Pięciu czołowych liderów branży AI zgodnie mówi: obecny model rozwoju sztucznej inteligencji uderza w ścianę fizycznych i ekonomicznych ograniczeń. Eksperci zwracają uwagę na to, że zasoby obliczeniowe rosną zbyt wolno w stosunku do ambicji branży, a koszty trenowania coraz większych modeli stają się nie do utrzymania na obecnych ścieżkach. Wśród kluczowych problemów wymieniane są niewystarczające moce GPU i TPU, drożejący prąd potrzebny do zasilania serwerów oraz wymuszająca się potrzeba całkowitego przewartościowania podejścia do architektury AI.
To nie są spekulacje naukowych gadów z uniwersytetów, ale diagnoza ludzi kierujących największymi laboratoriami i firmami sektora. Ich obserwacje mają praktyczne znaczenie dla decyzji inwestycyjnych - fundusze venture capital i wielkie korporacje czekają właśnie na takie sygnały, aby wiedzieć, gdzie naprawdę tkwią bottlenecki rozwoju. Bez rozwiązania kwestii skalowalności trenowania modeli ani bez znalezienia sposobu na obniżenie kosztów obliczeniowych nie będzie przyspieszenia w kierunku kolejnego przełomu technologicznego.
Eksperci podkreślają, że problem nie dotyczy samej wiedzy czy algorytmów - te istnieją lub da się je opracować. Chodzi o to, że dalsza ekspansja wymaga nowatorskich podejść do sprzętu, optymalizacji energetycznej i całkowicie innych strategii trenowania. Firmy, które pierwsza znajdą rozwiązanie na skalę problemu, zdefiniują kolejną erę sztucznej inteligencji. Teraz pytanie brzmi: kto zdoła przekształcić te ostrzeżenia w konkretne innowacje?