Tin mới
Tổng giám đốc điều hành IBM: Xây dựng trung tâm dữ liệu AI hiện nay “gần như không thể thu hồi vốn” khi xác suất đạt AGI chỉ khoảng 1%
CEO IBM Arvind Krishna vừa có buổi phỏng vấn với báo chí, trong đó ông thẳng thắn chia sẻ về áp lực chi phí khổng lồ mà ngành AI đang phải đối mặt. Krishna cho biết với mô hình đầu tư hiện tại, việc xây dựng và vận hành các trung tâm dữ liệu AI khó có thể đem lại lợi nhuận tương xứng.

Arvind Krishna nhấn mạnh rằng các công ty AI đang không ngừng mở rộng năng lực tính toán để theo đuổi mục tiêu trí tuệ nhân tạo tổng quát (AGI). Tuy nhiên, cấu trúc chi phí hạ tầng ngày nay khiến bài toán kinh tế trở nên thiếu khả thi, đặc biệt khi công nghệ hiện tại chỉ cho thấy xác suất đạt được AGI vào khoảng 0- 1%.
Krishna đưa ra ví dụ: một trung tâm dữ liệu công suất 1 gigawatt hiện cần đầu tư khoảng 80 tỷ USD. Nếu một công ty đơn lẻ muốn xây dựng 20- 30 trung tâm như vậy, tổng chi phí vốn có thể lên đến 1,5 nghìn tỷ USD. Ông ước tính các cam kết đầu tư toàn cầu liên quan đến AGI có thể chạm mức 100 gigawatt, tương đương gần 8 nghìn tỷ USD. Riêng chi phí lãi vay cũng đòi hỏi phải tạo ra khoảng 800 tỷ USD lợi nhuận mỗi năm để bù đắp.
Ngoài ra, chu kỳ khấu hao nhanh của chip AI cũng là yếu tố gây áp lực. Chip trung tâm dữ liệu thường chỉ có vòng đời khấu hao 5 năm trước khi phải thay thế, khiến khả năng thu hồi vốn dài hạn càng thêm khó khăn.

Giữa làn sóng bàn luận về AGI, CEO IBM tỏ ra thận trọng. Ông không tin các công nghệ hiện tại có thể đạt AGI nếu không có những bước đột phá mới. Nhiều nhân vật trong ngành như Marc Benioff, Andrew Ng hay Arthur Mensch (Mistral) cũng bày tỏ quan điểm dè dặt. Đồng sáng lập OpenAI, Ilya Sutskever, từng đánh giá rằng "hiệu ứng mở rộng quy mô" của các mô hình lớn đã chạm trần và sắp tới ngành sẽ quay lại giai đoạn phụ thuộc nhiều vào nghiên cứu nền tảng.
Dù vậy, Krishna vẫn khẳng định giá trị rõ ràng của AI đối với doanh nghiệp hiện nay khi những công cụ này có thể mang lại hàng nghìn tỷ USD lợi ích về năng suất. Ông cho rằng bước tiến tiếp theo để tiến gần AGI có thể là sự kết hợp giữa các hệ thống kiến thức cứng và mô hình ngôn ngữ lớn, nhưng khả năng thành công vẫn còn là điều bỏ ngỏ.
Tùng Dương













