Unconventional AI Bertujuan Memangkas Konsumsi Daya AI hingga 1.000x

Seiring dengan meningkatnya permintaan global akan kecerdasan buatan yang mengancam akan melampaui pasokan energi yang tersedia, sebuah startup baru sedang mencoba menulis ulang aturan arsitektur perangkat keras. Dipimpin oleh mantan kepala AI Databricks, Naveen Rao, Unconventional AI bertaruh pada metode komputasi baru yang radikal untuk mengatasi krisis energi yang membayangi industri ini.

Melampaui Arsitektur Silikon Tradisional

Inti dari misi Unconventional AI terletak pada pergeserannya dari chip konvensional yang saat ini menggerakkan Large Language Models (LLM) dan model difusi. Meskipun industri sebagian besar telah berfokus pada pengoptimalan arsitektur GPU dan TPU yang ada, Rao dan timnya membangun dari nol menggunakan arsitektur komputer berbasis osilator.

Pendekatan ini secara fundamental berbeda dari transistor yang digunakan dalam komputasi digital standar. Dengan memanfaatkan osilator, perusahaan ini bertujuan untuk melakukan pemrosesan inferensi dengan efisiensi yang belum pernah ada sebelumnya. Rao berpendapat bahwa pergeseran ini pada akhirnya dapat mengurangi konsumsi daya yang diperlukan untuk inferensi AI hingga 1.000 kali lipat, mengubah AI dari beban yang boros energi menjadi utilitas yang berkelanjutan.

Un0: "Hello World" dari Komputasi Berbasis Osilator

Untuk mendemonstrasikan kelayakan konsep perangkat keras radikal ini, perusahaan tersebut baru-baru ini meluncurkan model pertamanya, Un0. Meskipun Un0 saat ini berjalan pada simulasi perangkat lunak dari chip osilator yang direncanakan perusahaan, hasilnya sangat signifikan. Model ini adalah sistem pembuatan gambar yang mereplikasi performa model difusi mutakhir seperti Stable Diffusion atau GPT Image 1 milik OpenAI.

Menjelaskan perilisan tersebut sebagai "hello world" dari jenis komputer baru, Rao menekankan bahwa tujuannya adalah untuk membuktikan bahwa logika perangkat keras yang sepenuhnya berbeda tetap dapat menghasilkan output berkualitas tinggi dengan fidelitas tinggi. Makalah penelitian yang menyertainya merinci bagaimana arsitektur simulasi ini dapat berhasil menangani tugas-tugas generatif yang kompleks, memberikan peta jalan bagi perangkat keras fisik yang akan menyusul.

Mengatasi Hambatan Energi dalam Skalabilitas AI

Waktu pengembangan ini sangatlah krusial. Seiring dengan meningkatnya jumlah parameter dan kompleksitas model AI, kendala utama pertumbuhan bergeser dari ketersediaan data ke ketersediaan daya. Rao berpendapat bahwa energi akan menjadi "batas fundamental" bagi AI di tahun-tahun mendatang, menciptakan batasan keras bagi seberapa banyak kecerdasan yang dapat diterapkan.

Unconventional AI berencana untuk mengatasi hal ini dengan membangun stack inferensi yang lengkap. Peta jalannya meliputi:

  • Mengembangkan chip berbasis osilator fisik dan merilis skemanya.
  • Membangun seluruh sistem yang terdiri dari chip milik sendiri ini.
  • Menyediakan kapasitas komputasi sebagai layanan, di mana pengguna mengirimkan prompt melalui kabel jaringan dan menerima inferensi dengan biaya daya hanya 1/1000 dari biaya saat ini.

Meskipun perusahaan ini tetap ramping dengan kurang dari 50 karyawan, misinya menjawab hambatan makroekonomi paling signifikan yang dihadapi seluruh sektor AI: biaya listrik yang tidak berkelanjutan.

Poin-Poin Penting

  • Pergeseran Perangkat Keras Radikal: Unconventional AI beralih dari silikon tradisional menuju arsitektur berbasis osilator untuk mengoptimalkan inferensi AI.
  • Performa Terbukti: Model Un0 milik perusahaan menunjukkan bahwa arsitektur baru ini dapat menandingi kemampuan pembuatan gambar dari para pemimpin industri seperti Stable Diffusion.
  • Mengatasi Krisis Energi: Tujuan akhirnya adalah mengurangi konsumsi daya AI hingga 1.000x, guna mengatasi hambatan energi yang membayangi dan mengancam akan membatasi skalabilitas AI.