شکاف محاسباتی هوش مصنوعی: شرکت‌ها زیرساخت را سریع‌تر از آنچه می‌توانند هزینه‌های آن را اندازه‌گیری کنند، خریداری می‌کنند.
در میان 107 شرکت، هزینه‌کرد برای زیرساخت هوش مصنوعی با سرعتی بسیار بالاتر از توانایی درک و کنترل جنبه‌های اقتصادی آن در حال افزایش است. اکثر سازمان‌ها هوش مصنوعی خود را بر پایه ابررایانه‌های آشنا و APIهای ارائه‌دهنده مدل اجرا می‌کنند، اما دلار بعدی به سمت محاسبات تخصصی‌تری نشانه رفته است که تقریباً هیچ‌کدام از آن‌ها امروز از آن استفاده نمی‌کنند؛ اکثر آن‌ها قصد دارند در طول سال یا حتی در یک فصل، ارائه‌دهندگان خود را تغییر دهند یا به آن‌ها اضافه کنند. تصمیمات خرید بر اساس یکپارچگی و هزینه کل مالکیت (TCO) اتخاذ می‌شوند، نه قیمت اسمی توکن‌ها – که خوشبختانه، زیرا اکثر شرکت‌ها هنوز نمی‌توانند اقتصاد واحد خود را به وضوح ببینند: GPUها با کمتر از 50 درصد ظرفیت کار می‌کنند و کمتر از نیمی از آن‌ها به طور دقیق هزینه‌های واقعی محاسبات خود را پیگیری می‌کنند. نتیجه این، شکاف محاسباتی است – سرمایه‌گذاری سنگین و سریع که از دید مورد نیاز برای کنترل آن پیشی می‌گیرد.
این موج از تحقیقات VentureBeat Pulse به بررسی زیرساخت و محاسبات هوش مصنوعی در سطح سازمانی می‌پردازد: اینکه سازمان‌ها در چه مرحله‌ای از سفر استقرار خود قرار دارند، امروز هوش مصنوعی را روی چه چیزی اجرا می‌کنند، چقدر از آن راضی هستند، چه چیزی باعث می‌شود آن‌ها ارائه‌دهنده خود را تغییر دهند، کجا قصد دارند سرمایه‌گذاری‌های خود را ارزیابی کنند و – مهم‌تر از همه – چقدر می‌توانند اقتصاد محاسبات زیربنایی را اندازه‌گیری و کنترل کنند.
یافته اصلی، شکاف محاسباتی است – فاصله بین میزان تهاجمی سرمایه‌گذاری شرکت‌ها در زیرساخت هوش مصنوعی و میزان درکی که از جنبه‌های اقتصادی آن دارند. تنها حدود یک پنجم (21%) هوش مصنوعی را در مقیاس تولید اجرا می‌کنند، اما نیات هزینه‌کرد از این سطح بلوغ پیشی می‌گیرد؛ بزرگترین برنامه‌ریزی شده