Искусственный интеллект (ИИ) становится частью повседневной жизни многих людей во всем мире. На индивидуальном уровне люди все чаще используют модели искусственного интеллекта для поисковых запросов. Хотя Google по-прежнему доминирует на рынке поиска, наиболее серьезную угрозу его доминированию представляет ChatGPT.
На уровне бизнеса ни одна отрасль не осталась в стороне: от сельского хозяйства до здравоохранения, от финансов до развлечений — организации по всему миру интегрируют ИИ в свою повседневную деятельность.
Ожидается, что в ближайшие годы мировой спрос на искусственный интеллект и его использование будет расти в геометрической прогрессии, поэтому технологические компании реагируют на это развитие строительством огромных центров обработки данных. Но за этот рост приходится платить: потребление энергии, экономические издержки и воздействие на окружающую среду. Традиционные компьютеры просто не могут справиться с растущими потребностями в вычислительной технике и энергии. Чтобы поддержать революцию искусственного интеллекта, мы должны переосмыслить физику современных вычислений.
Проблемы энергетики
Даже если не учитывать ИИ, электронные вычисления находятся на критическом этапе. Закон Мура не работает, масштабирование Деннарда нарушено, и результатом является распространение «темного кремния» — частей транзисторов на кристалле, которые должны оставаться обесточенными или простаивать, чтобы избежать перегрева.
Обучение большой модели ИИ — непростая задача. Большие языковые модели (LLM) обучаются на огромных объемах данных и имеют триллионы параметров. Они прогнозируют, измеряют, корректируют и повторяют этот процесс миллиарды раз. Предполагается, что вычислительная мощность, необходимая для обучения моделей ИИ, будет удваиваться каждые шесть месяцев.
Обработка и перемещение таких больших объемов данных требует огромного параллелизма и мощности. В традиционных вычислениях более высокая мощность требует систем с более высокой плотностью. Более высокая плотность означает большее сопротивление, а большее сопротивление означает больше тепла. Это вынуждает центры обработки данных переносить большую часть энергии с вычислений на охлаждение, при этом до 40% общего энергопотребления центров обработки данных используется для предотвращения сбоев серверов.
Инфраструктура, поддерживающая ИИ, уже испытывает трудности, и ясно, что традиционные вычисления больше не могут поддерживать будущее развитие.
Экономические вопросы
Операторы центров обработки данных сталкиваются с финансовой загадкой: либо ограничить плотность вычислений до уровня, который могут выдержать их текущие системы охлаждения, ограничивая их бизнес-возможности, либо увеличить температурные ограничения, вызывая ускоренное старение оборудования и компонентов, увеличивая эксплуатационные расходы и отходы.
Кроме того, стоимость строительства новых центров обработки данных также очень высока. - McKinsey прогнозирует, что к 2030 году потребуются инвестиции в размере 5,2 триллиона долларов США. Если центры обработки данных продолжат полагаться на традиционные вычисления, инвестиции в неэффективную инфраструктуру станут огромным финансовым риском. Рядовые потребители также страдают от плохих экономических условий; Поскольку ИИ оказывает беспрецедентное давление на энергосистему, а спрос на электроэнергию в центрах обработки данных растет, цены на электроэнергию растут. Эти затраты перекладываются на соседние домохозяйства в виде быстро растущих счетов за электроэнергию.
