Sztuczna inteligencja

SI zmienia podejście do biznesu

W świecie biznesu AI już teraz zmienia sposób, w jaki tworzone są produkty i usługi – dotyczy to również branży centrów danych. Najnowszy raport firmy doradztwa strategicznego Bain & Company wskazuje, że rynek produktów i usług opartych na sztucznej inteligencji może osiągnąć do 2027 roku wartość nawet 990 miliardów dolarów, a firmy, które chcą zachować pozycję rynkową, będą wdrażać i utrzymywać rozwiązania bazujące na AI we wszystkich obszarach operacyjnych.

Dla korporacji oznacza to konieczność szybkiej adaptacji, by nie zostać w tyle za konkurencją. Na poziomie globalnym zaś, AI jest postrzegana jako narzędzie strategiczne, które może zdefiniować przewagę gospodarczą i militarną państw. Ignorowanie tego trendu grozi nie tylko utratą konkurencyjności, ale wręcz marginalizacją na arenie międzynarodowej. Zatem jakie wyzwania i możliwości niesie ze sobą „boom AI” oraz dlaczego ta technologia stała się kluczowym elementem zarówno dla biznesu, jak i bezpieczeństwa narodowego? Na te pytania staram się odpowiedzieć w dalszej części tekstu.

Od ratowania życia po redefinicję globalnych możliwości

W diagnostyce obrazowej sztuczna inteligencja „widzi” subtelne zmiany, które mogą umknąć ludzkiemu oku. Dzięki jej zastosowaniu w analizie obrazów medycznych, takich jak zdjęcia rentgenowskie czy rezonans magnetyczny, obecnie możemy osiągać lepsze rezultaty, ratując życie i zdrowie. Podczas pandemii COVID-19, opracowanie szczepionek mRNA zostało znacznie przyspieszone dzięki wykorzystaniu sztucznej inteligencji.

AI analizowała ogromne ilości danych genetycznych wirusa SARS-CoV-2 w rekordowym czasie, pomagając naukowcom wytypować potencjalne cele dla szczepionki. Palantir, firma znana z zaawansowanych rozwiązań analitycznych opartych na AI, osiągnęła w tym roku rekordowe wyniki finansowe, współpracując ściśle z amerykańskim rządem. Wśród jej klientów znaleźć można: FBI, CIA czy Departament Obrony, a oprogramowanie firmy jest używane do zbierania informacji wywiadowczych. Bazując na sztucznej inteligencji, narzędzia Palantir są w stanie analizować teren, ruch i informacje pogodowe nawet w odległych rejonach.

Analogiczne zastosowania AI znajdziemy w edukacji, ochronie przyrody czy w systemach zapewniających bezpieczeństwo. To tylko kilka przykładów obecnego funkcjonowania najpotężniejszej technologii rozwiniętej przez człowieka. Dzięki dalszemu przyrostowi mocy obliczeniowej oraz coraz bardziej zaawansowanym algorytmom, AI może rozwiązywać wielowymiarowe problemy w dziedzinach obejmujących zmiany klimatyczne, fizykę kwantową czy medycynę regeneracyjną, wyznaczając nowe granice ludzkich możliwości.

GPU – „gamechanger” w wyścigu technologicznym

Mimo że prace nad sztuczną inteligencją trwają od lat 50. ubiegłego wieku, przyspieszenie nastąpiło kilka lat temu. Jej zauważalny rozwój jest napędzany przez kombinację kilku kluczowych czynników technologicznych, społecznych i ekonomicznych. Wśród technologii, które odgrywają kluczową rolę, wyróżnia się: postęp w infrastrukturze obliczeniowej, dostęp do dużych zbiorów danych oraz coraz lepsze, samouczące się algorytmy, umożliwiające skuteczne przetwarzanie sekwencji danych. Doskonałym przykładem technologii, która zrewolucjonizowała obliczenia w sztucznej inteligencji, są procesory GPU (Graphics Processing Units), stanowiące obecnie jej fundament.

