La compétition de puissance de calcul à l'ère de l'intelligence artificielle

Les grandes entreprises technologiques poursuivent de toutes leurs forces le rêve de l'intelligence artificielle. Les derniers rapports financiers de sociétés telles que Microsoft, Google et Meta montrent que l'IA stimule la croissance rapide des affaires dans le cloud computing, la publicité, etc. Ces géants investissent massivement dans l'infrastructure de Puissance de calcul, et il est difficile de voir une réduction des dépenses d'investissement à court terme. Comme le dit le fournisseur de Puissance de calcul CoreWeave, le point d'équilibre de l'offre et de la demande en Puissance de calcul pour l'IA pourrait ne pas être atteint avant 2030.

L'industrie attend de voir davantage d'applications AI "ancrées dans la réalité", capables d'améliorer réellement la productivité ou d'apporter des commodités dans la vie quotidienne. Cette année, nous avons déjà été témoins des performances impressionnantes de Sora d'OpenAI et du modèle Kimi développé localement. À l'avenir, nous espérons également voir des mises à jour continues des modèles comme GPT et Gemini, ainsi que l'application de grands modèles sur des terminaux tels que PC et smartphones. Le chemin vers l'intelligence artificielle générale est tortueux et il pourrait encore falloir un certain temps pour incuber des applications AI véritablement capables de transformer la société.

Actuellement, il faut se concentrer sur la "puissance de calcul à haute performance prix". En regardant les époques 4G et 5G, la baisse des coûts de la data mobile a favorisé l'épanouissement des applications mobiles. De la même manière, la baisse des coûts de la puissance de calcul par unité sera une condition nécessaire pour que l'humanité entre dans l'ère de l'AGI. Une puissance de calcul AI bon marché, accessible et stable est la base de l'émergence d'applications AI révolutionnaires. Prenons Sora comme exemple, sa publication nécessitera encore plusieurs mois, l'une des raisons importantes étant le besoin d'optimiser constamment la puissance de calcul requise pour l'inférence.

En ce qui concerne le coût de la puissance de calcul, à part environ 10 % de coûts énergétiques, le reste est presque entièrement un investissement en actifs fixes, comprenant des GPU, des équipements réseau, des solutions de refroidissement, etc. Pour les GPU, TSMC élargit sa capacité de conditionnement de puces AI ; en ce qui concerne les équipements réseau, les nouveaux produits de NVIDIA utilisent massivement des câbles en cuivre, alliant performance et coût ; en matière de refroidissement, avec l'augmentation de la densité de puissance des armoires, le rapport coût-efficacité des solutions de refroidissement liquide dépassera celui des solutions de refroidissement par air.

À l'avenir, le coût de la puissance de calcul devrait continuer à diminuer, ce qui créera des conditions pour le déploiement à grande échelle des applications d'IA. Bien que les grandes entreprises aient la capacité d'effectuer d'énormes investissements, les PME ont davantage besoin de services de puissance de calcul rentables. Dans l'ensemble, l'ère de l'IA en est encore à ses débuts, et toutes les parties doivent continuer à investir et à explorer pour faire avancer le développement et l'application de cette technologie disruptive.