Амралтын Tech: дата төвийн нууц, удаан наслах PC, эмнэлэгт орсон AI

AI үйлчилгээ “үүлэн дээр” ажилладаг мэт сонсогддог ч бодит байдал дээр асар их цахилгаан, хөргөлт, газар шаарддаг барилга байгууламжууд дээр тулгуурладаг. Brockovich-ийн гол шүүмжлэл нь компаниуд орон нутгийн иргэдэд эрчим хүч, ус, дуу чимээ, татварын урамшууллын талаар хангалттай нээлттэй тайлбарлахгүй байна гэсэн санаа юм. Дараагийн анхаарах зүйл нь дата төвийн зөвшөөрөл олголт илүү улс төржих эсэх. AI хэрэглээ өсөх нь тодорхой ч тухайн өсөлтийн “цахилгааны төлбөр”-ийг хэн, ямар нөхцөлтэй төлөх вэ гэдэг асуулт улам чангарна.

5 гигаватт гэдэг нь энгийн оффисын серверийн өрөө биш, үндэсний хэмжээний эрчим хүчний төлөвлөлттэй холбогдох хэмжээ. Франц цөмийн эрчим хүчний суурьтай тул том дата төвүүд татахад бусад Европын орноос давуу байж болох ч сүлжээ, хөргөлт, газар, зөвшөөрөл гээд “AI үйлдвэр”-ийн бодит саад олон. SoftBank-ийн хувьд энэ нь AI чип, модел, дата төв, хөрөнгө оруулалтын хэлхээнд гүн суух оролдлого. Харин Европын хувьд асуулт нь: AI-ийн стратегийн бие даасан байдлыг хүсвэл дата төвийн дэд бүтцээ өөрөө босгох уу, эсвэл гаднын аваргуудын хөрөнгөөр хурдлах уу?

Шинэ RAM, шинэ motherboard, шинэ хөргөлт гээд PC upgrade заримдаа жижиг засвар биш гэрийн засвар шиг болдог. AMD-ийн мессеж энгийн: AM5 дээр байгаа бол энэ арван жилийн төгсгөл хүртэл арай тайван байж болно. Энэ амлалт Intel болон бусад PC экосистемд дарамт болно. Хэрэглэгчид зөвхөн хамгийн хурдан чип биш, удаан дэмжигдэх платформ, нийт эзэмшлийн өртөг, дараагийн upgrade-ийн зардлыг илүү их хардаг болж байна.

Ховор өвчин оношлоход олон шинжилгээ, эмч нарын тэмдэглэл, судалгааны мэдээлэл, гэр бүлийн түүхийг холбож харах шаардлагатай. AI энд “эмчийг орлох” гэхээсээ илүү мэдээллийн бөөгнөрлийг цэгцэлж, боломжит чиглэлийг хурдан гаргах туслах болж байна. Гэхдээ эмнэлгийн орчинд AI-ийн алдаа нь энгийн chatbot-ын инээдтэй хариултаас хамаагүй өндөр үнэтэй. Ийм хэрэглээ өргөжих тусам аудит, клиник баталгаажуулалт, өгөгдлийн нууцлал, эмч эцсийн шийдвэр гаргах зарчим хамгийн чухал үзүүлэлт болно.

AI биологийн судалгаанд хурд нэмэх боломжтой: судалгааны материал шүүх, эрсдэлийн загвар гаргах, лабораторийн ажлын урсгал төлөвлөх гэх мэт. Гэхдээ яг энэ чадвар нь буруу гарт орвол аюултай мэдээлэл түгээх эрсдэлтэй тул OpenAI “хэнд, ямар нөхцөлтэй, ямар хяналттай” нэвтрүүлэхээ онцолж байна. Эндээс харах гол зүйл бол AI safety зөвхөн chatbot-ийн доромж үг шүүх асуудал биш болсон явдал. Frontier AI бодит шинжлэх ухаан, батлан хамгаалах, эрүүл мэндтэй нийлэх тусам нээлттэй инновац ба хяналттай хандалтын тэнцвэр улам нарийн болно.

SRE багуудын өдөр тутмын ажил ихэвчлэн “энэ үйлчилгээ яагаад унав, юунаас хамааралтай байсан бэ” гэсэн мөрдлөгөөр дүүрдэг. AWS-ийн шинэчлэл dependency-г автоматаар илрүүлж, боломжит эвдрэлийн горимыг тайлбарлах замаар resiliency-г илүү урьдчилан төлөвлөдөг болгохыг зорьж байна. Enterprise хэрэглэгчдэд энэ нь cloud зардлаас гадна downtime-ийн зардлыг багасгах хэрэгсэл болж магадгүй. Гэхдээ AI-ийн санал болгосон эрсдэлийн зураглалыг сохроор дагах биш, бодит chaos test, incident review, архитектурын сахилга баттай хослуулах шаардлагатай.

Роботын хамгийн хөгжилтэй бөгөөд зовлонтой хэсэг нь симуляц дээр бүх юм төгс, бодит ертөнцөд ширээний булан хүртэл “шинэ дайсан” болдог явдал. NVIDIA-ийн судалгааны чиглэл нь их хэмжээний симуляцын өгөгдөл, AI модел, физикийн орчныг ашиглан тэр зөрүүг багасгах юм. Энэ нь агуулах, үйлдвэр, хүргэлт, гэрийн туслах робот зэрэг салбарт чухал. Дараагийн шатанд зөвхөн робот алхаж, барьж чадлаа гэхээс илүү аюулгүй, давтагдахуйц, олон орчинд найдвартай ажиллаж чадаж байна уу гэдэг л жинхэнэ шалгуур болно.