Di era perkembangan teknologi yang pesat saat ini, ChatGPT OpenAI tidak diragukan lagi telah menjadi bintang yang bersinar di bidang kecerdasan buatan. Namun, dengan lonjakan jumlah penggunanya, masalah yang tidak dapat diabaikan secara bertahap muncul - kekurangan daya komputasi. Ini bukan hanya tantangan bagi OpenAI, tetapi masalah bagi seluruh industri AI.
Dalam analisis mendalam ini, kita akan mengeksplorasi akar penyebab kekurangan daya komputasi dan bagaimana hal itu mempengaruhi pengembangan model besar dan masa depan industri. Pada saat yang sama, kami juga akan mengeksplorasi cara-cara potensial untuk mengatasi masalah ini, termasuk pengembangan GPU domestik dan kemungkinan dampaknya terhadap pasar global.
Kekurangan daya komputasi telah mengganggu OpenAI
Kekurangan daya komputasi selalu menjadi masalah pelik yang harus dihadapi OpenAI dalam peningkatannya yang cepat. Baru-baru ini, masalah ini menjadi lebih menonjol karena insiden profil tinggi. OpenAI mengadakan acara pameran berskala besar yang dijuluki "Gala Festival Musim Semi Sains dan Teknologi", menampilkan pencapaian terbaru dari teknologinya, yang menarik perhatian besar di seluruh dunia. Akibatnya, banjir pengguna berbondong-bondong ke platform OpenAI, terutama produk bintangnya, ChatGPT.
Namun, ada tantangan besar di balik kegemaran ini. Pertumbuhan eksplosif jumlah pengguna dengan cepat melampaui kapasitas komputasi OpenAI. Hanya dua hari setelah konferensi, fakta mengejutkan muncul: server ChatGPT mogok. Netizen yang tak terhitung jumlahnya telah melaporkan bahwa mereka tidak dapat menggunakan API yang disediakan oleh ChatGPT dan OpenAI secara normal.
Menghadapi krisis ini, OpenAI harus membuat keputusan yang mengejutkan pasar: menangguhkan pendaftaran pengguna ChatGPT Plus baru. Biaya ekonomi di balik keputusan ini sangat besar, dengan 100 juta pengguna baru menghasilkan $ 2 miliar pendapatan per bulan untuk OpenAI dengan biaya berlangganan bulanan $ 20. Manfaat potensial yang begitu besar, tetapi harus menyerah karena kekurangan daya komputasi, tidak diragukan lagi merupakan pilihan yang sangat pasif.
Faktanya, kekurangan daya komputasi bukan hanya fenomena baru-baru ini. Sejak peluncuran ChatGPT, masalah daya komputasi telah menjadi bayangan yang tersisa. Misalnya, pada bulan April, ChatGPT Plus juga terpaksa menangguhkan pembelian barang berbayar. Ini terjadi dari waktu ke waktu, dan tampaknya telah menjadi norma di jalan pertumbuhan OpenAI.
Peristiwa ini mengungkapkan fakta yang tak terbantahkan: dalam konteks perkembangan teknologi saat ini, daya komputasi telah menjadi hambatan utama yang membatasi inovasi teknologi AI dan perluasan aplikasi komersial. Untuk OpenAI, ini bukan hanya tantangan teknis, tetapi juga tantangan strategis. Bagaimana menemukan keseimbangan antara permintaan pasar yang berkembang pesat dan sumber daya komputasi yang terbatas telah menjadi masalah yang sulit bagi OpenAI. Tantangan ini tidak hanya tentang pendapatan jangka pendek perusahaan, tetapi juga tentang posisi pasar jangka panjang dan kepemimpinan teknologi.
Keluarga tuan tanah tidak memiliki kelebihan biji-bijian
OpenAI telah berulang kali mengumumkan bahwa daya komputasi tidak cukup.
Anda harus tahu bahwa OpenAI adalah perusahaan bintang dengan model besar, dengan pembiayaan besar dan sejumlah besar sumber daya komputasi. Selain itu, ada juga "ayah emas" Microsoft, yang menyediakan berbagai dukungan daya komputasi. Microsoft memiliki sumber daya komputasi awan terbesar kedua di dunia.
Dari sudut pandang ini, OpenAI dapat dikatakan sebagai "tuan tanah" daya komputasi. Tetapi kenyataannya adalah bahwa keluarga tuan tanah tidak memiliki kelebihan makanan. Jadi mengapa perusahaan dengan dana besar dan dukungan kuat seperti Microsoft masuk ke dalam kesulitan ini?
