Արհեստական բանականության (ԱԲ) համար նախատեսված սարքավորումների շուկայում երկար ժամանակ գերիշխում էին ընդհանուր նշանակության գրաֆիկական պրոցեսորները (GPU): Վերջին տարիներին արդյունաբերությունը գործում էր այն ենթադրությամբ, որ ճկունությունն ամենակարևորն է, և որ նույն չիպերը, որոնք ապահովում են ձեր CRM վերլուծությունները, պետք է կարողանան նաև մարզել հաջորդ սերնդի սահմանային մոդելները: Սակայն տեղի է ունենում հիմնարար տեղաշարժ: Etched ընկերության շուկայական արժեքի կտրուկ աճը մինչև 21 միլիարդ դոլար՝ Jane Street-ում դրա ներդրումից հետո, ազդարարում է, որ մենք թևակոխում ենք «մասնագիտացված հաշվարկների» դարաշրջան:

Երբ բարձր հաճախականությամբ առևտրային գործառնություններ իրականացնող հզոր կազմակերպությունը, ինչպիսին Jane Street-ն է, վավերացնում է ստարտափի սարքավորումը՝ տեղակայելով դրա առաջին ԱԲ կլաստերը, դա պարզապես գովասանք չէ, այլ շուկայական ազդանշան: Սա հուշում է, որ ընդհանուր նշանակության սիլիցիումային չիպերի անարդյունավետությունը դառնում է չափազանց թանկ՝ այն անտեսելու համար: Բիզնեսի ղեկավարների համար այս քայլը նշանակում է անցում ԱԲ-ի «ուսումնասիրության» փուլից դեպի «արդյունավետության» փուլ:

Ընդհանուր նշանակության չիպերի վախճանը

Հսկայական, ընդհանուր նշանակության GPU կլաստերների ներկայիս կախվածությունը գլոբալ ԱԲ մատակարարման շղթայում ստեղծել է լուրջ խոչընդոտներ: Ընկերությունները հավելավճար են տալիս այն բազմակողմանիության համար, որը հաճախ անհրաժեշտ չէ: Եթե ձեր բիզնեսը կենտրոնացած է AI Agents-ի (ԱԲ գործակալների) տեղակայման վրա՝ հաճախորդների սպասարկման աշխատանքային հոսքերն ավտոմատացնելու կամ մեծածավալ տրամադրությունների վերլուծություն (sentiment analysis) կատարելու համար, դուք, հավանաբար, վճարում եք ավելորդ ծախսերի համար՝ GPU-ի այն գործառույթների համար, որոնք նախատեսված են ամեն ինչի համար՝ խաղերից մինչև 3D ռենդերինգ, որոնք ձեր կոնկրետ մոդելը չի օգտագործում:

Etched-ի հաջողությունը, որն ապացուցվում է նրանց արժեքի վերջին աճով, հիմնված է ASIC-ների (կիրառական-մասնագիտացված ինտեգրալ սխեմաներ) ճարտարապետության վրա: Ստեղծելով սարքավորում, որը նպատակաուղղված է Transformer ճարտարապետությանը, նրանք հեռացնում են «ավելորդ ճարպը»: Ձեռնարկությունների համար հետևանքները խորն են.

  • Էներգաարդյունավետություն. Մասնագիտացված սիլիցիումն արտադրում է զգալիորեն քիչ ջերմություն և սպառում է ավելի քիչ էներգիա մեկ եզրահանգման (inference) առաջադրանքի համար: Քանի որ կազմակերպությունները պայքարում են հսկայական տվյալների կենտրոնների կայունության և գործառնական ծախսերի հետ, սարքավորումների այս փոփոխությունը կրիտիկական է:
  • Ուշացումների կրճատում (Latency Reduction). Ալգորիթմական առևտրի կամ իրական ժամանակում հաճախորդների հետ թվային փոխգործակցության պես միջավայրերում միլիվայրկյանները նշանակություն ունեն: Մոդելային կոնկրետ ճարտարապետությունների համար օպտիմալացված սարքավորումները նվազեցնում են պատկերացում կազմելու ժամանակը:
  • Ծախսերի մասշտաբայնություն. ԱԲ-ի հիմքում ընկած մաթեմատիկայի համար ֆիզիկական սարքավորումն օպտիմալացնելով՝ մեկ թոքենի արժեքը նվազում է, ինչը բարձր մասշտաբի ավտոմատացումը ֆինանսապես իրագործելի է դարձնում ոչ միայն հիպերմասշտաբային ընկերությունների, այլև միջին բիզնեսի համար:

CIO-ների կամ CTO-ների համար եզրակացությունը պարզ է. պարզապես «ավելի շատ հաշվարկային հզորություն» գնելու դարաշրջանն ավարտվում է: Մենք շարժվում ենք դեպի մի ապագա, որտեղ ենթակառուցվածքը համապատասխանեցվում է կոնկրետ ԱԲ ծանրաբեռնվածությանը:

ԱԲ-ի ROI հաշվարկի վերաիմաստավորում

Տարիներ շարունակ լայնածավալ Digital Transformation-ի (թվային փոխակերպման) ճանապարհին հիմնական խոչընդոտը հաշվարկների անհամաչափ բարձր գինն էր: Բիզնեսները դիտարկել են ԱԲ լայնածավալ ներդրումների ROI-ը (ներդրումների վերադարձը) և հաճախ պարզել են, որ շահույթը «ուտվում է» եզրահանգման ծախսերի պատճառով: Երբ սարքավորումը դառնում է նույնքան մասնագիտացված, որքան դրա վրա աշխատող ծրագրակազմը, ԱԲ-ի ողջ տնտեսական մոդելը փոխվում է:

Դիտարկենք ԱԲ-ի դերը ժամանակակից ձեռնարկությունում: Եթե դուք ավտոմատացնում եք բարդ Customer Relationship Management (հաճախորդների հետ հարաբերությունների կառավարման) համակարգ, ձեր ԱԲ գործակալը պետք է օրական հազարավոր միկրո-եզրահանգումներ կատարի: Եթե ձեր ենթակառուցվածքը կառուցված է անարդյունավետ, ընդհանուր նշանակության սարքավորումների վրա, ապա այդ ավտոմատացման միավորի տնտեսությունը կարող է եզրագծին լինել: Մասնագիտացված կլաստերներին անցնելով՝ ուշացումները նվազում են, էներգետիկ հետքը փոքրանում է, և ձեր ավտոմատացման ռազմավարության արդյունավետ ROI-ը բարելավվում է:

Այս տեղաշարժը նաև ազդում է այն բանի վրա, թե ինչպես են ընկերությունները կառուցում իրենց տաղանդների բազան և տեխնոլոգիական սթեքը: Մենք տեսնում ենք շարժ դեպի «ենթակառուցվածքը որպես ծառայություն»-ից դեպի ավելի նրբերանգված, հիբրիդային մոտեցում, որտեղ բիզնեսներն ընտրում են այնպիսի հաշվարկային սարքավորումներ, որոնք համահունչ են իրենց ԱԲ գործակալների կոնկրետ ճարտարապետությանը: Սա պարզապես խաղ չէ տեխնոլոգիական հսկաների համար. դա անհրաժեշտ էվոլյուցիա է ցանկացած բիզնեսի համար, որը ցանկանում է ԱԲ-ն ինտեգրել իր հիմնական գործունեության մեջ՝ առանց գործառնական ծախսերի ուռճացման:

Ճանապարհային քարտեզ հեռատես ղեկավարների համար

Եթե Etched-ի արագ վերելքը մեզ ինչ-որ բան է սովորեցնում, ապա դա այն է, որ շուկան ծարավի է կատարողականության այնպիսի աճի, որը ընդհանուր նշանակության սիլիցիումն այլևս չի կարող ապահովել: Բիզ