Generative AI สามารถเอาชนะคำถามเกี่ยวกับความสามารถในการปรับขนาดและต้นทุนได้หรือไม่

เศรษฐกิจ

สรุป:

ในขณะที่บริษัทใหญ่ๆ ของโลกกำลังแข่งขันกันสร้างปัญญาประดิษฐ์ที่ซับซ้อนที่สุด คำถามเกี่ยวกับขอบเขตและความเร็วในการปรับขนาดเทคโนโลยีจึงเริ่มได้รับความสนใจมากขึ้น ตามการวิจัยของ Goldman Sachs

การถือกำเนิดของ AI เชิงสร้างสรรค์ทำให้เกิดกระแสความตื่นเต้นเกี่ยวกับอนาคตของเทคโนโลยีนี้ ซึ่งแตกต่างจาก AI ประเภทอื่น AI เชิงสร้างสรรค์สามารถสร้างเอาต์พุตของตัวเองในภาษาธรรมชาติได้ เนื่องจากเป็น "มัลติโมดัล" จึงสามารถสร้างการตอบสนองในรูปแบบอื่นๆ ได้ เช่น ข้อความ ตัวเลข วิดีโอ และเสียง

บริษัทเทคโนโลยีรายใหญ่ต่างยกตัวอย่างกรณีการใช้งานเริ่มต้น และผู้เล่นระดับองค์กรบางรายมองเห็นช่องทางใน การเพิ่มประสิทธิภาพการทำงาน อย่างสำคัญ ในบางพื้นที่ เช่น การเขียนโค้ด ซึ่งอาจทำให้พนักงานที่มีคุณค่าที่สุดมีประสิทธิภาพการทำงานเพิ่มมากขึ้น

อย่างไรก็ตาม ขนาดที่แน่นอนของผลประโยชน์ทางเศรษฐกิจในอนาคตยังเป็น ประเด็นถกเถียงกันอยู่ต้นทุนในการสร้างปัญญาประดิษฐ์ในระดับขนาดใหญ่สูงมาก โดยบริษัทเทคโนโลยียักษ์ใหญ่ลงทุนเป็นเงินหลายแสนล้านดอลลาร์ แม้ว่าต้นทุนต่อการค้นหาจะลดลงอย่างมากนับตั้งแต่เปิดตัวเทคโนโลยีนี้เป็นครั้งแรก

ในงานสัมมนา European Virtual AI and Semis ครั้งแรกของ Goldman Sachs วิทยากร 20 คน ตั้งแต่ซีอีโอ นักเทคโนโลยี ไปจนถึงนักเศรษฐศาสตร์มหภาค ได้มาร่วมกันประเมินแนวโน้มของ AI โดยเฉพาะอย่างยิ่ง พวกเขาได้หารือเกี่ยวกับหัวข้อสำคัญต่างๆ เช่น กรณีการใช้งาน ตลาดเป้าหมายทั้งหมด ความท้าทายในการพัฒนาและนำเทคโนโลยีนี้มาใช้ในอนาคต และผลกระทบต่อฮาร์ดแวร์และเซมิคอนดักเตอร์ของยุโรป

เราได้พูดคุยกับ Alexander Duval หัวหน้าฝ่ายยุโรป Tech Hardware Semiconductors ใน Goldman Sachs Research เกี่ยวกับผลการค้นพบที่สำคัญของการประชุมสัมมนา

บริษัทเทคโนโลยีขนาดใหญ่ที่เรียกว่า “hyperscalers” มีบทบาทอย่างไรในการพัฒนา AI?

จนถึงขณะนี้ ยักษ์ใหญ่ด้านเทคโนโลยีของสหรัฐฯ ถือเป็นผู้นำในการใช้ AI เชิงสร้างสรรค์ โดยพวกเขาได้พัฒนาโมเดลภาษาขนาดใหญ่ที่สามารถใช้ได้ทั้งกับธุรกิจที่มีอยู่และยังอาจใช้ในการสร้างเครื่องมือทางธุรกิจใหม่ๆ ได้ด้วย

การประชุมสัมมนาครั้งนี้ได้ฟังถึงวิธีการที่เทคโนโลยีนี้สร้างโค้ดของไฮเปอร์สเกลเลอร์หนึ่งในสี่และประหยัดเวลาทางวิศวกรรมที่มีความหมายสำหรับอีกอันหนึ่ง กรณีการใช้งานที่กว้างขึ้นในเศรษฐกิจจริงได้แก่ การใช้เพื่อคาดการณ์โครงสร้างของโปรตีน และแม้กระทั่ง "ลดอายุ" ของการปรากฏตัวของนักแสดงในภาพยนตร์