Kita harus menyadari bahwa permintaan daya komputasi untuk model besar belum pernah terjadi sebelumnya. Model-model ini didasarkan pada ratusan miliar jaringan saraf, dan setiap perhitungan adalah ujian besar daya komputasi. Sederhananya, kita sekarang dihadapkan dengan tingkat kebutuhan komputasi yang sama sekali baru yang belum ditandingi dalam sejarah pengembangan perangkat lunak. Sumber daya komputasi tradisional seperti CPU tidak cukup di sini, dan GPU, yang perlu diandalkan, tidak diragukan lagi merupakan garis depan revolusi teknologi ini.
Masalah dengan GPU, bagaimanapun, adalah bahwa mereka tidak hanya produk teknologi yang muncul, tetapi juga menghadapi tantangan ganda iterasi desain dan kendala kapasitas. Meskipun permintaan GPU meningkat di dunia teknologi, kapasitas produksi chip dunia belum mengimbangi. Sistem manufaktur, pengemasan, dan pengujian semikonduktor yang ada terutama dirancang di sekitar CPU, dan untuk GPU yang muncul, mereka jelas tidak sepenuhnya beradaptasi. Ini berarti bahwa masih ada jalan panjang dalam hal meningkatkan kapasitas GPU dan beradaptasi dengan kebutuhan teknologi baru.
Teknologi GPU terus maju, dengan setiap generasi baru berusaha untuk meningkatkan kinerja dan efisiensi, yang membutuhkan investasi R&D dan inovasi teknologi yang berkelanjutan. Namun, iterasi teknologi yang berkelanjutan ini juga berarti meningkatkan biaya R&D, serta meningkatkan kompleksitas proses manufaktur.
Selain masalah kapasitas produksi, biaya GPU juga menjadi masalah yang tidak bisa diabaikan. Untuk membangun cluster komputasi GPU yang dapat mendukung komputasi model skala besar, tidak hanya membutuhkan teknologi, tetapi juga investasi modal yang sangat besar. Bahkan untuk raksasa teknologi seperti OpenAI, ini adalah beban yang signifikan. Menemukan keseimbangan antara biaya dan manfaat adalah pilihan yang sulit.
Jika bahkan OpenAI berjuang dengan kekurangan daya komputasi, apa yang akan terjadi pada perusahaan lain? Ini bukan hanya tantangan bagi OpenAI, tetapi juga tantangan bagi seluruh industri AI. Apa yang kita saksikan adalah perubahan besar: pergeseran dari komputasi tradisional ke komputasi berbasis AI. Dalam transformasi ini, daya komputasi telah menjadi hambatan paling kritis.
Kita tidak dapat mengabaikan fakta bahwa kekurangan ini tidak terjadi dalam semalam, tetapi merupakan hasil dari ketidakcocokan antara perkembangan teknologi jangka panjang dan permintaan pasar. Kendala produksi, pengembangan teknologi, dan masalah biaya chip GPU beragam, melibatkan rantai pasokan global, inovasi teknologi, dan model ekonomi. Kebutuhan daya komputasi yang tinggi dari aplikasi model besar menimbulkan tantangan yang belum pernah terjadi sebelumnya terhadap arsitektur teknologi yang ada, memaksa seluruh industri untuk memikirkan kembali bagaimana merancang, membangun, dan mengoptimalkan sumber daya komputasi.
**Ketika aplikasi B-end ditingkatkan, masalah kekurangan daya komputasi akan lebih serius **
Ada masalah lain yang sangat penting, tetapi mudah untuk diabaikan.
Ketika kita berbicara tentang kekurangan daya komputasi, kita biasanya fokus pada pengalaman pengguna sisi-C saat ini. Namun, ini hanya puncak gunung es. Masalah yang bahkan lebih serius tetapi sering diabaikan mengintai dalam skala aplikasi sisi-B. Saat ini, meskipun model besar seperti ChatGPT terutama melayani pengguna C-end, ini baru permulaan. Dengan pertumbuhan bertahap dan kematangan aplikasi B-end, kita akan menghadapi lonjakan permintaan daya komputasi yang belum pernah terjadi sebelumnya.
