より大きなモデルだけでなく、AIハードウェアがAIの未来を定義する理由

Bain＆Companyによると、2024年には、 AIの総投資の10％未満がインフラストラクチャに向けられました。ライオンのシェアは、基礎モデルと合成コンテンツツールに送られました。これは、構築が容易で、デモに速く、メディアに優しいテクノロジーです。

しかし、専門家は、偏った賭けがその限界を示し始めていると言います。

これらの専門家の1人は、半導体レーザーチップスから産業用ライダーシステムまですべてを構築する深Shenzhenに拠点を置く深海会社であるXinghan Laserの創設者兼会長であるZhou Shaofengです。 Shaofengは、AIの次の段階は誰が最大のモデルを持っているかによって決定されることはないと考えていますが、誰が正確、耐久性、現実世界のフィードバックを持って物理システムにインテリジェンスをもたらすことができると考えています。しかし、なぜ彼はこれを信じているのですか、そしてそれはどういう意味ですか？ 1つは、「モデルに夢中になっている」と彼は指摘した。

モデルの強迫観念は私たちを盲目にしています

過去3年間、AIの会話はモデルの周りでほとんど軌道に乗っています。彼は最大のデモをリリースした最大の訓練を受けました。しかし、 AIモデルがどれほど洗練されていても、硬化センサー、埋め込まれた計算、高忠実度の知覚システムなしでは、手術ロボットや自動運転車を実行することはありません。

「本当の知性は予測だけではありません」とShaofengはインタビューで私に語った。 「それは、認識、相互作用、行動についてです。すべてがハードウェアレベルから始まることです。」

この種のインテリジェンスは、予測不可能でハイステークス環境で動作しなければならないマシンに組み込まれていますが、賢いコードよりもはるかに多く必要です。リアルタイムでデータを処理し、フィードバックに応答し、過酷な条件に耐えることができるハードウェアが必要です。それでも、Shaofengによると、それはまさに今日のAIの談話で見落とされているレイヤーです。

インフラの資金調達ギャップ

しかし、資金は別の話をします。 Bain＆Companyからの以前のレポートが明らかにしたように、ハードウェア、エッジシステム、埋め込みAIを含むAIインフラストラクチャへの投資は、2024年にAI資本配分全体の10％未満を占めました。

Shaofengによると、Deep Techはベンチャーキャピタルテストに失敗することが多く、その理由は簡単にわかります。ソフトウェアの構築が高速で、デモが簡単で、ピボットが簡単です。一方、ディープテックは忍耐を要求します。長いR＆Dサイクル、高い技術的不確実性、短期的な勝利のほとんど - ほとんどの帯域幅を経験していない旅です。

それは政府と少数のハイテク大手を残して、たるみを拾い上げます。 TeslaやNvidiaなどの企業は、安価だからではなく、必要だから垂直に統合されたAIスタックを構築しています。

本当の経済的制限

スキッティッシュなのは投資家だけではありません。工場、車両、病院などを含む物理的環境にAIを展開すると、実際のコストが伴います。そして、Shaofengは、これらは理論的な障壁ではなく、多くの人が今日対処しようとしている本当の問題であると指摘しています。

「本当のボトルネックは技術的ではありません」と彼は指摘しました。 「それらは経済的です。センサーやレーザーモジュールのようなハードウェアは安くはありません。統合、テスト、コンプライアンス - それらには時間がかかります。問題はもはや「うまくいかないでしょうか？」しかし、「それは十分に速く、確実に機能し、投資を正当化するROIで動作することができますか？」

彼の主張は、インテリジェンスを工場の床に埋め込むコストは、多くの場合、新しいSaaS製品を出荷するよりもはるかに高くなるが、見返りは、正しく行われた場合、はるかに大きく、はるかに防御可能であるということです。

ハードウェアへの賭け

Shaofengの会社であるXinghan Laserは、高性能光学システムに直接、数少ない建物AIの1つです。半導体レーザーチップから精密なLIDARプラットフォームまで、チームはプロセスを自動化するだけでなく、それらにも適応するシステムを設計しています。 「これは単なる自動化以上のものです」と彼は言いました。 「プロセス自体から学習し、リアルタイムで調整できるシステムの構築に関するものです。

Shaofengは、ハードウェアを大きくすることを考えているだけではありません。最近、ロイターは、米国上院議員の審理中に、オープンイCEOのサム・アルトマンが、米国をグローバルAIリーダーシップの最前線に留めるために、AIインフラストラクチャ、特にデータセンターとエネルギーシステムに投資する緊急の必要性を強調したと報告しました。プリンストン大学の教授であるNaveen Vermaは、最新のワークロード向けに設計された新しいAIチップを開発し、大幅に少ないエネルギーを使用して強力なAIシステムを実行することを目指しているプロジェクトを主導しています。

間違いなく、大きな賭けは現在、AIインフラストラクチャとハードウェアにあります。 McKinseyのAIレポートの状態として、AIから最大の金融ROIを見ている業界は、創造的なコンテンツやチャットボットではありません。これらは製造、物流、サプライチェーンです。つまり、現実世界のシステム。ハードウェアを必要とするシステム。

より賢い未来

これは、モデル中心のAIのライバルとしてではなく、そのイネーブラーとして、ディープテクノロジーが適合する場所です。 「大規模なモデルとハードウェアの革新は反対の力ではありません」とShaofeng氏は言います。 「彼らは相互に強化しています。1つは知性の境界を押し広げます。もう1つはその知性を生き返らせます。」 1つを無視し、システム全体が割れます。

シミュレーションで完全に機能するが、フィールドで失敗するロボットは、単に効果がないだけではありません。危険です。深さを誤解する外科用ツールであろうと、風のせん断をナビゲートできないドローンであろうと、結果は理論的ではありません。彼らは本物で費用がかかります。

誇大広告が少なく、ハードウェアが増えます

そのような未来を作成するために、Shaofengは、方程式を再調整する必要があると述べました。 AIの将来は、Pythonコードで書かれているだけではないと彼は指摘しました。むしろ、それは回路ではんだ付けされ、光学系で調整され、物理的な空間でテストされます。

「AIのスケーリングは、計算とデータだけではありません」と彼は言いました。 「それは、インフラストラクチャ、統合、現実世界の関連性についてです。」私たちは、AIが世界を分析しない未来を見ています。それは物理的にそれに関与します。」

その将来、ディープテックはAIストーリーの脚注ではありません。それは基礎です。

以上がより大きなモデルだけでなく、AIハードウェアがAIの未来を定義する理由の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。