Perluasan Daya Komputasi dan Pencarian Biaya Efektif di Era AI

Perusahaan teknologi besar terus meningkatkan investasi mereka dalam AI. Laporan keuangan terbaru dari perusahaan seperti Microsoft dan Google menunjukkan bahwa pendapatan dan margin laba dari bisnis cloud terus meningkat, dan AI menjadi titik pertumbuhan kinerja yang baru. "Perlombaan senjata" daya komputasi di antara penyedia cloud terkemuka sedang berlangsung dengan semarak, dan dalam jangka pendek, pengeluaran modal sulit untuk menunjukkan perlambatan. Industri memperkirakan bahwa keseimbangan pasokan dan permintaan daya komputasi AI mungkin baru bisa tercapai sekitar tahun 2030.

Sementara itu, pasar juga berharap untuk melihat lebih banyak aplikasi AI yang "dekat dengan kehidupan sehari-hari", yang dapat membawa peningkatan produktivitas atau kenyamanan dalam kehidupan bagi pengguna. Tahun ini telah muncul produk-produk cemerlang seperti OpenAI Sora dan model besar domestik Kimi, dan di masa depan diharapkan akan ada pembaruan berkelanjutan untuk model besar seperti GPT dan Gemini, serta lebih banyak aplikasi AI di sisi perangkat. Namun, jalan menuju AGI masih panjang, aplikasi AI yang benar-benar mengubah masyarakat manusia mungkin masih memerlukan waktu yang cukup lama untuk berkembang.

Saat ini, industri harus lebih memperhatikan bagaimana menyediakan "Daya Komputasi dengan biaya tinggi dan nilai baik". Dari pengalaman sejarah, penurunan biaya per unit daya komputasi adalah syarat yang diperlukan untuk perkembangan AI. Daya komputasi AI yang murah, mudah didapat, dan stabil adalah dasar untuk lahirnya aplikasi AI yang signifikan. Contoh Sora, publikasi resminya masih memerlukan beberapa bulan, salah satu alasan penting adalah perlu terus mengoptimalkan daya komputasi yang dibutuhkan untuk inferensi.

Untuk mengurangi Daya Komputasi, industri sedang berupaya dari berbagai aspek: dalam kapasitas GPU, TSMC sedang memperluas kapasitas kemasan CoWoS yang diperlukan untuk chip AI secara signifikan; dalam perangkat jaringan, chip AI generasi terbaru dari NVIDIA menggunakan kabel tembaga untuk mengendalikan biaya, produsen modul optik juga mendorong solusi biaya tinggi seperti LPO; dalam hal pendinginan, seiring dengan peningkatan kepadatan daya kabinet tunggal, keuntungan biaya dari solusi pendinginan cair akan semakin terlihat.

Secara keseluruhan, meskipun penyedia cloud terkemuka memiliki kekuatan untuk terus melakukan investasi besar-besaran, tetapi permintaan pasar yang lebih luas adalah Daya Komputasi AI yang memiliki nilai tinggi. Di masa depan, bagaimana menurunkan biaya per unit Daya Komputasi sambil memastikan kinerja akan menjadi kunci untuk mendorong perkembangan AI. Ini memerlukan upaya bersama dari berbagai aspek seperti chip, jaringan, dan pendinginan, untuk membangun infrastruktur AI yang lebih memiliki nilai tinggi dan memberikan dukungan yang kuat untuk inovasi aplikasi AI.