Umjetna inteligencija (AI) postaje dio svakodnevnog života mnogih ljudi širom svijeta. Na individualnom nivou, ljudi sve više koriste AI modele za upite za pretragu. Dok Google još uvijek dominira tržištem pretraživanja, ChatGPT je predstavljao najznačajniju prijetnju njegovoj dominaciji.
Na poslovnom nivou, nijedna industrija nije izostavljena, od poljoprivrede do zdravstva, od finansija do zabave, organizacije širom svijeta integriraju AI u svoje svakodnevne operacije.
Očekuje se da će svjetska potražnja i upotreba AI eksponencijalno rasti u narednim godinama, tako da tehnološke kompanije odgovaraju na ovaj razvoj izgradnjom masivnih centara podataka. Ali ovaj rast ima svoju cijenu: potrošnju energije, ekonomske troškove i utjecaj na okoliš. Tradicionalno računarstvo jednostavno ne može pratiti rastuće potrebe računarstva i energije. Da bismo održali AI revoluciju, moramo ponovo razmisliti o fizici modernog računarstva.
Energetska pitanja
Čak i bez razmatranja veštačke inteligencije, elektronsko računarstvo je u kritičnom trenutku. Mooreov zakon ne uspijeva, Dennardovo skaliranje je pokvareno, a rezultat je proliferacija "tamnog silicijuma", dijelova tranzistora na čipu koji moraju ostati bez napajanja ili mirovanja kako bi se izbjeglo pregrijavanje.
Obuka velikog AI modela nije lak zadatak. Modeli velikih jezika (LLM) se obučavaju na ogromnim količinama podataka i imaju trilione parametara. Oni predviđaju, mjere, prilagođavaju i ponavljaju proces milijarde puta. Procjenjuje se da će se računarska snaga potrebna za obuku AI modela udvostručiti svakih šest mjeseci.
Obrada i premještanje tako velikih količina podataka zahtijeva ogroman paralelizam i moć. U tradicionalnom računarstvu, veća snaga zahtijeva sisteme veće gustine. Veća gustina znači veći otpor, a veća otpornost znači više topline. Ovo prisiljava data centre da prebace mnogo energije sa računarstva na hlađenje, pri čemu se do 40% ukupne potrošnje energije centra podataka koristi za sprečavanje pada servera.
Infrastruktura koja podržava umjetnu inteligenciju već se bori i jasno je da tradicionalno računarstvo više ne može podržavati budući razvoj.
Ekonomska pitanja
Operateri centara podataka suočeni su sa finansijskom zagonetkom: ili ograničiti gustinu računara na ono što njihova trenutna postrojenja za hlađenje mogu da podnesu, ometajući njihove poslovne mogućnosti, ili pomeraju termička ograničenja, uzrokujući ubrzano starenje hardvera i komponenti, povećavajući operativne troškove i otpad.
Osim toga, cijena izgradnje novih centara podataka je također vrlo visoka - McKinsey predviđa da će do 2030. godine biti potrebno 5,2 triliona dolara ulaganja. Ako se podatkovni centri nastave oslanjati na tradicionalno računarstvo, ulaganje u neefikasnu infrastrukturu predstavljat će ogroman finansijski rizik. Obične potrošače takođe pogađaju loši ekonomski uslovi; Kako AI vrši neviđeni pritisak na mrežu, a potražnja za energijom centara podataka raste, cijene električne energije rastu. Ovi troškovi se prenose na okolna domaćinstva u vidu brzo rastućih računa za struju.
