Οι τεράστιες ανάγκες ισχύος των συστημάτων AI δίνουν έμφαση στη βιωσιμότητα στο οικοσύστημα των ημιαγωγών. Η βιομηχανία τσιπ πρέπει να είναι σε θέση να παράγει πιο αποδοτικούς και χαμηλότερης ισχύος ημιαγωγούς. Ωστόσο, οι απαιτήσεις για αυξημένη ταχύτητα επεξεργασίας αυξάνονται με την ευρεία χρήση μεγάλων μοντέλων γλώσσας και τη συνολική αύξηση του όγκου των δεδομένων που πρέπει να υποβληθούν σε επεξεργασία. Η Gartner εκτιμά ότι το 50% των οργανισμών θα υιοθετήσει παρακολούθηση με δυνατότητα βιωσιμότητας έως το 2026 για τη διαχείριση των μετρήσεων της κατανάλωσης ενέργειας και του αποτυπώματος άνθρακα για τα υβριδικά περιβάλλοντα cloud τους. Αυτό είναι απαραίτητο, δεδομένου ότι το 40% των κέντρων δεδομένων είναι πιθανό να έχουν περιορισμό ισχύος έως το 2027, σύμφωνα με την εταιρεία.
Οι ημιαγωγοί μπορούν να βοηθήσουν στη βιωσιμότητα εάν έχουν σχεδιαστεί σωστά. Αυτό ισχύει ακόμη και για τα τσιπ AI/ML που έχουν σχεδιαστεί για μέγιστη απόδοση, με την προϋπόθεση ότι μπορούν να κάνουν υπολογισμούς πιο γρήγορα χρησιμοποιώντας πιο αραιούς αλγόριθμους. Αυτό έχει ως αποτέλεσμα τη συνολική μείωση της ποσότητας ενέργειας που καταναλώνεται. Εδώ μπαίνουν στο παιχνίδι οι προσαρμοσμένοι επιταχυντές. Μπορούν να προσφέρουν σημαντικές βελτιώσεις σε σύγκριση με επεξεργαστές γενικής χρήσης, που συχνά λειτουργούν παράλληλα.
Το αποτύπωμα της τεχνητής νοημοσύνης αυξάνεται
Οι υπολογιστές συμβαίνουν παντού και όλα αυτά πρέπει να είναι πιο αποτελεσματικά. Οι έξυπνες πόλεις, οι έξυπνες υποδομές και οι έξυπνες μεταφορές δεν είναι δυνατές χωρίς την έξυπνη τεχνολογία, και όλο και περισσότερο αυτό ενεργοποιείται από την τεχνητή νοημοσύνη. Καθώς η τεχνητή νοημοσύνη γίνεται πιο εδραιωμένη, το οικοσύστημα των ημιαγωγών προσπαθεί να ελαχιστοποιήσει τον αντίκτυπό του στους πόρους.
