ევროპა დგას არჩევანის წინაშე: დაელოდოს წლობით ახალი გიგავატიანი მონაცემთა ცენტრების ენერგეტიკულ ქსელთან მიერთებას, თუ გამოიყენოს უკვე არსებული საჯარო გამოთვლითი სიმძლავრეები. ახალი ანალიტიკური ანგარიში, სახელწოდებით „Do We Need OpenAI or Anthropic? Europe Has Tens of Exaflops at Home“, ამტკიცებს, რომ მეორე გზა რეალურია.

არსებული რესურსების ოპტიმიზაცია

ევროპაში უკვე ოპერირებს ათობით ექსაფლოპის (exaflops) სიმძლავრის საჯარო AI-კომპიუტერული რესურსი. ეს მოიცავს EuroHPC-ის სუპერკომპიუტერებსა და ეროვნულ AI-ფაბრიკებს. კვლევის ავტორების მიხედვით, ამ სიმძლავრეების ფედერაციულად გაერთიანება შესაძლებელია.

საკვანძო ტექნოლოგიას წარმოადგენს დაბალი კომუნიკაციის მქონე წვრთნის მეთოდი (DiLoCo-ს სტილში). ეს მიდგომა საშუალებას იძლევა, რომ დისტანციურად განთავსებულმა სისტემებმა ითანამშრომლონ მოდელის გაწვრთნაში ისე, რომ მონაცემთა გაცვლის აუცილებლობა მინიმუმამდე შემცირდეს.

რატომ არის ეს გადამწყვეტი?

მთავარი პრობლემა ენერგოქსელების ინფრასტრუქტურაა. საშუალოდ, ერთ გიგავატიან კამპუსს ელექტროენერგიის მისაღებად დაახლოებით 7.6 წელი სჭირდება. შედარებისთვის, არსებული რესურსების გაერთიანებით ევროპას შეუძლია მოწინავე კლასის მოდელი უკვე 2028 წლისთვის მიიღოს.

  • ეფექტურობა: DiLoCo-ს ტიპის წვრთნის „ჯარიმა“ მცირეა და ის არ ქმნის გადაულახავ ბარიერს.
  • დრო: ფედერაციული მოდელი იგებს, თუ არსებული საიტები ქსელში იქნებიან მანამ, სანამ ახალი გიგავატიანი ცენტრი აშენდება.
  • პოლიტიკური ნება: EuroHPC-ის მანქანები ამჟამად გაზიარებულია და დაყოფილია პარტიებად. მათი ერთიან მიზანზე მობილიზება ტექნიკურზე მეტად პოლიტიკური გადაწყვეტილებაა.

შეზღუდვები და რეალობა

ანალიზი არ იძლევა გარანტიას 405B პარამეტრიანი მოდელის შექმნაზე, რადგან მსგავსი მასშტაბის დისტრიბუციული წვრთნა 10B პარამეტრზე ზემოთ ჯერ კიდევ კვლევის საგანია. მიუხედავად ამისა, ავტორები მიიჩნევენ, რომ სუვერენული AI-ის მიღწევა ამ გზით სავსებით შესაძლებელია.

კვლევა დამოუკიდებელია და არ არის რეცენზირებული, თუმცა მისი რეპროდუცირება სრულად არის შესაძლებელი სუფთა კოდის საფუძველზე. ყველა მონაცემი და გათვლა ეფუძნება 2026 წლის ივნისის მდგომარეობას.