I en IDC-forskningsrapport avslöjas att två tredjedelar av företag globalt förbereder sig för att öka sina investeringar inom allmän artificiell intelligens (genAI) under det kommande året och en halv. Dessa investeringar kommer framför allt att fokusera på IT-infrastruktur, där nästan hälften av den förväntade budgeten är avsatt för sådana förbättringar.
Dock möter strävan efter avancerade AI-funktioner ett hinder på grund av brist på avgörande komponenter, särskilt hårdvaran som är nödvändig för att konstruera AI-infrastruktur. Grafikprocessorenheterna (GPU:er), som fungerar som arbetsjägare för storskaliga språkmodeller, är särskilt efterfrågade och det råder brist på dem. Dessutom brottas AI-marknaden också med behovet av minneschips med hög prestanda, vilka likaledes är knappa.
Den kostsamma naturen hos GPU:er som krävs för både träning och utförande av uppgifter med omfattande språkmodeller, belyser behovet av alternativ. Som svar väljer en del företag mindre modeller som tillgodoser specifika bransch- eller affärsbehov, vilka inte är lika beroende av GPU:er och kan fungera med standard x86-processorer som kompletteras med Neural Processing Units (NPUs).
Teknikjättarna, även kända som stora hyperscalers, inklusive Amazon Web Services (AWS), Google, Meta och Microsoft, investerar strategiskt i att skapa proprietära chips som är finjusterade för AI-processer. Enligt branschexperten Priestley, även om utvecklingen av anpassade chips medför en betydande prislapp, har de potential att effektivisera operationer, minska leveranskostnader och göra åtkomsten av nya AI-drivna applikationer mer prisvänlig för konsumenter.
Branschexperten förutspår att när AI-sektorn fortskrider från sin utvecklingsfas till bredare implementering, kommer trenden mot specialiserad chipinnovation sannolikt att få fart.
Viktiga frågor och svar:
1. Vilken betydelse har denna ökade investering i AI från globala företag?
Globala företag ser AI som en transformatorisk teknologi som kan förbättra beslutsfattandet, automatisera processer och driva innovation. Ökade investeringar i AI indikerar dess upplevda värde för att få en konkurrensfördel, förbättra effektiviteten och främja nya möjligheter inom olika branscher.
2. Vilka är de viktigaste utmaningarna kopplade till ökningen av AI-utgifter?
De viktigaste utmaningarna inkluderar bristen på hårdvarukomponenter som GPU:er och minneschips med hög prestanda, som är nödvändiga för att bygga AI-infrastruktur. Denna brist kan leda till högre kostnader och potentiella förseningar i implementering. Dessutom finns det ett behov av kvalificerad personal för att utveckla och underhålla AI-system.
3. Hur svarar teknikjättarna på hårdvaruproblemen?
Teknikjättarna investerar i utveckling av proprietära chips anpassade för AI-applikationer. Dessa anpassade chips förväntas förbättra prestanda och minska driftkostnader, och därigenom motverka några av de utmaningar som uppstår till följd av bristen på standard AI-hårdvara.
Fördelar med ökade AI-investeringar:
– Teknologisk utveckling: Kontinuerliga investeringar i AI kan leda till ytterligare teknologiska genombrott och mer sofistikerade applikationer.
– Ekonomisk tillväxt: Ökade AI-möjligheter kan resultera i förbättrad produktivitet och effektivitet, vilket potentiellt kan öka ekonomisk tillväxt.
– Affärsinnovation: Genom att dra nytta av AI kan företag skapa nya produkter och tjänster, vilket driver innovation.
Nackdelar med ökade AI-investeringar:
– Höga kostnader: AI-projekt kan vara dyra, särskilt med de nuvarande hårdvaruproblemen som driver upp kostnaderna för avgörande komponenter.
– Kunskapsklyfta: Det kan finnas en brist på kvalificerad personal för att arbeta med AI, vilket kan hämma utvecklingsansträngningar.
– Beroende av hårdvara: AI-utveckling är starkt beroende av hårdvaruinnovationer, vilket kan begränsa framsteg om tillgångsbegränsningar består.
För de som är intresserade av att forska vidare inom ämnet eller söker information om de senaste AI-strategierna och teknologierna från pålitliga källor, besök:
IDC för global marknadsinformation,
AWS för molntjänster och AI,
Google för AI-forskning och verktyg,
Meta för sociala medier och AI-teknik,
Microsoft för AI-lösningar för företag.