ทำไมผู้ปกครอง AI ต้องถูกท้าทายให้ทำได้ดีกว่านี้

หากเรามีอะไรที่เรียนรู้จากยุค AI มันคืออุตสาหกรรมที่กำลังต่อสู้กับความท้าทายด้านพลังงานที่สำคัญ ความท้าทายเหล่านี้เป็นทั้งทางตรงและทางอ้อม เช่น การหาวิธีในการตอบสนองความต้องการพลังงานที่กินมากของศูนย์ข้อมูล AI และการกระจุกตัวของความมั่งคั่ง AI ในมือของไม่กี่คนตามความสนใจเชิงพาณิชย์ที่แคบมากกว่าผลประโยชน์ของสังคมในวงกว้าง

ความขัดแย้งของพลังงาน AI: ต้นทุนสูง การควบคุมที่กระจุกตัว

สำหรับ AI ที่จะประสบความสำเร็จและเป็นประโยชน์ต่อมนุษย์ มันจะต้องกลายเป็นสิ่งที่พบเห็นทั่วไป เพื่อให้กลายเป็นสิ่งที่พบเห็นทั่วไป มันจะต้องเป็นทั้งทางเศรษฐกิจและด้านสิ่งแวดล้อมที่ยั่งยืน นั่นไม่ใช่เส้นทางที่เรากำลังเดินอยู่ตอนนี้ การต่อสู้อย่างหุนหันเพื่อสร้างระบบ AI ที่ใหญ่และเร็วขึ้นได้รับแรงผลักดันมากกว่าผลประโยชน์ในระยะสั้นและความเป็นเจ้าแห่งตลาดมากกว่าที่ดีที่สุดสำหรับ AI ที่ยั่งยืนและราคาไม่แพง

การแข่งขันในการสร้างระบบ AI ที่ทรงพลังมากขึ้นกำลังเร่งตัวขึ้น แต่มันมาพร้อมกับต้นทุนสิ่งแวดล้อมที่สูง การใช้พลังงานของชิป AI เช่น Nvidia H100 (สูงถึง 700 วัตต์) กินพลังงานมากแล้ว และแนวโน้มนี้คาดว่าจะดำเนินต่อไป โดยผู้เชี่ยวชาญในอุตสาหกรรมคาดการณ์ว่าชิป Blackwell รุ่นต่อไปของ Nvidia (NVDA ) อาจกินพลังงานมากกว่า 1,200 วัตตต่อชิป ซึ่งอาจสูงกว่า 1.2 กิโลวัตต์ ด้วยการคาดการณ์ของผู้นำอุตสาหกรรมว่าชิปเหล่านี้จะถูกใช้ในศูนย์ข้อมูลทั่วโลก ความต้องการพลังงานของ AI กำลังจะเพิ่มขึ้นอย่างมาก

ต้นทุนสิ่งแวดล้อมของการแข่งขัน AI

ลองพิจารณาสิ่งนี้ในบริบทที่ใช้ในชีวิตประจำวัน ไฟฟ้าที่ใช้ในการเลี้ยงบ้านของคุณสามารถเลี้ยงอุปกรณ์ทั้งหมดได้พร้อมกัน – ไม่ใช่สิ่งที่ใครจะทำ แต่ลองนึกภาพถึงชั้นวาง Nvidia 120 กิโลวัตต์ที่ต้องการพลังงานเท่ากัน – โดยเฉพาะอย่างยิ่งหากมีหลายร้อยหรือหลายพันชั้นวางในศูนย์ข้อมูลขนาดใหญ่! ตอนนี้ 1,200 วัตต์เท่ากับ 1.2 กิโลวัตต์ ดังนั้นเราจึงพูดถึงพื้นที่ใกล้เคียงขนาดกลาง ชั้นวาง Nvidia 120 กิโลวัตต์ – ซึ่งเทียบเท่ากับชิป 100 ชิปที่กินพลังงานมาก – ต้องการไฟฟ้าเพียงพอในการเลี้ยงบ้านได้ประมาณ 100 หลัง

