تُظهر أحدث ممارسات xAI أنه حتى مع نجاحها في الاستحواذ على عدد كبير من وحدات معالجة الرسومات (GPUs) من نوع Nvidia المخصصة للخوادم، لا يزال الاستخدام الأمثل لهذه الوحدات أحد أهم المعوقات في تدريب الذكاء الاصطناعي. ومع استمرار تنافس مطوري الذكاء الاصطناعي على قوة الحوسبة التي توفرها Nvidia، أصبح نقص وحدات معالجة الرسومات مصدر قلق واسع النطاق، لكن التحدي الجديد الذي يواجه هذا القطاع يكمن في "كفاءة الاستخدام" نفسها. عادةً ما يتسم تدريب نماذج الذكاء الاصطناعي بطابع "متقطع" واضح: حيث تعمل وحدات معالجة الرسومات بكثافة عالية لفترات قصيرة، تليها فترات خمول لتحليل النتائج وتعديل الاستراتيجيات. هذا النمط غير المتكافئ لاستخدام قوة الحوسبة يجعل من الصعب على مجموعات وحدات معالجة الرسومات واسعة النطاق الحفاظ على استخدام عالٍ باستمرار، مما يؤدي إلى هدر كبير في قوة الحوسبة حتى مع وجود أجهزة كافية. ويشير خبراء الصناعة إلى أن هذه المشكلة تُجبر شركات الذكاء الاصطناعي على إعادة تصميم بنى التدريب وأنظمة الجدولة لتحسين كفاءة الاستخدام الإجمالية لمجموعات وحدات معالجة الرسومات، بدلاً من مجرد توسيع نطاق قوة الحوسبة. (ذا إنفورميشن)