Di pasar Cina, tren ini sudah mulai muncul. Meskipun produk seperti Baidu Wenxin Yiyan dan Ali Tongyi Qianwen saat ini sebagian besar melayani pengguna C-end, eksplorasi mereka terhadap aplikasi B-end sudah dalam perjalanan. Saat ini, sebagian besar produk tersebut sedang dalam tahap pengembangan produk, tetapi begitu memasuki tahap komersial skala besar, situasinya akan sangat berbeda. Kompleksitas bisnis sisi-B jauh lebih besar daripada sisi-C. Di sisi C, interaksi pengguna dengan sistem biasanya sesederhana eksekusi kueri atau perintah. Namun, di sisi B, setiap proses bisnis mungkin melibatkan pemrosesan data, analisis, dan proses pengambilan keputusan yang lebih kompleks. Proses ini tidak hanya membutuhkan lebih banyak sumber daya komputasi, tetapi juga memiliki persyaratan yang lebih tinggi untuk kualitas dan stabilitas daya komputasi.
Yang lebih penting adalah bahwa konsumsi daya komputasi layanan B-end tidak hanya tercermin dalam kompleksitas interaksi tunggal, tetapi juga dalam frekuensi panggilan. Di sisi-B, penerapan model besar cenderung kontinu dan frekuensi tinggi, berbeda dengan kueri sesekali dan penggunaan di sisi-C. Misalnya, dalam industri seperti keuangan, perawatan kesehatan, dan manufaktur, model besar perlu terus memproses data dalam jumlah besar untuk memberikan analisis waktu nyata dan dukungan keputusan. Permintaan komputasi frekuensi tinggi dan beban tinggi semacam ini memberi tekanan besar pada daya komputasi.
Dapat diperkirakan bahwa dengan mempopulerkan model besar di sisi-B, permintaannya akan daya komputasi akan dengan cepat melebihi sisi-C. Pergeseran ini mungkin halus, tetapi dampaknya jauh jangkauannya. Di satu sisi, meningkatnya permintaan daya komputasi akan mendorong pengembangan teknologi terkait, seperti GPU yang lebih efisien dan arsitektur komputasi yang lebih optimal. Di sisi lain, itu juga akan berdampak signifikan pada alokasi sumber daya, struktur biaya dan model bisnis industri secara keseluruhan.
Dalam prosesnya, kita mungkin melihat beberapa perusahaan terpaksa keluar dari pasar karena mereka tidak mampu membayar biaya daya komputasi ini, atau kita mungkin melihat beberapa perusahaan menonjol dengan manajemen daya komputasi canggih dan teknologi optimasi.
**China menghadapi kemacetan daya komputasi ganda **
Secara global, kekurangan daya komputasi telah menjadi hambatan utama dalam pengembangan kecerdasan buatan, dan bagi China, tantangan ini sangat berat. Perusahaan model skala besar China harus berurusan dengan tidak hanya kekurangan daya komputasi global ("bencana alam"), tetapi juga kendala pasokan pasar yang unik ("bencana buatan manusia"), yang membuat prospek pengembangan China di bidang model besar kompleks dan menantang.
Kita harus mengakui keterbatasan perusahaan model skala besar China dalam sumber daya komputasi. Sementara perusahaan seperti Baidu, Alibaba, ByteDance, Tencent, dan Huawei telah membuat prestasi luar biasa dalam pengembangan model besar, tantangan komputasi yang mereka hadapi adalah nyata dan mendesak. Saat ini, karena kurangnya pengembangan industri GPU global secara keseluruhan, perusahaan Cina telah mengalami hambatan besar dalam memperoleh sumber daya komputasi yang memadai. Jenis masalah "bencana alam" semacam ini adalah satu-satunya cara untuk pengembangan teknologi dan peningkatan industri, dan butuh waktu dan investasi besar untuk menyelesaikannya.
Yang lebih rumit adalah bahwa perusahaan model skala besar China juga menghadapi "bencana buatan manusia" dari pasar internasional - terutama kendala pasokan raksasa internasional seperti Nvidia ke pasar China. Pembatasan kebijakan ini secara langsung mempengaruhi kemampuan perusahaan China untuk mendapatkan chip GPU kelas atas, sehingga memperburuk kekurangan sumber daya komputasi. Pembatasan ganda ini tidak diragukan lagi telah menambah ketidakpastian dan tantangan tambahan bagi pengembangan perusahaan model skala besar China.
Saat ini, meskipun jumlah pengguna produk seperti Wenxin Yiyan dari Baidu dan Tongyi Qianwen dari Alibaba belum mencapai skala 100 juta ChatGPT, ini tidak berarti bahwa perusahaan China dapat dengan mudah mengatasi tantangan komputasi yang ada. Dengan perkembangan produk-produk ini dan perluasan pasar, terutama ketika mereka mulai banyak digunakan di pasar B-end, permintaan akan daya komputasi akan meningkat secara dramatis. Pada saat ini, masalah kekurangan daya komputasi akan menjadi lebih menonjol, yang dapat secara serius membatasi pengembangan industri model besar China.
