報告中提到，除了 DRAM 成本翻倍之外，AI 生態系統還面臨 GPU 供應不足和設備更新的壓力。由於 AI 模型訓練和推理需要大量的計算資源，高效能 GPU 的需求持續增長，但供應商的生產能力可能無法完全滿足市場需求。這導致 GPU 的價格居高不下，使得 AI 開發者和雲端服務商在硬體採購方面面臨更大的經濟壓力。此外，隨著 AI 技術的不斷發展，現有設備可能需要不斷升級以支援最新的演算法和模型，這也增加了設備更新的成本和頻率。
AI 伺服器需要大量的電力來支援其運算，這對現有的電力基礎設施提出了嚴峻的挑戰。為了滿足 AI 伺服器的電力需求，資料中心需要進行電力基礎設施的升級，包括變壓器、電纜和冷卻系統等。這些升級不僅需要大量的資金投入，還需要考慮到環境永續性的問題。此外，一些地區可能面臨電力供應不足的問題，這可能會限制 AI 伺服器的部署和運行。
記憶體價格上漲、GPU 供應短缺和電力基礎設施升級等因素共同導致了雲端服務商和 AI 開發者的營運成本增加。為了維持競爭力，他們可能需要將這些成本轉嫁給使用者，導致 AI 服務的價格上漲。這可能會降低使用者對 AI 服務的接受度，並對 AI 技術的普及產生一定的阻礙。同時，高昂的營運成本也可能會限制小型 AI 開發者的發展，使得大型企業在 AI 領域擁有更大的優勢。
This is a simplified version of the page. Some interactive features are only available in the full version.
本頁為精簡版，部分互動功能僅限完整版使用。
👉 View Full Version | 前往完整版內容