واژگونی مالی زیر نظر مدل‌های زبانی
در حالی که هیاهوی پیرامون پیشرفت‌های سریع هوش مصنوعی بالا است، یک واقعیت ترسناک در گزارش‌های مالی غول‌های فناوری پنهان شده است. ما توسط یک «بمب استهلاک» یک تریلیون دلاری رها شده‌ایم که می‌تواند ساختار سودآوری شرکت‌هایی مانند متا و آمازون را از پایه سست کند. این بحران ناشی از این واقعیت است که زیرساخت‌های سخت‌افزاری که برای تغذیه مدل‌های زبانی بزرگ (LLMs) با قدرت واژگونی پرهزینه هستند، عمر کوتاه‌تری نسبت به بازپرداخت سرمایه‌گذاری دارند.
استهلاک در صنعت هوش مصنوعی تفاوت ماهوی با صنایع سنتی دارد. در حالی که یک سرور معمولی ممکن است تا ۵ تا ۷ سال استفاده شود، کاردهای NVIDIA برای پردازش مدل‌های عظیم به دلیل محدودیت‌های thermal و سرعت تغییر تکنولوژی، در هر دور ۱۸ تا ۲۴ ماهگی با مدل‌های سریع‌تر و کارآمدتر جایگزین می‌شوند. این چرخه سریع تعویض، هزینه‌های عملیاتی (OpEx) و سرمایه‌ای (CapEx) را به سمت بی‌پایان سوق می‌دهد.
عمر مفید کوتاه و فشار بر سودآوری
سیاست‌مداران و تحلیل‌گران بازار معمولاً بر درآمدهای حاصل از اشتراک‌های هوش مصنوعی تمرکز می‌کنند، اما نادیده می‌گیرند که این درآمدها باید هزینه‌های عظیم نگهداری و جایگزینی HW را پوشش دهند. اگر قیمت یک بیت در ۴ تا ۶ سال آینده تغییر معناداری نکند، شرکت‌ها مجبور خواهند بود سود خالص را صرفاً برای تعویض کاردها تزریق کنند، نه توسعه محصولات جدید.
- کاهش هم‌زمان منحنی قیمت بیت و افزایش ابعاد مدل‌ها
- افزایش شدید مصرف انرژی (Power Cost) در دیتاسنترها
- ضرورت بازسازی یکبار در سال کلاسترهای GPU
راه‌حل‌های تکنولوژیک یا بحران ساختاری?
مهندسان تلاش می‌کنند با بهینه‌سازی یادگیری (Quantization) و طراحی ASICهای سفارشی این بحران را رفع کنند، اما در حال حاضر، قوانین فیزیکی نیمه‌رسانا و قوانین ترمودینامیک در برابر اسلایدهای عرضه مقاومت می‌کنند. آینده سودآوری هوش مصنوعی نه به دست مدل‌های قوی‌تر، بلکه به دست فناوری‌هایی است که بتوانند هزینه محاسبه را قبل از استهلاک سخت‌افزار کاهش دهند، در غیر این صورت، ما شاهد تعویض بازار سهام با یک بحران نقدینگی پنهان خواهیم بود.
پرسش‌های پرتکرار
استهلاک هوش مصنوعی چه تفاوتی با استهلاک رایانه‌های معمولی دارد؟
تفاوت اصلی در نرخ فرسودگی تکنولوژیک است؛ کاردهای GPU به دلیل جهش‌های سریع در معماری، هر ۲ سال ناکارآمد شده و مستلزم جایگزینی فوری هستند، در حالی که سرورهای معمولی تا ۷ عمر کارامدی حفظ می‌کنند.
شرکت‌هایی مانند متا چگونه کاهش سودآوری را جبران می‌کنند؟
ایجاد مدل‌های سبک‌تر (Effined Models)، توسعه ASICهای سفارشی جهت کاهش مصرف انرژی، و افزایش قیمت سرویس‌های B2B از جمله راهکارهای فعلی برای پوشش هزینه‌های عظیم ترمودینامیکی است.
