Скільки графічних процесорів (GPU) знадобиться, щоб зробити генерацію тексту у відео масовим? Сотні тисяч – і більше, ніж зараз використовується Microsoft, Meta та Google разом узятими.

Перша демонстрація генератора тексту-у-відео OpenAI Sora вразила світ, і цей інтерес до токенів штучного інтелекту (ШІ) відродився, і після демонстрації багато з них зросли .

У наступні тижні з’явилося багато Крипто проектів штучного інтелекту, які також обіцяли генерувати текст у відео та текст у зображеннях, а ринкова капіталізація категорії токенів штучного інтелекту тепер становить 25 мільярдів доларів , згідно з даними CoinGecko.

За обіцянками створених за допомогою ШІ відео стоять армії графічних процесорів (GPU), процесорів, таких як Nvidia та AMD, які роблять революцію ШІ можливою завдяки своїй здатності обчислювати великі обсяги даних.

Але скільки графічних процесорів знадобиться, щоб відео, створене штучним інтелектом, стало масовим? У 2023 році у своєму арсеналі було більше, ніж у великих технологічних компаній.

За оцінками нещодавнього дослідницького звіту Factorial Funds, для підтримки спільноти творців TikTok і YouTube потрібно 720 000 високоякісних графічних процесорів Nvidia H100.

Сора, як пише Factorial Funds, потребує до 10 500 потужних графічних процесорів протягом місяця для навчання, і може генерувати лише близько 5 хвилин відео на годину на графічний процесор для висновків.

Як показано на діаграмі вище, навчання цьому вимагає значно більшої обчислювальної потужності, ніж GPT4 або генерація нерухомих зображень.

З широким впровадженням логічний висновок перевершить навчання використанню комп’ютера. Це означає, що в міру того, як все більше людей і компаній почнуть використовувати моделі штучного інтелекту, такі як Sora, для створення відео, потужність комп’ютера, необхідна для створення нових відео (висновок), стане більшою, ніж потужність, необхідна для початкового навчання моделі штучного інтелекту.

Щоб поглянути на ситуацію в перспективі, у 2023 році Nvidia поставила 550 000 графічних процесорів H100.

Дані Statista показують, що дванадцять найбільших клієнтів, які використовують графічні процесори Nvidia H100, разом мають 650 000 карт, а два найбільші — Meta та Microsoft — мають 300 000 один від одного.

Якщо припустити, що вартість картки становить 30 000 доларів США, то для реалізації мрій Sora про перетворення тексту у відео за допомогою штучного інтелекту потрібно 21,6 мільярда доларів, що становить майже всю ринкову капіталізацію токенів AI на даний момент.

Це якщо ви можете фізично придбати всі графічні процесори для цього.

Хоча Nvidia є синонімом революції ШІ, важливо пам’ятати, що це не єдина гра в місті.

Її постійний конкурент AMD на виробництві мікросхем AMD виробляє конкуруючі продукти, і інвестори також щедро винагородили компанію, піднявши її акції з діапазону 2 долари восени 2012 року до понад 175 доларів сьогодні.

Існують також інші способи передачі обчислювальної потужності на ферми GPU. Render (RNDR) пропонує розподілене обчислення GPU, як і мережа Akash (AKT). Але більшість графічних процесорів у цих мережах — це ігрові графічні процесори роздрібного рівня, які значно менш потужні, ніж H100 серверного рівня від Nvidia або конкурентів від AMD.

Незважаючи на це, обіцянка перетворення тексту у відео, яку обіцяють Sora та інші протоколи, вимагатиме величезної апаратної зміни. Хоча це інтригуюча передумова, яка може революціонізувати творчий процес Голлівуду, T очікуйте, що вона незабаром стане мейнстрімом.

Нам знадобиться більше фішок.