แนวโน้มนี้น่ากังวลเมื่อพิจารณาถึงข้อจำกัดด้านพลังงานที่ชุมชนหลายแห่งต้องเผชิญ ผู้เชี่ยวชาญด้านศูนย์ข้อมูลคาดการณ์ว่าสหรัฐอเมริกาจะต้องการความจุใหม่ 18 ถึง 30 กิกะวัตต์ในอีก 5 ถึง 7 ปีข้างหน้า ซึ่งทำให้บริษัทต่างๆ ต้องหาวิธีจัดการกับการเพิ่มขึ้นนี้ ในขณะเดียวกัน อุตสาหกรรมของฉันเพียงแต่สร้างแอปพลิเคชัน AI ที่กินพลังงานมากขึ้นซึ่งใช้พลังงานมากกว่าที่จำเป็นสำหรับแอปพลิเคชันหรือที่สามารถทำได้สำหรับธุรกิจส่วนใหญ่ ไม่เช่นนั้นจะไม่พึงประสงค์สำหรับโลก

การสร้างสมดุลระหว่างความปลอดภัยและความสามารถเข้าถึง: วิธีแก้ปัญหา Hybrid Data Center

การปกครอง AI แบบเผด็จการและ “การแข่งขัน” ที่มุ่งเน้นไปที่ความเร็วและพลังงานโดยไม่สนใจความต้องการเชิงปฏิบัติของศูนย์ข้อมูลจริง – เช่น วิธีแก้ปัญหาที่มีราคาไม่แพงซึ่งลดข้อจำกัดของตลาดสำหรับองค์กร 75% ในสหรัฐอเมริกาที่ยังไม่ได้นำ AI ไปใช้ และเราต้องเผชิญกับข้อเท็จจริงที่ว่าเมื่อมีการออกกฎระเบียบ AI มากขึ้นเกี่ยวกับความเป็นส่วนตัว ความปลอดภัย และการคุ้มครองสิ่งแวดล้อม องค์กรต่างๆ จะต้องการแนวทางศูนย์ข้อมูลแบบไฮบริดเพื่อป้องกันข้อมูลที่มีค่าที่สุด ส่วนตัว และละเอียดอ่อนให้ปลอดภัยในพื้นที่ที่ได้รับการคุ้มครองสูงบนไซต์ห่างจาก AI และการโจมตีทางไซเบอร์ ไม่ว่าจะเป็นบันทึกสุขภาพ ข้อมูลทางการเงิน ความลับของกองทัพ หรือความสมบูรณ์ของการเลือกตั้ง อนาคตของ AI ระดับองค์กรต้องการความสมดุลระหว่างความปลอดภัยและความสามารถเข้าถึง

นี่เป็นความท้าทายเชิงระบบที่สำคัญและต้องการการทำงานร่วมกันอย่างเข้มข้นมากกว่าการแข่งขันอย่างเข้มข้น ด้วยการมุ่งเน้นไปที่ GPU และชิป AI ที่เร็วขึ้นและทรงพลังกว่าโดยมีประสิทธิภาพและความเร็วเป็นหลัก เรากำลังพลาดการพิจารณาโครงสร้างพื้นฐานที่ยั่งยืนและราคาไม่แพงที่จำเป็นสำหรับรัฐบาลและธุรกิจในการนำ AI ไปใช้ มันเหมือนกับการสร้างยานอวกาศโดยไม่มีที่จะปล่อยหรือวางรถลัมโบร์กินีบนถนนในชนบท

การทำให้ AI เป็นประชาธิปไตย: การทำงานร่วมกันในอุตสาหกรรม

ในขณะที่เป็นเรื่องที่น่าประทับใจที่รัฐบาลเริ่มพิจารณากฎระเบียบ – เพื่อให้แน่ใจว่า AI จะเป็นประโยชน์ต่อทุกคน ไม่ใช่แค่ผู้ที่มีอำนาจ – อุตสาหกรรมของเราต้องการมากกว่ากฎระเบียบของรัฐบาล