Świat chipów od lat rozwijał się zgodnie z prawem sformułowanym przez Gordona Moora w 1965 r., według którego moc obliczeniowa procesorów powinna podwajać się (mniej-więcej) co 18 miesięcy. Oznaczało to, że co dziesięć lat moc obliczeniowa procesorów rosła 100 razy. Firma Nvidia wypuszczając serię swoich procesorów GPU dedykowanych do sztucznej inteligencji (od Pascal do Blackwell), w ciągu 8 lat uzyskała 1000-krotny przyrost mocy obliczeniowej, przejmując dominujący udział w rynku procesorów używanych do AI.

Zapewniając najwyższą wydajność na potrzeby szkolenia i inferencji sztucznej inteligencji, układy GPU podsycają ambicje inwestycyjne przedsiębiorstw i skłaniają je do technologiczny wyścigu zbrojeń, czego efektem jest pełne zaabsorbowanie mocy produkcyjnych procesorów Blackwell do końca 2025 r.

Moc – klucz do sukcesu

Wraz ze wzrostem mocy obliczeniowej wzrosło zapotrzebowanie na moc oraz energię elektryczną, która zasila wszystkie serwery i to właśnie dostępność mocy elektrycznej stanowi obecnie główne ograniczenie rozwoju sztucznej inteligencji. Najbardziej pożądanym źródłem energii są źródła odnawialne, takie jak farmy fotowoltaiczne lub wiatraki, ale ich niestabilność wymaga zaawansowanych rozwiązań w zakresie magazynowania energii i zarządzania siecią, co nie jest łatwe ani tanie.

Aktualnie rozwój sztucznej inteligencji jest napędzany głównie przez Stany Zjednoczone – masowe modele szkoleniowe są umieszczane głównie na tym rynku. USA wciąż utrzymują pozycję lidera, posiadając w swoich rękach ponad 40% światowego rynku AI. Jednym z powodów takiego stanu jest dostępność dużej ilości energii, która w dodatku okazuje się przystępna cenowo. W pierwszej połowie 2024 r. średnia cena za MWh w Europie wynosiła 70 USD, zaś w Stanach Zjednoczonych – 30 USD. Powód?

Większość energetycznej hybrydy w USA stanowi gaz ziemny, co oczywiście wpływa na ceny energii na amerykańskim rynku hurtowym. Dodatkowym, istotnym elementem jest fakt, że w USA prawie cały krajowy popyt na gaz jest zaspokajany z własnej produkcji, podczas gdy Europa wciąż jest uzależniona od importu paliw kopalnych, co ma wpływ na cenę energii na tych rynkach. Ponadto główni gracze na rynku centrów danych oraz AI, firmy Microsoft, Google i Amazon zaczęły podpisywać pierwsze bezpośrednie umowy z operatorami lub dostawcami elektrowni atomowych w celu zapewnienia sobie jeszcze większej, stabilnej i czystej energii.

Szkolenie sztucznej inteligencji na danych rzeczywistych to etap o podstawowym znaczeniu dla zagwarantowania adekwatności i efektywności opracowanych modeli. Rzeczywiste dane pozwalają AI zrozumieć i przyswoić sobie charakterystyki, tendencje i złożone relacje istniejące w realnym świecie. Opierając się na tych danych, AI jest w stanie podejmować świadome decyzje, gdy zostanie skonfrontowana z podobnymi sytuacjami oraz formułować trafne, precyzyjne prognozy. Szkolenie na rzeczywistych danych może jednak trwać kilka miesięcy, a nawet kilka lat. Kluczem do sukcesu jest posiadanie odpowiednich obiektów data center z dostępem do taniej energii.

