- Mengisi satu fasilitas AI berkapasitas satu gigawatt menghabiskan biaya hampir $80 miliar
- Kapasitas AI yang direncanakan di seluruh industri bisa mencapai total 100GW
- Perangkat keras GPU kelas atas harus diganti setiap lima tahun tanpa perpanjangan waktu
Kepala eksekutif IBM Arvind Krishna mempertanyakan kecepatan dan skala AI saat ini pusat data ekspansi dapat tetap berkelanjutan secara finansial berdasarkan asumsi yang ada.
Dia memperkirakan bahwa populasi satu situs berkapasitas 1 GW dengan perangkat keras komputasi kini mendekati $80 miliar.
Dengan adanya rencana pemerintah dan swasta yang mengindikasikan hampir 100GW kapasitas masa depan yang ditujukan untuk pelatihan model tingkat lanjut, maka eksposur keuangan yang tersirat meningkat menuju $8 triliun.
Beban ekonomi dari situs AI generasi berikutnya
Krishna menghubungkan lintasan ini langsung dengan siklus penyegaran yang mengatur armada akselerator saat ini.
Sebagian besar kelas atas GPU perangkat keras yang digunakan di pusat-pusat ini mengalami depresiasi selama kurang lebih lima tahun.
Pada akhir jangka waktu tersebut, operator tidak memperpanjang peralatan tetapi menggantinya secara penuh. Dampaknya bukanlah kerugian modal yang terjadi satu kali saja, melainkan kewajiban berulang yang semakin bertambah seiring berjalannya waktu.
CPU sumber daya juga tetap menjadi bagian dari penerapan ini, namun sumber daya tersebut tidak lagi menjadi pusat pengambilan keputusan pembelanjaan.
Keseimbangannya telah bergeser ke arah akselerator khusus yang memberikan beban kerja paralel yang sangat besar dengan kecepatan yang tidak tertandingi oleh prosesor tujuan umum.
Pergeseran ini telah mengubah secara signifikan definisi skala fasilitas AI modern dan mendorong kebutuhan modal melampaui apa yang dulu diminta oleh pusat data perusahaan tradisional.
Krishna berpendapat bahwa depresiasi merupakan faktor yang paling sering disalahpahami oleh pelaku pasar.
Laju perubahan arsitektur berarti lonjakan kinerja terjadi lebih cepat daripada yang bisa diserap oleh penurunan nilai keuangan.
Perangkat keras yang masih berfungsi menjadi usang secara ekonomi jauh sebelum umur fisiknya berakhir.
Investor seperti Michael Burry juga memiliki keraguan serupa tentang apakah raksasa cloud dapat terus memperpanjang masa pakai aset seiring dengan meningkatnya ukuran model dan permintaan pelatihan.
Dari sudut pandang keuangan, bebannya tidak lagi terletak pada konsumsi energi atau pembebasan lahan, namun karena perpindahan perangkat keras yang semakin mahal secara paksa.
Di dalam stasiun kerja-kelas lingkungan, dinamika penyegaran serupa sudah ada, tetapi skalanya berbeda secara mendasar di dalam situs hyperscale.
Krishna menghitung bahwa untuk membiayai biaya modal kampus multi-gigawatt ini akan membutuhkan keuntungan tahunan ratusan miliar dolar agar tetap netral.
Persyaratan tersebut bergantung pada keekonomian perangkat keras saat ini dan bukan pada keuntungan efisiensi jangka panjang yang spekulatif.
Proyeksi ini muncul ketika perusahaan teknologi terkemuka mengumumkan kampus AI yang semakin besar, tidak dalam satuan megawatt, melainkan puluhan gigawatt.
Beberapa dari proposal ini telah menyaingi permintaan listrik di seluruh negara, sehingga meningkatkan kekhawatiran terkait kapasitas jaringan listrik dan harga energi jangka panjang.
Krishna memperkirakan peluangnya mendekati nol dibandingkan saat ini LLM mencapai kecerdasan umum pada generasi perangkat keras berikutnya tanpa perubahan mendasar dalam integrasi pengetahuan.
Penilaian tersebut menggambarkan gelombang investasi lebih didorong oleh tekanan persaingan dibandingkan dengan keniscayaan teknologi yang sudah tervalidasi.
Penafsirannya sulit untuk dihindari. Pembangunan ini mengasumsikan pendapatan di masa depan akan meningkat untuk mengimbangi pengeluaran yang belum pernah terjadi sebelumnya.
Hal ini terjadi bahkan ketika siklus penyusutan semakin pendek dan pembatasan pasokan listrik diperketat di berbagai wilayah.
Risikonya adalah ekspektasi finansial mungkin lebih cepat dibandingkan mekanisme ekonomi yang diperlukan untuk mempertahankan ekspektasi tersebut sepanjang siklus hidup aset-aset tersebut.
Melalui Perangkat Keras Tom
Ikuti TechRadar di Google Berita Dan tambahkan kami sebagai sumber pilihan untuk mendapatkan berita, ulasan, dan opini pakar kami di feed Anda. Pastikan untuk mengklik tombol Ikuti!
Dan tentu saja Anda juga bisa Ikuti TechRadar di TikTok untuk berita, review, unboxing dalam bentuk video, dan dapatkan update rutin dari kami Ada apa juga.
