Các Mô Hình Lớn Không Phải Là Chìa Khóa Của Cuộc Khủng Hoảng Máy Tính

Mỗi khi một mô hình AI mới được phát hành – cập nhật GPT, DeepSeek, Gemini – mọi người đều ngạc nhiên về kích thước, sự phức tạp và ngày càng tăng, sự thèm ăn máy tính của những mô hình lớn này.

Giả định rằng những mô hình này đang xác định nhu cầu tài nguyên của cuộc cách mạng AI.

Giả định đó là sai.

Đúng, các mô hình lớn là thèm ăn máy tính. Nhưng gánh nặng lớn nhất đối với cơ sở hạ tầng AI không đến từ một số mô hình lớn – nó đến từ sự phổ biến âm thầm của các mô hình AI trên các ngành công nghiệp, mỗi mô hình được tinh chỉnh cho các ứng dụng cụ thể, mỗi mô hình tiêu thụ máy tính với quy mô chưa từng có.

Mặc dù sự cạnh tranh giành chiến thắng trong số các mô hình ngôn ngữ lớn đang phát triển, cảnh quan AI nói chung không tập trung hóa – nó đang phân mảnh. Mỗi doanh nghiệp không chỉ sử dụng AI – họ đang đào tạo, tùy chỉnh và triển khai các mô hình riêng tư phù hợp với nhu cầu của họ. Đó là tình huống sau sẽ tạo ra một đường cong nhu cầu cơ sở hạ tầng mà các nhà cung cấp đám mây, doanh nghiệp và chính phủ không sẵn sàng.

Chúng ta đã thấy mẫu này trước. Đám mây không hợp nhất các khối lượng công việc CNTT; nó tạo ra một hệ sinh thái hỗn hợp rộng lớn. Đầu tiên, nó là sự lan rộng của máy chủ. Sau đó là sự lan rộng của máy ảo. Bây giờ? Sự lan rộng của AI. Mỗi làn sóng tính toán dẫn đến sự phổ biến, không phải sự đơn giản hóa. AI không khác biệt.

Sự Lan Tràn Của Mô Hình Lớn: Tại Sao Tương lai Của AI Là Một Triệu Mô Hình, Không Phải Một

Tài chính, hậu cần, an ninh mạng, dịch vụ khách hàng, nghiên cứu và phát triển – mỗi lĩnh vực có mô hình AI riêng được tối ưu hóa cho chức năng của nó. Các tổ chức không đào tạo một mô hình AI để thống治 toàn bộ hoạt động của họ. Họ đang đào tạo hàng nghìn mô hình. Điều đó có nghĩa là nhiều chu kỳ đào tạo, nhiều máy tính, nhiều nhu cầu lưu trữ và nhiều cơ sở hạ tầng lan rộng.

Điều này không phải là lý thuyết. Ngay cả trong các ngành công nghiệp truyền thống thận trọng khi áp dụng công nghệ, đầu tư AI đang tăng tốc. Một báo cáo của McKinsey năm 2024 cho thấy rằng các tổ chức hiện sử dụng AI trong trung bình ba chức năng kinh doanh, với sản xuất, chuỗi cung ứng và phát triển sản phẩm dẫn đầu (McKinsey).

Chăm sóc sức khỏe là một ví dụ chính. Navina, một công ty khởi nghiệp tích hợp AI vào hồ sơ sức khỏe điện tử để đưa ra các thông tin lâm sàng, vừa huy động được 55 triệu đô la trong vòng tài trợ Series C từ Goldman Sachs (Business Insider). Năng lượng không khác – các nhà lãnh đạo ngành đã ra mắt Liên minh AI Mở để đưa tối ưu hóa AI vào hoạt động lưới và nhà máy (Axios).