Τα σημερινά κέντρα δεδομένων καταναλώνουν ήδη τεράστιες ποσότητες ενέργειας. Παγκοσμίως, χρειάζονται 460 τεραβατώρες (TWh) ηλεκτρικής ενέργειας ετησίως. Αυτό ισοδυναμεί με ολόκληρη την ποσότητα ενέργειας που παράγει η Γερμανία. Στις Ηνωμένες Πολιτείες, η κατανάλωση ηλεκτρικής ενέργειας του κέντρου δεδομένων ήταν 2,5% της συνολικής ΗΠΑ (~130 TWh) το 2022 και αυτή αναμένεται να τριπλασιαστεί σε 7,5% (~390 TWh) έως το 2030, σύμφωνα με το Boston Consulting Group. Αυτό είναι το ισοδύναμο της ηλεκτρικής ενέργειας που χρησιμοποιείται από περίπου 40 εκατομμύρια σπίτια στις ΗΠΑ, ή σχεδόν το ένα τρίτο του συνόλου των σπιτιών στις ΗΠΑ
«Η τεχνητή νοημοσύνη έχει τη δυνατότητα να ξεπεράσει όλες τις μεταμορφωτικές καινοτομίες που δημιουργήθηκαν τον περασμένο αιώνα», δήλωσε ο Imran Yusuf, διευθυντής οικοσυστημάτων υλικού στην Arm's Infrastructure Group. "Αλλά οι απαιτήσεις ισχύος του υπολογισμού τεχνητής νοημοσύνης είναι σημαντικές και καθώς οι εταιρείες σπεύδουν να αναπτύξουν τις δυνατότητές τους τεχνητής νοημοσύνης, κινδυνεύουν να ξεπεράσουν τους δικούς τους στόχους βιωσιμότητας. Τα μελλοντικά μοντέλα τεχνητής νοημοσύνης θα συνεχίσουν να γίνονται μεγαλύτερα και εξυπνότερα, τροφοδοτώντας την ανάγκη για περισσότερους υπολογισμούς, γεγονός που αυξάνει Η ζήτηση για ενέργεια ως μέρος ενός ενάρετου κύκλου Με απλά λόγια, χωρίς ηλεκτρισμό, χωρίς τεχνητή νοημοσύνη Υπολογιστικά συστήματα AI."
Άλλοι συμφωνούν. «Είναι πιο αποτελεσματικό στο σχεδιασμό», δήλωσε ο Neil Hand, διευθυντής μάρκετινγκ στη Siemens EDA. "Μπορείτε να δείτε οποιονδήποτε αλγόριθμο. Υπάρχουν εντολές απόδοσης. Η πιο αναποτελεσματική προσέγγιση από την άποψη της ισχύος είναι να τρέξετε τον ακατέργαστο κώδικα σε έναν επεξεργαστή γενικής χρήσης και να τον αφήσετε να σβήσει - και να φρυγανίσετε μερικά marshmallows πάνω από την CPU επειδή λειτουργεί να ζεσταθώ πολύ».
Ένα rack διακομιστών που βασίζεται σε GPU της NVIDIA Grace Blackwell απαιτεί 120 κιλοβάτ. Αλλά είναι επίσης 1,000 φορές πιο ικανοί από τις προηγούμενες γενιές, που ισοδυναμεί με 500 φορές περισσότερους υπολογισμούς ανά μονάδα ισχύος, σύμφωνα με τον Rich Goldman, διευθυντή της Ansys. "Αν δημιουργήσετε ένα κέντρο δεδομένων με CPU και θέλετε να κάνετε πολλούς υπολογιστές, μπορείτε να αντικαταστήσετε τις CPU με τις πιο πρόσφατες GPU και να μειώσετε την ισχύ για τις ίδιες υπολογιστικές δυνατότητες. Θα έχουμε ακόμα τεράστια προβλήματα ισχύος, γιατί με την τεχνητή νοημοσύνη κάνουμε περισσότερους υπολογιστές, αλλά αυτό θα βοηθήσει».
Ο Hand βλέπει το εξειδικευμένο υλικό για την τεχνητή νοημοσύνη, τύπου Grace Blackwell, ως το επόμενο βήμα στην ανάπτυξη, αλλά προσθέτει ότι μπορούν να γίνουν πολύ περισσότερα επειδή αυτά είναι ακόμα τσιπ γενικής χρήσης. Είπε ότι είναι δυνατό να κατασκευαστούν πιο αποτελεσματικά τσιπ τεχνητής νοημοσύνης που προορίζονται να ταξινομήσουν και να λειτουργήσουν με μια ευρεία ταξινόμηση.
