ארכיטקטורת מחשוב חדשה לבינה מלאכותית עשויה להוזיל עלויות פי 1,000

ארכיטקטורת מחשוב חדשה לבינה מלאכותית: הפתרון למשבר האנרגיה?

האם נמצא הפתרון שימנע את קריסת רשתות החשמל בעידן הבינה המלאכותית? נווין ראו (Naveen Rao), לשעבר ראש תחום ה-AI בענקית הדאטה Databricks (חברת פלטפורמת דאטה אמריקאית), מציג ארכיטקטורת מחשוב חדשה לבינה מלאכותית המבוססת על מתנדים (oscillators). הטכנולוגיה של חברת Unconventional AI (חברת סטארט-אפ לשבבי בינה מלאכותית) מבטיחה להפחית את צריכת האנרגיה של מודלי AI פי 1,000, ולפתור את חסם הגדילה המשמעותי ביותר של התעשייה.

מה זה ארכיטקטורת מחשוב מבוססת מתנדים?

ארכיטקטורת מחשוב מבוססת מתנדים (Oscillator-based computer architecture) היא שיטה אלטרנטיבית לבניית שבבים דיגיטליים השונה לחלוטין מהמעבדים המסורתיים (CPUs ו-GPUs) המפעילים כיום מודלי שפה גדולים. בהקשר עסקי, ארכיטקטורה זו מאפשרת לבצע תהליכי הסקת מסקנות (Inference) של מודלי בינה מלאכותית ביעילות אנרגטית קיצונית, ללא צורך בכמויות החשמל האדירות הנדרשות כיום. לדוגמה, במקום להשתמש בחוות שרתים עצומות שצורכות אנרגיה של ערים שלמות, שבבים אלו מייצרים תנודות מחזוריות (oscillations) כדי לייצג מידע ולבצע חישובים מורכבים במשאבים מזעריים. לפי נתוני החברה, גישה זו עשויה להוזיל את עלויות האנרגיה של הרצת מודלים בשיעור חסר תקדים של פי 1,000.

Unconventional AI מציגה את מודל Un0

חברת הסטארט-אפ Unconventional AI חשפה לאחרונה את המודל הראשון שלה, Un0 (מודל יצירת תמונות של Unconventional AI). מודל זה הוא כלי לייצור תמונות המדגים לראשונה כיצד הטכנולוגיה של החברה מסוגלת לשחזר את ביצועיהן של מערכות בינה מלאכותית קונבנציונליות. לפי הדיווח, צוות המחקר של החברה פרסם מאמר מפורט המתאר כיצד הם בנו מודל דיפוזיה (Diffusion Model) מתפקד לחלוטין באמצעות סימולציית תוכנה של ארכיטקטורת השבבים החדשה שלהם. התוצאות מראות כי המודל מתפקד ברמה זהה למודלים קיימים בשוק, כמו Stable Diffusion (מודל יצירת תמונות בקוד פתוח).

מייסד החברה, נווין ראו, ציין בראיון כי מדובר בגרסת ה-"Hello World" של סוג חדש לחלוטין של מחשבים. למרות שהמודל הנוכחי Un0 רץ על גבי סימולציית תוכנה המדמה את פעילות השבבים, החברה מתכננת לפרסם בקרוב את השרטוטים ההנדסיים של השבב הפיזי עצמו. המטרה של החברה, המונה פחות מ-50 עובדים, היא לבנות מערך מחשוב מלא להסקה מהיסוד, ולהציע כוח מחשוב לחברות וארגונים בצורה דומה לספקיות ענן קיימות, אך בשבריר מהעלות האנרגטית. החברה מכוונת להציע חיבור רשת שבו לקוחות ישלחו בקשות (Prompts) ויקבלו תשובות מהירות, תוך שימוש ב-1/1,000 בלבד מצריכת החשמל הרגילה. שילוב זה של טכנולוגיה יכול להשתלב בעתיד עם פתרונות סוכני AI הדורשים הרצה רציפה ויעילה של מודלים מורכבים.

