อำนาจที่แท้จริงใน AI คือพลังงาน

ข่าวที่เราได้ยินมาบอกเล่าเรื่องราวหนึ่ง: OpenAI, Meta, Google และ Anthropic กำลังแข่งขันกันในการสร้างโมเดล AI ที่ทรงพลังที่สุด ทุกๆ การเปิดตัวใหม่ ตั้งแต่โมเดลโอเพ่นซอร์สของ DeepSeek ถึงการอัปเดต GPT ล่าสุด ถูกมองว่าเป็นก้าวสำคัญถัดไปของ AI ความหมายที่ชัดเจนคือ อนาคตของ AI จะเป็นของใครก็ตามที่สร้างโมเดลที่ดีที่สุด

มองโลกในแง่ผิด

บริษัทที่พัฒนาโมเดล AI ไม่ได้เท่านั้นที่กำหนดผลกระทบของมัน ผู้เล่นหลักใน AI ที่สนับสนุนการนำไปใช้ในวงกว้างไม่ใช่ OpenAI หรือ Meta แต่เป็น Hyperscalers, ผู้ให้บริการศูนย์ข้อมูล และผู้ให้บริการพลังงานที่ทำให้ AI เป็นไปได้สำหรับผู้บริโภคที่เพิ่มขึ้นเรื่อยๆ หากไม่มีพวกเขา AI จะไม่ใช่อุตสาหกรรมมูลค่าล้านล้านเหรียญ มันคือเพียงโค้ดที่อยู่บนเซิร์ฟเวอร์ รอพลังงาน การคำนวณ และการทำความเย็นที่ไม่มีอยู่ โครงสร้างพื้นฐาน ไม่ใช่แอลกอริทึม จะเป็นตัวกำหนดว่า AI จะบรรลุศักยภาพได้อย่างไร

การเติบโตของ AI และความพยายามของโครงสร้างพื้นฐานที่จะตามทัน

สมมติฐานที่ว่า AI จะเติบโตไม่มีที่สิ้นสุดนั้น脱离จากความเป็นจริง การนำ AI ไปใช้กำลังเพิ่มขึ้น แต่ก็ถูกขัดขวางโดยข้อจำกัดอย่างง่าย: เราไม่มีพลังงาน ศูนย์ข้อมูล หรือความสามารถในการทำความเย็นที่จะรองรับ AI ในระดับที่อุตสาหกรรมคาดหวัง

สิ่งนี้ไม่ใช่การคาดเดา แต่เป็นสิ่งที่เกิดขึ้นแล้ว โหลดการทำงานของ AI แตกต่างจากโหลดการทำงานแบบดั้งเดิมของ การประมวลผลบนคลาวด์ ความเข้มข้นในการคำนวณสูงกว่าหลายอันดับ ซึ่งต้องการฮาร์ดแวร์เฉพาะ ศูนย์ข้อมูลที่มีความหนาแน่นสูง และระบบทำความเย็นที่ผลักดันขอบเขตของประสิทธิภาพ

บริษัทและรัฐบาลไม่ได้เพียงแต่ดำเนินการโมเดล AI เพียงหนึ่งแบบ แต่พวกเขากำลังดำเนินการหลายพันแบบ อุตสาหกรรมป้องกันประเทศ บริการทางการเงิน การขนส่ง การผลิต ทุกๆ ภาคส่วนกำลังฝึกอบรมและใช้โมเดล AI ที่ปรับให้เหมาะสมสำหรับความต้องการเฉพาะของพวกเขา สิ่งนี้ทำให้เกิดการกระจายของโมเดล AI โดยที่โมเดลไม่ได้รับการจัดกลาง แต่กระจายไปทั่วอุตสาหกรรมที่ต้องการการลงทุนโครงสร้างพื้นฐานและการคำนวณจำนวนมาก

และไม่เหมือนกับซอฟต์แวร์แบบดั้งเดิม AI ไม่เพียงแต่มีราคาแพงในการพัฒนาเท่านั้น แต่ยังมีราคาแพงในการดำเนินการด้วย โครงสร้างพื้นฐานที่ต้องการในการรักษาโมเดล AI ให้ทำงานได้บนขนาดใหญ่นั้นกำลังเติบโตอย่างรวดเร็ว ทุกๆ การใช้งานใหม่จะเพิ่มแรงกดดันต่อระบบที่已经ถูกขยายให้ใหญ่สุดแล้ว

เทคโนโลยีที่ไม่ได้รับการยกย่องมากที่สุดใน AI

ศูนย์ข้อมูลเป็นกระบวนการหลักของอุตสาหกรรม AI ทุกๆ การค้นหา การฝึกอบรม และการอนุมานขึ้นอยู่กับศูนย์ข้อมูลที่มีพลังงาน การทำความเย็น และการคำนวณที่จะจัดการได้

