Wiesz, jakie są implikacje 50M H100 równoważnych do zasilania AI? Właśnie poprosiłem @grok, aby odpowiedział na to samodzielnie i oto odpowiedź: ➤ Moc obliczeniowa ⟶ 25,000–50,000 exaFLOPS (20,000–40,000x najszybszego superkomputera na świecie) ➤ Zdolność do treningu ⟶ Tryliony/kwadryliony parametrów ➤ Obecna skala xAI ⟶ 200x obecnej konfiguracji (~230,000 GPU, 100-200 exaFLOPS) ➤ Zużycie energii ⟶ ~35 GW, co odpowiada zużyciu energii 35 milionów gospodarstw domowych w USA lub krajów takich jak Argentyna (~30 GW) ➤ Roczna energia ⟶ ~245,000 GWH, co stanowi 6% rocznej energii elektrycznej USA (~4,000 TWh) ➤ Koszt ⟶ 1,5 biliona dolarów tylko za sprzęt i szacunkowo 2-3 biliony dolarów łącznie w ciągu 5 lat ➤ Roczna inwestycja potrzebna ⟶ 400-600 miliardów dolarów rocznie Ogrom tego państwa sygnalizuje globalną zmianę z paliw kopalnych, kamienia węgielnego XX wieku, na moc obliczeniową. Tymczasem przełomy w AI są nieuniknione i przekształcą różne sektory naszego społeczeństwa. Jak słusznie zauważył @MTorygreen, sama chmura nie może sprostać ogromnej skali, wymaganiom energetycznym i potrzebom globalnej dystrybucji AI. Przyszłość inteligencji nie jest ograniczona do kilku scentralizowanych podmiotów i centrów danych; jest wszędzie lub nigdzie.