berita

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

dengan munculnya era kecerdasan buatan, gpu telah menjadi fokus perhatian semua orang.

namun, jika anda ingin memaksimalkan pelatihan ai dan fungsi inferensi gpu, anda juga harus mengandalkan kekuatan pusat data. pusat data ai seringkali dilengkapi dengan puluhan ribu gpu kita dapat mencapai hal-hal seperti chatbot yang kuat seperti chatgpt.

namun, harga pusat data ai tidaklah murah. biaya pembangunan miliaran dolar tidak hanya eksklusif untuk raksasa teknologi, tetapi juga melarang banyak negara dan wilayah yang tidak kuat kekuatannya.

karena semakin banyak hal yang dapat dilakukan dengan kecerdasan buatan, kepentingan geopolitik dari chip kelas atas juga semakin meningkat dari hari ke hari. semakin banyak negara dan wilayah yang berlomba-lomba untuk menimbun chip, dan beberapa bahkan telah memberlakukan undang-undang untuk mencegah beberapa negara dan wilayah daerah dari pembelian chip paling mutakhir.namun sejauh ini, terdapat kekurangan data publik yang mengejutkan mengenai lokasi pasti chip ai di seluruh dunia.

profesor vili lehdonvirta dari institut internet universitas oxford mengungkapkan kenyataan yang tidak dapat diabaikan: gpu sangat terkonsentrasi hanya di 30 negara dan wilayah di seluruh dunia, dimana amerika serikat dan tiongkok berada jauh di depan, dan sebagian besar wilayah berada di tingkat yang sama. disebut "komputasi gurun": tidak ada gpu yang tersedia untuk disewa sama sekali.

bagaimana menyelidiki distribusi

rantai pasokan komputasi ai global secara kasar dapat dibagi menjadi empat bagian:

perusahaan yang merancang dan menjual gpu dan chip terkait ai lainnya

perusahaan yang memproduksi dan mengemas chip

perusahaan menggunakan chip untuk menyediakan daya komputasi

perusahaan yang mengeluarkan daya komputasi untuk mengembangkan atau menerapkan sistem ai

pemimpin pasar dalam desain dan penjualan gpu adalah nvidia yang berbasis di as, manufaktur chip didominasi oleh taiwan semiconductor manufacturing co., ltd. (tsmc) dari taiwan, dan asml dari belanda saat ini merupakan satu-satunya perusahaan yang memproduksi mesin litografi yang penting untuk manufaktur. chip canggih sangat penting (miller 2022). akibatnya, bagian-bagian rantai pasokan komputasi ini sangat terkonsentrasi baik dari segi geografi maupun kepemilikan.

studi ini berfokus pada langkah ketiga rantai pasokan: di mana chip di dunia digunakan untuk menyediakan komputasi ai untuk pengembangan dan penerapan ai, yaitu untuk melatih model ai dan menjalankan inferensi pada model yang sudah ada. secara umum, ada tiga kategori penyedia komputasi skala besar: fasilitas superkomputer ilmiah, cluster komputasi swasta, dan apa yang disebut penyedia komputasi awan publik.

fasilitas superkomputer ilmiah telah ada sejak awal tahun 1960an, biasanya didanai oleh pemerintah, dan digunakan terutama untuk tujuan akademis dan militer. sebuah studi oleh oecd (2023) melakukan analisis geografis sederhana terhadap fasilitas superkomputer ilmiah. menurut database top500, tiongkok memiliki jumlah superkomputer terbesar, yaitu sebesar 32%; diikuti oleh amerika serikat, sebesar 25%; dan uni eropa sebesar 21%. namun, sebagian besar superkomputer ilmiah tidak dirancang untuk pelatihan model ai (oecd 2023). kemakmuran pengembangan ai generatif saat ini terutama bergantung pada klaster komputasi swasta dan komputasi awan publik. penelitian sebelumnya belum menganalisis sebaran geografisnya secara detail.