Gánh Nặng Máy Tính Không Ai Nói Về

AI đã phá vỡ các mô hình cơ sở hạ tầng truyền thống. Giả định rằng đám mây có thể mở rộng vô hạn để hỗ trợ sự tăng trưởng của AI là hoàn toàn sai. AI không mở rộng như các khối lượng công việc truyền thống. Đường cong nhu cầu không渐 dần – nó là cấp số nhân, và các nhà cung cấp siêu lớn không theo kịp.

• Giới Hạn Năng Lượng: Các trung tâm dữ liệu chuyên dụng cho AI hiện đang được xây dựng xung quanh khả năng cung cấp năng lượng, không chỉ là mạng lưới.
• Ách Tắc Mạng: Các môi trường CNTT hỗn hợp đang trở nên không thể quản lý nếu không có tự động hóa, điều mà các khối lượng công việc AI sẽ chỉ làm trầm trọng thêm.
• Áp Lực Kinh Tế: Các khối lượng công việc AI có thể tiêu thụ hàng triệu đô la trong một tháng, tạo ra sự không chắc chắn về tài chính.

Các trung tâm dữ liệu hiện chiếm 1% tiêu thụ điện năng toàn cầu. Tại Ireland, họ hiện tiêu thụ 20% lưới điện quốc gia, một tỷ lệ dự kiến sẽ tăng đáng kể vào năm 2030 (IEA).

Thêm vào đó là áp lực sắp tới đối với GPU. Công ty Bain & Company gần đây đã cảnh báo rằng sự tăng trưởng của AI đang tạo ra một sự thiếu hụt chip bán dẫn, được thúc đẩy bởi nhu cầu dữ liệu trung tâm cấp dữ liệu (Bain).

Trong khi đó, vấn đề bền vững của AI ngày càng tăng. Một phân tích năm 2024 trên Sustainable Cities and Society cảnh báo rằng việc áp dụng rộng rãi AI trong chăm sóc sức khỏe có thể làm tăng đáng kể tiêu thụ năng lượng và khí thải carbon của lĩnh vực này, trừ khi được bù đắp bởi hiệu quả mục tiêu (ScienceDirect).

Sự Lan Tràn Của Mô Hình Lớn Là Lớn Hơn Thị Trường – Đó Là Một Vấn Đề Về Quyền Lực Nhà Nước

Nếu bạn nghĩ rằng sự lan rộng của mô hình lớn là một vấn đề của doanh nghiệp, hãy nghĩ lại. Người lái xe quan trọng nhất của sự phân mảnh AI không phải là khu vực tư nhân – đó là các chính phủ và cơ quan quốc phòng, triển khai AI với quy mô mà không có nhà cung cấp siêu lớn hoặc doanh nghiệp nào có thể sánh kịp.

Chính phủ Hoa Kỳ alone đã triển khai AI trong hơn 700 ứng dụng trên 27 cơ quan, bao gồm phân tích tình báo, hậu cần và nhiều hơn (FedTech Magazine).

Canada đang đầu tư lên đến 700 triệu đô la để mở rộng khả năng tính toán AI trong nước, ra mắt một thách thức quốc gia để tăng cường cơ sở hạ tầng trung tâm dữ liệu chủ quyền (Innovation, Science and Economic Development Canada).

Và có những cuộc gọi ngày càng tăng cho một “chương trình Apollo” cho cơ sở hạ tầng AI – nhấn mạnh sự thăng tiến của AI từ lợi thế thương mại đến yêu cầu quốc gia (MIT Technology Review).

AI quân sự sẽ không hiệu quả, phối hợp hoặc tối ưu hóa cho chi phí – nó sẽ được thúc đẩy bởi các yêu cầu an ninh quốc gia, sự cấp thiết địa chính trị và nhu cầu về các hệ thống AI chủ quyền đóng. Ngay cả khi các doanh nghiệp thu hẹp sự lan rộng của mô hình lớn, ai sẽ nói với các chính phủ để chậm lại?

Bởi vì khi an ninh quốc gia đang bị đe dọa, không ai dừng lại để hỏi liệu lưới điện có thể xử lý nó hay không.