Dalam jangka panjang, jika China tidak dapat secara efektif menangani kemacetan komputasi ganda ini, maka pengembangan industri model besarnya mungkin terbatas pada tingkat yang rendah. Ini tidak hanya akan mempengaruhi daya saing pasar domestik, tetapi juga membatasi pengaruh China di bidang kecerdasan buatan dalam skala global. Oleh karena itu, memecahkan masalah kekurangan daya komputasi sangat penting untuk pengembangan industri model besar China di masa depan, yang tidak hanya masalah teknis, tetapi juga masalah strategis, yang terkait dengan posisi dan masa depan China dalam persaingan AI global.
Di tengah tantangan komputasi ganda yang dihadapi China, ada beberapa tanda positif yang menggembirakan baru-baru ini, terutama dalam pengembangan GPU domestik. Perusahaan teknologi dalam negeri terkemuka seperti Baidu, Alibaba, 360, dll., Sudah mulai bekerja sama dengan produsen GPU dalam negeri seperti Huawei.
Munculnya GPU domestik sangat penting untuk memecahkan masalah kekurangan daya komputasi di China. Jika GPU domestik ini dapat dibandingkan dengan pemimpin industri NVIDIA dalam hal kinerja, dan kemacetan di tingkat manufaktur diselesaikan secara efektif, maka ini akan membawa peluang yang belum pernah terjadi sebelumnya ke industri model besar China. Secara historis, begitu teknologi dalam negeri matang, biasanya dapat memasuki pasar dengan harga yang lebih kompetitif. Ini berarti bahwa jika GPU domestik dapat berhasil, mereka cenderung menawarkan kinerja yang serupa atau bahkan lebih baik dengan harga yang jauh lebih rendah daripada merek internasional.
Keuntungan biaya ini tidak hanya akan mengurangi kekurangan daya komputasi saat ini, tetapi juga memiliki potensi untuk merevolusi lanskap pasar. Saat ini, harga GPU yang mahal telah menjadi faktor penting yang membatasi popularitas dan penerapan teknologi model besar. Jika GPU domestik dapat memberikan daya komputasi berkinerja tinggi dengan harga lebih murah, ini akan sangat mempromosikan penerapan teknologi model besar di semua lapisan masyarakat dan mempercepat pembangunan China di bidang kecerdasan buatan.
Lebih penting lagi, perkembangan ini dapat memungkinkan China untuk "mengubah kekalahan menjadi kemenangan" dalam perlombaan AI global. Dalam hal kekuatan dan aplikasi komputasi model skala besar, China mungkin tidak hanya mengejar ketinggalan, tetapi bahkan melampaui negara-negara terkemuka seperti Amerika Serikat.
Tentu saja, semua ini masih di awal pengembangan, dan keberhasilan GPU dalam negeri masih perlu mengatasi tantangan teknis. Namun, ada tanda-tanda positif bahwa China telah mengambil langkah solid di jalan menuju otonomi komputasi. Dalam beberapa tahun ke depan, kita diharapkan untuk menyaksikan kematangan dan penerapan skala besar teknologi GPU domestik, dan bagaimana hal itu akan mendorong perkembangan pesat industri model besar China.
Singkatnya, dalam perjalanan menjelajahi tantangan global kekurangan daya komputasi, kita tidak hanya menyaksikan kemajuan berkelanjutan dari batas-batas teknologi, tetapi juga sangat mengalami tantangan kompleks yang dihadapi pengembangan industri. Dari kisah OpenAI hingga dilema ganda perusahaan model skala besar China, hingga munculnya teknologi GPU domestik, semua ini mengungkapkan kebenaran inti: daya komputasi telah menjadi sumber daya strategis utama di jalur pengembangan kecerdasan buatan di masa depan. Ini bukan hanya kompetisi di tingkat teknis, tetapi juga investasi dan tata letak kekuatan ilmiah dan teknologi global untuk masa depan.
Ke depan, dengan kemajuan teknologi dan tuntutan pasar yang terus berkembang, kami memiliki alasan untuk percaya bahwa masalah kekurangan daya komputasi pada akhirnya akan terpecahkan. Dalam proses ini, inovasi, kerja sama, dan penyesuaian strategis akan menjadi topik utama yang harus dihadapi setiap peserta. Pada akhirnya, tantangan daya komputasi ini akan menentukan masa depan teknologi AI dan membentuk dunia digital kita.
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.
OpenAI lumpuh, bisakah teknologi hitam China menyelamatkan AI global?