ההקשר הרחב: מגבלת האנרגיה של עולם ה-AI

הצורך בפריצת דרך חומרתית כזו מעולם לא היה דחוף יותר. תהליכי האימון וההסקה של מודלי בינה מלאכותית יוצרים עומס חסר תקדים על תשתיות החשמל העולמיות. לפי הערכות של אנליסטים בתעשייה, זמינות האנרגיה תהפוך בשנים הקרובות לחסם הפיזי המרכזי שיגביל את המשך הצמיחה של טכנולוגיות AI. נווין ראו מדגיש כי מגבלת האנרגיה היא גבול קשיח שלא ניתן יהיה לעקוף אותו ללא שינוי רדיקלי בצורה שבה מחשבים מעבדים מידע. פרויקטים כמו Unconventional AI מנסים לפתור את הבעיה מהשורש הפיזיקלי ולא רק דרך אופטימיזציה של תוכנה.

ההשלכות לעסקים בישראל

המעבר למחשוב חסכוני באנרגיה עשוי להשפיע באופן ישיר על חברות ישראליות המפתחות ומטמיעות פתרונות טכנולוגיים מבוססי בינה מלאכותית. כיום, חברות סטארט-אפ וארגונים בישראל מתמודדים עם עלויות ענן גבוהות במיוחד עבור הרצת מודלים. הפחתת עלויות מחשוב פי 1,000 תאפשר לעסקים מקומיים להטמיע אוטומציה עסקית מורכבת ועשירה במשאבים מבלי לחשוש מתפיחת תקציבי ה-IT שלהם. תעשיות הדורשות עיבוד נתונים אינטנסיבי בזמן אמת, כגון חברות פינטק, חברות אבטחת מידע, משרדי עורכי דין גדולים המנתחים מסמכים, או קליניקות רפואיות המבצעות ניתוח דימות – יוכלו להריץ מודלים מקומיים או מבוזרים בעלויות זניחות. בנוסף, בהתאם לדרישות של חוק הגנת הפרטיות הישראלי, האפשרות להריץ מודלים על שרתים מקומיים וקטנים יותר, בזכות חומרה חסכונית, תקל על עמידה ברגולציה ללא צורך בשליחת מידע רגיש לשרתי ענן זרים.

מה לעשות עכשיו? צעדים מעשיים למנהלים

כדי להיערך לשינויים הדרמטיים בעלויות כוח המחשוב של AI, מומלץ לנקוט בצעדים הבאים:

1. מיפוי עלויות ה-Inference הנוכחיות: בצעו הערכה מדויקת של עלויות הרצת ה-API של מודלי שפה או יצירת תמונות בארגון שלכם. הבנה של "כמה עולה" לכם להריץ כל שאילתה כיום תעזור לכם לחשב את פוטנציאל החיסכון בעתיד.
2. אימוץ ארכיטקטורות תוכנה גמישות: ודאו שמערכות ה-CRM שלכם, כגון Zoho CRM (מערכת לניהול קשרי לקוחות), ותהליכי האוטומציה המבוססים על N8N (פלטפורמת אוטומציה מתקדמת), בנויים בצורה מודולרית שמאפשרת להחליף בקלות בין ספקי כוח מחשוב ומודלים שונים.
3. בחינת פתרונות היברידיים: עקבו אחר פרסום השירטוטים של Unconventional AI ובחנו האם פתרונות עתידיים אלו יאפשרו לכם להעביר חלק מתהליכי העיבוד משרתי ענן יקרים של ענקיות הטכנולוגיה לתשתיות חסכוניות ומקומיות יותר.
4. מעקב טכנולוגי קבוע: הגדירו בצוות הפיתוח או ה-IT שעה שבועית למעקב אחר התפתחויות בתחום החומרה של ה-AI, כדי לזהות מתי פתרונות מחשוב המבוססים על ארכיטקטורות אלטרנטיביות הופכים לזמינים מסחרית דרך ספקי ענן מובילים.

מבט קדימה

המהפכה הבאה של הבינה המלאכותית לא תתרחש רק באלגוריתמים, אלא בחומרה שמניעה אותם. בעוד שהשנה הקרובה תוקדש בעיקר להוכחת היתכנות הנדסית של שבבי המתנדים הפיזיים של Unconventional AI, המגמה ברורה: הנגשת ה-AI לעסקים תהיה תלויה ביכולת שלנו להקטין את טביעת הרגל האנרגטית שלו. הטמעה חכמה של פתרונות אלו תאפשר להרחיב את השימוש בכלים כמו סוכני AI ובוטים בוואטסאפ ללא מגבלות תקציביות.