Menurut laporan baru yang dirilis awal tahun ini oleh analis Bloomberg Intelligence, industri AI dapat berkembang sebesar 42% dalam satu dekade, pertama-tama didorong oleh fondasi yang diperlukan untuk melatih sistem AI. Didorong oleh permintaan akan fasilitas, dan kemudian permintaan akan peralatan lanjutan yang menggunakan model kecerdasan buatan, periklanan, dan layanan lainnya. Peluncuran alat AI yang berfokus pada konsumen seperti ChatGPT dan Google Bard akan memicu ledakan selama satu dekade yang akan meningkatkan pendapatan pasar AIGC dari $40 miliar pada tahun lalu menjadi sekitar $1,3 triliun pada tahun 2032.
Sumber gambar: Dihasilkan oleh AI Tanpa Batas
AI Generatif (AIGC) semakin diadopsi secara luas, terutama di sektor bisnis.
Misalnya, Walmart baru-baru ini mengumumkan bahwa mereka akan meluncurkan aplikasi AIGC ke 50.000 karyawan non-toko. Menurut Axios, aplikasi ini menggabungkan data Walmart dengan model bahasa besar (LLM) pihak ketiga untuk membantu karyawan menyelesaikan berbagai tugas, mulai dari mempercepat proses penyusunan hingga bertindak sebagai mitra kreatif hingga merangkum dokumen berukuran besar dan banyak lagi.
Penerapan seperti ini membantu mendorong permintaan kartu grafis (GPU) yang diperlukan untuk melatih model pembelajaran mendalam yang kuat. Kartu Grafis GPU adalah prosesor komputasi khusus yang menjalankan instruksi pemrograman secara paralel, bukan secara berurutan seperti unit pemrosesan pusat (CPU) tradisional.
Menurut Wall Street Journal, pelatihan model ini "dapat menghabiskan biaya miliaran dolar bagi perusahaan karena banyaknya data yang perlu mereka serap dan analisis." Memberikan dukungan untuk aplikasi chatbot ChatGPT dan Bard.
01. Mengendarai gelombang AI generatif
Tren AIGC telah memberikan dorongan kuat bagi pemasok GPU utama Nvidia: Perusahaan ini melaporkan pendapatan yang luar biasa untuk kuartal terakhirnya. Ini adalah masa booming, setidaknya bagi Nvidia, karena hampir semua perusahaan teknologi besar mencoba mendapatkan kartu grafis AI kelas atas.
Erin Griffiths menulis di New York Times bahwa para startup dan investor mengambil tindakan luar biasa untuk mendapatkan chip ini: “Apa yang sangat diinginkan oleh perusahaan teknologi tahun ini bukanlah uang, bakat teknik, hype atau bahkan keuntungan, namun keinginan untuk GPU."
Ben Thompson menyebutnya "Nvidia di puncak gunung" dalam buletin Stratechery minggu ini. Momentum ini semakin didorong oleh pengumuman kemitraan antara Google dan Nvidia yang akan memberikan pelanggan cloud Google mendapatkan akses lebih besar terhadap teknologi yang didukung oleh GPU Nvidia. Semua ini menunjukkan kelangkaan chip saat ini di tengah melonjaknya permintaan.
Apakah kebutuhan saat ini menandai puncak dari generasi baru AI, atau mungkin menandai awal dari gelombang pengembangan berikutnya?
02. Bagaimana teknologi generatif membentuk masa depan komputasi
CEO Nvidia Jensen Huang mengatakan pada laporan pendapatan perusahaan baru-baru ini bahwa permintaan ini menandakan dimulainya "percepatan komputasi". Dia menambahkan bahwa akan bijaksana bagi perusahaan untuk “mengalihkan investasi modal dari komputasi tujuan umum dan fokus pada menghasilkan kecerdasan buatan dan mempercepat komputasi.”
Komputasi tujuan umum mengacu pada CPU yang dirancang untuk berbagai tugas, mulai dari spreadsheet, database relasional, hingga ERP. Nvidia percaya bahwa CPU kini menjadi infrastruktur lama dan pengembang harus mengoptimalkan kode GPU untuk melakukan tugas dengan lebih efisien dibandingkan CPU tradisional.
GPU dapat melakukan banyak penghitungan secara bersamaan, menjadikannya ideal untuk tugas-tugas seperti pembelajaran mesin (ML) yang melakukan jutaan penghitungan secara paralel. GPU juga sangat baik dalam jenis komputasi matematika tertentu, seperti aljabar linier dan tugas manipulasi matriks, yang merupakan dasar dari pembelajaran mendalam dan kecerdasan buatan.
