La competencia de potencia computacional en la era de la inteligencia artificial

Las grandes empresas tecnológicas están persiguiendo con todas sus fuerzas el sueño de la inteligencia artificial. Los últimos informes financieros de empresas como Microsoft, Google y Meta muestran que la IA está impulsando un rápido crecimiento en negocios como la computación en la nube y la publicidad. Estos gigantes están invirtiendo a gran escala en infraestructura de Potencia computacional, y es difícil que el gasto de capital disminuya a corto plazo. Como dice el proveedor de Potencia computacional CoreWeave, el punto de equilibrio entre la oferta y la demanda de Potencia computacional para la IA podría no lograrse hasta 2030.

La industria espera ver más aplicaciones de IA "acercadas a la realidad" que puedan realmente mejorar la productividad o traer conveniencia a la vida. Este año ya hemos sido testigos de las impresionantes actuaciones de Sora de OpenAI y Kimi, un modelo nacional. En el futuro, también se espera ver actualizaciones continuas de modelos como GPT y Gemini, así como la aplicación de modelos grandes en terminales como PC y teléfonos móviles. El camino hacia la inteligencia artificial general es tortuoso y puede llevar aún mucho tiempo para incubar aplicaciones de IA que realmente cambien la sociedad.

Actualmente deberíamos centrarnos en la "potencia computacional de alto costo-beneficio". Al mirar hacia atrás en la era 4G y 5G, la disminución de los costos de tráfico móvil dio lugar a la prosperidad de las aplicaciones móviles. De manera similar, la disminución de los costos de la potencia computacional por unidad será una condición necesaria para que la humanidad entre en la era de la AGI. Una potencia computacional de IA barata, accesible y estable es la base para cultivar aplicaciones de IA revolucionarias. Tomemos como ejemplo a Sora, su lanzamiento público aún tomará meses, y una de las razones importantes es la necesidad de optimizar continuamente la potencia computacional requerida para la inferencia.

Desde el punto de vista del costo de la potencia computacional, además de aproximadamente el 10% de los costos de electricidad, el resto son casi todas inversiones en activos fijos, incluidos GPU, equipos de red, refrigeración, etc. En cuanto a GPU, TSMC está ampliando la capacidad de empaque de chips de IA; en el ámbito de equipos de red, los nuevos productos de NVIDIA utilizan en gran medida cables de cobre, combinando rendimiento y costo; en cuanto a refrigeración, a medida que aumenta la densidad de potencia en los gabinetes, la solución de refrigeración líquida superará en costo-efectividad a la refrigeración por aire.

En el futuro, se espera que los costos de potencia computacional continúen disminuyendo, lo que creará condiciones para la implementación a gran escala de aplicaciones de IA. Aunque los gigantes tienen la capacidad de realizar grandes inversiones, las pequeñas y medianas empresas necesitan más servicios de potencia computacional con una buena relación calidad-precio. En general, la era de la IA está en sus etapas iniciales, y todas las partes aún deben seguir invirtiendo y explorando para impulsar el desarrollo y la aplicación de esta tecnología disruptiva.