธิปไตย (Innovation, Science and Economic Development Canada)

และยังมีการเรียกร้องให้มี “โครงการ Apollo” สำหรับโครงสร้างพื้นฐาน AI ซึ่งเน้นย้ำถึงการยกย่อง AI จากความได้เปรียบทางการค้ามาเป็นเรื่องจำเป็นของชาติ (MIT Technology Review)

AI สำหรับการทหารจะไม่มีประสิทธิภาพ การประสานงาน หรือการปรับให้เหมาะสมสำหรับต้นทุน มันจะถูกขับเคลื่อนโดยคำสั่งด้านความมั่นคงแห่งชาติ ความเร่งด่วนทางการเมือง และความจำเป็นในการมีระบบ AI ที่ปิดและอธิปไตย แม้ว่าองค์กรจะควบคุมการแพร่กระจายของ AI ได้ แต่ใครจะบอกให้รัฐบาลชะลอการแพร่กระจาย?

เพราะเมื่อความมั่นคงแห่งชาติอยู่ในเส้นเสี่ยง ไม่มีใครหยุดถามว่ากริดไฟฟ้าสามารถรองรับได้หรือไม่