详细内容或原文请订阅后点击阅览
在广告客户的观众中寻找“猫头鹰和蜥蜴”
每次新的AI模型都会掉落（GPT更新，DeepSeek，Gemini），即纯粹的大小，复杂性，并且越来越多地计算这些大型模型的饥饿感。假设这些模型正在定义AI革命的资源需求。这个假设是错误的。是的，大型模型是渴望的。但是，对AI的最大压力[…]后巨型模型并不是Compuce危机的关键，这首先出现在Unite.ai上。
来源:Unite.AI每次新的AI模型都会掉落（GPT更新，DeepSeek，Gemini），即纯粹的大小，复杂性，并且越来越多地计算这些大型模型的饥饿感。假设这些模型正在定义AI革命的资源需求。
该假设是错误的。
是的，大型模型是渴望的。但是，对AI基础架构的最大压力并非来自少数Mega-Models，而是来自跨行业的AI模型的无声扩散，每个模型都针对特定应用程序进行了微调，每个应用程序都以前所未有的规模消费计算。
尽管在LLMS之间进行了潜在的赢家竞争，但AI景观的整个景观并不是集中的，但它的分散。每个企业都不仅在使用AI，而且都在培训，定制和部署满足其需求的私人模型。正是后一种情况将创造一个基础设施需求曲线，云提供商，企业和政府尚未准备好。
我们以前已经看过这种模式。云没有巩固其工作负载；它创建了一个庞大的混合生态系统。首先，它是服务器蔓延。然后VM蔓延。现在？ AI蔓延。每一波计算都会导致扩散，而不是简化。 AI没什么不同。
AI蔓延：为什么AI的未来是一百万个型号，而不是一个
财务，物流，网络安全，客户服务，研发 - EACH具有针对其自身功能优化的自己的AI模型。组织没有培训一种AI模型来统治他们的整个操作。他们正在训练数千人。这意味着更多的训练周期，更多的计算，更多的存储需求以及更多的基础设施蔓延。
这不是理论上的。即使在传统上对技术采用谨慎的行业中，AI投资也在加速。 2024年的麦肯锡报告发现，组织现在平均使用AI三个业务功能，制造业，供应链和产品开发领先（McKinsey）。
麦肯锡 业务内部人士 Axios 功率约束 网络瓶颈 IEA