محدودیت گوگل برای متا در استفاده از جمنای هوش مصنوعی

وقتی یک غول فناوری بیش از حد به سرورهای غول دیگری تکیه می‌کند، در نهایت کسی باید هزینه آن را بپردازد. به گزارش فایننشال تایمز، گوگل پس از آنکه متا ظرفیتی بسیار فراتر از توان تأمین گوگل برای پردازش مدل‌های هوش مصنوعی جمنای درخواست کرد، محدودیت‌هایی برای استفاده متا از این مدل‌ها اعمال کرده است. این تصمیم که حدود ماه مارس به مدیران متا اعلام شد، چندین پروژه داخلی هوش مصنوعی این شرکت را تحت تأثیر قرار داده و باعث تأخیر و اختلال جدی شده است.

این اتفاق یک مشکل مقطعی و جداافتاده نبود. دیگر مشتریان گوگل کلاد نیز فشار کمبود ظرفیت را احساس کردند، اما متا به دلیل تقاضای بسیار سنگین خود بیشترین آسیب را دید. تا این لحظه هیچ‌کدام از دو شرکت بیانیه رسمی منتشر نکرده‌اند. با این حال نشانه‌ها روشن است: حجم عظیم بارهای کاری هوش مصنوعی، محدودیت‌های واقعی زنجیره تأمین رایانش ابری را آشکار می‌کند.

متا از کارکنان خود خواسته است مصرف توکن‌ها را کنترل و بهینه کنند. توکن‌ها واحدهای پایه برای سنجش میزان استفاده از مدل‌های هوش مصنوعی هستند و مصرف بی‌رویه آن‌ها به سرعت هزینه‌ها و بار محاسباتی را افزایش می‌دهد. مفهومی که روی کاغذ ساده به نظر می‌رسد، در مقیاس بزرگ به یک محدودیت سخت و تعیین‌کننده تبدیل می‌شود.

این ماجرا نشان می‌دهد تقاضا برای هوش مصنوعی با سرعتی بیشتر از توسعه زیرساخت‌ها رشد می‌کند و ممکن است ظرفیت پردازشی، نه الگوریتم‌ها، به گلوگاه اصلی تبدیل شود.

نتایج مالی فصلی خود گوگل نیز این فشار را برجسته می‌کند. ساندار پیچای گفته است درآمد گوگل کلاد در فصل منتهی به مارس به حدود ۲۰ میلیارد دلار رسیده، اما محدودیت‌های محاسباتی مانع ثبت رکوردهای بالاتر شده است. سفارش‌های معوق خدمات ابری تقریبا نسبت به فصل قبل دو برابر شده‌اند؛ شاخصی روشن از اینکه تقاضا برای توان پردازشی هوش مصنوعی از سرعت ساخت زیرساخت‌های جدید توسط شرکت‌ها پیشی گرفته است.

این وضعیت از نظر راهبردی چه معنایی دارد؟ برای متا، اتکا به ارائه‌دهندگان خارجی برای تأمین توان خام پردازش در هوش مصنوعی پیشرفته، نوعی شکنندگی ایجاد می‌کند. برای ارائه‌دهندگان خدمات ابری نیز جهش بارهای کاری هوش مصنوعی بازنگری در شیوه تأمین، اولویت‌بندی و قیمت‌گذاری ظرفیت را ضروری می‌سازد. آیا شرکت‌ها گستره مراکز داده خود را افزایش می‌دهند، سرمایه‌گذاری بیشتری روی تراشه‌های اختصاصی انجام می‌دهند یا ریسک خود را میان چند ارائه‌دهنده پخش می‌کنند؟ همه این گزینه‌ها محتمل‌اند و البته پرهزینه.

این رخداد همچنین رقابت برای رهبری هوش مصنوعی را از زاویه‌ای تازه تعریف می‌کند. دیگر ماجرا فقط کیفیت مدل‌ها و جذب استعداد نیست. رقابت به مسیرهای تأمین، انرژی برق و فضای مراکز داده ابرمقیاس نیز گره خورده است. وقتی توان محاسباتی به منبعی کمیاب تبدیل می‌شود، مشارکت‌ها و چابکی زنجیره تأمین به اندازه کدنویسی اهمیت پیدا می‌کنند.

باید دید هر دو شرکت چگونه واکنش نشان می‌دهند: اینکه متا آزمایش‌های خود را محدود کند، ساخت سخت‌افزار داخلی را شتاب دهد یا راهبرد ابری خود را متنوع‌تر سازد، می‌تواند مرحله بعدی رقابت تسلیحاتی در هوش مصنوعی را بازتعریف کند.