cluster komputasi swasta dimiliki oleh perusahaan nirlaba seperti meta, hp, dan banyak perusahaan kecil. cluster ini terdiri dari komputer yang terhubung dengan gpu yang ditempatkan di pusat data. cluster pribadi dapat digunakan untuk pengembangan ai oleh perusahaan atau disewakan kepada perusahaan lain. penyedia komputasi awan publik juga merupakan perusahaan nirlaba. mereka disebut "publik" bukan karena ada hubungannya dengan pemerintah, tetapi karena layanan mereka disediakan berdasarkan permintaan dan dibagikan oleh banyak pelanggan (yaitu mirip dengan arti "publik" di kedai minuman, bukan departemen publik "publik") . pemimpin di pasar komputasi awan publik meliputi aws, microsoft azure, dan google cloud; penyedia awan publik asal tiongkok, alibaba dan tencent, juga menyediakan komputasi ai skala besar. penyedia besar ini sering disebut sebagai "penyedia komputasi skala besar".

studi ini terutama berfokus pada distribusi geografis komputasi ai cloud publik. cluster komputasi pribadi telah digunakan untuk melatih beberapa model ikonik seperti llama dan llama 2 dari meta. namun pelatihan dan pengembangan sejumlah besar model ai mutakhir terkonsentrasi di penyedia cloud publik hyperscale google, microsoft dan amazon, dan "kemitraan komputasi" mereka dengan perusahaan ai terkemuka, seperti anthropic, cohere, google deepmind, hugging wajah, openai, dan stabilitas ai. cloud publik juga penting karena terbuka untuk berbagai jenis pengembang, termasuk peneliti akademis. oleh karena itu, pertanyaan penelitian utama kami adalah: bagaimana distribusi geografis komputasi ai cloud publik di seluruh dunia? kami juga akan mengeksplorasi kemungkinan penyebab penyebaran geografis ini, mendiskusikan implikasinya terhadap tata kelola komputasi dan geopolitik, dan menyimpulkan dengan diskusi singkat mengenai klaster swasta dan komputasi ai nasional milik pemerintah.

sensus penelitian ini mencakup enam penyedia cloud publik hyperscale terbesar: aws, microsoft, google, alibaba, huawei dan tencent. meskipun ada sejumlah penyedia yang lebih kecil, keenam penyedia ini menguasai sebagian besar pasar cloud publik global dan juga memimpin di berbagai pasar regional. pada saat sensus dilakukan, gpu paling kuat untuk melatih model ai umum adalah nvidia h100, yang diluncurkan pada tahun 2023, dengan model andalan sebelumnya, a100, diluncurkan pada tahun 2020, dan v100 pada awal tahun 2017. pada tahun 2023, nvidia memperkenalkan h800 dan a800 untuk menghindari pembatasan ekspor as ke tiongkok, namun pembatasan tersebut dengan cepat diperluas ke model-model baru ini. pengumpulan data difokuskan pada lima jenis gpu yang paling relevan dengan ai.

dari database sensus, penelitian ini menyusun kumpulan data tingkat negara untuk memungkinkan analisis geografis.untuk setiap negara, perhitungan ini menghitung jumlah total wilayah cloud publik dalam wilayahnya, juga menghitung subkumpulan wilayah yang mendukung setidaknya satu jenis gpu ("wilayah berkemampuan gpu"), dan subkumpulan wilayah yang mendukung gpu tertentu jenis.

untuk melengkapi data sensus cloud, penelitian ini melakukan wawancara ahli kualitatif dan semi-terstruktur. kami mewawancarai total 10 informan, yang mewakili dua pakar kebijakan, tiga pakar penyedia cloud publik skala besar, dan lima pakar riset dengan keahlian di bidang komputasi ai. informan ini direkrut menggunakan snowball sampling melalui jaringan profesional kami. tujuan utama dari wawancara ini adalah untuk meningkatkan dan memvalidasi metodologi sensus, menghasilkan informasi tambahan atau alternatif tentang distribusi geografis komputasi ai cloud publik, dan membantu menjelaskan pola geografis yang diamati.

