Google ierobežo Meta piekļuvi Gemini AI resursiem un projektus

Kad viens tehnoloģiju gigants pārāk smagi balstās uz cita serveriem, kādam nākas maksāt rēķinu. Financial Times ziņo, ka Google ir noteicis ierobežojumus Meta Gemini mākslīgā intelekta modeļu izmantošanai, pēc tam kad Meta pieprasīja daudz vairāk skaitļošanas jaudas, nekā Google varēja nodrošināt. Lēmums, kas apmēram martā tika paziņots Meta vadībai, ir traucējis vairākiem Meta iekšējiem AI projektiem, izraisot aizkavēšanos un nopietnas pārtraukšanas.

Šis nebija vienreizējs starpgadījums. Citi Google Cloud klienti jutās nospiesti, bet Meta, pateicoties īpaši lielajam pieprasījumam, uzņēma lielāko slodzi. Neviena no abām kompānijām pagaidām nav sniegusi oficiālu paziņojumu. Tomēr pazīmes ir skaidras, ka milzīgas mākslīgā intelekta darba slodzes atklāj reālas robežas mākoņu piegādes ķēdē.

Meta lūdza darbiniekus samazināt un optimizēt žetonu lietojumu. Žetoni ir pamatvienības, ko izmanto, lai mērītu AI modeļu patēriņu; nekontrolēta lietošana ātri palielina gan izmaksas, gan skaitļošanas slodzi. Vienkārša ideja uz papīra mērogā kļūst par stingru ierobežojumu.

Šis gadījums rāda, ka AI pieprasījums attīstās ātrāk par infrastruktūru, un kapacitāte, nevis algoritmi, var kļūt par sastrēguma punktu.

Paša Google ceturkšņa rezultāti uzsver šo spriedzi. Sundar Pichai ir sacījis, ka Google Cloud šajā martā beigušajā ceturksnī sasniedza aptuveni 20 miljardu dolāru ieņēmumus, tomēr skaitļošanas ierobežojumi neļāva sasniegt vēl augstākus rekordus. Mākoņa pasūtījumu atlikumi aptuveni dubultojās salīdzinājumā ar iepriekšējo ceturksni, spilgts rādītājs, ka pieprasījums pēc AI skaitļošanas pārspēj tempu, kādā uzņēmumi var būvēt jaunu infrastruktūru.

Ko tas nozīmē stratēģiski? Meta gadījumā paļaušanās uz ārējiem pakalpojumu sniedzējiem, lai nodrošinātu jaudas plūsmu modernajam mākslīgajam intelektam, ievieš trauslumu. Mākoņu pakalpojumu sniedzējiem AI darba slodžu pieaugums prasa pārdomāt, kā kapacitāti paredz, prioritizē un cenu politiku. Vai uzņēmumi paplašinās datu centru tīklu, ieguldīs vairāk pielāgotos mikroshēmojumos vai sadalīs risku starp vairākiem piegādātājiem? Visi iepriekšminētie risinājumi ir ticami, un tie ir dārgi.

Šis incidents arī pārkadrē konkurenci par AI līderību. Tas vairs nav tikai par modeļu kvalitāti un talantu. Tas ir par datu plūsmām, enerģiju un vietu hyperskalera datu centros. Kad skaitļošana kļūst par trūkstošu resursu, partnerības un piegādes ķēdes elastība ir tikpat svarīga kā kods.

Sekojiet, kā abas kompānijas reaģēs: vai Meta ierobežos eksperimentēšanu, paātrinās iekšējā aparatūras izstrādi vai diversificēs savu mākoņu stratēģiju, tas var pārveidot nākamo AI bruņošanās sacensību posmu.