03. GPU tidak banyak memberikan manfaat pada beberapa jenis perangkat lunak
Namun, kategori perangkat lunak lainnya, termasuk sebagian besar aplikasi bisnis yang ada, dioptimalkan untuk berjalan pada CPU dan hanya mendapat sedikit manfaat dari eksekusi instruksi paralel GPU.
Thompson tampaknya memiliki pandangan serupa: "Penafsiran saya terhadap poin Jensen Huang adalah bahwa semua GPU ini akan digunakan untuk banyak aktivitas yang sama yang saat ini dijalankan pada CPU; Setiap kelebihan kapasitas yang dihasilkan oleh AI generatif akan diisi oleh komputasi awan saat ini. beban kerja."
Dia melanjutkan: "Karena itu, saya meragukannya: manusia dan perusahaan malas, dan aplikasi berbasis CPU tidak hanya lebih mudah untuk dikembangkan, tetapi sebagian besar sudah dibuat. Saya sulit membayangkan perusahaan mana yang akan meluangkan waktu dan tenaga untuk Porting sesuatu yang sudah berjalan pada CPU ke GPU."
04. Sejarah berulang
Matt Assay dari InfoWorld mengingatkan kita bahwa kita pernah melihat ini sebelumnya. "Ketika pembelajaran mesin pertama kali muncul, para ilmuwan data menerapkannya pada segala hal, bahkan jika ada alat yang lebih sederhana. Seperti yang pernah dikatakan oleh ilmuwan data Noah Lorang, "Hanya sebagian kecil masalah bisnis yang paling baik diselesaikan dengan pembelajaran mesin; Kebanyakan orang hanya memerlukan pembelajaran mesin yang baik; data dan memahami maksudnya. "
Intinya adalah, akselerasi komputasi dan GPU tidak memenuhi semua kebutuhan perangkat lunak.
Nvidia memiliki kuartal yang kuat, didorong oleh terburu-buru mengembangkan aplikasi AI generasi baru. Perusahaan tentu saja antusias dengan hal ini. Namun, seperti yang telah kita lihat dari Gartner Hype Cycle for Emerging Technologies baru-baru ini, generasi baru AI sedang mengalami momen dan berada di puncak ekspektasi yang melambung.
Peter Diamandis, pendiri Singularity University dan XPRIZE, mengatakan harapannya adalah melihat potensi masa depan tanpa adanya kerugian. "Pada saat itu, hype mulai menimbulkan kegembiraan yang tidak beralasan dan ekspektasi yang berlebihan."
05. Batasan saat ini
Dalam hal ini, kita akan segera mencapai batas pertumbuhan AIGC saat ini. Seperti yang ditulis oleh pemodal ventura SK Ventures, Paul Kedrosky dan Eric Norlin di Substack perusahaan mereka: "Pandangan kami adalah bahwa kami berada di ujung gelombang pertama kecerdasan buatan berdasarkan model bahasa besar. Gelombang ini dimulai pada tahun 2017, dengan [Google] Dengan dirilisnya makalah Transformer (“Attention is All You Need”) dan kesimpulannya dalam satu atau dua tahun ke depan, masyarakat dihadapkan pada berbagai keterbatasan. "
Keterbatasan ini mencakup “kecenderungan untuk berhalusinasi, data pelatihan yang tidak memadai dalam domain yang sempit, korpora pelatihan dari tahun lalu yang sudah ketinggalan zaman, atau berbagai alasan lainnya.” Mereka menambahkan: “Kita sudah berada di ujung ekor dari arus gelombang AI."
Untuk lebih jelasnya, Kedrosky dan Norlin tidak menganggap AI telah menemui jalan buntu. Sebaliknya, mereka berargumen bahwa perbaikan teknologi secara substansial diperlukan untuk mencapai sesuatu yang lebih baik daripada “otomatisasi biasa saja” dan peningkatan produktivitas yang terbatas. Mereka yakin gelombang berikutnya akan mencakup model-model baru, lebih banyak sumber terbuka, dan terutama "GPU yang ada di mana-mana/murah" yang, jika benar, mungkin bukan pertanda baik bagi Nvidia tetapi akan memungkinkan mereka yang membutuhkan teknologi ini bermanfaat bagi masyarakat.