"Αυτό βλέπουμε να κάνει η NVIDIA, αυτό βλέπουμε να κάνει η Google και πολλοί από τους παρόχους cloud", σημείωσε ο Hand. "Υπάρχουν επίπεδα αποτελεσματικότητας που μπορούμε να κάνουμε για να επιτρέψουμε σε αυτά τα τσιπ να παράγονται πιο αποτελεσματικά και να επιτρέψουμε τα πάντα γύρω από τη βιωσιμότητα που συνδυάζονται με αυτό. Στη συνέχεια, μπορείτε να προχωρήσετε ένα βήμα παραπέρα με νέες τεχνολογίες που χρησιμοποιούν ένα πλήρως εκπαιδευμένο μοντέλο AI και να το μετατρέψετε σε υλικό Αυτό θα είναι το πιο αποτελεσματικό που μπορείτε, και θα χρησιμοποιήσετε ένα κλάσμα της ισχύος που είστε κλειδωμένοι σε αυτό το σημείο, οπότε θα πρέπει να αντιμετωπίσετε την πρόκληση που επιταχύνεται Και αλλάζει τόσο γρήγορα. Το βλέπουμε αυτό με τις πρόσφατες ανακοινώσεις από την Intel και την Qualcomm στις φορητές συσκευές τους, και η Apple το κάνει αυτό εδώ και μερικές γενιές όποιο νευρωνικό δίκτυο θέλετε να έχετε στο τσιπ, και θα υπάρχει αυτή η συνέχεια».
Ο Steve Roddy, επικεφαλής μάρκετινγκ στην Quadric, συμφώνησε. "Οι δυνάμεις που οδηγούν την έκρηξη των μοντέλων AI/ML έχουν τεράστια εμβέλεια. Το κύμα παραγωγής τεχνητής νοημοσύνης αλλάζει τον τρόπο με τον οποίο εργάζονται άτομα και εταιρείες, επηρεάζοντας πιθανώς εκατομμύρια θέσεις εργασίας σε όλο τον κόσμο. Το οικοσύστημα ημιαγωγών/EDA/IP δεν μπορεί να κάμψει εύλογα την καμπύλη του Πρόοδος στην εξέλιξη τεράστιων μοντέλων τεχνητής νοημοσύνης που προωθείται από επενδύσεις εκατοντάδων δισεκατομμυρίων δολαρίων από τιτάνες τεχνολογίας ετησίως. - καθημερινή χρήση συμπερασμάτων."
Η μεγαλύτερη πρόκληση βιωσιμότητας για το συμπέρασμα GenAI είναι η μετατροπή των τρόπων λειτουργίας σε κβαντισμένες μορφές ακέραιων αριθμών χαμηλής κατανάλωσης ενέργειας. «Οι ομάδες επιστήμης δεδομένων που δημιουργούν μοντέλα GenAI φαινομενικά αγνοούν το γεγονός ότι τα μοντέλα αναφοράς που δημοσιεύουν σε μορφή κινητής υποδιαστολής καταναλώνουν 10 φορές την ενέργεια ανά συμπέρασμα σε σύγκριση με το ίδιο μοντέλο που μετατρέπεται σε μορφές ακέραιων αριθμών (συγκρίνοντας πολλαπλασιασμό-συσσώρευση κινητής υποδιαστολής 32b έναντι 8 x 8 ή 4 x 8 ακέραιος MAC), είπε ο Roddy. "Είτε το συμπέρασμα συμβαίνει στο κέντρο δεδομένων είτε στη συσκευή, η εξοικονόμηση ενέργειας - και τα προκύπτοντα οφέλη για τη βιωσιμότητα - από τη μετατροπή σε μορφές ακεραίων χαμηλών ενεργειών είναι σημαντικές. Αυτό το κενό υπάρχει σήμερα επειδή οι επιστήμονες δεδομένων που δημιουργούν νέα μοντέλα GenAI είναι μαθηματικοί, όχι ενσωματωμένοι μηχανικοί».