สิ่งเหล่านี้เป็นตัวอย่างที่สะดุดตา แต่ควรจำไว้ว่าผู้ให้บริการไฮเปอร์สเกลได้ทุ่มเงินไปหลายร้อยพันล้านกับเรื่องนี้ โดยพวกเขาทุ่มเงินไปประมาณ 200,000 ล้านดอลลาร์สำหรับ AI ในปีนี้ และน่าจะเพิ่มเป็น 250,000 ล้านดอลลาร์ในปีหน้า การพัฒนาโมเดลภาษาขนาดใหญ่มีค่าใช้จ่ายหลายสิบหรือหลายร้อยล้านดอลลาร์ และนั่นคือเหตุผลที่เราต้องการดูว่าเป็นไปได้หรือพึงปรารถนาหรือไม่ที่เทคโนโลยีจะขยายขนาดเพื่อรองรับกรณีการใช้งานอื่นๆ อีกมากมาย ผู้ให้บริการไฮเปอร์สเกลเหล่านี้มีกระแสเงินสดอิสระจำนวนมาก และเรากำลังเริ่มเห็นตัวอย่างกรณีการใช้งาน แต่ผู้สังเกตการณ์ในอุตสาหกรรมจำนวนหนึ่งเชื่อว่าในบางจุด เราจำเป็นต้องเห็นผลตอบแทนจากการลงทุนสำหรับกรณีการใช้งานและแนวทางปฏิบัติที่หลากหลายยิ่งขึ้น

มีกรณีการใช้งานที่สำคัญใดๆ เกิดขึ้นสำหรับปัญญาประดิษฐ์ในเศรษฐกิจที่กว้างขึ้นหรือไม่?

เนื่องจาก AI เชิงสร้างสรรค์นั้นมีหลายโหมด จึงสามารถนำไปประยุกต์ใช้กับหลายสาขาได้ เช่น การสนับสนุนลูกค้า การเข้ารหัส การวิเคราะห์ทางการแพทย์ การตลาด และอื่นๆ อีกมากมาย เนื่องจากมีการลงทุนใน AI ในระดับที่สำคัญมาก ประโยชน์โดยรวมของกรณีการใช้งานดังกล่าวจึงจำเป็นต้องได้รับการพิสูจน์เพื่อให้ได้รับผลตอบแทนจากการลงทุนที่มั่นคง อย่างไรก็ตาม ผู้เข้าร่วมบางส่วนในงานสัมมนากล่าวว่า AI อาจไม่จำเป็นต้องปรับขนาดในพื้นที่ใดพื้นที่หนึ่งโดยเฉพาะ กล่าวอีกนัยหนึ่ง อาจไม่จำเป็นต้องมีเพียงกรณีการใช้งานหลักเดียว ตราบใดที่ผลประโยชน์ทางเศรษฐกิจจากกรณีการใช้งานที่แตกต่างกันทั้งหมดนั้นเพียงพอเมื่อรวมกันแล้ว คุณจะเห็นได้ว่าประสิทธิภาพเพิ่มขึ้นในทุกๆ ด้าน

วิทยากรบางคนชี้ให้เห็นว่ามีตัวอย่างมากมายของธุรกิจเทคโนโลยีขนาดใหญ่ที่ประสบความสำเร็จ ซึ่งคุณอาจโต้แย้งได้ว่าไม่มีกรณีการใช้งานที่สำคัญในตอนแรก ลองยกตัวอย่างแอปเรียกรถ ซึ่งมีวิธีแก้ปัญหาที่ดีอยู่แล้ว นั่นคือ เดินไปจนสุดถนนแล้วเรียกแท็กซี่ แต่ด้วยการใช้ประโยชน์จากซอฟต์แวร์และเครือข่าย คุณสามารถสร้างผลประโยชน์ทางเศรษฐกิจที่ยิ่งใหญ่ รวมถึงผลประโยชน์ต่อผู้บริโภคด้วย

ยังมีพื้นที่ให้บริษัทเทคโนโลยีขนาดเล็กสามารถแข่งขันได้หรือไม่?