Seperti yang dicatat oleh Fortune, Amazon telah memperjelas niatnya untuk secara langsung menantang dominasi Nvidia dalam pembuatan chip. Mereka tidak sendirian, karena banyak startup yang bersaing untuk mendapatkan pangsa pasar - begitu pula raksasa chip termasuk AMD. Menantang petahana yang dominan sangatlah sulit. Setidaknya dalam hal ini, memperluas sumber chip ini dan mengurangi harga teknologi yang langka akan menjadi kunci untuk mengembangkan dan menyebarkan gelombang inovasi AIGC.
06 Gelombang AI Berikutnya
Terlepas dari keterbatasan model dan aplikasi generasi saat ini, masa depan AIGC tampak cerah. Kemungkinan besar ada beberapa alasan di balik komitmen ini, namun mungkin yang paling penting adalah kurangnya generasi pekerja di seluruh perekonomian, yang akan terus mendorong permintaan akan tingkat otomatisasi yang lebih tinggi.
Meskipun AI dan otomatisasi secara historis dipandang terpisah, pandangan ini berubah seiring munculnya AIGC. Teknologi semakin menjadi pendorong otomatisasi dan produktivitas. Mike Knoop, salah satu pendiri perusahaan alur kerja Zapier, menyinggung fenomena ini dalam podcast Eye on AI baru-baru ini, dengan mengatakan: "AI dan otomatisasi runtuh menjadi satu hal."
Tentu saja, McKinsey mempercayai hal ini. “AIGC siap meluncurkan gelombang produktivitas berikutnya,” kata mereka dalam laporan baru-baru ini. Dan mereka tidak sendirian. Misalnya, Goldman Sachs mengatakan bahwa kecerdasan buatan generasi baru dapat meningkatkan PDB global sebesar 7%.
Terlepas dari apakah kita berada di puncak generasi AI saat ini atau tidak, hal ini jelas merupakan area yang akan terus berkembang dan memicu perdebatan di seluruh perusahaan. Meskipun tantangannya besar, peluangnya juga besar, terutama di dunia yang haus akan inovasi dan efisiensi. Perlombaan untuk mendominasi GPU hanyalah sebuah cuplikan dari narasi yang sedang berlangsung ini, sebuah pendahuluan dari babak masa depan dalam kecerdasan buatan dan komputasi.
Referensi:
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
AIGC berada pada titik perubahan: Apa langkah selanjutnya untuk diadopsi di dunia nyata?
Sumber asli: Lab Inovasi AGI
Menurut laporan baru yang dirilis awal tahun ini oleh analis Bloomberg Intelligence, industri AI dapat berkembang sebesar 42% dalam satu dekade, pertama-tama didorong oleh fondasi yang diperlukan untuk melatih sistem AI. Didorong oleh permintaan akan fasilitas, dan kemudian permintaan akan peralatan lanjutan yang menggunakan model kecerdasan buatan, periklanan, dan layanan lainnya. Peluncuran alat AI yang berfokus pada konsumen seperti ChatGPT dan Google Bard akan memicu ledakan selama satu dekade yang akan meningkatkan pendapatan pasar AIGC dari $40 miliar pada tahun lalu menjadi sekitar $1,3 triliun pada tahun 2032.
AI Generatif (AIGC) semakin diadopsi secara luas, terutama di sektor bisnis.
Misalnya, Walmart baru-baru ini mengumumkan bahwa mereka akan meluncurkan aplikasi AIGC ke 50.000 karyawan non-toko. Menurut Axios, aplikasi ini menggabungkan data Walmart dengan model bahasa besar (LLM) pihak ketiga untuk membantu karyawan menyelesaikan berbagai tugas, mulai dari mempercepat proses penyusunan hingga bertindak sebagai mitra kreatif hingga merangkum dokumen berukuran besar dan banyak lagi.
Penerapan seperti ini membantu mendorong permintaan kartu grafis (GPU) yang diperlukan untuk melatih model pembelajaran mendalam yang kuat. Kartu Grafis GPU adalah prosesor komputasi khusus yang menjalankan instruksi pemrograman secara paralel, bukan secara berurutan seperti unit pemrosesan pusat (CPU) tradisional.
Menurut Wall Street Journal, pelatihan model ini "dapat menghabiskan biaya miliaran dolar bagi perusahaan karena banyaknya data yang perlu mereka serap dan analisis." Memberikan dukungan untuk aplikasi chatbot ChatGPT dan Bard.