Η τεχνολογία προχωρά
Όταν η ομάδα σχεδιασμού αποφασίσει ότι ήρθε η ώρα να πάει στο υλικό, παρόλο που οι αλγόριθμοι τεχνητής νοημοσύνης προχωρούν τόσο γρήγορα, θα υπάρχει μια ορισμένη σταθερότητα, είπε ο Hand. "Είναι λίγο σαν όταν μπήκαμε στην εξέλιξη των TPU, NPU, XPU. Γενικά, δεν ήταν πολύ βιώσιμα για λίγο, επειδή τα βασικά δομικά στοιχεία άλλαζαν πιο τακτικά. Αλλά τα τελευταία χρόνια, αυτές οι βασικές λειτουργίες έχουν σταθεροποιηθεί έτσι ώστε τώρα να μπορείτε να φτιάξετε πιο ενεργειακά αποδοτικό υλικό εδώ θα είναι το ίδιο καθώς τα πράγματα αρχίζουν να σταθεροποιούνται Πάντα θα υπάρχουν πολύ πιο ισχυροί αλγόριθμοι που χρειάζονται νέο υλικό. Πιθανότατα θα καταλήξουν να χρησιμοποιούν περισσότερα από όσα λέμε, επειδή τα κέντρα δεδομένων είναι ένας τεράστιος καταναλωτής ενέργειας, αλλά αυτό είναι το όλο ερώτημα από την άποψη της παραγωγικότητας Αλλά πολλά από αυτά είναι απλώς ένα σύνθετο τσιπ AI ή ένα σύνθετο τσιπ.
Μια άλλη σκέψη είναι πώς να δημιουργήσετε αρκετή ενέργεια για το κέντρο δεδομένων. Πώς τοποθετείτε αυτά τα κέντρα δεδομένων σε μέρη όπου δεν υπάρχει αρκετή ισχύς; "Θα βλέπετε κέντρα δεδομένων πιο συχνά σε μέρη που έχουν πλεόνασμα ισχύος και οι χώρες που έχουν πλεόνασμα ισχύος θα γίνουν κόμβοι κέντρων δεδομένων", είπε η Goldman. "Θα εντοπίσουν το κέντρο δεδομένων εκεί και στη συνέχεια θα βγάλουν τη γνώση που παίρνετε από αυτήν την ισχύ."
Αυτό θα συνοδεύεται από νέες και νέες πηγές δύναμης. «Έχουμε ακούσει να γίνεται λόγος για μίνι πυρηνικούς σταθμούς ηλεκτροπαραγωγής για την τροφοδοσία μεμονωμένων κέντρων δεδομένων και εφαρμογές όπως η τοποθέτηση τους πάνω σε πετρελαιοπηγές, ώστε το μεθάνιο που τώρα πηγαίνει στον αέρα και μολύνει τον αέρα, μπορούμε να το κάψουμε και να δημιουργήσουμε ενέργεια από αυτά για τη διαχείριση των κέντρων δεδομένων», είπε η Goldman. «Πρέπει να αποκτήσουμε κάτι τέτοιο για να τροφοδοτήσουμε αυτά τα κέντρα δεδομένων».
Μέρος και βασικό στοιχείο της συζήτησης για τη βιωσιμότητα της τεχνητής νοημοσύνης είναι η αποτελεσματικότητα του κέντρου δεδομένων, όπου υπάρχει μια συνεχής σύγκρουση μεταξύ της ισχύος που απαιτείται για τη μεταφορά δεδομένων και του πόσο μακριά πρέπει πραγματικά να μετακινηθούν αυτά τα δεδομένα. «Βλέπουμε ανθρώπους να κατασκευάζουν πολύ μεγάλους επεξεργαστές από chiplet, και μέρος αυτού οφείλεται στο ότι ενώ γνωρίζουν ότι θα μπορούσαν να δημιουργήσουν ένα ισοδύναμο σύστημα από δύο τσιπ που συνδέονται μέσω ενός διαύλου, αλλά η μεταφορά των δεδομένων μεταξύ τους θα κοστίσει πολύ της δύναμης», εξήγησε ο Steven Woo, συνεργάτης και διακεκριμένος εφευρέτης στο Rambus. "Όσο περισσότερο συγκεντρώνετε τα πράγματα, τόσο λιγότερη απόσταση πρέπει να διανύσουν τα δεδομένα, τόσο λιγότερη ενέργεια ξοδεύετε μετακινώντας δεδομένα. Αλλά τότε το πρόβλημα είναι ότι αυξάνεται η πυκνότητα ισχύος. Πρέπει να προσφέρετε περισσότερη ισχύ και πρέπει να Ωραίο το πράγμα Λοιπόν, η διελκυστίνδα είναι, πώς μπορώ να δροσίσω αυτό το πράγμα. Πρέπει να το δροσίσουμε.
