Штучний інтелект (ШІ) стає частиною повсякденного життя багатьох людей у всьому світі. На індивідуальному рівні люди все частіше використовують моделі ШІ для пошукових запитів. Хоча Google все ще домінує на ринку пошуку, ChatGPT становить найбільшу загрозу для його домінування.
На бізнес-рівні жодна галузь не залишається осторонь: від сільського господарства до охорони здоров’я, від фінансів до розваг, організації по всьому світу інтегрують штучний інтелект у свою щоденну роботу.
Очікується, що світовий попит на штучний інтелект і його використання зростатиме в геометричній прогресії в найближчі роки, тому технологічні компанії реагують на цей розвиток, будуючи величезні центри обробки даних. Але це зростання має певну ціну: споживання енергії, економічні витрати та вплив на навколишнє середовище. Традиційне обчислення просто не встигає за зростаючими обчислювальними ресурсами та потребами в енергії. Щоб підтримати революцію штучного інтелекту, ми повинні переосмислити фізику сучасних обчислень.
Питання енергетики
Навіть без урахування штучного інтелекту електронні обчислення знаходяться на критичному етапі. Закон Мура не виконується, масштабування Деннарда порушується, і результатом є поширення «темного кремнію», частин транзисторів на чіпі, які повинні залишатися без живлення або простоювати, щоб уникнути перегріву.
Навчання великої моделі штучного інтелекту нелегке завдання. Великі мовні моделі (LLM) навчаються на величезних обсягах даних і мають трильйони параметрів. Вони прогнозують, вимірюють, коригують і повторюють процес мільярди разів. За оцінками, обчислювальна потужність, необхідна для навчання моделей ШІ, подвоюватиметься кожні шість місяців.
Обробка та переміщення таких великих обсягів даних вимагає великого паралелізму та потужності. У традиційних обчисленнях більша потужність вимагає систем з більшою щільністю. Більша щільність означає більший опір, а більший опір означає більше тепла. Це змушує центри обробки даних витрачати багато енергії з обчислень на охолодження, причому до 40% загального споживання енергії центрами обробки даних витрачається на запобігання виходу з ладу серверів.
Інфраструктура, яка підтримує штучний інтелект, уже відчуває проблеми, і очевидно, що традиційні обчислення більше не можуть підтримувати майбутній розвиток.
Економічні питання
Оператори центрів обробки даних стикаються з фінансовою головоломкою: або обмежити щільність обчислень до рівня, який можуть обробляти їхні поточні засоби охолодження, перешкоджаючи їхнім бізнес-можливостям, або розширити температурні обмеження, викликаючи прискорене старіння обладнання та компонентів, збільшуючи операційні витрати та відходи.
Крім того, вартість будівництва нових центрів обробки даних також є дуже високою - McKinsey прогнозує, що до 2030 року знадобляться інвестиції в розмірі 5,2 трильйона доларів США. Якщо центри обробки даних і надалі покладаються на традиційні обчислення, інвестиції в неефективну інфраструктуру стануть величезним фінансовим ризиком. Звичайні споживачі також страждають від поганих економічних умов; оскільки штучний інтелект чинить безпрецедентний тиск на мережу, а попит на електроенергію центрів обробки даних зростає, ціни на електроенергію зростають. Ці витрати перекладаються на навколишні домогосподарства у вигляді швидко зростаючих рахунків за електроенергію.