01. Mengendarai gelombang AI generatif
Tren AIGC telah memberikan dorongan kuat bagi pemasok GPU utama Nvidia: Perusahaan ini melaporkan pendapatan yang luar biasa untuk kuartal terakhirnya. Ini adalah masa booming, setidaknya bagi Nvidia, karena hampir semua perusahaan teknologi besar mencoba mendapatkan kartu grafis AI kelas atas.
Erin Griffiths menulis di New York Times bahwa para startup dan investor mengambil tindakan luar biasa untuk mendapatkan chip ini: “Apa yang sangat diinginkan oleh perusahaan teknologi tahun ini bukanlah uang, bakat teknik, hype atau bahkan keuntungan, namun keinginan untuk GPU."
Ben Thompson menyebutnya "Nvidia di puncak gunung" dalam buletin Stratechery minggu ini. Momentum ini semakin didorong oleh pengumuman kemitraan antara Google dan Nvidia yang akan memberikan pelanggan cloud Google mendapatkan akses lebih besar terhadap teknologi yang didukung oleh GPU Nvidia. Semua ini menunjukkan kelangkaan chip saat ini di tengah melonjaknya permintaan.
Apakah kebutuhan saat ini menandai puncak dari generasi baru AI, atau mungkin menandai awal dari gelombang pengembangan berikutnya?
02. Bagaimana teknologi generatif membentuk masa depan komputasi
CEO Nvidia Jensen Huang mengatakan pada laporan pendapatan perusahaan baru-baru ini bahwa permintaan ini menandakan dimulainya "percepatan komputasi". Dia menambahkan bahwa akan bijaksana bagi perusahaan untuk “mengalihkan investasi modal dari komputasi tujuan umum dan fokus pada menghasilkan kecerdasan buatan dan mempercepat komputasi.”
Komputasi tujuan umum mengacu pada CPU yang dirancang untuk berbagai tugas, mulai dari spreadsheet, database relasional, hingga ERP. Nvidia percaya bahwa CPU kini menjadi infrastruktur lama dan pengembang harus mengoptimalkan kode GPU untuk melakukan tugas dengan lebih efisien dibandingkan CPU tradisional.
GPU dapat melakukan banyak penghitungan secara bersamaan, menjadikannya ideal untuk tugas-tugas seperti pembelajaran mesin (ML) yang melakukan jutaan penghitungan secara paralel. GPU juga sangat baik dalam jenis komputasi matematika tertentu, seperti aljabar linier dan tugas manipulasi matriks, yang merupakan dasar dari pembelajaran mendalam dan kecerdasan buatan.
03. GPU tidak banyak memberikan manfaat pada beberapa jenis perangkat lunak
Namun, kategori perangkat lunak lainnya, termasuk sebagian besar aplikasi bisnis yang ada, dioptimalkan untuk berjalan pada CPU dan hanya mendapat sedikit manfaat dari eksekusi instruksi paralel GPU.
Thompson tampaknya memiliki pandangan serupa: "Penafsiran saya terhadap poin Jensen Huang adalah bahwa semua GPU ini akan digunakan untuk banyak aktivitas yang sama yang saat ini dijalankan pada CPU; Setiap kelebihan kapasitas yang dihasilkan oleh AI generatif akan diisi oleh komputasi awan saat ini. beban kerja."
Dia melanjutkan: "Karena itu, saya meragukannya: manusia dan perusahaan malas, dan aplikasi berbasis CPU tidak hanya lebih mudah untuk dikembangkan, tetapi sebagian besar sudah dibuat. Saya sulit membayangkan perusahaan mana yang akan meluangkan waktu dan tenaga untuk Porting sesuatu yang sudah berjalan pada CPU ke GPU."
04. Sejarah berulang
Matt Assay dari InfoWorld mengingatkan kita bahwa kita pernah melihat ini sebelumnya. "Ketika pembelajaran mesin pertama kali muncul, para ilmuwan data menerapkannya pada segala hal, bahkan jika ada alat yang lebih sederhana. Seperti yang pernah dikatakan oleh ilmuwan data Noah Lorang, "Hanya sebagian kecil masalah bisnis yang paling baik diselesaikan dengan pembelajaran mesin; Kebanyakan orang hanya memerlukan pembelajaran mesin yang baik; data dan memahami maksudnya. "
Intinya adalah, akselerasi komputasi dan GPU tidak memenuhi semua kebutuhan perangkat lunak.
Nvidia memiliki kuartal yang kuat, didorong oleh terburu-buru mengembangkan aplikasi AI generasi baru. Perusahaan tentu saja antusias dengan hal ini. Namun, seperti yang telah kita lihat dari Gartner Hype Cycle for Emerging Technologies baru-baru ini, generasi baru AI sedang mengalami momen dan berada di puncak ekspektasi yang melambung.
