- Model AI baru muncul yang menunjukkan bahwa mereka dapat berjalan hanya dengan beberapa chip nvidia.
- Google adalah satu perusahaan yang mengikuti Deepseek dalam membuat AI yang lebih kuat yang membutuhkan lebih sedikit komputasi.
- Itu tidak terlihat seperti masalah tingkat deepseek untuk nvidia-tetapi ada peringatan.
Generasi baru model AI memeras lebih banyak daya dari chip yang lebih sedikit. Apakah mereka memicu yang lain Kepanikan skala deepseek karena nvidia adalah masalah lain.
Google memimpin biaya minggu ini dengan koleksi model yang lebih kecil – Gemma 3 – yang tampaknya mengemas pukulan serius dengan prestasi yang menonjol: mereka berjalan dengan lancar hanya dengan satu chip nvidia, yang dikenal sebagai GPU.
Meluncurkan model Rabu, CEO Google Sundar Pichai menyoroti efisiensi mereka di X POSTMenulis “Anda akan membutuhkan setidaknya 10x komputasi untuk mendapatkan kinerja serupa dari model lain.”
Berpadustartup yang berkantor pusat di Toronto yang dipimpin oleh mantan Googler Aidan Gomez, juga merilis model baru pada hari Kamis yang disebut Perintah A, yang digambarkan sebagai model “canggih” yang berjalan hanya pada dua GPU. (Business Insider, bersama penerbit lainnya menggugat cohere atas pelanggaran hak cipta.)
Salah satu pelajaran utama Deepseek yang diberikan kepada dunia ketika merilis model AI pada bulan Januari adalah kemampuan untuk berbuat lebih banyak dengan lebih sedikit. Startup Cina mengatakan model R1 -nya Kompetitif dengan model O1 Openai Sambil mengklaim itu membutuhkan lebih sedikit chip.
Klaim tersebut memicu penghapusan satu hari terbesar dalam sejarah pasar saham AS, di mana Nvidia kehilangan nilainya hampir $ 600 miliar. Pasar bertanya-tanya apakah AI yang lebih efisien akan mengurangi permintaan chip NVIDIA-permintaan yang membantunya mencapai rekor pendapatan setahun penuh pada tahun 2024 sebesar $ 130,5 miliar.
Pada pandangan pertama, gelombang baru model AI ini tampaknya menimbulkan ancaman yang lebih besar, karena mereka mengklaim sebagai canggih sementara hanya membutuhkan beberapa GPU untuk dijalankan.
Bagan kinerja Gemma di arena chatbot peringkat industri, misalnya – dibagikan oleh Pichai – menunjukkan model mengungguli yang dari Deepseek, Openai, dan Meta sambil dijalankan pada GPU yang lebih sedikit.
Tetapi hanya karena lebih banyak perusahaan belajar memeras lebih banyak kinerja dari AI mereka dengan lebih sedikit chip, itu tidak mengingat bahwa model yang lebih efisien ini akan terus menimbulkan risiko gaya Deepseek Nvidia.
Untuk satu, saat kisah Deepseek dibuka, CEO Tech dengan cepat mencatat fenomena yang dikenal sebagai Paradoks Jevons. Prinsip ekonomi menunjukkan bahwa karena teknologi menjadi lebih efisien, konsumsi teknologi itu akan meningkat – bukan menurun.
Mungkin membantu menjelaskan mengapa Google sendiri mengatakan berencana untuk meningkatkannya Pengeluaran modal terkait AI Tahun ini menjadi $ 75 miliar, yang biasanya mencakup GPU yang bertempat di pusat data yang penting untuk AI.
Google telah menjadi salah satu pembeli utama dari generasi terbaru NVIDIA GPU – Chip Blackwell Diperkenalkan tahun lalu – jadi masuk akal untuk mengharapkan mereka berada di antara mereka yang siap dihabiskan untuk GPU baru Nvidia diharapkan untuk mengungkap di acara GTC minggu depan.
Sejauh ini, pasar tampaknya tidak khawatir dengan perkembangan efisiensi chip terbaru – harga saham Nvidia naik sekitar 6% sejak Selasa.
Ada peringatan kecil untuk ini.
Sementara model Gemma baru Google dapat menggunakan GPU NVIDIA tunggal untuk dijalankan, tampaknya pelatihan model baru terjadi dengan chip Google sendiri, yang dikenal sebagai unit pemrosesan tensor, atau TPU.
Raksasa teknologi seperti Google telah menghabiskan waktu bertahun -tahun bekerja pada silikon mereka sendiri sebagai sarana untuk mengurangi ketergantungan mereka pada NVIDIA, jadi Gemma menimbulkan situasi yang aneh di mana Google telah menghasilkan model AI yang kompetitif tanpa menggunakan GPU NVIDIA untuk pelatihan.
Namun, tidak mungkin bahwa perusahaan seperti Google akan mengurangi ketergantungannya pada NVIDIA GPU dalam hal yang signifikan dalam waktu dekat – dan untuk alasan yang sederhana.
Dorongan perusahaan untuk menghasilkan model yang lebih efisien terjadi bersamaan dengan pengembangan model AI Gemini berskala besar yang bertujuan untuk mendorong batas-batas kecerdasan. Keberhasilan model -model ini, untuk saat ini, tergantung pada mendapatkan akses ke sebanyak mungkin komputasi.
Pendekatan ini baru -baru ini divalidasi oleh rilis Grok 3, model AI perbatasan terbaru dari startup Elon Musk. Rilisnya datang dengan catatan yang mengatakan versi model masa depan akan dilatih pada yang lebih besar, 200.000 cluster GPU.
Masa depan pengembangan AI, kemudian, terlihat seperti satu di mana dua jalur yang berbeda muncul bersama-sama: satu di mana model yang lebih kecil, lebih efisien muncul yang berjalan pada GPU lebih sedikit, dan satu lagi di mana model skala besar terus memiliki sebanyak mungkin GPU dilemparkan ke arah mereka.
