AI Infrastruktura

Co je AI infrastruktura?

AI infrastruktura označuje kompletní technologický stack potřebný k trénování, nasazování a provozování systémů umělé inteligence ve velkém měřítku. Zahrnuje specializované čipy, datová centra, sítě, energetické systémy, chlazení a cloudové platformy, které tyto zdroje zpřístupňují.

Jak to popisuje Jensen Huang: “Stavíme AI továrny—datová centra, která vyrábějí inteligenci.”

Pět vrstev

1. Čipy (Akcelerátory)

Výpočetní motory pohánějící AI:

• GPU (NVIDIA H100, B200): Univerzální AI akcelerátory, dominantní na trhu
• TPU (Google): Vlastní křemík pro AI úlohy
• Vlastní ASIC (Amazon Trainium, Microsoft Maia): Cloudoví poskytovatelé staví vlastní
• AI čipové startupy (Cerebras, Groq, SambaNova): Alternativní architektury

2. Systémy

Balení čipů do použitelných konfigurací:

• DGX systémy: Kompletní AI superpočítačová řešení NVIDIA
• Pody/Superpody: Velké propojené clustery čipů
• Racky: Fyzická organizace výpočetního hardware

3. Sítě

Propojení čipů pro distribuované trénování:

• InfiniBand: Vysokopásmové, nízkoprodlevové propojení
• Inter-Chip Interconnect (ICI): Síťování TPU od Google na 9,6 Tb/s
• RDMA: Remote Direct Memory Access pro efektivní přesun dat

4. Datová centra

Fyzické prostory pro AI výpočty:

• Energetické požadavky: 10MW+ pro velké AI clustery
• Chlazení: Vzduchové, kapalinové a imerzní chladicí řešení
• Umístění: Poblíž levné energie (vodní, jaderná)

5. Cloudové platformy

Zpřístupnění infrastruktury:

• AWS (Amazon): EC2, Bedrock, Trainium
• Google Cloud: TPU, Vertex AI
• Microsoft Azure: Partnerství s OpenAI, vlastní křemík
• Neoclouds (CoreWeave, Lambda): Specializovaní poskytovatelé AI

Rozsah investic

AI infrastruktura řídí bezprecedentní kapitálové výdaje:

• Microsoft: 80+ miliard USD plánovaných investic do datových center
• Google: 75+ miliard USD v CapEx (2025)
• Amazon: Masivní výstavba čipů Trainium
• NVIDIA: 40+ miliard USD ročních příjmů z datových center

Průmysl je v multitriliónové infrastrukturní výstavbě srovnatelné s historickými transformacemi jako elektrifikace a internet.

Proč to záleží

Náklady na trénování: Modely třídy GPT-4 stojí 100M+ USD na vytrénování. Infrastruktura určuje, kdo může konkurovat.

Náklady na inference: Poskytování AI miliardám vyžaduje masivní, efektivní infrastrukturu.

Suverenita: Národy budují AI výpočetní kapacitu jako strategická aktiva.

Úzká místa: Dodávky čipů, dostupnost energie a kapacita datových center omezují pokrok AI.

”Prokletí vítěze”

Satya Nadella varuje před ekonomikou infrastruktury:

“If you’re a model company, you may have a winner’s curse. Frontier models risk being one copy away from commoditization.”

“Pokud jste modelová společnost, možná máte prokletí vítěze. Frontální modely riskují, že jsou jednu kopii od komoditizace.”

Poskytovatelé infrastruktury (cloudové platformy, výrobci čipů) mohou zachytit více hodnoty než samotní vývojáři AI modelů.

Energie a udržitelnost

AI datová centra řídí masivní poptávku po energii:

• Nové jaderné dohody: Restart tří mil ostrovů od Microsoftu, investice Amazonu do Talen Energy
• Zaměření na efektivitu: Více výpočtů na watt je nyní kritické
• Spotřeba vody: Chlazení vyžaduje významné vodní zdroje

Související čtení

• TPU - Vlastní AI čipy od Google
• Jensen Huang - CEO NVIDIA definující “AI továrny”
• Jeff Dean - Architekt infrastruktury Google