Europejski rynek AI: inwestycje i wyzwania infrastrukturalne

Na tle intensywnych inwestycji w USA i Chinach, Europa koncentruje się na odpowiedzialnym wdrażaniu AI, kładąc nacisk na bezpieczeństwo, przejrzystość i zgodność z zasadami zrównoważonego rozwoju. W 2022 roku wartość europejskiego rynku AI wynosiła około 22 miliardy dolarów, a do 2027 roku ma wzrosnąć do 50 miliardów. Choć są to liczby znacznie niższe od prognozowanych nakładów w USA czy w Chinach, rynek sztucznej inteligencji będzie musiał rozwijać się również w Europie. Jest to spowodowane nie tylko ambicjami firm europejskich, ale również faktem, że modele AI z fazy trenowania muszą przejść do fazy użytkowania, a zasoby powinny być zlokalizowane w pobliżu dużych skupisk ludzkich.

To pozwala na minimalizowanie opóźnień w komunikacji. W tej fazie również wymagane są ogromne moce obliczeniowe, a co za tym idzie, fundamentem do rozwoju AI są duże centra przetwarzania danych. Kolejnym czynnikiem napędzającym migrację modeli szkoleniowych do Europy są przepisy dotyczące lokalizacji danych. Szybki rozwój sztucznej inteligencji oraz coraz bardziej rygorystyczne przepisy dotyczące przechowywania i przetwarzania danych w obrębie granic danego kraju lub regionu, skłaniają firmy do przenoszenia modeli szkoleniowych z USA do Europy.

Pomimo pozytywnych sygnałów, Europa zmaga się z poważnymi wyzwaniami. Jednym z największych problemów jest niedobór wykwalifikowanej kadry. Według Europejskiego Instytutu Innowacji i Technologii, w 2023 roku brakowało około 500 tysięcy specjalistów AI. Sytuację pogarsza fakt, że europejscy eksperci coraz częściej wybierają pracę w USA lub Azji, gdzie warunki są bardziej atrakcyjne.

Drugim kluczowym wyzwaniem są ograniczone nakłady na rozwój technologii. W 2023 roku Europa zainwestowała jedynie 6,4 miliarda dolarów w sektor AI, co stanowi spadek o 29% w porównaniu z rokiem poprzednim. Dla porównania USA przeznaczyły na ten cel 67,2 miliarda dolarów, a Chiny 8,77 miliarda.

Ponadto w Europie nie ma wystarczającej infrastruktury energetycznej, aby obsługiwać modele szkoleniowe tej wielkości, więc branża będzie musiała wzmocnić istniejące lokalizacje lub przenieść się do nowych, skupionych wokół obszarów, w których jest dostępna moc i rozwiązać problem opóźnień. Jeszcze przed pojawieniem się sztucznej inteligencji pojawiały się obawy, że zapotrzebowanie na energię w centrach danych nie zostanie zaspokojone przez istniejące sieci energetyczne w krótkim i średnim okresie.

Doskonale to widać na przykładzie Irlandii, gdzie możliwości przyłączeniowe nowych centrów danych do sieci energetycznych zostały wyczerpane i ograniczają rozwój branży. W odpowiedzi główni gracze sektora centrów danych w Irlandii postanowili partycypować w kosztach rozbudowy krajowej sieci energetycznej – projekt jest procesowany we współpracy z rządem Irlandii. Uwzględniając wspomniane czynniki, prawdopodobnie zaczniemy obserwować modele szkoleniowe na dużą skalę w Europie. Jednak jest mało prawdopodobne, że będą one dorównywać rozmiarem modelom amerykańskim i pozostaną zależne od rynku amerykańskiego w niedalekiej przyszłości.

Zważywszy na to, że globalni liderzy technologiczni i gospodarczy nadają priorytet rozwiązaniom AI, niezbędne jest, aby europejscy i polscy interesariusze podjęli analogiczne działania. Zarówno rozwój branży data center, jak i technologii AI jest kluczowy dla zachowania konkurencyjności naszych gospodarek oraz zapewnienia bezpieczeństwa w dobie cyfryzacji.