Bolehkah AI Generatif Mengatasi Persoalan Mengenai Skalabilitas dan Kos?

Aliran Ekonomi

Ringkasan:

Dengan syarikat-syarikat terbesar di dunia berlumba-lumba untuk membina kecerdasan buatan yang paling canggih, persoalan tentang sejauh mana dan seberapa pantas teknologi itu boleh dipertingkatkan menjadi tumpuan, menurut Goldman Sachs Research.

Kemunculan AI generatif telah mencipta lonjakan keterujaan tentang masa depan teknologi. Tidak seperti jenis AI lain, gen AI boleh mencipta outputnya sendiri dalam bahasa semula jadi. Kerana ia "multimodal", ia juga boleh menjana respons dalam format lain, termasuk teks, nombor, video dan bunyi.

Syarikat teknologi besar memetik kes penggunaan awal, dan sesetengah pemain perusahaan melihat skop untuk peningkatan produktiviti utama dalam bidang tertentu seperti penulisan kod, yang boleh menjadikan pekerja paling berharga lebih produktif.

Walau bagaimanapun, saiz sebenar manfaat ekonomi masa depan adalah subjek perdebatan . Kos membina gen AI pada skala adalah sangat tinggi, dengan syarikat teknologi besar melabur ratusan bilion dolar — walaupun kos setiap pertanyaan telah menurun dengan ketara sejak teknologi mula dilancarkan.

Pada Simposium AI Maya dan Semis Eropah Goldman Sachs yang julung kali diadakan, 20 penceramah — daripada CEO dan ahli teknologi kepada ahli ekonomi makro — berkumpul untuk menilai prospek AI. Khususnya, mereka membincangkan topik utama termasuk kes penggunaan, jumlah pasaran yang boleh ditangani, cabaran untuk pembangunan lanjut dan penggunaan teknologi, dan implikasi untuk perkakasan dan semikonduktor Eropah.

Kami bercakap dengan Alexander Duval, ketua Semikonduktor Perkakasan Teknologi Eropah dalam Penyelidikan Goldman Sachs, mengenai penemuan utama simposium.

Apakah peranan yang dimainkan oleh syarikat teknologi besar yang dikenali sebagai "hyperscalers" dalam pembangunan AI?

Setakat ini, gergasi teknologi AS berada di barisan hadapan penggunaan AI generatif. Mereka telah membangunkan model bahasa yang besar, yang boleh mereka gunakan untuk perniagaan sedia ada mereka dan juga berpotensi dalam mencipta alatan perniagaan baharu.

Simposium mendengar bagaimana teknologi menjana satu perempat daripada kod hyperscaler dan menjimatkan masa kejuruteraan yang bermakna untuk yang lain. Kes penggunaan yang lebih luas dalam ekonomi sebenar termasuk penggunaannya untuk meramalkan struktur protein, dan juga untuk "menyah usia" penampilan pelakon dalam filem.

Itu adalah contoh yang menarik. Tetapi perlu diingat bahawa hyperscaler telah membelanjakan ratusan bilion untuk perkara ini. Bersama-sama, mereka telah membelanjakan kira-kira $200 bilion untuk AI tahun ini, dan itu mungkin akan meningkat kepada $250 bilion tahun depan. Membangunkan model bahasa yang besar boleh menelan belanja puluhan atau ratusan juta dolar. Dan itulah sebabnya pada simposium ini, kami benar-benar ingin melihat sama ada ia boleh dilaksanakan atau wajar bahawa teknologi boleh berskala untuk menangani lebih banyak kes penggunaan. Penskala besar ini mempunyai banyak aliran tunai percuma, dan kami mula melihat contoh kes penggunaan, tetapi beberapa pemerhati industri percaya bahawa pada satu ketika kami perlu melihat pulangan pelaburan untuk pelbagai kes penggunaan dan menegak yang lebih luas.

Adakah sebarang kes penggunaan utama muncul untuk kecerdasan buatan dalam ekonomi yang lebih luas?

Oleh kerana AI generatif adalah multimodal, ia secara teorinya boleh digunakan untuk pelbagai bidang: sokongan pelanggan, pengekodan, analisis perubatan, pemasaran dan banyak lagi. Memandangkan terdapat tahap pelaburan yang sangat ketara dalam AI, manfaat agregat kes penggunaan sedemikian perlu ditunjukkan untuk mewajarkan pulangan pelaburan yang kukuh. Walaupun begitu, beberapa peserta di simposium itu mengatakan bahawa mungkin tidak penting untuk AI untuk skala dalam satu kawasan tertentu - dengan kata lain, satu kes penggunaan utama mungkin tidak diperlukan - selagi manfaat ekonomi daripada semua penggunaan yang berbeza kes adalah mencukupi secara agregat. Anda boleh melihat peningkatan kecekapan secara menyeluruh.

