AIのGPUへの執着は、もっと安価で賢い解決策を見えなくしている

GPUは多くのAIワークロードのデフォルトハードウェアとなっていますが、この考え方は盲点を生み出し、私たちを足止めしています。GPUは、大規模言語モデルのトレーニングや高速AI推論に最適な、大量の数字を並行して処理することに優れています。しかし、CPUも依然として非常に有能であり、忘れ去られつつあります。これは、時間、お金、そして機会を失うことにつながる可能性があります。CPUは時代遅れではなく、AIタスクに効率的かつ手頃な価格で利用できます。私たちがCPUに機会を与えることさえすれば。AIタスクには、より小さなモデルの実行、データの解釈、ロジックチェーンの管理、意思決定、ドキュメントの取得、質問への回答などが含まれ、これらには柔軟な思考と論理が必要です。CPUは、柔軟な論理ベースの操作という、その設計された目的に優れています。AIを使用してタスクを完了する自律型エージェントはCPU上で実行でき、特に小型で最適化されたモデルを使用すれば、推論さえもCPUで実行できます。DePINsのような分散型コンピューティングネットワークは、人々が未使用のコンピューティング能力を提供することを可能にし、他の人が利用できるグローバルネットワークを構築し、コストを削減し、スケーラビリティを高め、コンピューティングをエッジに近づけます。私たちの考え方を変え、分散型ネットワークを使用してAIワークロードを適切なプロセッサタイプにルーティングすることで、スケール、効率性、回復力を解放できます。AIの世界でCPUを二流市民扱いすることをやめ、AIインフラストラクチャをどのようにスケーリングするかを再考する時がきました。