dimana gpu ai-nya?

gambar 1 menunjukkan perkiraan lokasi area cloud publik yang ditemukan dalam sensus. tabel 4 menunjukkan berapa banyak wilayah cloud yang ada di setiap negara dan berapa banyak wilayah tersebut yang menawarkan instans gpu. dari perspektif tata kelola komputasi, salah satu karakteristik data yang paling penting adalah sebagian besar negara di dunia tidak memiliki wilayah cloud publik sama sekali. dari 39 negara yang memiliki satu atau lebih wilayah cloud, 30 negara memiliki wilayah cloud yang mendukung gpu.

fitur menarik lainnya adalah bahkan di negara-negara dengan wilayah cloud berkemampuan gpu, distribusi wilayah secara geografis sangat terpolarisasi:jika digabungkan, jumlah wilayah tiongkok dan amerika serikat (49) hampir sama banyaknya dengan gabungan wilayah seluruh dunia (52). dari keduanya, jumlah wilayah dukungan gpu di tiongkok sedikit lebih tinggi (27) dibandingkan amerika serikat (22).

analisis lebih lanjut dapat dilakukan dengan memeriksa jenis instance gpu yang ditawarkan di setiap negara. pola yang paling jelas adalah bahwa amerika serikat memiliki gpu terbaru dan terkuat di dunia tidak hanya dalam proporsi berbagai jenis instance yang tersedia, namun juga dalam jumlah yang banyak. amerika serikat adalah satu-satunya negara di mana gpu nvidia a100 2020 tersedia di lebih banyak wilayah dibandingkan gpu v100 2017. as juga memiliki beberapa wilayah yang menawarkan gpu nvidia h100 2023. wilayah cloud di tiongkok sebagian besar didasarkan pada v100, dan beberapa wilayah menyediakan instans a100. h100 tidak tersedia di wilayah mana pun di tiongkok. hanya 15 negara di seluruh dunia yang menawarkan a100, hanya satu negara yang menawarkan h100, dan wilayah lainnya murni berbasis v100.

analisis ini tidak memperhitungkan chip akselerasi khusus (seperti tpu), juga tidak memperhitungkan perbedaan jumlah gpu yang tersedia di berbagai wilayah. informan yang diwawancarai mencatat bahwa jumlah gpu dengan jenis yang sama yang tersedia di berbagai wilayah dapat sangat bervariasi antar wilayah dan penyedia. seorang informan mencatat: "penyedia layanan cloud skala besar hampir memberikan kesan mahakuasa dalam hal komputasi atau penyimpanan dan tampaknya mampu menangani masalah apa pun yang anda hadapi. namun hal itu tidak sepenuhnya terjadi." jumlah gpu yang tersedia di suatu wilayah mungkin sangat terbatas, sehingga hanya sejumlah kecil pelanggan yang dapat menjalankan instance gpu di wilayah tersebut, atau hanya dapat melatih model berskala lebih kecil dalam jangka waktu yang wajar.

aws dan microsoft saat ini diyakini memiliki cluster gpu cloud terbesar, namun "pasti ada perbedaan antar wilayah dalam hal ini."namun, jumlah gpu dan distribusinya dalam wilayah penyedia dianggap sebagai informasi yang sangat rahasia oleh penyedia cloud skala besar. tidak ada penyedia informasi kami yang bersedia atau mampu memberikan data spesifik atau menunjukkan bagaimana informasi ini dapat diperoleh secara publik. namun secara umum diyakini bahwa jumlah gpu di amerika serikat mungkin jauh lebih besar dibandingkan wilayah lain di dunia yang memiliki gpu serupa. wilayah tiongkok mungkin juga memiliki lebih banyak chip v100 untuk mengimbangi kinerjanya yang relatif rendah. wawancara kami menunjukkan bahwa meskipun jumlah gpu per wilayah dapat dimasukkan dalam analisis ini, hal ini mungkin tidak menantang pola dominan yang dijelaskan di atas, namun justru memperkuat pola tersebut.