Σε επίπεδο κέντρου δεδομένων, υπάρχει αυξανόμενη χρήση προηγμένων τεχνικών ψύξης σε διακομιστές. «Περισσότεροι άνθρωποι μιλούν για υγρή ψύξη, συμπεριλαμβανομένων των ψυχρών πλακών», είπε ο Woo. "Η Google το κάνει αυτό και η NVIDIA το έχει μιλήσει για την Grace Blackwell. Αυτή είναι η τεχνολογία που χρησιμοποιούν ορισμένοι από τους υπερυπολογιστές σήμερα και δεν είναι ξένη ή νέα τεχνολογία. Είναι απλώς θέμα χρόνου να τη δούμε ως Θα υπάρχουν πιθανώς κάποια συστήματα που θα ψύχονται με αέρα για το άμεσο μέλλον, αλλά θα δείτε περισσότερα συστήματα να υιοθετούν κάποιο είδος αντλούμενου υγρού με σύστημα ψύξης δύο φάσεων."
Στο ακραίο άκρο αυτής της προσέγγισης βρίσκεται η ψύξη με εμβάπτιση. "Αυτή μπορεί να μην είναι μια βιώσιμη λύση ψύξης διακομιστή δεδομένων κέντρου δεδομένων σύντομα, αλλά μπορεί να είναι εάν μας τελειώσει ο διάδρομος στα υγρά που διοχετεύονται", πρόσθεσε. "Αφού μπορέσετε να διαχειριστείτε τη θερμότητα με ένα υγρό ή κάτι τέτοιο, τότε μπορείτε να περιορίσετε το εύρος θερμοκρασίας που διέρχεται ένα τσιπ, πράγμα που σημαίνει ότι εάν κάνει θερμικό κύκλο, μπορεί να μην χτυπήσει τις ακραίες θερμοκρασίες. Αυτό είναι καλό , γιατί τότε δεν θα έχετε τη θερμική διαστολή και συστολή σε αυτό το μεγαλύτερο εύρος και ορισμένες από τις άλλες αστοχίες που σχετίζονται με την αξιοπιστία μειώνονται λίγο."
Τα Big data analytics διαδραματίζουν επίσης ρόλο στη βιωσιμότητα, εντοπίζοντας τάσεις στο σχεδιασμό chip με βάση τη χρήση του κέντρου δεδομένων. «Υπάρχει ένα ολόκληρο τρένο δύναμης», είπε ο Άνταμ Κρον, διακεκριμένος αρχιτέκτονας στο Synopsys. "Οι ανησυχίες είναι στο επίπεδο του καλουπιού. Έπειτα έχετε την πλακέτα στην οποία είναι, το ράφι στο οποίο βρίσκεται, το αγρόκτημα στο οποίο είναι και μετά πηγαίνει πίσω στις γραμμές μετάδοσης. Και αυτό που αρέσει να βλέπουν οι διαχειριστές κέντρων δεδομένων είναι ένα Ωραία ακόμα και καρίνα Μην κουνάς το σκάφος πολύ, γιατί αν θέλεις πολλά εδώ, τότε μπορεί να χρειαστεί να πέσεις εκεί ή το αντίστροφο.»
Στην ιδανική περίπτωση, η ισχύς θα μειωνόταν παντού. «Τα κέντρα δεδομένων χρησιμοποιούν μεταξύ 1 και 2% της παγκόσμιας ηλεκτρικής ενέργειας, και βρίσκονται σε μια δύσκολη πορεία για να τα χρησιμοποιήσουν όλα», είπε ο Cron.
