Sztuczna inteligencja staje przed nieoczekiwanym wyzwaniem: trwałością układów scalonych.

Analitycy ostrzegają, że firmy zbyt optymistycznie oceniają okres eksploatacji tych specjalistycznych układów scalonych, zanim staną się one przestarzałe.

W pogoni za marzeniem o sztucznej inteligencji (AI), branża technologiczna zainwestowała w tym roku około 400 miliardów dolarów w specjalistyczne układy scalone i centra danych, ale pojawia się coraz więcej pytań dotyczących zasadności tak bezprecedensowych inwestycji.

Podstawą tych wątpliwości są przesadnie optymistyczne szacunki dotyczące czasu eksploatacji tych specjalistycznych układów scalonych, zanim staną się przestarzałe.

Biorąc pod uwagę utrzymujące się obawy dotyczące bańki spekulacyjnej na rynku sztucznej inteligencji oraz fakt, że znaczna część amerykańskiej gospodarki opiera się na boomie na sztuczną inteligencję, analitycy ostrzegają, że sygnał ostrzegawczy może być bolesny i kosztowny.

„Oszustwo” – tak znany inwestor Michael Burry, znany z filmu „The Big Short”, opisał sytuację na platformie społecznościowej X na początku listopada.

Przed falą innowacji AI stworzonych przez ChatGPT, duże firmy zajmujące się przetwarzaniem w chmurze zwykle zakładały, że ich układy scalone i serwery będą miały żywotność około sześciu lat.

Mihir Kshirsagar z Centrum Polityki Technologii Informacyjnych Uniwersytetu Princeton twierdzi jednak, że „połączenie zużycia i przestarzałości technologicznej sprawia, że ​​założenie o sześcioletnim okresie użytkowania jest trudne do utrzymania”.

Inny problem: producenci układów scalonych — a niekwestionowanym liderem jest Nvidia — wypuszczają nowe procesory, które są o wiele wydajniejsze niż wcześniej.

Niecały rok po wprowadzeniu na rynek swojego flagowego układu Blackwell firma Nvidia ogłosiła, że ​​Rubin pojawi się na rynku w 2026 r. i będzie charakteryzować się 7,5-krotnie wyższą wydajnością.

Jak ostrzega Gil Luria z firmy doradztwa finansowego DA Davidson, w takim tempie w ciągu trzech, czterech lat chipy stracą od 85 do 90 procent swojej wartości rynkowej.

Sam Jensen Huang, dyrektor generalny firmy Nvidia, wyraził ten pogląd w marcu, wyjaśniając, że po wprowadzeniu na rynek układu Blackwell nikt nie chciał już korzystać z poprzedniej generacji układów.

Aplikacja ChatGPT. (Źródło: AFP/VNA)

„Są przypadki, w których chipsy Hopper nadal dobrze się sprawdzają” – dodał, mając na myśli starsze chipsy. „Ale nie jest ich wiele”.

Procesory AI również częściej niż kiedykolwiek doświadczają problemów, zauważył Luria. „Przegrzewają się tak bardzo, że czasami urządzenia się przepalają”.

Niedawne badanie firmy Meta dotyczące modelu sztucznej inteligencji Llama wykazało, że roczna stopa awaryjności wynosi 9%.

Zarówno Kshirsagar, jak i Burry twierdzą, że rzeczywisty okres eksploatacji układów AI wynosi zaledwie dwa lub trzy lata.

Firma Nvidia odpowiedziała w listopadzie nietypowym oświadczeniem, broniąc szacunków branży, mówiących o czterech do sześciu latach, opartych na dowodach faktycznych i trendach użytkowania.

Kshirsagar uważa jednak, że te optymistyczne założenia oznaczają boom na sztuczną inteligencję opartą na „sztucznie niskich” kosztach – a konsekwencje tego są nieuniknione.

Jeśli firmy zostaną zmuszone do skrócenia okresów amortyzacji, „natychmiast wpłynie to na rentowność” i obniży zyski, ostrzega Jon Peddie z Jon Peddie Research. „Właśnie tutaj firmy wpadają w kłopoty z powodu oszukańczych praktyk księgowych”.

Analitycy ostrzegają, że konsekwencje mogą być dalekosiężne w gospodarce coraz bardziej uzależnionej od sztucznej inteligencji.

Luria nie przejmował się gigantami takimi jak Amazon, Google czy Microsoft, firmami o zróżnicowanych źródłach przychodów. Skupiał się na Oracle i CoreWeave.

Obie firmy zmagają się z ogromnym zadłużeniem, jednocześnie ścigając się w zakupie większej liczby układów scalonych, aby rywalizować o klientów korzystających z usług przetwarzania w chmurze.

Luria podkreślił, że zbudowanie centrum danych wymaga pozyskania znacznej ilości kapitału.

„Jeśli okażą się mniej zyskowne”, ponieważ sprzęt trzeba będzie częściej wymieniać, „wówczas pozyskanie kapitału stanie się droższe”.

Sytuacja jest szczególnie niebezpieczna, ponieważ w przypadku niektórych pożyczek zabezpieczeniem są same żetony.

Niektóre firmy mają nadzieję ograniczyć szkody poprzez odsprzedaż starych układów scalonych lub wykorzystanie ich do zadań mniej wymagających od zaawansowanej sztucznej inteligencji.

Peddie powiedział, że układ z 2023 roku, „jeśli będzie to ekonomicznie opłacalne, mógłby zostać wykorzystany do rozwiązywania problemów wtórnych i jako rozwiązanie zapasowe”.

(Wietnam+)

Źródło: https://www.vietnamplus.vn/tri-tue-nhan-tao-gap-phai-mot-thach-thuc-khong-ngo-do-ben-cua-chip-post1083040.vnp