mengapa fokus pada amerika serikat?

apa yang melatarbelakangi keunggulan as dalam komputasi ai cloud publik yang canggih dibandingkan dengan tiongkok dan negara-negara lain? salah satu penjelasan yang jelas adalah kontrol ekspor pemerintah as yang melarang ekspor chip a100 dan h100 ke tiongkok. penyedia cloud tiongkok akan dapat mengimpor beberapa chip a100 sebelum kontrol ekspor berlaku pada tahun 2023, tetapi h100 telah tunduk pada kontrol ekspor sejak produk tersebut dirilis. demikian pula, chip h800 dan a800 ditempatkan di bawah kendali ekspor segera setelah peluncurannya. v100, yang jauh lebih lemah dibandingkan chip ini, adalah jenis instans gpu nvidia yang paling umum di tiongkok karena tidak tunduk pada kontrol ekspor.

namun, kontrol ekspor tidak dapat menjelaskan mengapa negara-negara lain selain tiongkok sebagian besar menggunakan gpu lama. ada beberapa penjelasan yang mungkin. penjelasan sederhananya adalah gesekan difusi inovasi, yang mengacu pada proses difusi gpu di pasar. gpu yang lebih baru kemungkinan besar akan dipasang pertama kali di amerika serikat, di mana nvidia memiliki jaringan distribusi terkuat sejak berkantor pusat di amerika serikat. seiring waktu, gpu canggih akan secara bertahap menyebar ke pasar yang relatif jauh. “saya berasumsi bahwa hampir semua gpu pada awalnya ditujukan ke wilayah amerika utara, namun sekarang seharusnya ada klaster yang cukup besar di eropa,” salah satu informan berspekulasi.

penjelasan potensial lainnya mengenai keunggulan komputasi awan di as berasal dari perbedaan geografis dalam struktur permintaan awal, yang dikombinasikan dengan skala ekonomi menciptakan semacam “ketergantungan jalur” yang mempertahankan konsentrasi komputasi ai di wilayah geografis tertentu. salah satu informan menjelaskan:"hanya ada sedikit pembeli cloud yang benar-benar melakukan pengembangan ai yang inovatif... jadi tidak perlu menyebarkan kemampuan tersebut... anda memerlukan beberapa superkluster untuk membentuk sejumlah besar daya komputasi di lokasi tertentu, tidak perlu untuk meniru kemampuan ini di mana pun.”

perusahaan dan peneliti pertama yang fokus pada pelatihan model ai skala besar muncul di amerika serikat, sehingga penyedia cloud memusatkan kekuatan komputasi pelatihan mereka yang paling kuat di sana. namun meskipun permintaan komputasi meningkat di tempat lain di seluruh dunia, hal ini tidak berarti pertumbuhan infrastruktur komputasi lokal juga meningkat, karena pengembang sering kali dapat mengirimkan tugas pelatihan ke wilayah cloud di as tanpa mengalami penurunan kinerja yang signifikan. dengan demikian, kepemimpinan komputasi awal amerika serikat dapat dipertahankan.

para informan percaya bahwa situasi dengan daya komputasi yang digunakan untuk menerapkan ai berbeda. dalam banyak kasus penggunaan ai, seperti asisten suara, pengalaman pengguna dapat dipengaruhi oleh latensi jika jarak antara pengguna dan server terlalu jauh. biaya transfer data juga bisa menjadi masalah bisnis. oleh karena itu, aplikasi semacam itu paling baik diterapkan pada infrastruktur komputasi yang lebih dekat dengan pengguna. hal ini juga menjelaskan mengapa chip v100, yang tidak cukup kuat untuk pelatihan - namun masih cocok untuk tugas inferensi meskipun lebih lambat - didistribusikan secara lebih merata di seluruh dunia dibandingkan chip yang lebih canggih.