Σύνδεσμοι απόδοσης, δυνατότητας κατασκευής
Υπάρχει μια ενδιαφέρουσα σύνδεση μεταξύ της προσπάθειας για την κατασκευή βιώσιμων ημιαγωγών και της απόδοσης και της παραγωγικότητας, σημείωσε η Siemens' Hand. "Αυτές οι μάρκες γίνονται μεγαλύτερες. Επομένως, η απόδοση γίνεται περισσότερο πρόβλημα. Όσο περισσότερα μπορούμε να κάνουμε με την απόδοση, τόσο καλύτεροι μπορούμε να είμαστε για τη βιωσιμότητα, επειδή ένα νεκρό ζάρι είναι σπατάλη πόρων. Ένα καλό ζάρι είναι πάντα καλύτερο Τι μπορούμε να κάνουμε εκεί υπάρχει πολλή δουλειά που κάνουμε στο οικοσύστημα ημιαγωγών για να βελτιώσουμε την απόδοση, ορισμένες εμπορικές λύσεις χρησιμοποιούν τεχνητή νοημοσύνη για να έχουν καλύτερη απόδοση. Το κόστος βιωσιμότητας της τεχνητής νοημοσύνης και η δυνατότητα βιωσιμότητας της τεχνητής νοημοσύνης, γενικά, είναι καθαρά θετικό λέει πόσο κοστίζει η εκπαίδευση αυτών των μοντέλων. Αλλά πώς μπορείς να μετρήσεις τις γνώσεις που αξίζει να κάνεις για να δοκιμάσεις και να υπολογίσεις αυτόν τον αντίκτυπο. και οι τεχνολογίες AI μπορούν να αξιοποιηθούν εδώ. Απλώς η EDA κάνει το δικό της EDA».
Η θερμική ανάλυση και η γήρανση θα παίξουν επίσης στη βιωσιμότητα των κέντρων δεδομένων AI. Αυτό δεν είναι μοναδικό για την τεχνητή νοημοσύνη, φυσικά. Ισχύει για όλα τα τσιπ», είπε ο Hand. «Μπορείτε να αρχίσετε να καταλαβαίνετε τι είναι τα θερμικά στο επίπεδο του καλουπιού, στο επίπεδο του δευτερεύοντος καλουπιού, για να κατανοήσετε τις επιπτώσεις. Τώρα, μπορώ να βάλω μια στοίβα 3D μαζί και να είναι αξιόπιστη; Μπορώ να τρέξω αυτά τα πράγματα σε επαρκές επίπεδο ισχύος ώστε να μην επιταχύνω την κατάργησή τους; Αυτές οι δυνατότητες θα μας επιτρέψουν να πάμε ακόμα πιο μακριά. Επίσης, καθώς αρχίζουμε να επεκτείνουμε τον ορισμό του ψηφιακού δίδυμου και αρχίζουμε να επεκτείνουμε ό,τι περιλαμβάνεται σε αυτό, μπορείτε να αρχίσετε να βλέπετε τις επιπτώσεις σε επίπεδο συστήματος. Και παρόλο που δεν αφορά συγκεκριμένα την τεχνητή νοημοσύνη και τη βιωσιμότητα, είναι εκεί που θα αρχίσουμε να βλέπουμε μεγάλα άλματα στην αποτελεσματικότητα, επειδή πόσα είναι υπερβολικά σχεδιασμένα αυτή τη στιγμή; Πόσο έχει πάρα πολλά απορρίμματα μέσα του; Μόλις μπορέσουμε να αρχίσουμε να έχουμε έναν πιο συνεπή σχεδιασμό σε επίπεδο προϊόντος και σε επίπεδο προβλήματος, υπάρχουν επίσης οφέλη. Επαναφέροντάς το συγκεκριμένα στην τεχνητή νοημοσύνη, για να φτάσετε σε πραγματικές ολοκληρωμένες ψηφιακές δίδυμες τεχνολογίες πολλαπλών τομέων, η τεχνητή νοημοσύνη θα χρειαστεί επειδή η τεχνητή νοημοσύνη θα κάνει την ανάλυση μεταξύ τομέων για εσάς και την εξαγωγή υποκατάστατου μοντέλου και την αυτόματη προσαρμογή πιστότητας. Θα υπάρξουν όλα αυτά. Όσο περισσότερο AI χρειαζόμαστε, τόσο περισσότερο AI χρησιμοποιούμε».
