Lỗ Đen AI Lớn Nhất, Sau Khi Anthropic Thu Nhập 1 Nghìn Tỷ Đô La Mỗi Năm, Giá Sức Mạnh Tính Toán Tăng Gấp 10 Lần
Khi AI thông minh có thể thay thế lao động trí thức của con người, giá tính toán cần được định giá lại như thế nào? Trong một bài viết gần đây, nhà báo công nghệ Dwarkesh Patel đưa ra dự đoán táo bạo: nếu doanh thu của các phòng thí nghiệm AI tiếp tục tăng mạnh (ví dụ Anthropic có thể đạt 1 nghìn tỷ USD vào cuối năm tới) trong khi nguồn cung sức mạnh tính toán chỉ tăng khoảng 3 lần mỗi năm, thì giá tính toán có thể tăng hơn 10 lần.
Một GPU như H100, nếu có thể chứa một tác nhân AI với trình độ tương đương một kỹ sư phần mềm hàng đầu, thì giá trị của nó nên được tính theo giá trị lao động con người mà nó thay thế, chứ không phải giá thuê máy chủ. Một kỹ sư phần mềm ở Thung lũng Silicon có mức lương trung bình 250.000 USD/năm, trong khi giá thuê hàng năm của một H100 hiện chỉ khoảng 16.000 USD - chênh lệch 15 lần. Khoảng cách khổng lồ này có thể dẫn đến một đợt siêu lạm phát về giá tính toán.
Sự tăng trưởng của AI đang vượt xa tốc độ cung cấp sức mạnh tính toán. Để duy trì tăng trưởng doanh thu khổng lồ, các phòng thí nghiệm hàng đầu cần nhiều GPU hơn để đào tạo và suy luận, nhưng nguồn cung chỉ có thể tăng gấp ba mỗi năm. Điều này tạo ra một sự lệch pha nghiêm trọng. Giải pháp khả thi là tăng tỷ suất lợi nhuận lên mức không tưởng (khoảng 95%) hoặc tăng mạnh giá đơn vị tính toán. Khả năng thứ hai có vẻ thực tế hơn.
GPU đang chuyển từ vai trò máy chủ sang thành "nhà máy" của kỷ nguyên mới. Cạnh tranh AI ngày nay là cạnh tranh về cơ sở hạ tầng: điện, chip, trung tâm dữ liệu. Các cụm GPU chuyên dụng giống như nguồn tài nguyên chiến lược, tương tự năng lượng trong cuộc cách mạng công nghiệp. Nguồn cung bị giới hạn bởi các định luật vật lý (như Định luật Moore), chu kỳ xây dựng nhà máy bán dẫn kéo dài và việc sản xuất máy quang khắc tiên tiến đã đạt đến giới hạn. Đến năm 2027, chip AI sẽ chiếm 86% công suất sản xuất tiên tiến của TSMC, cho thấy không còn dư địa tăng trưởng.
Nghịch lý là, sức mạnh tính toán càng đắt, người ta càng có xu hướng sử dụng các mô hình mạnh nhất (Hiệu ứng Alchian-Allen). Chi phí thuê tính toán cố định khiến việc sử dụng mô hình kém hiệu quả hơn nhưng tốn nhiều thời gian xử lý hơn trở nên không kinh tế. Điều này có thể củng cố vị thế độc quyền của một vài công ty sở hữu mô hình mạnh nhất.
Một số ý kiến phản đối cho rằng khả năng tạo ra doanh thu của AI trong thế giới thực (như thử nghiệm lâm sàng) có thể bị hạn chế, và các tác vụ đơn giản sẽ chuyển sang các mô hình rẻ hơn thay vì biến mất. Lịch sử cũng cho thấy các dự đoán về việc tài nguyên khan hiếm dẫn đến giá tăng vọt thường sai (ví dụ vụ cá cược Simon-Ehrlich năm 1980). Tuy nhiên, Dwarkesh lập luận rằng nguồn cung sức mạnh tính toán kém co giãn hơn nhiều so với hàng hóa thông thường. Trong khi một mỏ đồng có thể tăng sản lượng khi giá cao, công nghệ sản xuất chip tiên tiến như máy quang khắc EUV thì không thể.
Tóm lại, trong khi sức mạnh tính toán cuối cùng có thể trở nên rẻ như cát, thế giới có thể phải trải qua một cuộc chạy đua vũ trang và một giai đoạn lạm phát về giá tính toán khốc liệt trước khi đạt đến điểm đó.
marsbit34 phút trước
