Ένας καλύτερος τρόπος σκέψης για τη φούσκα AI

Οι άνθρωποι συχνά σκέφτονται τις τεχνολογικές φούσκες με αποκαλυπτικούς όρους, αλλά δεν χρειάζεται να είναι τόσο σοβαρό όσο όλα αυτά. Σε οικονομικούς όρους, μια φούσκα είναι ένα στοίχημα που αποδείχθηκε πολύ μεγάλο, αφήνοντάς σας περισσότερη προσφορά παρά ζήτηση.

Το αποτέλεσμα: Δεν είναι όλα ή τίποτα, και ακόμη και τα καλά στοιχήματα μπορεί να γίνουν ξινά αν δεν προσέχετε πώς τα φτιάχνετε.

Αυτό που κάνει το ερώτημα της φούσκας της τεχνητής νοημοσύνης τόσο δύσκολο να απαντηθεί, είναι τα αταίριαστα χρονοδιαγράμματα μεταξύ του ιλιγγιώδους ρυθμού ανάπτυξης λογισμικού τεχνητής νοημοσύνης και της αργής ανίχνευσης της κατασκευής και της τροφοδοσίας ενός κέντρου δεδομένων.

Επειδή αυτά τα κέντρα δεδομένων χρειάζονται χρόνια για να κατασκευαστούν, πολλά θα αλλάξουν αναπόφευκτα από τώρα και όταν έρθουν στο διαδίκτυο. Η αλυσίδα εφοδιασμού που τροφοδοτεί τις υπηρεσίες τεχνητής νοημοσύνης είναι τόσο περίπλοκη και ρευστή που είναι δύσκολο να έχουμε σαφήνεια για το πόση προσφορά θα χρειαζόμαστε σε λίγα χρόνια από τώρα. Το θέμα δεν είναι απλώς πόσο θα χρησιμοποιούν οι άνθρωποι την τεχνητή νοημοσύνη το 2028, αλλά πώς θα τη χρησιμοποιούν και αν στο μεταξύ θα έχουμε καινοτομίες στον τομέα της ενέργειας, του σχεδίου ημιαγωγών ή της μετάδοσης ισχύος.

Όταν ένα στοίχημα είναι τόσο μεγάλο, υπάρχουν πολλοί τρόποι που μπορεί να πάει στραβά – και τα στοιχήματα AI γίνονται πράγματι πολύ μεγάλα.

Την περασμένη εβδομάδα, το Reuters ανέφερε ότι μια πανεπιστημιούπολη κέντρου δεδομένων που συνδέεται με την Oracle στο Νέο Μεξικό έχει αντλήσει πίστωση ύψους 18 δισεκατομμυρίων δολαρίων από μια κοινοπραξία 20 τραπεζών. Η Oracle έχει ήδη συνάψει συμβάσεις 300 δισεκατομμυρίων δολαρίων σε υπηρεσίες cloud στο Open AI και οι εταιρείες έχουν συνεργαστεί με τη Softbank για την κατασκευή συνολικής υποδομής AI 500 δισεκατομμυρίων δολαρίων ως μέρος του έργου «Stargate». Ο Meta, για να μην μακρηγορεί, έχει δεσμεύτηκε να δαπανήσει 600 δισεκατομμύρια δολάρια υποδομών τα επόμενα τρία χρόνια. Παρακολουθούμε όλες τις σημαντικές δεσμεύσεις εδώ — και ο τεράστιος όγκος έχει καταστήσει δύσκολο να συμβαδίσουμε.

Ταυτόχρονα, υπάρχει πραγματική αβεβαιότητα σχετικά με το πόσο γρήγορα θα αυξηθεί η ζήτηση για υπηρεσίες τεχνητής νοημοσύνης.

Μια έρευνα της McKinsey που κυκλοφόρησε την περασμένη εβδομάδα εξέτασε πώς οι κορυφαίες εταιρείες χρησιμοποιούν εργαλεία τεχνητής νοημοσύνης. Τα αποτελέσματα ήταν μικτά. Σχεδόν όλες οι επιχειρήσεις με τις οποίες ήρθαν σε επαφή χρησιμοποιούν την τεχνητή νοημοσύνη με κάποιο τρόπο, ωστόσο λίγες το χρησιμοποιούν σε οποιαδήποτε πραγματική κλίμακα. Η τεχνητή νοημοσύνη επέτρεψε στις εταιρείες να μειώσουν το κόστος σε συγκεκριμένες περιπτώσεις χρήσης, αλλά δεν επηρεάζει τη συνολική επιχείρηση. Εν ολίγοις, οι περισσότερες εταιρείες εξακολουθούν να βρίσκονται σε κατάσταση αναμονής. Εάν βασίζεστε σε αυτές τις εταιρείες για να αγοράσουν χώρο στο κέντρο δεδομένων σας, μπορεί να περιμένετε πολύ.

Αλλά ακόμα κι αν η ζήτηση τεχνητής νοημοσύνης είναι ατελείωτη, αυτά τα έργα θα μπορούσαν να αντιμετωπίσουν πιο απλά προβλήματα υποδομής. Την περασμένη εβδομάδα, ο Satya Nadella εξέπληξε τους ακροατές του podcast λέγοντας ότι ανησυχούσε περισσότερο για την εξάντληση του χώρου του κέντρου δεδομένων παρά για την έλλειψη τσιπ. (Όπως το έθεσε, “Δεν είναι θέμα προμήθειας τσιπ, είναι το γεγονός ότι δεν έχω ζεστά κελύφη για να συνδέσω.”) Την ίδια στιγμή, ολόκληρα κέντρα δεδομένων μένουν αδρανείς επειδή δεν μπορούν να χειριστούν τις απαιτήσεις ισχύος της τελευταίας γενιάς τσιπ.

Ενώ η Nvidia και το OpenAI προχωρούν όσο πιο γρήγορα μπορούν, το ηλεκτρικό δίκτυο και το δομημένο περιβάλλον εξακολουθούν να κινούνται με τον ίδιο ρυθμό που κινούνταν πάντα. Αυτό αφήνει πολλές ευκαιρίες για ακριβά σημεία συμφόρησης, ακόμα κι αν όλα τα άλλα πάνε σωστά.

Μπαίνουμε πιο βαθιά στην ιδέα στο podcast Equity αυτής της εβδομάδας, το οποίο μπορείτε να ακούσετε παρακάτω.