به گزارش مجله خبری نگار/ایتنا،مردم اغلب حبابهای فناوری را به شکل آخرالزمانی تصور میکنند، اما واقعیت اقتصادی موضوع متفاوت است. از نظر اقتصاددانان، حباب زمانی شکل میگیرد که یک فناوری یا سرمایهگذاری بیش از حد بزرگ شود و عرضه از تقاضا پیشی بگیرد. نتیجه این است که حتی شرطبندیهای هوشمند، در صورت عدم مدیریت دقیق، میتوانند به زیان تبدیل شوند.
تفاوت سرعت توسعه نرمافزار و ساخت مراکز داده
به گزارش ایتنا هفته گذشته رویترز گزارش داد که یک مرکز داده مرتبط با اوراکل در نیومکزیکو، تا ۱۸ میلیارد دلار اعتبار از کنسرسیومی متشکل از ۲۰ بانک دریافت کرده است. اوراکل پیش از این، قرارداد ۳۰۰ میلیارد دلاری خدمات ابری با OpenAI امضا کرده و همراه با SoftBank در پروژهای به نام «استارگیت» ۵۰۰ میلیارد دلار برای زیرساخت هوش مصنوعی سرمایهگذاری میکنند.
متا نیز متعهد شده طی سه سال آینده ۶۰۰ میلیارد دلار برای زیرساخت هزینه کند. حجم این تعهدات عظیم، ادامه پروژهها را پیچیده کرده است.
ابهام در رشد تقاضای هوش مصنوعی
با وجود سرمایهگذاریهای کلان، عدم قطعیت در مورد سرعت رشد تقاضای خدمات هوش مصنوعی همچنان باقی است.
مطابق خبر سایت تککرانچ، یک نظرسنجی اخیر مککینزی نشان داد که تقریبا همه شرکتهای بزرگ به نوعی از هوش مصنوعی استفاده میکنند، اما تعداد کمی از آنها آن را در مقیاس واقعی پیادهسازی کردهاند.
هوش مصنوعی در کاهش هزینههای خاص مؤثر بوده، اما تأثیر گسترده بر کسبوکارها هنوز محدود است. بسیاری از شرکتها هنوز در حالت «صبر و انتظار» به سر میبرند و این امر میتواند زمان انتظار برای سرمایهگذاری در مراکز داده را طولانی کند.
چالشهای زیرساختی پروژههای هوش مصنوعی
حتی اگر تقاضای هوش مصنوعی بیپایان باشد، پروژهها با محدودیتهای زیرساختی مواجه هستند:
- فضای محدود در مراکز داده
- مدیریت تقاضای برق نسل جدید تراشهها
- عدم تطابق سرعت پیشرفت نرمافزار و شبکه برق
هفته گذشته، ساتیا نادلا، مدیرعامل مایکروسافت، تأکید کرد که بزرگترین نگرانی برای هوش مصنوعی، کمبود برق و تمام شدن فضای مراکز داده است، نه کمبود تراشهها. بسیاری از مراکز داده هنوز بلااستفاده هستند، زیرا قادر به مدیریت تقاضای برق نسل جدید تراشهها نیستند.
در حالی که شرکتهایی مانند انویدیا و OpenAI با سرعت بالا پیش میروند، شبکه برق و زیرساختهای موجود هنوز با همان سرعت سنتی حرکت میکنند.
این موضوع، حتی در بهترین شرایط، فرصتهای زیادی برای ایجاد گلوگاههای پرهزینه فراهم میکند و نشان میدهد که حباب هوش مصنوعی فراتر از سرمایهگذاری مالی، به چالشهای فنی و زیرساختی نیز مرتبط است.