Iginiit ni Huang ng Nvidia na ang AI ay lumilikha ng mga trabaho, hindi pumupuksa sa mga ito, sa isang bihirang opisyal na blog post

Mga Dapat Malaman:

Nakatanggap ang debate hinggil sa mga trabaho sa AI ng pinakamatalas na pagsagot nitong Martes, mula mismo sa taong nagbebenta ng hardware.

Naglabas si Nvidia CEO Jensen Huang ng isang bihirang artikulo nitong Martes na nagpapaliwanag ng tinatawag niyang "five-layer cake" ng AI infrastructure: enerhiya sa pinakailalim, kasunod ang mga chips, pisikal na imprastraktura, mga modelo, at mga aplikasyon.

Ipinwesto nito ang AI hindi bilang isang software product o chatbot kundi bilang isang industriyal na pagpapaunlad na halos kasinglaki ng elektripikasyon, na nangangailangan ng trilyong dolyar sa pisikal na konstruksyon at napakalaking lakas-paggawa ng mga elektrisyan, tubero, pipefitter, manggagawa sa bakal, at network technician.

"Ito ay mga bihasa at mataas ang sahod na trabaho, at kulang ito sa suplay. Hindi mo kailangan ng PhD sa computer science para makalahok sa pagbabagong ito," aniya.

Ang argumento ni Huang kung bakit kailangang maging malaki ang pagpapaunlad ay nagsisimula sa pundamental na pagbabago sa paraan ng paggana ng computing.

Ang tradisyonal na software ay kumukuha ng mga nakaimbak na tagubilin, habang ang AI naman ay lumilikha ng mga bagong resulta sa real time, at bawat sagot ay nililikha mula sa ibinigay na konteksto. Hindi ito naghahanap ng sagot, kundi nag-rereason at lumilikha sa mismong sandaling kailangan.

Dahil ang intelligence ay nililikha sa real time, kailangang baguhin ang buong computing stack sa ilalim nito, kaya’t ang AI ay nangangailangan ng purpose-built na imprastraktura mula sa enerhiya pa lang pataas, imbes na gamitin ang kasalukuyang mga data center.

Tama ang timing. Dumating ang artikulo matapos ang ilang linggo ng lumalaking pangamba hinggil sa epekto ng AI sa trabaho, mula sa Block Inc.’s hanggang sa kay Anthropic CEO Dario Amodei. Ang mga tech stocks ay bumababa mula pa noong unang bahagi ng taon dahil sa kombinasyon ng mga pangambang ito.

Gayunpaman, ang artikulo ni Huang ay tuwirang kontra-naratibo. Ginamit niya ang radiology bilang halimbawa, iginiit na ang AI ay tumutulong sa pagbasa ng scans ngunit tuloy pa ring tumataas ang demand para sa mga radiologist dahil ang produktibidad ay naglalikhang kapasidad at ang kapasidad ay nagdadala ng paglago. “Hindi iyon isang paradoks,” sulat niya.

Inilalagay ni Huang ang enerhiya bilang pundasyon ng AI era.

"Ang intelligence na nililikha sa real time ay nangangailangan ng kuryenteng nililikha rin sa real time," sulat niya. "Ang enerhiya ang pangunahing prinsipyo ng AI infrastructure at ang pangunahing limitasyon sa kung gaano karaming intelligence ang kayang gawin ng sistema."

Ang ganitong pagbibigay-kahulugan ay may implikasyon lampas sa supply chain ng Nvidia. Kung ang enerhiya ang pangunahing limitasyon ng AI, kung gayon ang anumang gumagambala sa supply ng enerhiya, kasama ang kasalukuyang digmaan sa Middle East, ay hindi lamang macro headwind para sa mga merkado. Isa itong direktang bottleneck kung gaano kabilis kayang mag-scale ang AI.

Kinilala rin ni Huang na maaga pa ang pagpapaunlad. "Nasa ilang daang bilyong dolyar pa lang tayo. Trilyong dolyar ng imprastraktura pa ang kailangang itayo," aniya, na idinagdag na ang mga AI factories ay kasalukuyang itinatayo "sa hindi pa nagaganap na lawak" sa buong mundo.

Nagbigay din siya ng pansin sa mga open-source na modelo, binanggit ang DeepSeek-R1 bilang halimbawa kung paano ang libreng pagbibigay ng malalakas na reasoning model ay "nagmamadali sa pag-ampon sa application layer at nagpapataas ng demand para sa training, imprastraktura, chips, at enerhiya sa ilalim nito." Ang open-source ay hindi banta sa negosyo ng Nvidia. Ito ay nagpapalakas pa nga rito.