ตัวอย่างเช่น สหราชอาณาจักรกำลังใช้ AI เพื่อเพิ่มความสามารถในการบังคับใช้กฎหมายโดยการปรับปรุงการแบ่งปันข้อมูลระหว่างหน่วยงานบังคับใช้กฎหมายเพื่อปรับปรุงการคาดการณ์และการป้องกันอาชญากรรมโดยใช้ AI พวกเขามุ่งเน้นไปที่ความโปร่งใส ความรับผิดชอบ และความยุติธรรมในการใช้ AI สำหรับการบังคับใช้กฎหมาย เพื่อให้ได้รับความไว้วางใจจากสาธารณชนและเคารพสิทธิมนุษยชน – โดยใช้เครื่องมือเช่นการรู้จำใบหน้าและการตำรวจที่สามารถคาดการณ์ได้เพื่อช่วยในการตรวจจับและจัดการอาชญากรรม

ในอุตสาหกรรมที่มีการควบคุมอย่างเข้มงวด เช่น ไบโอเทคและด้านสุขภาพ การทำงานร่วมกันที่มีชื่อเสียงรวมถึง Johnson & Johnson (JNJ ) MedTech และ Nvidia ที่ทำงานร่วมกันเพื่อปรับปรุง AI สำหรับการผ่าตัด พวกเขามุ่งหวังที่จะพัฒนาแพลตฟอร์ม AI ของ Nvidia เพื่อเปิดใช้งานการวิเคราะห์และการตัดสินใจในแบบเรียลไทม์ในการผ่าตัด

ในขณะเดียวกัน ในประเทศเยอรมนี Merck ได้สร้างพันธมิตรเชิงยุทธศาสตร์กับ Exscientia และ BenevolentAI เพื่อขยายการค้นพบยาที่ขับเคลื่อนด้วย AI พวกเขากำลังใช้ AI เพื่อเร่งการค้นพบยาที่มีประสิทธิภาพ โดยเฉพาะอย่างยิ่งในด้านมะเร็ง โรคระบบประสาท และภูมิคุ้มกัน วัตถุประสงค์คือการปรับปรุงอัตราความสำเร็จและความเร็วในการพัฒนายาโดยใช้ความสามารถในการออกแบบและค้นพบของ AI

ขั้นตอนแรกคือการลดต้นทุนในการใช้งาน AI สำหรับธุรกิจที่อยู่นอก BigPharma และ BigTech โดยเฉพาะอย่างยิ่งในระยะการอนุมาน AI – เมื่อธุรกิจติดตั้งและใช้โมเดล AI ที่ได้รับการฝึกอบรม เช่น Chat GPT, Llama 3 หรือ Claude ในศูนย์ข้อมูลจริงทุกวัน การประมาณการล่าสุดชี้ให้เห็นว่าต้นทุนในการพัฒนาระบบรุ่นต่อไปอาจอยู่ที่ประมาณ 1 พันล้านดอลลาร์ โดยมีค่าใช้จ่ายในการอนุมานที่อาจสูงกว่า 8-10 เท่า

ต้นทุนที่สูงในการนำ AI ไปใช้ในการผลิตที่แท้จริงทำให้หลายบริษัทไม่สามารถนำ AI ไปใช้ได้อย่างเต็มที่ – “ผู้ที่ไม่มี” การสำรวจล่าสุดพบว่าเพียงหนึ่งในสี่ของบริษัทได้เริ่มโครงการ AI ใน 12 เดือนที่ผ่านมา และ 42% ของบริษัทยังไม่เห็นประโยชน์ที่สำคัญจากโครงการ AI ที่สร้างขึ้น

เพื่อให้ AI เป็นประชาธิปไตยและเป็นที่แพร่หลาย – หมายถึงการนำ AI ไปใช้ในธุรกิจอย่างกว้างขวาง – อุตสาหกรรม AI ของเราต้องเปลี่ยนโฟกัส แทนที่จะแข่งขันกันเพื่อสร้างโมเดลและชิป AI ที่ใหญ่ที่สุดและเร็วที่สุด เราต้องการความพยายามร่วมกันเพื่อปรับปรุงความสามารถในการเข้าถึงราคาและลดการกินพลังงาน และเปิดตลาด AI เพื่อแบ่งปันศักยภาพที่ดีและเป็นประโยชน์ให้กับทุกคน การเปลี่ยนแปลงเชิงระบบจะช่วยเพิ่มทุกคนโดยการทำให้ AI มีผลกำไรสำหรับทุกคนโดยมีประโยชน์อย่างมากต่อผู้บริโภค