Peter Diamandis, pendiri Singularity University dan XPRIZE, mengatakan harapannya adalah melihat potensi masa depan tanpa adanya kerugian. "Pada saat itu, hype mulai menimbulkan kegembiraan yang tidak beralasan dan ekspektasi yang berlebihan."
05. Batasan saat ini
Dalam hal ini, kita akan segera mencapai batas pertumbuhan AIGC saat ini. Seperti yang ditulis oleh pemodal ventura SK Ventures, Paul Kedrosky dan Eric Norlin di Substack perusahaan mereka: "Pandangan kami adalah bahwa kami berada di ujung gelombang pertama kecerdasan buatan berdasarkan model bahasa besar. Gelombang ini dimulai pada tahun 2017, dengan [Google] Dengan dirilisnya makalah Transformer (“Attention is All You Need”) dan kesimpulannya dalam satu atau dua tahun ke depan, masyarakat dihadapkan pada berbagai keterbatasan. "
Keterbatasan ini mencakup “kecenderungan untuk berhalusinasi, data pelatihan yang tidak memadai dalam domain yang sempit, korpora pelatihan dari tahun lalu yang sudah ketinggalan zaman, atau berbagai alasan lainnya.” Mereka menambahkan: “Kita sudah berada di ujung ekor dari arus gelombang AI."
Untuk lebih jelasnya, Kedrosky dan Norlin tidak menganggap AI telah menemui jalan buntu. Sebaliknya, mereka berargumen bahwa perbaikan teknologi secara substansial diperlukan untuk mencapai sesuatu yang lebih baik daripada “otomatisasi biasa saja” dan peningkatan produktivitas yang terbatas. Mereka yakin gelombang berikutnya akan mencakup model-model baru, lebih banyak sumber terbuka, dan terutama "GPU yang ada di mana-mana/murah" yang, jika benar, mungkin bukan pertanda baik bagi Nvidia tetapi akan memungkinkan mereka yang membutuhkan teknologi ini bermanfaat bagi masyarakat.
Seperti yang dicatat oleh Fortune, Amazon telah memperjelas niatnya untuk secara langsung menantang dominasi Nvidia dalam pembuatan chip. Mereka tidak sendirian, karena banyak startup yang bersaing untuk mendapatkan pangsa pasar - begitu pula raksasa chip termasuk AMD. Menantang petahana yang dominan sangatlah sulit. Setidaknya dalam hal ini, memperluas sumber chip ini dan mengurangi harga teknologi yang langka akan menjadi kunci untuk mengembangkan dan menyebarkan gelombang inovasi AIGC.
06 Gelombang AI Berikutnya
Terlepas dari keterbatasan model dan aplikasi generasi saat ini, masa depan AIGC tampak cerah. Kemungkinan besar ada beberapa alasan di balik komitmen ini, namun mungkin yang paling penting adalah kurangnya generasi pekerja di seluruh perekonomian, yang akan terus mendorong permintaan akan tingkat otomatisasi yang lebih tinggi.
Meskipun AI dan otomatisasi secara historis dipandang terpisah, pandangan ini berubah seiring munculnya AIGC. Teknologi semakin menjadi pendorong otomatisasi dan produktivitas. Mike Knoop, salah satu pendiri perusahaan alur kerja Zapier, menyinggung fenomena ini dalam podcast Eye on AI baru-baru ini, dengan mengatakan: "AI dan otomatisasi runtuh menjadi satu hal."
Tentu saja, McKinsey mempercayai hal ini. “AIGC siap meluncurkan gelombang produktivitas berikutnya,” kata mereka dalam laporan baru-baru ini. Dan mereka tidak sendirian. Misalnya, Goldman Sachs mengatakan bahwa kecerdasan buatan generasi baru dapat meningkatkan PDB global sebesar 7%.
Terlepas dari apakah kita berada di puncak generasi AI saat ini atau tidak, hal ini jelas merupakan area yang akan terus berkembang dan memicu perdebatan di seluruh perusahaan. Meskipun tantangannya besar, peluangnya juga besar, terutama di dunia yang haus akan inovasi dan efisiensi. Perlombaan untuk mendominasi GPU hanyalah sebuah cuplikan dari narasi yang sedang berlangsung ini, sebuah pendahuluan dari babak masa depan dalam kecerdasan buatan dan komputasi.
Referensi: