A competição de poder de computação na era da inteligência artificial

Grandes empresas de tecnologia estão a perseguir o sonho da inteligência artificial com todas as suas forças. Os últimos relatórios financeiros de empresas como a Microsoft, Google e Meta mostram que a IA está a impulsionar um rápido crescimento nos negócios de computação em nuvem, publicidade e outros. Estes gigantes estão a investir em grande escala em infraestrutura de poder de computação, e é difícil ver uma desaceleração nos gastos de capital a curto prazo. Como disse o fornecedor de serviços de poder de computação CoreWeave, o ponto de equilíbrio entre oferta e procura de poder de computação para IA pode não ser alcançado até 2030.

A indústria espera ver mais aplicações de IA "práticas", que possam realmente aumentar a produtividade ou trazer conveniência à vida. Este ano já testemunhamos as impressionantes performances do Sora da OpenAI e do modelo nacional Kimi, e no futuro, espera-se ver atualizações contínuas de modelos como GPT e Gemini, bem como a aplicação de grandes modelos em terminais como PCs e smartphones. O caminho para a inteligência artificial geral é tortuoso e pode levar um tempo considerável até que aplicações de IA verdadeiramente transformadoras para a sociedade sejam incubadas.

Atualmente, devemos nos concentrar em "poder de computação de alto custo-benefício". Ao revisitar as eras 4G e 5G, a diminuição do custo do tráfego móvel gerou a prosperidade dos aplicativos móveis. Da mesma forma, a redução do custo por unidade de poder de computação será uma condição necessária para a humanidade entrar na era da AGI. Poder de computação de IA barato, acessível e estável é a base para a criação de aplicações revolucionárias de IA. Tomando Sora como exemplo, sua divulgação pública ainda levará alguns meses, uma razão importante é que é necessário otimizar continuamente o poder de computação necessário para a inferência.

Do ponto de vista do custo de poder de computação, além de cerca de 10% de custo de eletricidade, quase tudo o resto são investimentos em ativos fixos, incluindo GPU, equipamentos de rede, refrigeração, etc. No que diz respeito às GPUs, a TSMC está expandindo a capacidade de embalagem de chips de IA; em termos de equipamentos de rede, os novos produtos da NVIDIA utilizam em grande parte cabos de cobre, equilibrando desempenho e custo; em relação à refrigeração, à medida que a densidade de potência dos gabinetes individuais aumenta, a solução de refrigeração líquida terá uma melhor relação custo-benefício em comparação com a refrigeração a ar.

No futuro, o custo do poder de computação deverá continuar a descer, o que criará condições para a implementação em larga escala de aplicações de IA. Embora os gigantes tenham a capacidade de fazer grandes investimentos, as pequenas e médias empresas precisam ainda mais de serviços de poder de computação com boa relação custo-benefício. Em geral, a era da IA está apenas a dar os primeiros passos, e todas as partes ainda precisam de continuar a investir e explorar para impulsionar o desenvolvimento e a aplicação desta tecnologia disruptiva.