Kecerdasan buatan (AI) menjadi sebahagian daripada kehidupan harian bagi ramai orang di seluruh dunia. Pada peringkat individu, orang ramai semakin menggunakan model AI untuk pertanyaan carian. Walaupun Google masih menguasai pasaran carian, ChatGPT telah menimbulkan ancaman paling ketara kepada penguasaannya.
Di peringkat perniagaan, tiada industri yang terpinggir, daripada pertanian kepada penjagaan kesihatan, daripada kewangan kepada hiburan, organisasi di seluruh dunia menyepadukan AI ke dalam operasi harian mereka.
Permintaan dan penggunaan AI dunia dijangka berkembang dengan pesat pada tahun-tahun akan datang, jadi syarikat teknologi bertindak balas terhadap perkembangan ini dengan membina pusat data yang besar. Tetapi pertumbuhan ini datang pada kos: penggunaan tenaga, kos ekonomi dan kesan alam sekitar. Pengkomputeran tradisional tidak dapat bersaing dengan pengkomputeran dan permintaan tenaga yang semakin meningkat. Untuk mengekalkan revolusi AI, kita mesti memikirkan semula fizik pengkomputeran moden.
Isu tenaga
Walaupun tanpa mempertimbangkan AI, pengkomputeran elektronik berada pada persimpangan kritikal. Undang-undang Moore gagal, penskalaan Dennard telah rosak, dan hasilnya ialah percambahan "silikon gelap," bahagian transistor pada cip yang mesti kekal tidak berkuasa atau melahu untuk mengelakkan terlalu panas.
Melatih model AI yang besar bukanlah tugas yang mudah. Model bahasa besar (LLM) dilatih mengenai jumlah data yang besar dan mempunyai trilion parameter. Mereka meramal, mengukur, menyesuaikan dan mengulangi proses berbilion kali. Dianggarkan bahawa kuasa pengkomputeran yang diperlukan untuk melatih model AI akan berganda setiap enam bulan.
Memproses dan memindahkan sejumlah besar data memerlukan keselarian dan kuasa yang besar. Dalam pengkomputeran tradisional, kuasa yang lebih tinggi memerlukan sistem ketumpatan yang lebih tinggi. Ketumpatan yang lebih tinggi bermakna lebih banyak rintangan, dan lebih banyak rintangan bermakna lebih banyak haba. Ini memaksa pusat data untuk mengalihkan banyak tenaga daripada pengkomputeran kepada penyejukan, dengan sehingga 40% daripada jumlah penggunaan tenaga pusat data digunakan untuk mengelakkan kerosakan pelayan.
Infrastruktur yang menyokong AI sudah bergelut, dan jelas bahawa pengkomputeran tradisional tidak lagi dapat menyokong pembangunan masa depan.
Isu ekonomi
Pengendali pusat data menghadapi teka-teki kewangan: sama ada mengehadkan ketumpatan pengiraan kepada perkara yang boleh dikendalikan oleh kemudahan penyejukan semasa mereka, menghalang keupayaan perniagaan mereka, atau menolak had haba, menyebabkan penuaan dipercepatkan perkakasan dan komponen, meningkatkan perbelanjaan operasi dan pembaziran.
Selain itu, kos membina pusat data baharu juga sangat tinggi - McKinsey meramalkan bahawa pelaburan sebanyak AS$5.2 trilion diperlukan menjelang 2030. Jika pusat data terus bergantung pada pengkomputeran tradisional, melabur dalam infrastruktur yang tidak cekap akan menjadi risiko kewangan yang besar. Pengguna biasa juga terjejas oleh keadaan ekonomi yang lemah; kerana AI memberikan tekanan yang tidak pernah berlaku sebelum ini pada grid dan permintaan kuasa pusat data meningkat, harga elektrik meningkat. Kos ini disalurkan kepada isi rumah sekitar dalam bentuk bil elektrik yang semakin meningkat.