Sumber asli: Data Ape
Di era perkembangan teknologi yang pesat saat ini, ChatGPT OpenAI tidak diragukan lagi telah menjadi bintang yang bersinar di bidang kecerdasan buatan. Namun, dengan lonjakan jumlah penggunanya, masalah yang tidak dapat diabaikan secara bertahap muncul - kekurangan daya komputasi. Ini bukan hanya tantangan bagi OpenAI, tetapi masalah bagi seluruh industri AI.
Dalam analisis mendalam ini, kita akan mengeksplorasi akar penyebab kekurangan daya komputasi dan bagaimana hal itu mempengaruhi pengembangan model besar dan masa depan industri. Pada saat yang sama, kami juga akan mengeksplorasi cara-cara potensial untuk mengatasi masalah ini, termasuk pengembangan GPU domestik dan kemungkinan dampaknya terhadap pasar global.
Kekurangan daya komputasi telah mengganggu OpenAI
Kekurangan daya komputasi selalu menjadi masalah pelik yang harus dihadapi OpenAI dalam peningkatannya yang cepat. Baru-baru ini, masalah ini menjadi lebih menonjol karena insiden profil tinggi. OpenAI mengadakan acara pameran berskala besar yang dijuluki "Gala Festival Musim Semi Sains dan Teknologi", menampilkan pencapaian terbaru dari teknologinya, yang menarik perhatian besar di seluruh dunia. Akibatnya, banjir pengguna berbondong-bondong ke platform OpenAI, terutama produk bintangnya, ChatGPT.
Namun, ada tantangan besar di balik kegemaran ini. Pertumbuhan eksplosif jumlah pengguna dengan cepat melampaui kapasitas komputasi OpenAI. Hanya dua hari setelah konferensi, fakta mengejutkan muncul: server ChatGPT mogok. Netizen yang tak terhitung jumlahnya telah melaporkan bahwa mereka tidak dapat menggunakan API yang disediakan oleh ChatGPT dan OpenAI secara normal.
Menghadapi krisis ini, OpenAI harus membuat keputusan yang mengejutkan pasar: menangguhkan pendaftaran pengguna ChatGPT Plus baru. Biaya ekonomi di balik keputusan ini sangat besar, dengan 100 juta pengguna baru menghasilkan $ 2 miliar pendapatan per bulan untuk OpenAI dengan biaya berlangganan bulanan $ 20. Manfaat potensial yang begitu besar, tetapi harus menyerah karena kekurangan daya komputasi, tidak diragukan lagi merupakan pilihan yang sangat pasif.
Faktanya, kekurangan daya komputasi bukan hanya fenomena baru-baru ini. Sejak peluncuran ChatGPT, masalah daya komputasi telah menjadi bayangan yang tersisa. Misalnya, pada bulan April, ChatGPT Plus juga terpaksa menangguhkan pembelian barang berbayar. Ini terjadi dari waktu ke waktu, dan tampaknya telah menjadi norma di jalan pertumbuhan OpenAI.
Peristiwa ini mengungkapkan fakta yang tak terbantahkan: dalam konteks perkembangan teknologi saat ini, daya komputasi telah menjadi hambatan utama yang membatasi inovasi teknologi AI dan perluasan aplikasi komersial. Untuk OpenAI, ini bukan hanya tantangan teknis, tetapi juga tantangan strategis. Bagaimana menemukan keseimbangan antara permintaan pasar yang berkembang pesat dan sumber daya komputasi yang terbatas telah menjadi masalah yang sulit bagi OpenAI. Tantangan ini tidak hanya tentang pendapatan jangka pendek perusahaan, tetapi juga tentang posisi pasar jangka panjang dan kepemimpinan teknologi.
Keluarga tuan tanah tidak memiliki kelebihan biji-bijian
OpenAI telah berulang kali mengumumkan bahwa daya komputasi tidak cukup.
Anda harus tahu bahwa OpenAI adalah perusahaan bintang dengan model besar, dengan pembiayaan besar dan sejumlah besar sumber daya komputasi. Selain itu, ada juga "ayah emas" Microsoft, yang menyediakan berbagai dukungan daya komputasi. Microsoft memiliki sumber daya komputasi awan terbesar kedua di dunia.
Dari sudut pandang ini, OpenAI dapat dikatakan sebagai "tuan tanah" daya komputasi. Tetapi kenyataannya adalah bahwa keluarga tuan tanah tidak memiliki kelebihan makanan. Jadi mengapa perusahaan dengan dana besar dan dukungan kuat seperti Microsoft masuk ke dalam kesulitan ini?