namun, ada beberapa pengecualian yang tidak sesuai dengan pola umum amerika serikat yang memiliki gpu paling canggih.jepang, inggris, dan perancis masing-masing memiliki jumlah area dukungan a100 yang sama dengan jumlah area dukungan v100. masing-masing negara ini mempunyai aktivitas pengembangan ai lokal yang signifikan.mungkin ada hambatan peraturan atau politik yang menghalangi pengembang lokal mengirimkan data ke amerika serikat untuk pelatihan. seorang informan mencatat: “saat ini, ada sektor publik atau pemain penting di eropa yang perlu melatih model tingkat gpt-4 dengan data yang tidak dapat meninggalkan eropa…jika penyedia cloud hyperscale tidak menanggapi permintaan ini, saya akan terkejut.”

dalam konteks ini, para informan menyebutkan diskusi kebijakan mengenai “kedaulatan digital”, “kedaulatan data”, dan “kedaulatan komputasi”, yang dapat meningkatkan kebutuhan akan pelatihan komputasi lokal. belanda dan irlandia juga memiliki jajaran gpu yang kecil namun relatif canggih. hal ini mungkin terkait dengan posisi strategis negara-negara tersebut sebagai pusat infrastruktur bagi beberapa penyedia cloud berskala besar. khususnya, belanda adalah satu-satunya negara di luar amerika serikat yang memiliki wilayah cloud dengan gpu h100.

distribusi global komputasi swasta dan pemerintah

studi ini berfokus pada komputasi awan publik, yang penting namun bukan satu-satunya sumber komputasi. dalam komputasi cloud publik, pengumpulan data kami berfokus pada gpu nvidia dan enam penyedia layanan cloud hyperscale terkemuka.

akankah posisi relatif berbagai jenis penyedia komputasi skala besar berubah, sehingga menantang geografi komputasi yang saat ini diamati? cluster gpu adalah barang modal mahal yang memerlukan pemanfaatan tinggi untuk mencapai roi yang wajar, yang menjelaskan mengapa cluster berskala besar terutama dibangun sebagai infrastruktur bersama, baik milik pemerintah (seperti superkomputer ilmiah) atau dalam beberapa tahun terakhir milik swasta (seperti cloud publik). ). komputasi milik pemerintah tampaknya mulai bangkit kembali dalam skala kecil di seluruh dunia dalam bentuk inisiatif komputasi ai nasional. misalnya, kelompok kerja national ai resources (nair) di amerika serikat bertujuan untuk menciptakan infrastruktur komputasi publik untuk “mendemokratisasikan penelitian ai.” namun, dalam banyak kasus, skala investasi pemerintah tampaknya tidak cukup untuk benar-benar menantang dominasi tersebut status. banyak upaya pemerintah baru-baru ini yang juga dilakukan melalui kemitraan dengan penyedia layanan cloud skala besar ini, dan pada kenyataannya proyek-proyek ini bergantung pada infrastruktur swasta.

superkomputer lumi baru dari konsorsium komputasi kinerja tinggi eropa memberikan contoh tandingan.terletak di kajaani, finlandia, lumi didirikan bekerja sama dengan pemerintah negara-negara anggota ue dan terdiri dari sekelompok 11.912 gpu yang dirancang oleh saingan nvidia, amd. skalanya dapat menjadikannya alternatif yang serius terhadap infrastruktur komputasi awan “publik” swasta untuk infrastruktur pengembangan ai. mengingat lokasinya di ue, perusahaan ini tidak menentang kesenjangan komputasi utara-selatan seperti yang ditunjukkan pada gambar 2. namun, hal ini dapat membantu mematahkan citra bipolar amerika serikat dan tiongkok sebagai satu-satunya negara adidaya ai.