วิทยากรบางคนในการประชุมสัมมนาได้ให้ข้อมูลเชิงลึกที่น่าสนใจเกี่ยวกับโมเดลภาษาขนาดเล็ก ในตอนแรก ผู้ประกอบการด้านเทคโนโลยีมุ่งเน้นไปที่การสร้างแบบจำลองภาษาขนาดใหญ่ ซึ่งยังคงมีความสำคัญอยู่ แต่ยังมีแนวโน้มในการพัฒนาแบบจำลองขนาดเล็กและมีประสิทธิภาพมากขึ้นด้วย

โมเดลภาษาขนาดเล็กปรับแต่งได้ง่ายกว่า อาจใช้พลังงานน้อยกว่า และสามารถปรับแต่งให้ตรงตามข้อกำหนดเฉพาะขององค์กรในโดเมนที่กำหนดได้ (เช่น กฎหมาย การแพทย์ หรือการเงิน) นอกจากนี้ โดยทั่วไปแล้วโมเดลภาษาขนาดเล็กจะมีราคาถูกกว่า เนื่องจากมีขนาดเล็กกว่าและใช้พลังงานน้อยกว่า

โมเดลภาษาขนาดใหญ่ยังคงมีความสำคัญ และบริษัทเทคโนโลยียักษ์ใหญ่มีทรัพยากร กระแสเงินสดอิสระ และงบดุลที่จะขับเคลื่อนการพัฒนาโมเดลเหล่านี้ แต่วิทยากรชี้ให้เห็นว่าจะมีผู้เล่นรายอื่นๆ ในระบบนิเวศที่อาจมีขนาดเล็กกว่าซึ่งสามารถสร้างสรรค์นวัตกรรมและพัฒนาโมเดลภาษาขนาดเล็กที่จะวางอยู่บนโมเดลขนาดใหญ่เหล่านั้น วิทยากรบางคนคิดว่านี่เป็นโอกาสสำหรับบริษัทขนาดเล็กที่จะขับเคลื่อนการสร้างสรรค์นวัตกรรมที่ระดับบนสุด และเน้นย้ำถึงจำนวนบริษัทจำนวนมากที่ก่อตั้งขึ้นทุกวันเพื่อดำเนินการดังกล่าว

ต้นทุนการผลิต AI ที่สูงอาจเป็นอุปสรรคต่อการพัฒนาหรือไม่?

การฝึกอบรม LLM ต้องใช้การลงทุนด้านทุนในระดับสูงมาก คุณต้องสร้างศูนย์ข้อมูล คุณต้องมีเซมิคอนดักเตอร์ทั้งหมด ซึ่งรวมถึงทั้ง GPU และชิปหน่วยความจำ และคุณต้องมีฮาร์ดแวร์ พลังงาน และยูทิลิตี้ วิทยากรกล่าวว่าค่าใช้จ่ายต่อการค้นหาในโดเมนบางโดเมนนั้นสูงกว่าอัลกอริทึมการค้นหาทั่วไปหลายเท่า

กล่าวได้ว่ามีความคืบหน้าอย่างต่อเนื่องในการลดต้นทุน ต้นทุนของการค้นหา AI แบบสร้างสรรค์ในบริษัทเทคโนโลยีขนาดใหญ่บางแห่งลดลงอย่างมากนับตั้งแต่เปิดตัวเทคโนโลยีนี้ และบริษัท AI รุ่นใหม่ได้กล่าวว่ารายได้ที่สร้างโดย LLM รุ่นล่าสุดนั้นเกินกว่าต้นทุนของการฝึกอบรมรุ่นก่อนหน้า แม้ว่าวิทยากรบางคนจะระบุว่าอาจมีความเสี่ยงที่การใช้จ่ายด้าน AI อาจลดลงหากไม่ได้รับผลตอบแทนที่สำคัญ แต่โดยทั่วไปแล้ว นักลงทุนระดับไฮเปอร์สเกลจะยังคงลงทุนต่อไปในอีกไม่กี่ปีข้างหน้า โดยรวมแล้ว Goldman Sachs Research คาดการณ์ว่าการลงทุนด้าน AI ในอีกไม่กี่ปีข้างหน้าจะมีประมาณ 1 ล้านล้านดอลลาร์

อุปสรรคอื่นๆ ต่อการปรับขนาด AI ต่อไปคืออะไร?

มีความท้าทายหลายประการที่เกี่ยวข้องกับการปรับขนาด AI หากต้องการสร้างเทคโนโลยีนี้ คุณต้องเข้าถึงเซมิคอนดักเตอร์ พลังงาน และข้อมูลจำนวนมาก

ข้อมูลกำลังกลายเป็นคำถามสำคัญ เรากำลังไปถึงจุดที่นักพัฒนาได้ฝึกฝนโมเดลภาษาขนาดใหญ่เหล่านี้ด้วยข้อมูลเกือบทั้งหมดที่มีอยู่บนอินเทอร์เน็ต ผู้เชี่ยวชาญด้าน AI กำลังพยายามหาวิธีแก้ไขปัญหานี้