Kita harus menyadari bahwa permintaan daya komputasi untuk model besar belum pernah terjadi sebelumnya. Model-model ini didasarkan pada ratusan miliar jaringan saraf, dan setiap perhitungan adalah ujian besar daya komputasi. Sederhananya, kita sekarang dihadapkan dengan tingkat kebutuhan komputasi yang sama sekali baru yang belum ditandingi dalam sejarah pengembangan perangkat lunak. Sumber daya komputasi tradisional seperti CPU tidak cukup di sini, dan GPU, yang perlu diandalkan, tidak diragukan lagi merupakan garis depan revolusi teknologi ini.
Masalah dengan GPU, bagaimanapun, adalah bahwa mereka tidak hanya produk teknologi yang muncul, tetapi juga menghadapi tantangan ganda iterasi desain dan kendala kapasitas. Meskipun permintaan GPU meningkat di dunia teknologi, kapasitas produksi chip dunia belum mengimbangi. Sistem manufaktur, pengemasan, dan pengujian semikonduktor yang ada terutama dirancang di sekitar CPU, dan untuk GPU yang muncul, mereka jelas tidak sepenuhnya beradaptasi. Ini berarti bahwa masih ada jalan panjang dalam hal meningkatkan kapasitas GPU dan beradaptasi dengan kebutuhan teknologi baru.
Teknologi GPU terus maju, dengan setiap generasi baru berusaha untuk meningkatkan kinerja dan efisiensi, yang membutuhkan investasi R&D dan inovasi teknologi yang berkelanjutan. Namun, iterasi teknologi yang berkelanjutan ini juga berarti meningkatkan biaya R&D, serta meningkatkan kompleksitas proses manufaktur.
Selain masalah kapasitas produksi, biaya GPU juga menjadi masalah yang tidak bisa diabaikan. Untuk membangun cluster komputasi GPU yang dapat mendukung komputasi model skala besar, tidak hanya membutuhkan teknologi, tetapi juga investasi modal yang sangat besar. Bahkan untuk raksasa teknologi seperti OpenAI, ini adalah beban yang signifikan. Menemukan keseimbangan antara biaya dan manfaat adalah pilihan yang sulit.
Jika bahkan OpenAI berjuang dengan kekurangan daya komputasi, apa yang akan terjadi pada perusahaan lain? Ini bukan hanya tantangan bagi OpenAI, tetapi juga tantangan bagi seluruh industri AI. Apa yang kita saksikan adalah perubahan besar: pergeseran dari komputasi tradisional ke komputasi berbasis AI. Dalam transformasi ini, daya komputasi telah menjadi hambatan paling kritis.
Kita tidak dapat mengabaikan fakta bahwa kekurangan ini tidak terjadi dalam semalam, tetapi merupakan hasil dari ketidakcocokan antara perkembangan teknologi jangka panjang dan permintaan pasar. Kendala produksi, pengembangan teknologi, dan masalah biaya chip GPU beragam, melibatkan rantai pasokan global, inovasi teknologi, dan model ekonomi. Kebutuhan daya komputasi yang tinggi dari aplikasi model besar menimbulkan tantangan yang belum pernah terjadi sebelumnya terhadap arsitektur teknologi yang ada, memaksa seluruh industri untuk memikirkan kembali bagaimana merancang, membangun, dan mengoptimalkan sumber daya komputasi.
**Ketika aplikasi B-end ditingkatkan, masalah kekurangan daya komputasi akan lebih serius **
Ada masalah lain yang sangat penting, tetapi mudah untuk diabaikan.
Ketika kita berbicara tentang kekurangan daya komputasi, kita biasanya fokus pada pengalaman pengguna sisi-C saat ini. Namun, ini hanya puncak gunung es. Masalah yang bahkan lebih serius tetapi sering diabaikan mengintai dalam skala aplikasi sisi-B. Saat ini, meskipun model besar seperti ChatGPT terutama melayani pengguna C-end, ini baru permulaan. Dengan pertumbuhan bertahap dan kematangan aplikasi B-end, kita akan menghadapi lonjakan permintaan daya komputasi yang belum pernah terjadi sebelumnya.