συμπέρασμα
Η αειφορία δεν είναι ένα νέο θέμα, αλλά ήταν πάντα ένα θέμα για κάποια μελλοντική συζήτηση. Αυτό δεν ισχύει πλέον.
«Οι πωλητές υλικού και λογισμικού έχουν κατανοήσει εδώ και χρόνια ότι η υπολογιστική κλιμάκωση και η βιωσιμότητα θα μπορούσαν να είναι σε τροχιά σύγκρουσης με την πραγματικότητα, αλλά δεν χρειάζεται να το κάνουν εάν η βιομηχανία αξιοποιήσει τις δυνατότητες του οικοσυστήματος της», δήλωσε ο Arm's Yusuf. "Ας πάρουμε το Arm Total Design, για παράδειγμα, το οποίο είναι ένα οικοσύστημα κορυφαίων εταιρειών από όλη τη βιομηχανία ημιαγωγών αφιερωμένο στην παροχή αποτελεσματικών, προσαρμοσμένων λύσεων πυριτίου για περιπτώσεις χρήσης AI/ML. Ως εκ τούτου, παρέχει στους συνεργάτες προνομιακή πρόσβαση στα υποσυστήματα Arm Neoverse Compute (CSS), προ-ενσωματωμένα εργαλεία IP και EDA, υπηρεσίες σχεδιασμού, υποστήριξη χυτηρίου και εμπορική υποστήριξη λογισμικού Αντιπροσωπεύει επίσης μια νέα νοοτροπία που προωθεί τη συνεργασία, την ευελιξία και την καινοτομία, ενώ κατανοεί ότι η εποχή της τεχνητής νοημοσύνης πρέπει να συνυπάρχει. με παγκόσμιους στόχους βιωσιμότητας».
Αυτό που άλλαξε είναι ότι η βιωσιμότητα έχει περάσει από το "ωραίο να έχεις" στο "πρέπει να έχεις". Από τη σκοπιά της ως ηγέτης του κλάδου, η Intel έχει δημιουργήσει Επτά Συμβουλές για τη χρήση AI χωρίς το υψηλό περιβαλλοντικό κόστος. Επιπλέον, η Intel πιστεύει ότι η σκόπιμη προσέγγιση του τρόπου με τον οποίο η τεχνητή νοημοσύνη εφαρμόζεται στο σχεδιασμό είναι το κλειδί για την επίτευξη των στόχων βιωσιμότητας. Με σκοπιμότητα, όσοι εκτελούν πρωτοβουλίες τεχνητής νοημοσύνης μπορούν να αποκομίσουν τα οφέλη του βελτιστοποιημένου φόρτου εργασίας (δείτε εδώ για περισσότερα) και μια προληπτική προσέγγιση στο σχεδιασμό έργων και τη διαχείριση IT είναι κρίσιμη για τη μεγιστοποίηση του αντίκτυπου των πρωτοβουλιών τεχνητής νοημοσύνης και την ελαχιστοποίηση του αποτυπώματος άνθρακα (δείτε εδώ για περισσότερα περιπτώσεις χρήσης).
Ουσιαστικά, η μείωση του αντίκτυπου της τεχνητής νοημοσύνης στη βιωσιμότητα θα οφείλεται στην ίδια την τεχνολογία. Ο Quadric's Roddy είπε ότι το οικοσύστημα ημιαγωγών μπορεί να βοηθήσει «αυξάνοντας τη γενική επίγνωση της αναγκαιότητας χρήσης μορφών δεδομένων χαμηλότερης ακρίβειας, καθώς και με τη δημιουργία πιο αυτοματοποιημένων εργαλείων για να γεφυρωθεί το χάσμα μεταξύ μαθηματικού και ενσωματωμένου μηχανικού».
