Генеративный ИИ переходит от экспериментов к внедрению
Темпы внедрения различных моделей среди частных лиц и предприятий будут продолжать стремительно расти, и в 2025 году будет реализовано еще больше приложений. Согласно недавнему глобальному опросу McKinsey, 71% респондентов сообщили, что их организации регулярно используют генеративный искусственный интеллект, по сравнению с 65%, о которых сообщалось годом ранее. Это неудивительно, учитывая перспективы повышения эффективности, снижения эксплуатационных расходов и значительного повышения производительности, которые ИИ предлагает предприятиям.
Мы ожидаем, что в следующем году это число будет расти еще быстрее, поскольку предприятия стремятся интегрировать искусственный интеллект в свои основные операции, что позволит им автоматизировать ресурсоемкие и трудоемкие задачи, такие как анализ данных, обслуживание клиентов и создание контента. Однако организациям придется решать множество проблем, связанных с внедрением крупномасштабных моделей искусственного интеллекта, включая кибербезопасность, соответствие требованиям и возросшую потребность в энергоемких вычислениях.
Реальность искусственного интеллекта – это гибрид
Этот сдвиг в сторону масштабной интеграции ИИ выдвинет на первый план насущную потребность в оптимизированной с помощью ИИ ИТ-инфраструктуре и управлении данными. Чтобы максимально эффективно использовать свой ИИ, который по своей сути является гибридной рабочей нагрузкой, требующей больших объемов данных, все большему числу организаций потребуется инвестировать в собственные системы ИИ, которые оптимизируют все этапы жизненного цикла ИИ, независимо от того, выполняется ли рабочая нагрузка локально, в центре коллективного пользования, в общедоступном облаке или на периферии.
Стратегия гибридного облака больше не будет просто вариантом, а станет преобладающей операционной моделью, поскольку она идеально подходит для повышения ценности организационных данных и ускорения внедрения искусственного интеллекта. Ключом к успеху будет проектно-конструкторская модель эксплуатации, а не модель “гибрид в результате аварии”, когда планирование гибридной модели откладывается на потом.
Кроме того, надежная и эффективная гибридная облачная инфраструктура, разработанная для ИИ, позволит организациям обеспечить лучшую видимость данных, улучшенный контроль и защиту, а также упростить управление данными в различных средах. Это также поможет им снизить незапланированные расходы, вызванные неожиданными проблемами, связанными с операционными сложностями, рисками безопасности и неэффективным использованием ресурсов.
Увеличение инвестиций в специализированную инфраструктуру искусственного интеллекта
За последние несколько месяцев мы стали свидетелями того, как различные страны, включая ОАЭ, объявили о первых значительных инвестициях в ИТ-инфраструктуру, ориентированную на искусственный интеллект и, в частности, на его вычислительные потребности. Эта тенденция будет только усиливаться по мере разработки новых вариантов использования и приложений. Согласно исследованиям, глобальный спрос на электроэнергию в центрах обработки данных увеличится на 50% к 2027 году и на целых 165% к 2030 году. Традиционная инфраструктура будет с трудом поспевать за темпами роста, что приведет к переходу на решения с высокой плотностью вычислений. По мере того как компании ориентируются на будущее инноваций, основанных на данных, им будут требоваться надежные центры обработки данных, способные справляться с интенсивными вычислительными нагрузками искусственного интеллекта.
Однако эти организации очень быстро поймут, что им придется выйти за рамки центров обработки данных и инвестировать в надежную ИТ-инфраструктуру всего своего бизнеса, чтобы иметь возможность в полной мере использовать искусственный интеллект. Поскольку внедрение ИИ повлияет на то, как организации управляют данными и получают к ним доступ, многим из них придется пересмотреть существующую инфраструктуру, чтобы убедиться, что их ИТ-среда способна без проблем справляться с рабочими нагрузками ИИ. Это может повлечь за собой унификацию многоступенчатых ИТ-сред и может потребовать перехода к гибридному подходу к проектированию, включающему аппаратные средства, программное обеспечение и решения для управления данными, ориентированные на искусственный интеллект.
Проекты ИИ не принесут пользы, если организация не сможет получить доступ к соответствующим данным для обучения и запуска своих моделей. Однако огромные объемы данных, необходимые для работы с моделями ИИ, должны храниться и передаваться быстро и эффективно, что вынуждает организации модернизировать свои сети и инфраструктуру хранения.
В результате мы увидим увеличение инвестиций в инфраструктуру искусственного интеллекта, особенно в регионе Ближнего Востока, поскольку в регионе продолжается цифровая трансформация.
Устойчивость искусственного интеллекта, выходящая за рамки эффективности оборудования
Повышение устойчивости ИИ – это практический императив, который все больше побуждает промышленность, политиков и конечных пользователей действовать оперативно. У этого есть скорее практические, чем сентиментальные причины: повышение эффективности ИИ отвечает интересам всех, поскольку потребление меньшего количества энергии и воды снижает эксплуатационные расходы и воздействие на окружающую среду. В связи с этим все больше организаций будут выбирать надежные и эффективные ИТ-решения, особенно в том, что касается масштабирования ИИ. Это включает в себя повышение производительности чипов и архитектуры охлаждения, такие как 100%-ное жидкостное охлаждение, которое может снизить энергопотребление на 90%.
Однако мы видим, что все больше и больше организаций понимают, что это не разовый шаг в обеспечении устойчивого развития ИТ. Это должно происходить на каждом этапе жизненного цикла ИИ, от выбора данных до проектирования модели, обучения, настройки и логических выводов – вплоть до окончания срока службы оборудования. Хотя, по понятным причинам, большое внимание уделяется достижениям в области инфраструктуры ИИ и эффективности оборудования, они рассматривают весь жизненный цикл ИИ для повышения эффективности программного обеспечения, данных, энергопотребления и ресурсов.
Эти организации внедряют инструменты измерения и мониторинга, необходимые для отслеживания подробных показателей эффективности. Опросы показывают, что только 44% предприятий на самом деле отслеживают использование энергии, связанное с искусственным интеллектом, что позволяет экономить на охране окружающей среды. Например, сочетая детальный мониторинг с целостным мышлением, исследователи смогли выявить возможности сокращения выбросов до 80%, просто скорректировав время обучения моделей в соответствии с требованиями Windows, где возобновляемых источников энергии больше.
Что это означает для предприятий?
В будущем искусственный интеллект – это не просто возможность, это необходимость. От быстрой интеграции передовых технологий в основные операции до увеличения числа специализированных центров обработки данных – ситуация меняется. Удовлетворение растущих потребностей в вычислительной мощности требует перехода к высокоплотным, эффективным решениям и интеллектуальному управлению. Стандартизированные методы работы будут иметь решающее значение для оптимизации жизненного цикла технологий и максимизации инвестиций. Поскольку искусственный интеллект все больше интегрируется в различные аспекты деятельности предприятия, надежная, адаптируемая инфраструктура станет краеугольным камнем инноваций и успеха.
Мохаммад Аль–Джаллад – главный технолог и директор отдела глобальных продаж Sovereign AI и AI Factory, HPC и AI в Hewlett Packard Enterprise.