Di pasar Cina, tren ini sudah mulai muncul. Meskipun produk seperti Baidu Wenxin Yiyan dan Ali Tongyi Qianwen saat ini sebagian besar melayani pengguna C-end, eksplorasi mereka terhadap aplikasi B-end sudah dalam perjalanan. Saat ini, sebagian besar produk tersebut sedang dalam tahap pengembangan produk, tetapi begitu memasuki tahap komersial skala besar, situasinya akan sangat berbeda. Kompleksitas bisnis sisi-B jauh lebih besar daripada sisi-C. Di sisi C, interaksi pengguna dengan sistem biasanya sesederhana eksekusi kueri atau perintah. Namun, di sisi B, setiap proses bisnis mungkin melibatkan pemrosesan data, analisis, dan proses pengambilan keputusan yang lebih kompleks. Proses ini tidak hanya membutuhkan lebih banyak sumber daya komputasi, tetapi juga memiliki persyaratan yang lebih tinggi untuk kualitas dan stabilitas daya komputasi.
Yang lebih penting adalah bahwa konsumsi daya komputasi layanan B-end tidak hanya tercermin dalam kompleksitas interaksi tunggal, tetapi juga dalam frekuensi panggilan. Di sisi-B, penerapan model besar cenderung kontinu dan frekuensi tinggi, berbeda dengan kueri sesekali dan penggunaan di sisi-C. Misalnya, dalam industri seperti keuangan, perawatan kesehatan, dan manufaktur, model besar perlu terus memproses data dalam jumlah besar untuk memberikan analisis waktu nyata dan dukungan keputusan. Permintaan komputasi frekuensi tinggi dan beban tinggi semacam ini memberi tekanan besar pada daya komputasi.
Dapat diperkirakan bahwa dengan mempopulerkan model besar di sisi-B, permintaannya akan daya komputasi akan dengan cepat melebihi sisi-C. Pergeseran ini mungkin halus, tetapi dampaknya jauh jangkauannya. Di satu sisi, meningkatnya permintaan daya komputasi akan mendorong pengembangan teknologi terkait, seperti GPU yang lebih efisien dan arsitektur komputasi yang lebih optimal. Di sisi lain, itu juga akan berdampak signifikan pada alokasi sumber daya, struktur biaya dan model bisnis industri secara keseluruhan.
Dalam prosesnya, kita mungkin melihat beberapa perusahaan terpaksa keluar dari pasar karena mereka tidak mampu membayar biaya daya komputasi ini, atau kita mungkin melihat beberapa perusahaan menonjol dengan manajemen daya komputasi canggih dan teknologi optimasi.
**China menghadapi kemacetan daya komputasi ganda **
Secara global, kekurangan daya komputasi telah menjadi hambatan utama dalam pengembangan kecerdasan buatan, dan bagi China, tantangan ini sangat berat. Perusahaan model skala besar China harus berurusan dengan tidak hanya kekurangan daya komputasi global ("bencana alam"), tetapi juga kendala pasokan pasar yang unik ("bencana buatan manusia"), yang membuat prospek pengembangan China di bidang model besar kompleks dan menantang.
Kita harus mengakui keterbatasan perusahaan model skala besar China dalam sumber daya komputasi. Sementara perusahaan seperti Baidu, Alibaba, ByteDance, Tencent, dan Huawei telah membuat prestasi luar biasa dalam pengembangan model besar, tantangan komputasi yang mereka hadapi adalah nyata dan mendesak. Saat ini, karena kurangnya pengembangan industri GPU global secara keseluruhan, perusahaan Cina telah mengalami hambatan besar dalam memperoleh sumber daya komputasi yang memadai. Jenis masalah "bencana alam" semacam ini adalah satu-satunya cara untuk pengembangan teknologi dan peningkatan industri, dan butuh waktu dan investasi besar untuk menyelesaikannya.
Yang lebih rumit adalah bahwa perusahaan model skala besar China juga menghadapi "bencana buatan manusia" dari pasar internasional - terutama kendala pasokan raksasa internasional seperti Nvidia ke pasar China. Pembatasan kebijakan ini secara langsung mempengaruhi kemampuan perusahaan China untuk mendapatkan chip GPU kelas atas, sehingga memperburuk kekurangan sumber daya komputasi. Pembatasan ganda ini tidak diragukan lagi telah menambah ketidakpastian dan tantangan tambahan bagi pengembangan perusahaan model skala besar China.
Saat ini, meskipun jumlah pengguna produk seperti Wenxin Yiyan dari Baidu dan Tongyi Qianwen dari Alibaba belum mencapai skala 100 juta ChatGPT, ini tidak berarti bahwa perusahaan China dapat dengan mudah mengatasi tantangan komputasi yang ada. Dengan perkembangan produk-produk ini dan perluasan pasar, terutama ketika mereka mulai banyak digunakan di pasar B-end, permintaan akan daya komputasi akan meningkat secara dramatis. Pada saat ini, masalah kekurangan daya komputasi akan menjadi lebih menonjol, yang dapat secara serius membatasi pengembangan industri model besar China.
