Zielona AI: nowe chipy, które obiecują więcej inteligencji przy znacznie mniejszym zużyciu energii
Nowe procesory do AI dążą do maksymalizacji wydajności na wat: wyspecjalizowane architektury, chłodzenie cieczą i energia odnawialna to klucze do bardziej zrównoważonych obliczeń.
Drugi koszt AI: energia
Gwałtowny rozwój sztucznej inteligencji w ostatnich latach wywołał efekt uboczny, mało widoczny, ale bardzo realny: zużycie energii elektrycznej przez centra danych gwałtownie wzrosło. Trenowanie i uruchamianie dużych modeli językowych wymaga tysięcy procesorów pracujących równolegle przez tygodnie lub miesiące, a każdy z tych układów pochłania ogromne ilości energii, nie licząc potężnych systemów chłodzenia, które dokładają kolejne koszty.
W obliczu tej sytuacji branża półprzewodników skupiła się na celu równie technicznym, co pilnym: sprawić, by kolejna generacja procesorów do AI oferowała większą moc obliczeniową przy mniejszym zużyciu energii. Ta strategia nazywana jest zrównoważonymi obliczeniami i łączy ulepszenia architektury układów, nowe materiały oraz konstrukcje projektowane specjalnie pod obciążenia związane ze sztuczną inteligencją.
Nowa generacja procesorów: wydajność na wat
Głównym wskaźnikiem w branży nie jest już wyłącznie surowa moc w operacjach na sekundę, lecz efektywność energetyczna: ile operacji może wykonać układ na każdy zużyty wat. Producenci tacy jak NVIDIA, AMD, Intel i azjatyccy giganci konkurują o poprawę tego wskaźnika w każdej generacji, wprowadzając szybsze i bardziej wydajne pamięci, jednostki wyspecjalizowane w macierzach (matematycznym sercu AI) oraz procesy produkcyjne o coraz mniejszych wymiarach.
Równolegle wielkie firmy technologiczne pracują nad sprzętem szytym na miarę dla własnych modeli. Apple, Google i Amazon zaprojektowały własny krzem zoptymalizowany pod konkretne obciążenia, co znacząco ogranicza marnowanie energii w porównaniu z użyciem uniwersalnych układów do wszelkich zadań.
Strategie ograniczania śladu energetycznego
Poza projektowaniem samych procesorów ekosystem wdraża uzupełniające środki:
- Energooszczędne centra danych: bezpośrednie chłodzenie cieczą na chipie pozwala odprowadzać ciepło znacznie efektywniej niż powietrzem, ograniczając zużycie związane z chłodzeniem.
- Obliczenia o zmniejszonej precyzji: stosowanie bardziej zwartych formatów liczbowych (FP8, INT8) zmniejsza wysiłek obliczeniowy i zapotrzebowanie na pamięć bez praktycznej utraty jakości w wielu modelach.
- Energia odnawialna: hiperskalery podpisują kontrakty na dostawy energii odnawialnej i lokalizują nowe farmy obliczeniowe w pobliżu czystych źródeł energii.
- Układy neuromorficzne i fotoniczne: w badaniach architektury inspirowane mózgiem lub oparte na świetle obiecują wzrost efektywności o rzędy wielkości.
Rynek w pełnym rozwoju
Interes ekonomiczny pcha w tym samym kierunku. Centra danych AI stanowią już rosnącą część światowego zużycia energii elektrycznej, a prognozy wskazują na stały wzrost aż do 2030 roku. Sprawia to, że efektywność to nie tylko kwestia środowiskowa, lecz także przewaga konkurencyjna: kto zdoła trenować i obsługiwać modele, zużywając mniej energii, będzie mógł oferować niższe ceny i szersze marże. Analitycy branży zgodnie twierdzą, że połączenie wydajnego sprzętu i optymalizacji oprogramowania będzie jednym z decydujących czynników przywództwa technologicznego w nadchodzących latach w dziedzinie sztucznej inteligencji.
Pytanie nie brzmi już, jaką moc obliczeniową może osiągnąć układ, lecz ile inteligencji może wygenerować każdy zużyty wat.
Źródła
El Tiempo — Sztuczna inteligencja i zrównoważona technologia