Sesetengah penceramah menunjukkan terdapat beberapa contoh perniagaan teknologi yang sangat besar yang berjaya di mana anda boleh berhujah bahawa tidak ada kes penggunaan utama pada mulanya. Ambil contoh aplikasi ride hailing. Sudah ada penyelesaian yang sangat baik: Berjalan ke hujung jalan dan memanggil teksi secara fizikal. Tetapi dengan memanfaatkan perisian dan kesan rangkaian, anda boleh mencipta faedah ekonomi yang sangat besar, serta faedah kepada pengguna.

Adakah masih ada ruang untuk syarikat teknologi yang lebih kecil untuk bersaing?

Beberapa penceramah di simposium mempunyai pandangan yang menarik tentang model bahasa kecil. Pada mulanya, pemain teknologi memberi tumpuan kepada membina model bahasa yang besar — dan itu masih penting. Tetapi terdapat juga trend membangunkan model yang lebih kecil dan lebih cekap.

Model bahasa kecil lebih mudah untuk diperhalusi, ia mungkin mempunyai penggunaan tenaga yang lebih rendah dan ia boleh disesuaikan untuk memenuhi keperluan khusus perusahaan dalam domain tertentu (seperti undang-undang, perubatan atau kewangan). Ia juga secara amnya lebih murah, kerana ia lebih kecil dan menggunakan kuasa yang kurang.

Model bahasa yang besar akan kekal penting, dan raksasa teknologi mempunyai sumber, aliran tunai percuma dan kunci kira-kira untuk memacu pembangunannya. Tetapi penceramah menegaskan bahawa akan ada pemain lain, mungkin lebih kecil dalam ekosistem yang boleh berinovasi dan membangunkan model bahasa kecil yang akan berada di atas model yang lebih besar itu. Sesetengah penceramah berpendapat ini memberi peluang kepada syarikat kecil untuk memacu inovasi di bahagian atas timbunan dan menyerlahkan bilangan besar syarikat yang diasaskan setiap hari untuk berbuat demikian.

Bolehkah kos AI generatif yang tinggi menghalang pembangunan?

Latihan LLM memerlukan tahap pelaburan modal yang sangat tinggi. Anda perlu membina pusat data, anda memerlukan semua semikonduktor — termasuk kedua-dua GPU dan cip memori — dan anda memerlukan perkakasan, kuasa dan utiliti. Penceramah menyebut bahawa kos setiap pertanyaan dalam sesetengah domain adalah berkali ganda lebih tinggi daripada algoritma carian biasa.

Yang berkata, terdapat kemajuan yang stabil dalam mengurangkan kos. Kos pertanyaan AI generatif di beberapa syarikat teknologi besar telah menurun dengan ketara sejak pelancaran teknologi itu, dan sebuah syarikat AI generasi baharu telah mengatakan bahawa hasil yang dijana oleh generasi terkini LLM melebihi kos latihan model terdahulu. Walaupun sesetengah penceramah menyatakan terdapat risiko bahawa perbelanjaan untuk AI boleh dikurangkan jika pulangan yang ketara tidak dijana, konsensus adalah bahawa hyperscaler akan terus melabur dalam beberapa tahun akan datang. Secara keseluruhan, Goldman Sachs Research meramalkan sekitar $1 trilion pelaburan dalam AI dalam beberapa tahun akan datang.

Apakah halangan lain untuk meningkatkan lagi AI?

Terdapat beberapa cabaran yang terlibat dalam penskalaan AI. Untuk membina teknologi, anda memerlukan akses kepada semikonduktor, kuasa dan banyak data.

Data menjadi persoalan utama. Kami sampai ke tahap di mana pembangun telah melatih model bahasa besar ini pada hampir semua data yang ada di internet. Pakar AI cuba mencari cara untuk mengatasi masalah ini.

Satu jawapan yang berpotensi ialah pembelajaran multimodal — di mana model AI belajar dengan menelan bukan sahaja teks, tetapi juga video dan gambar. Itu akan memberi mereka lebih banyak maklumat. Terdapat juga simpanan data yang mungkin dalam silo proprietari — di institut penyelidikan atau korporat, contohnya — dan secara teorinya boleh ditambah pada korpus data yang model ini dilatih. Kami juga mendengar tentang kemungkinan bahawa pengkomputeran kuantum akan menjana beberapa data kesetiaan tinggi yang boleh digunakan untuk melatih model.

Keperluan tenaga yang besar adalah satu lagi kesesakan. Penjanaan kuasa perlu meningkat sekurang-kurangnya tiga hingga empat kali ganda menjelang 2030. Dan salah satu daripada panel tersebut menekankan bahawa peningkatan keperluan tenaga daripada hanya empat atau lima hyperscaler terbesar pada masa itu akan bersamaan dengan penggunaan tenaga semasa Perancis . Nasib baik, semikonduktor yang lebih maju juga boleh membawa infrastruktur penghantaran yang lebih baik dan penukaran kuasa yang lebih cekap. Usaha juga sedang dijalankan untuk menjadikan semikonduktor lebih cekap tenaga.

