Expansión de la potencia computacional y búsqueda de alta relación calidad-precio en la era de la IA

Las grandes empresas tecnológicas están aumentando constantemente su inversión en IA. Los últimos informes financieros de empresas como Microsoft y Google muestran que los ingresos y márgenes de beneficio de los negocios en la nube están aumentando continuamente, y la IA se está convirtiendo en un nuevo punto de crecimiento en su rendimiento. La "carrera armamentista" de potencia computacional de estos principales proveedores de nube está en pleno apogeo, y es difícil que el gasto de capital disminuya a corto plazo. La industria espera que el equilibrio entre la oferta y la demanda de potencia computacional de IA no se logre hasta alrededor de 2030.

Mientras tanto, el mercado también espera ver más aplicaciones de IA "prácticas" que puedan ofrecer a los usuarios un aumento real de la productividad o comodidad en la vida. Este año ya han surgido productos destacados como OpenAI Sora y el modelo nacional Kimi, y en el futuro se espera ver actualizaciones continuas de grandes modelos como GPT y Gemini, así como más aplicaciones de IA en el lado del usuario. Sin embargo, el camino hacia la AGI aún es largo, y las aplicaciones de IA que realmente cambien la sociedad humana pueden necesitar un tiempo considerable para incubarse.

Actualmente, la industria debería centrarse más en cómo proporcionar "potencia computacional de alto rendimiento y bajo costo". Según la experiencia histórica, la disminución del costo por unidad de potencia computacional es una condición necesaria para el desarrollo de la IA. Una potencia computacional de IA barata, accesible y estable es la base para el surgimiento de aplicaciones significativas de IA. Tomando a Sora como ejemplo, su lanzamiento público aún requerirá varios meses, y una razón importante es la necesidad de optimizar continuamente la potencia computacional requerida para la inferencia.

Para reducir los costos de potencia computacional, la industria está abordando el problema desde múltiples frentes: en términos de capacidad de GPU, TSMC está expandiendo significativamente la capacidad de empaquetado CoWoS necesaria para los chips de IA; en el ámbito de los dispositivos de red, la nueva generación de chips de IA de NVIDIA utiliza conexiones de cable de cobre para controlar costos, y los fabricantes de módulos ópticos también están promoviendo soluciones de alto rendimiento como LPO; en cuanto a la refrigeración, a medida que aumenta la densidad de potencia de los gabinetes individuales, las ventajas de costo de las soluciones de refrigeración líquida comenzarán a hacerse evidentes.

En general, aunque los principales proveedores de la nube tienen la capacidad de invertir a gran escala de manera continua, la demanda del mercado más amplia es una potencia computacional de IA de alto rendimiento y bajo costo. En el futuro, cómo reducir el costo por unidad de potencia computacional al tiempo que se garantiza el rendimiento será clave para impulsar el desarrollo de la IA. Esto requiere un esfuerzo conjunto en múltiples etapas, como chips, redes y refrigeración, para crear una infraestructura de IA más rentable que proporcione un sólido apoyo a la innovación en aplicaciones de IA.