在2023年,人工智能(AI)无疑成为了最受关注和猜测的技术之一。我们正处于前所未有的AI热潮之中,这种景象类似于现代的淘金热。创新者、投资者和企业家们争相利用这一技术的巨大潜力。
就像19世纪加利福尼亚州的淘金潮一样,今日的疯狂也催生了两类企业家:一类致力于将AI应用于寻找科技领域的“下一个风口”,另一类则提供必需的工具和资源,就如同AI开发的“镐”和“铲”。
GPU需求激增
人们对AI的兴趣急剧上升,导致了对图形处理单元(GPU)的需求飙升。Nvidia成为这一领域的领头羊,超越华尔街的预期,市值超过1万亿美元。然而,GPU的供应有限,这可能阻碍AI在现实世界中的应用发展。
曾经深受游戏玩家和科技爱好者追捧的GPU在疫情期间因比特币等加密货币的兴起而变得更加热门,这些货币对计算能力的需求极大。随之而来的便是供需失衡,炒家通过自动化程序抢购GPU。高盛报告称,全球范围内的GPU短缺已影响到169个行业。
GPU供应是否充足?
由大规模深度学习项目和多种AI应用驱动的GPU需求激增,加剧了供应紧张。许多企业正苦于硬件短缺,创新能力受到压制。随着制造商扩大生产,企业在获取所需GPU时已经面临显著延迟。
在私人谈话中,OpenAI首席执行官山姆·奧特曼(Sam Altman)承认,GPU供应限制正在影响公司的表现。在国会听证会上,他表示,用户越少,产品质量越高,因为技术短缺会妨碍效率。
《华尔街日报》指出,AI企业家们正在积极寻求来自亚马逊和微软等主要供应商的更多计算能力,导致云计算收购潮涌现,以确保未来的能力。
企业如何应对GPU需求
企业必须主动管理日益增长的GPU需求。以下是几种应对策略:
1. 考虑替代方案
并非所有任务都需要高强度的GPU支持。企业可以使用基于CPU的机器进行数据预处理,包括清理和特征工程等任务,这些任务并不需要大量计算资源。在预测性维护等使用案例中,更简单的统计模型或许就足够了,避免了复杂的AI模型。
传统计算机视觉技术也可以在无需深度学习的情况下,准确完成基本的图像处理任务,从而减少对GPU的依赖。企业应评估现有数据基础设施,以确定是否可以利用更简单的分析工具,而不引入不必要的复杂性。
2. 开发更高效的AI算法
提升AI算法的效率可以减少对GPU的需求。例如,迁移学习可以让组织在基于CPU的机械上微调预训练模型,从而优化资源使用。此外,分类任务往往可以通过支持向量机(SVMs)和朴素贝叶斯分类器等机器学习算法有效完成,这些算法可以在CPU上训练。
3. 探索替代硬件选项
企业应调查AI应用的替代硬件解决方案。根据工作负载需求,CPU、现场可编程门阵列(FPGAs)及特定应用集成电路(ASICs)都可能作为GPU的可行替代。FPGAs提供了定制性,而ASICs则具备特定性能优势,尽管灵活性不如前者。企业在选择硬件方案前,应仔细评估自身需求。
将GPU处理外包给云服务提供商也能为扩展AI操作提供高效路径,帮助企业在不牺牲性能的情况下应对硬件短缺。
结论:适应AI热潮
AI及其相关技术的快速发展导致了深刻的GPU短缺,这在关键时刻给创新带来了挑战。在这场现代淘金热中,企业必须调整运营策略,以应对GPU稀缺带来的挑战。那些能够引入创新解决方案的公司,将在竞争中占据优势,而拒绝变革的公司则可能在这个动态变化的环境中难以立足。