cluster komputasi swasta baru juga berkembang. tpu google mungkin menyumbang sebagian besar komputasi ai. aws dan microsoft sama-sama berencana memproduksi chip mereka sendiri. meta mengumumkan investasi besar-besaran dalam membangun kekuatan komputasi swasta: ceo mark zuckerberg mengklaim akan menginvestasikan 340.000 unit nvidia h100 dan a100 pada tahun 2023, microsoft mengklaim menghabiskan ratusan juta dolar untuk mendukung chatbot cluster chatgpt openai. perusahaan teknologi besar mungkin dapat mencapai pemanfaatan klaster skala besar yang tinggi hanya berdasarkan kebutuhan internal dan mitra mereka. namun klaster yang awalnya digunakan sebagai cluster privat mungkin akan beralih ke infrastruktur cloud bersama seiring dengan berkurangnya kebutuhan internal.hal ini mengaburkan perbedaan antara kemampuan komputasi awan swasta dan publik (seperti perumahan umum).

kesenjangan dalam komputasi ai

mengatur ai melalui komputasi adalah ide yang kuat karena komputasi terdiri dari infrastruktur fisik yang besar dan dapat diamati. infrastruktur ini harus berlokasi secara fisik di suatu tempat dan oleh karena itu rentan terhadap yurisdiksi teritorial, yang merupakan bentuk yurisdiksi yang paling dapat diterapkan oleh semua negara bagian, baik besar maupun kecil. namun, penelitian menunjukkan bahwa infrastruktur komputasi tidak terdistribusi secara merata di seluruh dunia, dan distribusi geografisnya sangat menentukan kemungkinan negara-negara lain akan menggunakan komputasi sebagai titik intervensi ai.

penelitian ini menghidupkan kembali gagasan umum tentang dua negara adidaya ai yang terjebak dalam “perlombaan senjata” komputasi, dengan amerika serikat memiliki keunggulan dalam kualitas chip dan tiongkok berusaha menjembatani kesenjangan tersebut melalui kuantitas.pembatasan ekspor as pada gpu tingkat lanjut tampaknya berperan, karena tidak ada penyedia cloud publik yang menawarkan chip h100 2023 di tiongkok, begitu pula h800 atau a800, yang dikembangkan untuk menghindari pembatasan ini. demikian pula, rusia dan iran, dua negara yang terkena sanksi barat, tidak memiliki fasilitas komputasi ai cloud publik dalam sampel kami.

namun, selain perspektif persaingan kekuatan besar geopolitik, penelitian juga mengusulkan kategori konseptual lain terkait tata kelola ai berbasis komputasi. selain amerika serikat dan china, 15 negara lain juga memiliki gpu yang paling penting untuk pengembangan ai, yakni a100 dan h100. negara-negara lapis pertama ini, kecuali india, semuanya terletak di wilayah yang disebut “utara global”. dengan analogi, sebut saja mereka "menghitung utara". negara-negara komputasi utara ini dapat menggunakan yurisdiksi teritorial mereka untuk melakukan intervensi dalam pengembangan ai, terutama ketika model dikirim ke wilayah cloud publik lokal mereka untuk pelatihan. misalnya, mereka dapat mempengaruhi jenis sistem ai yang memasuki pasar global dengan mewajibkan algoritme dan kumpulan data lulus audit dan disertifikasi sebagai sistem yang mematuhi peraturan setempat sebelum pelatihan dapat dimulai.

tingkat kedua mencakup 13 negara yang kekuatan komputasinya lebih cocok untuk penerapan sistem ai dibandingkan pengembangannya. kecuali swiss, negara-negara ini semuanya terletak di selatan dunia, oleh karena itu disebut “selatan komputasi”. misalnya, ada lima wilayah cloud yang didukung gpu di amerika latin, namun tidak satu pun dari wilayah tersebut memiliki gpu yang lebih kuat daripada v100 yang dirilis pada tahun 2017. negara-negara ini dapat menggunakan yurisdiksi teritorial mereka atas komputasi untuk mengontrol sistem ai mana yang dapat diterapkan secara lokal, namun pengaruhnya terhadap pengembangan sistem ai lebih kecil.