มีสัญญาณที่ให้ความหวังว่าการลดต้นทุนของ AI เป็นเรื่องที่เป็นไปได้ – ลดภาระการเงินเพื่อสนับสนุนโครงการ AI ระดับชาติและระดับโลกอย่างมีนัยสำคัญ บริษัทของฉัน NeuReality กำลังทำงานร่วมกับ Qualcomm (QCOM ) เพื่อให้ได้การลดต้นทุนและประสิทธิภาพการใช้พลังงานที่ดีขึ้น 90% และ 15 เท่าสำหรับแอปพลิเคชัน AI ต่างๆ ทั่วข้อความ ภาษา เสียง และรูปภาพ – ซึ่งเป็นบล็อกการสร้างของ AI โดยการทำงานร่วมกับซอฟต์แวร์และผู้ให้บริการมากกว่านี้ เราสามารถปรับแต่ง AI ในทางปฏิบัติเพื่อนำประสิทธิภาพขึ้นและต้นทุนลง

ในความเป็นจริง เราได้ลดต้นทุนและพลังงานต่อการถาม AI เมื่อเทียบกับโครงสร้างพื้นฐาน CPU ที่เน้นไปที่ AI ทั้งหมด รวมถึง GPU ของ Nvidia ที่ใช้ในปัจจุบัน อุปกรณ์อนุมาน AI NR1-S ของเริ่มจัดส่งในช่วงฤดูร้อนพร้อมกับเครื่องเร่งความเร็ว AI 100 Ultra ของ Qualcomm ที่จับคู่กับ NAPU ของ NR1 ผลลัพธ์คือโครงสร้างพื้นฐาน NeuReality ที่ทดแทน CPU ที่ใช้กันอยู่ในปัจจุบันในศูนย์ข้อมูล AI – จุดอุดตันที่ใหญ่ที่สุดในการประมวลผลข้อมูล AI ในปัจจุบัน การเปลี่ยนแปลงเชิงวิวัฒนาการนี้มีความสำคัญและจำเป็นอย่างยิ่ง

ไปไกลกว่าความฮือฮา: สร้างอนาคต AI ที่ยั่งยืนและเป็นไปได้ทางเศรษฐกิจ

มาไปไกลกว่าความฮือฮาเกี่ยวกับ AI และให้เราจริงจังในการแก้ไขความท้าทายเชิงระบบของเรา งานที่ยากๆ อยู่ข้างหน้า ที่ระดับระบบ ซึ่งต้องการให้อุตสาหกรรม AI ทั้งหมดของเราทำงานร่วมกัน ไม่ใช่ทำงานกันเอง โดยการเน้นไปที่ความสามารถในการเข้าถึงราคา ความยั่งยืน และความสามารถในการเข้าถึง เราสามารถสร้างอุตสาหกรรม AI และฐานลูกค้าที่กว้างขึ้นซึ่งเป็นประโยชน์ต่อสังคมในหลายๆ ด้าน ซึ่งหมายถึงการนำเสนอทางเลือกโครงสร้างพื้นฐานที่ยั่งยืนโดยไม่มีการกระจุกตัวของความมั่งคั่ง AI ในมือของไม่กี่คน

อนาคตของ AI ขึ้นอยู่กับความพยายามร่วมกันของเราในวันนี้ โดยการให้ความสำคัญกับความสามารถในการเข้าถึงราคาและความยั่งยืน เราสามารถหลีกเลี่ยงอนาคตที่โดดเด่นด้วยโครงสร้างพื้นฐาน AI ที่กินพลังงานมากและอภิชน AI ที่มุ่งเน้นไปที่ประสิทธิภาพโดยไม่สนใจผลประโยชน์ที่กว้างขวาง ในขณะเดียวกัน เราต้องจัดการกับการกินพลังงานที่ไม่ยั่งยืนซึ่ง妨碍ศักยภาพของ AI ในการปฏิวัติความปลอดภัยสาธารณะ สุขภาพ และการบริการลูกค้า

เมื่อทำเช่นนั้น เราจะสร้างวงจรการลงทุนและผลกำไร AI ที่ทรงพลังซึ่งได้รับพลังจากนวัตกรรมที่กว้างขวาง

ใครอยู่กับเรา?