คำตอบที่เป็นไปได้อย่างหนึ่งคือการเรียนรู้แบบหลายโหมด ซึ่งโมเดล AI จะเรียนรู้โดยการนำข้อความ วิดีโอ และรูปภาพเข้ามาด้วย การเรียนรู้แบบนี้จะทำให้โมเดลได้รับข้อมูลมากขึ้น นอกจากนี้ ยังมีคลังข้อมูลที่อาจอยู่ในไซโลเฉพาะ เช่น ที่สถาบันวิจัยหรือบริษัทต่างๆ และในทางทฤษฎีแล้วอาจเพิ่มเข้าไปในคลังข้อมูลที่ใช้ฝึกโมเดลเหล่านี้ได้ นอกจากนี้ เรายังได้ยินเกี่ยวกับความเป็นไปได้ที่การคำนวณแบบควอนตัมจะสร้างข้อมูลที่มีความเที่ยงตรงสูงบางส่วนที่สามารถใช้ฝึกโมเดลได้

ความต้องการพลังงานจำนวนมหาศาลเป็นอุปสรรคสำคัญอีกประการหนึ่ง การผลิตพลังงานจะต้องเพิ่มขึ้นอย่างน้อยสามถึงสี่เท่าภายในปี 2030 และหนึ่งในคณะผู้เชี่ยวชาญได้เน้นย้ำว่าความต้องการพลังงานที่เพิ่มขึ้นจากไฮเปอร์สเกลเลอร์รายใหญ่เพียงสี่หรือห้ารายในช่วงเวลาดังกล่าวจะเทียบเท่ากับการบริโภคพลังงานในปัจจุบันของฝรั่งเศส โชคดีที่เซมิคอนดักเตอร์ขั้นสูงอาจมาพร้อมกับโครงสร้างพื้นฐานการส่งที่ดีกว่าและการแปลงพลังงานที่มีประสิทธิภาพมากขึ้น นอกจากนี้ ยังมีความพยายามที่จะปรับปรุงเซมิคอนดักเตอร์ให้มีประสิทธิภาพด้านพลังงานมากขึ้น

การนำ AI มาใช้ในระดับขนาดใหญ่มีความเสี่ยงอะไรบ้าง และเราจะจำกัดความเสี่ยงเหล่านั้นได้อย่างไร

การขยายตัวของ AI ทำให้เกิดข้อกังวลเกี่ยวกับจริยธรรมในการใช้งาน อย่างไรก็ตาม คณะผู้เชี่ยวชาญของเราเน้นย้ำว่าองค์กรต่างๆ และหน่วยงานด้านจริยธรรมกำลังติดตามกรณีการใช้งานที่กำลังได้รับการพัฒนา และเสนอแนวทางป้องกันเพื่อให้แน่ใจว่า AI จะไม่ถูกนำไปใช้ในทางที่ผิด ตัวอย่างเช่น วิทยากรบางคนได้หารือถึงวิธีการที่มนุษย์คุ้นเคยกับบริบทของงานเฉพาะที่ตรวจสอบผลลัพธ์ของ AI จะช่วยลดความเสี่ยงที่ภาพหลอนจะมีผลกระทบเชิงลบ

ความเสี่ยงอื่นๆ ที่ควรได้รับการดูแลเพิ่มเติม ได้แก่ AI สื่อสารกันเอง (อาจใช้ภาษาที่มนุษย์ไม่สามารถเข้าใจได้) ปัญหาเกี่ยวกับลิขสิทธิ์ อคติ และความปลอดภัย

ผู้บรรยายเห็นด้วยว่าการใช้งาน AI อาจถูกจำกัดมากขึ้นให้อยู่ในโดเมนที่มีความเสี่ยงน้อยที่สุดและขึ้นอยู่กับคุณลักษณะด้านความปลอดภัยและการดูแลของมนุษย์

บริษัทฮาร์ดแวร์และเซมิคอนดักเตอร์ของยุโรปจะได้รับประโยชน์จากการพัฒนาเทคโนโลยี AI ได้อย่างไร

บริษัทฮาร์ดแวร์และเซมิคอนดักเตอร์หลายแห่งในยุโรปอาจได้รับประโยชน์ โดยเฉพาะอย่างยิ่ง การประชุมสัมมนาครั้งนี้ได้เรียนรู้เกี่ยวกับเทคโนโลยีการสะสมชั้นอะตอม ซึ่งเป็นอุปกรณ์ผลิตเซมิคอนดักเตอร์ประเภทหนึ่งที่ช่วยให้คุณสะสมวัสดุบนเวเฟอร์ซิลิกอนได้อย่างแม่นยำเพื่อสร้างชิป บริษัทแห่งหนึ่งในเนเธอร์แลนด์เสนอเทคโนโลยีนี้ เมื่อชิปเหล่านี้มีประสิทธิภาพมากขึ้น ชิปเหล่านี้จึงต้องมีประสิทธิภาพมากขึ้นในด้านพื้นที่และพลังงาน ดังนั้นชิปรุ่นใหม่จึงใช้ประโยชน์จากเทคโนโลยีการสะสมชั้นอะตอมมากขึ้นเรื่อยๆ