selain "computing north" dan "computing south", ada juga "computing desert", istilah yang digunakan untuk merujuk pada semua negara di dunia yang tidak memiliki komputasi awan ai publik (baik untuk pelatihan atau penerapan ).bagi negara-negara ini, beralih ke layanan ai berbasis cloud berarti mengandalkan infrastruktur yang dikembangkan dan diterapkan di yurisdiksi asing. computational desert mencakup beberapa negara kaya namun juga semua negara berpendapatan menengah ke bawah dan negara berpendapatan rendah yang diklasifikasikan oleh dana moneter internasional (imf). menghitung dampaknya terhadap negara-negara gurun dapat bervariasi tergantung pada seberapa kaya negara tersebut. negara-negara kaya di wilayah gurun pasir mungkin dapat memanfaatkan keunggulan mereka yang lain—seperti pengaruh diplomasi terhadap sektor komputasi di wilayah utara dan kekayaan yang cukup untuk membangun kekuatan komputasi milik pemerintah—untuk mengimbangi kelemahan mereka karena kurangnya komputasi ai cloud publik lokal, namun gurun komputasi negara-negara miskin mempunyai sedikit prospek untuk mempengaruhi ai melalui tata kelola komputasi.

mirip dengan para peneliti yang mengamati “kesenjangan komputasi” antara akademisi dan industri, penelitian ini juga mengamati kesenjangan komputasi global, dan distribusi geografis komputasi ai cloud publik tampaknya mereproduksi pola-pola ketimpangan global yang lazim. dimulai pada pertengahan tahun 1990-an, diskusi mengenai digitalisasi mengusulkan agar keberhasilan memasuki “ekonomi pengetahuan” global yang baru akan didasarkan pada aset non-materi seperti pengetahuan dan kreativitas, dibandingkan mengandalkan aset material dan sumber daya yang dibutuhkan dalam era ekonomi industri. hal ini berarti negara-negara berkembang tidak perlu melakukan investasi infrastruktur yang mahal dan langsung terjun ke perekonomian berbasis pengetahuan. namun, diskusi hari ini mengenai ai sekali lagi menyoroti peran penting infrastruktur fisik seperti pabrik chip, pusat data, dan jaringan listrik dalam daya saing nasional. jika komputasi menjadi simpul tata kelola utama, maka infrastruktur fisik ini juga terbukti penting untuk mempertahankan kewenangan regulasi yang independen (lehdonvirta 2023). oleh karena itu, kekuatan komputasi suatu negara sampai batas tertentu juga disamakan dengan kekuatan politiknya.

apakah ini akan berubah? jika konsentrasi komputasi ai kelas atas di amerika serikat dan “komputasi utara” hanya disebabkan oleh gesekan dalam difusi inovasi, maka seiring berjalannya waktu dunia mungkin secara bertahap akan dibanjiri dengan kekuatan komputasi, sehingga mempersempit kesenjangan ini. saingan nvidia, seperti amd dan intel, sedang mengejar ketertinggalan dalam hal kinerja chip. pabrikan tiongkok juga mengembangkan chip pemrosesan ai, dan karena adanya kontrol ekspor dari as, terdapat permintaan domestik yang besar terhadap chip tersebut. ditambah dengan dukungan pemerintah, kesenjangan ini secara bertahap dapat melebar.

namun, jika pola geografis yang diamati lebih dijelaskan oleh ketergantungan jalur yang dihasilkan dari keunggulan penggerak pertama dan skala ekonomi, maka konsentrasi geografis, spesialisasi regional, dan pembagian kerja internasional dapat menjadi ciri-ciri produksi komputasi yang bertahan lama, seperti yang terjadi di banyak negara lain. industri sama.

tulis di akhir

siapa yang memiliki gpu paling banyak? jawaban atas pertanyaan ini tampaknya sudah siap, namun di balik pertanyaan ini pada dasarnya adalah distribusi daya komputasi yang tidak merata. cara memperbaiki ketidakseimbangan daya komputasi dan memungkinkan lebih banyak orang di dunia komputasi menikmati kenyamanan yang dibawa oleh ai mungkin akan sulit diselesaikan dalam waktu singkat.