Dalam jangka panjang, jika China tidak dapat secara efektif menangani kemacetan komputasi ganda ini, maka pengembangan industri model besarnya mungkin terbatas pada tingkat yang rendah. Ini tidak hanya akan mempengaruhi daya saing pasar domestik, tetapi juga membatasi pengaruh China di bidang kecerdasan buatan dalam skala global. Oleh karena itu, memecahkan masalah kekurangan daya komputasi sangat penting untuk pengembangan industri model besar China di masa depan, yang tidak hanya masalah teknis, tetapi juga masalah strategis, yang terkait dengan posisi dan masa depan China dalam persaingan AI global.
Di tengah tantangan komputasi ganda yang dihadapi China, ada beberapa tanda positif yang menggembirakan baru-baru ini, terutama dalam pengembangan GPU domestik. Perusahaan teknologi dalam negeri terkemuka seperti Baidu, Alibaba, 360, dll., Sudah mulai bekerja sama dengan produsen GPU dalam negeri seperti Huawei.
Munculnya GPU domestik sangat penting untuk memecahkan masalah kekurangan daya komputasi di China. Jika GPU domestik ini dapat dibandingkan dengan pemimpin industri NVIDIA dalam hal kinerja, dan kemacetan di tingkat manufaktur diselesaikan secara efektif, maka ini akan membawa peluang yang belum pernah terjadi sebelumnya ke industri model besar China. Secara historis, begitu teknologi dalam negeri matang, biasanya dapat memasuki pasar dengan harga yang lebih kompetitif. Ini berarti bahwa jika GPU domestik dapat berhasil, mereka cenderung menawarkan kinerja yang serupa atau bahkan lebih baik dengan harga yang jauh lebih rendah daripada merek internasional.
Keuntungan biaya ini tidak hanya akan mengurangi kekurangan daya komputasi saat ini, tetapi juga memiliki potensi untuk merevolusi lanskap pasar. Saat ini, harga GPU yang mahal telah menjadi faktor penting yang membatasi popularitas dan penerapan teknologi model besar. Jika GPU domestik dapat memberikan daya komputasi berkinerja tinggi dengan harga lebih murah, ini akan sangat mempromosikan penerapan teknologi model besar di semua lapisan masyarakat dan mempercepat pembangunan China di bidang kecerdasan buatan.
Lebih penting lagi, perkembangan ini dapat memungkinkan China untuk "mengubah kekalahan menjadi kemenangan" dalam perlombaan AI global. Dalam hal kekuatan dan aplikasi komputasi model skala besar, China mungkin tidak hanya mengejar ketinggalan, tetapi bahkan melampaui negara-negara terkemuka seperti Amerika Serikat.
Tentu saja, semua ini masih di awal pengembangan, dan keberhasilan GPU dalam negeri masih perlu mengatasi tantangan teknis. Namun, ada tanda-tanda positif bahwa China telah mengambil langkah solid di jalan menuju otonomi komputasi. Dalam beberapa tahun ke depan, kita diharapkan untuk menyaksikan kematangan dan penerapan skala besar teknologi GPU domestik, dan bagaimana hal itu akan mendorong perkembangan pesat industri model besar China.
Singkatnya, dalam perjalanan menjelajahi tantangan global kekurangan daya komputasi, kita tidak hanya menyaksikan kemajuan berkelanjutan dari batas-batas teknologi, tetapi juga sangat mengalami tantangan kompleks yang dihadapi pengembangan industri. Dari kisah OpenAI hingga dilema ganda perusahaan model skala besar China, hingga munculnya teknologi GPU domestik, semua ini mengungkapkan kebenaran inti: daya komputasi telah menjadi sumber daya strategis utama di jalur pengembangan kecerdasan buatan di masa depan. Ini bukan hanya kompetisi di tingkat teknis, tetapi juga investasi dan tata letak kekuatan ilmiah dan teknologi global untuk masa depan.
Ke depan, dengan kemajuan teknologi dan tuntutan pasar yang terus berkembang, kami memiliki alasan untuk percaya bahwa masalah kekurangan daya komputasi pada akhirnya akan terpecahkan. Dalam proses ini, inovasi, kerja sama, dan penyesuaian strategis akan menjadi topik utama yang harus dihadapi setiap peserta. Pada akhirnya, tantangan daya komputasi ini akan menentukan masa depan teknologi AI dan membentuk dunia digital kita.