Le PDG d’IBM, Arvind Krishna, a mis en garde Le décodeur podcast selon lequel la course de l’industrie technologique pour construire une infrastructure d’intelligence artificielle pourrait manquer de viabilité financière en raison de coûts énormes estimés à des milliards de dollars. Krishna a calculé que l’équipement d’un seul centre de données d’un gigawatt nécessiterait environ 80 milliards de dollars aux prix actuels. Les entreprises ciblant 20 à 30 gigawatts d’infrastructures engageraient des dépenses en capital d’environ 1 500 milliards de dollars. Il a précisé que ces chiffres constituent « les chiffres d’aujourd’hui », notant que les coûts pourraient évoluer à mesure que l’industrie se développe. Krishna a souligné la pression financière persistante due à la dépréciation du matériel. Les puces d’IA avancées doivent être remplacées tous les cinq ans, établissant ainsi un cycle de réinvestissement perpétuel. Il a déclaré : « Si je regarde le total des engagements dans le monde dans cet espace, dans la poursuite de l’AGI, cela semble être d’environ 100 gigawatts. » Cette quête mondiale de l’intelligence artificielle générale équivaut à environ 8 000 milliards de dollars de dépenses en capital, à raison de 80 milliards de dollars par gigawatt. Le service des intérêts sur cet investissement nécessiterait environ 800 milliards de dollars de bénéfices annuels. Krishna a évalué les chances des technologies actuelles de grands modèles de langage d’atteindre l’intelligence artificielle générale à « zéro à 1 % » de chances en l’absence de percées supplémentaires. Il a reconnu que l’intelligence artificielle avait la capacité de débloquer des milliards de dollars de productivité dans l’entreprise. Une véritable intelligence artificielle générale exigerait cependant l’intégration de modèles de langage avec des systèmes de « connaissances matérielles ». Krishna a exprimé des doutes sur le succès de cette combinaison.
