Wakil Presiden Senior untuk Pembelajaran Mendalam di Nvidia percaya bahwa pengeluaran komputasi AI melampaui biaya gaji tenaga manusia

Perkembangan cepat kecerdasan buatan membuat biaya perangkat keras dan komputasi yang dihadapi perusahaan terus meningkat secara signifikan. Bryan Catanzaro, wakil presiden urusan deep learning di Nvidia, baru-baru ini menyatakan kepada media bahwa biaya komputasi kecerdasan buatan melampaui pengeluaran gaji karyawan, sehingga dalam penerapan nyata AI belum tentu dapat menurunkan biaya tenaga kerja seperti yang diharapkan.

Pengeluaran komputasi AI lebih tinggi daripada biaya gaji profesional

Bryan Catanzaro, wakil presiden penerapan deep learning di Nvidia, mengakui dalam wawancara dengan media bahwa bagi tim teknis yang dipimpinnya, biaya komputasi untuk menjalankan model kecerdasan buatan jauh lebih tinggi dibandingkan pengeluaran gaji untuk merekrut teknisi profesional tingkat tinggi. Pengamatan ini menantang pandangan umum di pasar bahwa kecerdasan buatan pasti bisa menghemat biaya operasional perusahaan. Meskipun kecerdasan buatan memiliki kemampuan untuk memproses data dalam jumlah besar, biaya perangkat keras berperforma tinggi, pasokan listrik, dan biaya pemeliharaan yang dibutuhkan di baliknya sangat mahal, sehingga dalam bidang pengembangan teknis tertentu, biaya pengoperasian mesin justru lebih membebani dibanding biaya tenaga kerja manusia, membentuk pola pengeluaran berintensitas modal baru.

Teknologi otomatisasi belum memiliki kelayakan ekonomi pada sebagian besar pekerjaan

Data penelitian yang diterbitkan oleh MIT (Institut Teknologi Massachusetts) pada tahun 2024 memberikan dukungan akademis untuk pengamatan biaya ini. Penelitian tersebut menganalisis berbagai tugas yang bergantung pada penilaian visual, dan menemukan bahwa otomatisasi kecerdasan buatan saat ini hanya memiliki manfaat ekonomi pada sekitar 23% pekerjaan, sementara pada 77% pekerjaan lainnya, mempekerjakan karyawan manusia tetap merupakan pilihan yang lebih murah dan lebih efisien. Penelitian menyebutkan bahwa agar kecerdasan buatan mencapai tingkat kinerja yang setara dengan manusia, investasi pada perangkat lunak dan perangkat keras yang dibutuhkan sangat besar; bagi kebanyakan perusahaan kecil-menengah atau industri tertentu, ambang batas finansial untuk otomatisasi penuh masih terlalu tinggi. Selain itu, kesalahan yang disebabkan oleh ketidakmatangan teknologi, seperti risiko kerusakan basis data yang dilaporkan oleh para insinyur, juga menambah biaya yang tidak terlihat.

Pihak industri teknologi menghadapi tekanan berlebih untuk penataan ulang anggaran

Meskipun biaya investasi awal sangat mengejutkan, belanja kecerdasan buatan di perusahaan teknologi besar tidak meredakan. Berdasarkan statistik, para pemimpin teknologi global diperkirakan akan menginvestasikan sekitar 7.400 miliar dolar AS pada infrastruktur terkait kecerdasan buatan pada tahun 2024, meningkat signifikan dibanding tahun sebelumnya. Namun, investasi berintensitas tinggi ini juga berdampak pada perencanaan keuangan perusahaan. Praveen Neppalli Naga, chief technology officer (CTO) Uber, menyatakan bahwa penerapan alat pengkodean berbasis kecerdasan buatan meningkatkan biaya riset dan pengembangan secara keseluruhan, sehingga perusahaan harus meninjau ulang rencana penyusunan anggaran, karena pengeluaran aktual sering kali jauh melampaui kisaran yang semula diperkirakan. Ini menunjukkan bahwa sementara teknologi kecerdasan buatan meningkatkan efisiensi, ia juga memberi tekanan pada arus kas dan alokasi sumber daya perusahaan.

Pada saat perusahaan berinvestasi pada kecerdasan buatan, mereka juga sedang melakukan pemutusan kerja secara besar-besaran. Statistik menunjukkan bahwa sejak awal tahun ini, lebih dari 92.000 tenaga kerja bidang teknologi telah kehilangan pekerjaan; laju pemutusan kerja jauh lebih cepat dibanding standar pada tahun-tahun sebelumnya, yang mencerminkan periode integrasi ketika industri teknologi menyeimbangkan keuangan dan bertransisi teknis. Meskipun saat ini biaya komputasi sangat tinggi, seiring matangnya infrastruktur dan meningkatnya efisiensi pengoperasian model, masih ada ruang bagi penurunan struktur biaya. Apakah kecerdasan buatan di masa depan benar-benar dapat menunjukkan manfaat ekonomi, bergantung pada apakah teknologi tersebut mampu mewujudkan penerapan skala yang lebih stabil dengan mengurangi kebutuhan pengawasan manusia, bukan hanya pertimbangan biaya semata.

Artikel ini 认为 AI 運算支出超越人力薪資成本 最早出現於 鏈新聞 ABMedia.