Artificiell intelligens (AI) blir en del av vardagen för många människor runt om i världen. På individnivå använder människor alltmer AI-modeller för sökfrågor. Medan Google fortfarande dominerar sökmarknaden har ChatGPT utgjort det största hotet mot dess dominans.
På affärsnivå lämnas ingen industri utanför, från jordbruk till sjukvård, från finans till underhållning, organisationer runt om i världen integrerar AI i sin dagliga verksamhet.
Världens efterfrågan på och användning av AI förväntas växa exponentiellt under de kommande åren, så teknikföretag svarar på denna utveckling genom att bygga massiva datacenter. Men denna tillväxt kommer till en kostnad: energiförbrukning, ekonomiska kostnader och miljöpåverkan. Traditionell datoranvändning kan helt enkelt inte hålla jämna steg med växande dator- och energibehov. För att upprätthålla AI-revolutionen måste vi tänka om fysiken i modern datoranvändning.
Energifrågor
Även utan att ta hänsyn till AI, befinner sig elektronisk datoranvändning i en kritisk tidpunkt. Moores lag misslyckas, Dennard-skalningen har gått sönder, och resultatet är spridningen av "mörkt kisel", de delar av transistorer på ett chip som måste förbli strömlösa eller inaktiva för att undvika överhettning.
Att träna en stor AI-modell är ingen lätt uppgift. Stora språkmodeller (LLM) tränas på enorma mängder data och har biljoner parametrar. De förutsäger, mäter, justerar och upprepar processen miljarder gånger. Det uppskattas att den datorkraft som krävs för att träna AI-modeller kommer att fördubblas var sjätte månad.
Att bearbeta och flytta så stora mängder data kräver massiv parallellitet och kraft. I traditionell datoranvändning kräver högre effekt system med högre densitet. Högre densitet betyder mer motstånd och mer motstånd betyder mer värme. Detta tvingar datacenter att flytta mycket energi från datoranvändning till kylning, med upp till 40 % av den totala energiförbrukningen för datacenter som används för att förhindra serversmälta.
Infrastrukturen som stöder AI kämpar redan, och det är tydligt att traditionell datoranvändning inte längre kan stödja framtida utveckling.
Ekonomiska frågor
Datacenteroperatörer står inför en ekonomisk gåta: antingen begränsa beräkningstätheten till vad deras nuvarande kylanläggningar kan hantera, hämmar deras affärsmöjligheter eller tänja på termiska gränser, vilket orsakar accelererad åldring av hårdvara och komponenter, vilket ökar driftskostnaderna och slöseriet.
Dessutom är kostnaden för att bygga nya datacenter också mycket hög - McKinsey förutspår att investeringar på 5,2 biljoner USD kommer att krävas till 2030. Om datacenter fortsätter att förlita sig på traditionell datoranvändning kommer investeringar i ineffektiv infrastruktur att vara en enorm ekonomisk risk. Vanliga konsumenter drabbas också av dåliga ekonomiska förhållanden; Eftersom AI sätter en aldrig tidigare skådad press på nätet och efterfrågan på datacenters kraft ökar, stiger elpriserna. Dessa kostnader förs över på omgivande hushåll i form av snabbt stigande elräkningar.
