Товч Tech: AI чипийн маргаан, inference-ийн мөнгө, cloud GPU-ийн шинэ давалгаа

ASML бол хамгийн нарийн чип үйлдвэрлэх литографийн төхөөрөмжөөр бараг орлуулшгүй байр суурьтай компани. Тиймээс түүний технологи хаашаа, ямар хэрэглэгчид хүрч байгаа нь АНУ, Европ, Хятад гурвын технологийн бодлогын гол зангилаа хэвээр байна. Монголын уншигчдад энэ нь шууд хэрэглээний мэдээ биш ч AI сервер, GPU, дата төвийн өртөг яагаад өндөр хэвээр байгааг ойлгоход хэрэгтэй. Дараагийн анхаарах зүйл нь АНУ-ын экспортын хяналт улам чангарах эсэх, ASML болон түүний хэрэглэгчдийн тайлбар хэрхэн өөрчлөгдөх вэ гэдэг байна.

Inference гэдэг нь AI загварыг бодит хэрэглэгчийн хүсэлтэд хариулуулах үе шат. Enterprise хэрэглээ өсөх тусам latency, GPU ашиглалт, нэг хүсэлтийн өртөг зэрэг нь бизнесийн бодит зардал болж хувирч байна. Энэ чиглэлд мөнгө их орж байгаа нь OpenAI, Anthropic зэрэг моделийн компаниудаас гадна “моделийг ажиллуулах” давхарга өөрөө том зах зээл болж байгааг харуулна. Харин үнэлгээ хэт хурдан өсөхөд бодит орлого, gross margin, cloud provider-уудаас хамаарах хамаарлыг анхаарах хэрэгтэй.

AI subscription анхандаа жижиг багийн туршилт мэт эхэлдэг ч байгууллагын хэмжээнд олон хэлтэс ашиглаад эхлэхээр төсөв хурдан өсдөг. Тиймээс usage dashboard, spending cap, admin policy зэрэг нь enterprise худалдан авалтын үндсэн шаардлага болж байна. Монголын компаниуд AI хэрэгсэл туршихдаа зөвхөн сарын төлбөрийг биш, хэрэглээний өсөлт, өгөгдлийн бодлого, хэн ямар эрхтэй ашиглахыг хамтад нь тооцох хэрэгтэй. Дараагийн чухал дохио нь бусад AI платформууд ижил түвшний FinOps хэрэгсэл гаргах эсэх юм.

Cloud GPU-ийн сонголт өргөжих нь AI бүтээгдэхүүн хөгжүүлж буй багуудад чухал. Сургалт хийхээс илүү inference, визуал тооцоолол, дата шинжилгээ зэрэг ажлыг зөв instance дээр ажиллуулах нь зардал ба хурдын том ялгаа гаргана. AWS-ийн энэ алхам cloud provider-ууд Blackwell үеийн GPU-г бүтээгдэхүүн болгох уралдаанд орсныг харуулж байна. Хэрэглэгчид benchmark, бүсийн боломж, үнэ, autoscaling-ийн бодит гүйцэтгэлийг харж байж шилжилт хийх нь зүйтэй.

Ийм төрлийн malware ихэвчлэн хэрэглэгчийн хуулсан крипто хаягийг өөр хаягаар солих, эсвэл backdoor нээж өгөгдөл хулгайлах замаар ажилладаг. USB-ээр тархдаг шинж нь офлайн мэт санагддаг орчинд ч эрсдэл үүсгэж болно. Практик зөвлөмж энгийн: танихгүй USB төхөөрөмж бүү залга, шилжүүлгийн өмнө wallet address-ийн эхлэл ба төгсгөлийг заавал тулга, endpoint хамгаалалтаа шинэчил. Байгууллагууд removable media policy болон crypto treasury ажилбарын хоёр шатны баталгаажуулалтаа шалгах хэрэгтэй.

Нээлттэй эхийн төсөлд олон хүн хувь нэмэр оруулах нь сайн ч бүх PR үнэ цэнтэй байдаггүй. Review хийх, conflict засах, issue-тэй холбох, contributor-тэй харилцах зэрэг нь үнэгүй цаг шаарддаг далд зардал юм. PR limit нь хувь нэмрийг хаах бус, дараалал ба чанарыг удирдах арга болж болно. Монголын dev багууд ч дотоод repository дээрээ WIP limit, review SLA, contribution guideline-аа тодорхой болгосноор кодын хяналтын bottleneck-ийг багасгаж чадна.

Дата төв, чипийн үйлдвэр, өндөр автоматжсан үйлдвэрлэл бүгд их хэмжээний тогтвортой эрчим хүч шаарддаг. Холболтын зөвшөөрөл, transmission capacity, peak load-ийн зохицуулалт удааширвал AI дэд бүтцийн төсөл GPU-тэй байсан ч ашиглалтад орохгүй. Энэ нь Монголд ч сонирхолтой өнцөгтэй: дата төв, майнинг, AI тооцоолол, сэргээгдэх эрчим хүчний төслүүдийг салангид бус, сүлжээний төлөвлөлттэй хамт харах шаардлагатай. Дараагийн жилүүдэд “compute хаана барих вэ” гэдэг асуултад цахилгаан хамгийн хүчтэй хариулт өгнө.