Apakah risiko menggunakan AI pada skala besar, dan bagaimanakah kita boleh mengehadkannya?

Percambahan AI telah menimbulkan kebimbangan mengenai etika penggunaannya. Walau bagaimanapun, panel kami menyerlahkan bahawa perusahaan dan badan etika sedang memantau kes penggunaan yang sedang dibangunkan, dan mencadangkan pagar untuk memastikan AI tidak disalahgunakan. Sebagai contoh, beberapa penceramah membincangkan bagaimana mempunyai manusia yang biasa dengan konteks tugas khusus yang memeriksa output AI mengurangkan risiko halusinasi yang mempunyai kesan yang memudaratkan.

Risiko lain yang memerlukan perhatian lanjut termasuk AI berkomunikasi antara mereka sendiri (berpotensi dalam bahasa yang tidak dapat difahami oleh manusia), kebimbangan hak cipta, berat sebelah dan keselamatan.

Oleh itu, penceramah bersetuju bahawa penggunaan AI mungkin semakin terhad kepada domain yang paling tidak berisiko dan bersyarat pada ciri keselamatan dan penyeliaan manusia.

Bagaimanakah syarikat perkakasan dan semikonduktor Eropah boleh mendapat manfaat daripada pembangunan teknologi AI?

Sebilangan syarikat perkakasan dan separuh Eropah boleh mendapat manfaat. Khususnya, simposium mempelajari tentang teknologi pemendapan lapisan atom — sejenis peralatan pengeluaran semikonduktor yang membolehkan anda mendepositkan bahan pada wafer silikon dengan sangat tepat untuk membina cip. Satu syarikat tertentu di Belanda menawarkan teknologi ini. Apabila cip ini semakin berkuasa, ia perlu lebih cekap dengan ruang dan kuasa, jadi reka bentuk cip baharu semakin memanfaatkan teknologi pemendapan lapisan atom.

Berbilang peserta juga menyerlahkan keupayaan Eropah dalam pembungkusan semikonduktor termaju, yang diperlukan untuk memastikan penggunaan ruang yang cekap pada peranti. Dan litografi - mekanisme untuk mencetak transistor pada mikrocip - juga akan terus maju, menawarkan keupayaan pemprosesan yang semakin berkuasa. Eropah juga merupakan pengeluar dominan teknologi sebegitu.

Akhir sekali, penukaran kuasa yang ketara akan diperlukan untuk menjalankan pelayan AI, dan Eropah juga mempunyai keupayaan yang menjanjikan di sana.

Untuk kekal dikemas kini tentang semua acara ekonomi hari ini, sila lihat kalendar ekonomi kami

Amaran Risiko dan Penafian Pelaburan

Anda memahami dan mengakui bahawa terdapat tahap risiko yang tinggi yang terlibat dalam perdagangan dengan strategi. Mengikuti mana-mana strategi atau metodologi pelaburan adalah potensi kerugian. Kandungan di tapak disediakan oleh penyumbang dan penganalisis kami untuk tujuan maklumat sahaja. Anda sendiri bertanggungjawab sepenuhnya untuk menentukan sama ada mana-mana aset dagangan, atau sekuriti, atau strategi, atau mana-mana produk lain sesuai untuk anda berdasarkan objektif pelaburan dan situasi kewangan anda.

Pendedahan Risiko

Risiko kerugian dalam perdagangan instrumen kewangan seperti saham, FX, komoditi, niaga hadapan, bon, ETF dan kripto boleh menjadi besar. Anda mungkin mengalami kerugian keseluruhan dana yang anda depositkan dengan broker anda. Oleh itu, anda harus mempertimbangkan dengan teliti sama ada perdagangan sedemikian sesuai untuk anda berdasarkan keadaan dan sumber kewangan anda.

Tiada keputusan untuk melabur harus dibuat tanpa menjalankan usaha wajar secara menyeluruh sendiri atau berunding dengan penasihat kewangan anda. Kandungan web kami mungkin tidak sesuai dengan anda kerana kami tidak mengetahui keadaan kewangan dan keperluan pelaburan anda. Maklumat kewangan kami mungkin mempunyai kependaman atau mengandungi ketidaktepatan, jadi anda harus bertanggungjawab sepenuhnya untuk sebarang keputusan perdagangan dan pelaburan anda. Syarikat tidak akan bertanggungjawab ke atas kehilangan modal anda.

Tanpa mendapat kebenaran daripada tapak web, anda tidak dibenarkan menyalin grafik, teks atau tanda dagangan tapak web. Hak harta intelek dalam kandungan atau data yang dimasukkan ke dalam laman web ini adalah milik pembekal dan pedagang pertukarannya.

Carian Terkini

Carian Teratas

Petikan

Analisis

Pengguna

24/7

Kalendar Ekonomi

Pendidikan

Data