ศูนย์ข้อมูลมีความสำคัญอย่างมากต่อเทคโนโลยีสมัยใหม่ แต่ AI เพิ่มความสำคัญนี้อย่างมาก การใช้งาน AI ขนาดใหญ่เพียงครั้งเดียวสามารถใช้พลังงานได้มากเท่ากับเมืองขนาดกลาง การใช้พลังงานและการทำความเย็นที่จำเป็นสำหรับศูนย์ข้อมูล AI นั้นเกินกว่าที่โครงสร้างพื้นฐานคลาวด์แบบดั้งเดิมสามารถจัดการได้

บริษัทต่างๆ กำลังเผชิญกับการจำกัดดังต่อไปนี้:

• ที่ตั้งของคέντροข้อมูลถูกกำหนดโดยความพร้อมของพลังงาน
• ผู้ให้บริการ Hyperscalers ไม่ได้สร้างใกล้กับโครงข่ายอินเทอร์เน็ตหลักอีกต่อไป แต่กำลังไปที่ที่พวกเขาสามารถรับประกันการให้บริการพลังงานที่เสถียรได้
• นวัตกรรมการทำความเย็นกำลังเป็นสิ่งสำคัญ การทำความเย็นแบบเหลว การทำความเย็นแบบจุ่ม และระบบการประหยัดพลังงานที่ขับเคลื่อนด้วย AI ไม่ใช่สิ่งที่ดี แต่เป็นวิธีเดียวที่ศูนย์ข้อมูลสามารถตามทันความต้องการได้
• ต้นทุนของโครงสร้างพื้นฐาน AI กำลังเป็นตัวแยกแยะ
• บริษัทที่สามารถปรับขนาด AI ได้อย่างมีประสิทธิภาพโดยไม่ทำให้งบประมาณพลังงานพองตัวจะครอบงำระยะถัดไปของการนำ AI ไปใช้

มีเหตุผลที่ Hyperscalers เช่น AWS, Microsoft และ Google ลงทุนหลายสิบพันล้านดอลลาร์ในโครงสร้างพื้นฐานที่พร้อมสำหรับ AI เพราะหากไม่มีมัน AI จะไม่สามารถขยายขนาดได้

มหาอำนาจ AI ของอนาคต

AI เป็นปัญหาด้านความมั่นคงแห่งชาติแล้ว และรัฐบาลไม่ได้นั่งดู AI มีการลงทุนขนาดใหญ่ไม่เพียงแต่จากผลิตภัณฑ์ AI สำหรับผู้บริโภคเท่านั้น แต่ยังมาจากงบประมาณการป้องกันประเทศ หน่วยงานข่าวกรอง และโครงการโครงสร้างพื้นฐานระดับชาติ

การประยุกต์ใช้ AI ในกิจการป้องกันประเทศ เพียงอย่างเดียวจะต้องการโมเดล AI ส่วนตัวหลายพันแบบที่ต้องการสภาพแวดล้อมการคำนวณที่ปลอดภัยและแยกออกจากกัน AI กำลังถูกสร้างขึ้นสำหรับทุกอย่างตั้งแต่การป้องกันขีปนาวุธไปจนถึงการรักษาโซ่อุปทาน การตรวจจับภัยคุกคาม และโมเดลเหล่านี้จะไม่ใช่ระบบโอเพ่นซอร์สที่มีให้ใช้ฟรี แต่จะถูกล็อกและปรับให้เหมาะสมสูง และต้องการพลังงานการคำนวณจำนวนมาก

รัฐบาลกำลังรักษาแหล่งพลังงาน AI ระยะยาวในลักษณะเดียวกับที่พวกเขาทำกับน้ำมันและแร่ธาตุหายากในอดีต สาเหตุเป็นเพราะ AI ในระดับที่ใหญ่ขึ้นต้องการพลังงานและโครงสร้างพื้นฐานในระดับที่ใหญ่ขึ้น

ในขณะเดียวกัน Hyperscalers กำลังจัดตัวเองให้เป็นเจ้าของที่ดินของ AI บริษัทเช่น AWS, Google Cloud และ Microsoft Azure ไม่ใช่เพียงผู้ให้บริการคลาวด์เท่านั้น แต่ยังเป็นประตูสู่โครงสร้างพื้นฐานที่กำหนดว่าใครสามารถขยาย AI และใครไม่สามารถทำได้

นี่คือเหตุผลที่บริษัทที่ฝึกอบรมโมเดล AI กำลังลงทุนในโครงสร้างพื้นฐานและแหล่งพลังงานของตนเอง OpenAI, Anthropic และ Meta ต่างพึ่งพา Hyperscalers ในปัจจุบัน แต่ก็กำลัง lso moving toward building self-sustaining AI clusters to ensure they aren’t bottlenecked by third-party infrastructure. The long-term winners in AI won’t just be the best model developers, they’ll be the ones who can afford to build, operate, and sustain the massive infrastructure AI requires to truly change the game.