ผู้เข้าร่วมหลายคนยังได้เน้นย้ำถึงความสามารถของยุโรปในการบรรจุเซมิคอนดักเตอร์ขั้นสูง ซึ่งจำเป็นต่อการใช้พื้นที่บนอุปกรณ์อย่างมีประสิทธิภาพ นอกจากนี้ ลิโธกราฟี ซึ่งเป็นกลไกในการพิมพ์ทรานซิสเตอร์ลงบนไมโครชิป ก็จะยังคงก้าวหน้าต่อไป โดยให้ความสามารถในการประมวลผลที่มีประสิทธิภาพเพิ่มมากขึ้น นอกจากนี้ ยุโรปยังเป็นผู้ผลิตเทคโนโลยีประเภทดังกล่าวรายใหญ่ที่สุดอีกด้วย

ในที่สุด จำเป็นต้องมีการแปลงพลังงานอย่างมีนัยสำคัญเพื่อรันเซิร์ฟเวอร์ AI และยุโรปก็มีศักยภาพที่น่าสนใจในส่วนนี้เช่นกัน

หากต้องการติดตามข่าวสารล่าสุดเกี่ยวกับเหตุการณ์ทางเศรษฐกิจทั้งหมดของวันนี้ โปรดไปที่ ปฏิทินเศรษฐกิจ

คำเตือนความเสี่ยงและข้อจำกัดความรับผิดชอบในการลงทุน

ตลาดมีความเสี่ยง การลงทุนจำเป็นต้องระมัดระวัง เนื้อหาของบทความนี้มีไว้สำหรับอ้างอิงเท่านั้น และไม่ได้ถือเป็นคำแนะนำในการลงทุนส่วนบุคคล และไม่ได้คำนึงถึงเป้าหมายการลงทุนพิเศษ สถานะทางการเงินหรืออื่นๆของบุคคล ลงทุนตามนั้น ต้องรับผิดชอบความเสี่ยงของคุณเอง

การเปิดเผยความเสี่ยง

ความเสี่ยงของการสูญเสียในการซื้อขายสินทรัพย์ทางการเงิน เช่น หุ้น FX สินค้าโภคภัณฑ์ ฟิวเจอร์ส พันธบัตร ETFs หรือเงินดิจิทัลอาจมีมาก คุณอาจสูญเสียเงินทุนทั้งหมดที่คุณฝากไว้กับโบรกเกอร์ของคุณ ดังนั้น คุณควรพิจารณาอย่างรอบคอบว่าการซื้อขายดังกล่าวเหมาะสมกับคุณหรือไม่ในสถานการณ์และทรัพยากรทางการเงินของคุณ

ไม่ควรตัดสินใจลงทุนโดยไม่ได้ดำเนินการตรวจสอบสถานะอย่างละเอียดถี่ถ้วนด้วยตัวเองหรือปรึกษากับที่ปรึกษาทางการเงินของคุณ เนื้อหาเว็บของเราอาจไม่เหมาะกับคุณเนื่องจากเราไม่ทราบเงื่อนไขทางการเงินและความต้องการในการลงทุนของคุณ ข้อมูลทางการเงินของเราอาจมีความล่าช้าหรือมีความไม่ถูกต้อง ดังนั้นคุณควรรับผิดชอบอย่างเต็มที่ต่อการตัดสินใจซื้อขายและการลงทุนของคุณ บริษัทจะไม่รับผิดชอบต่อการสูญเสียเงินทุนของคุณ

หากไม่ได้รับอนุญาตจากเว็บไซต์ คุณจะไม่สามารถคัดลอกกราฟิก ข้อความ หรือเครื่องหมายการค้าของเว็บไซต์ได้ สิทธิ์ในทรัพย์สินทางปัญญาในเนื้อหาหรือข้อมูลที่รวมอยู่ในเว็บไซต์นี้เป็นของผู้ให้บริการและผู้ค้าแลกเปลี่ยน

การค้นหาเมื่อเร็วๆนี้

คำศัพท์ที่ยอดนิยม

ตลาด

การวิเคราะห์

ผู้ใช้

24x7

ปฏิทินเศรษฐกิจ

แหล่งเรียนรู้

ข้อมูล