Такие технологические гиганты, как Microsoft, Alphabet и Meta, получают выгоду от доходов от облачных сервисов на основе искусственного интеллекта, но в то же время тонут в огромных затратах, связанных с расширением технологий искусственного интеллекта. Текущие финансовые отчеты рисуют картину о двух концах: с одной стороны, впечатляющие прибыли, с другой, головокружительные расходы.
Эта дихотомия и привела к этому Блумберг чтобы метко описать развитие ИИ как «гигантскую бездонную яму», подчеркнув сложную экономическую реальность, стоящую за сегодняшней революцией ИИ. В основе этой финансовой проблемы лежит неустанное стремление к созданию более крупных и сложных моделей ИИ. Стремление к созданию общего искусственного интеллекта (AGI) привело компании к разработке все более сложных систем, таких как большие языковые модели, такие как GPT-4. Эти модели требуют огромной вычислительной мощности и приводят к беспрецедентному уровню затрат на оборудование.
Кроме того, резко возрос спрос на специализированные чипы искусственного интеллекта, особенно на графические процессоры (GPU). Nvidia, ведущий производитель в этой области, заметила, что ее рыночная стоимость быстро растет, поскольку технологические компании стремятся приобрести эти важные компоненты. Его графический чип H100, золотой стандарт для обучения моделей искусственного интеллекта, продается примерно за 30 000 долларов, а некоторые реселлеры предлагают его во много раз дороже.
Глобальная нехватка чипов только усугубила эту проблему: некоторым компаниям приходится месяцами ждать, чтобы приобрести необходимое оборудование. Генеральный директор Meta Цукерберг сказал раньше что его компания планирует приобрести 350 000 чипов H100 к концу этого года для поддержки своих исследований в области искусственного интеллекта. Даже если он получит оптовую скидку, это быстро вырастет до миллиардов долларов.
С другой стороны, стремление к более совершенному искусственному интеллекту также спровоцировало гонку вооружений в разработке чипов. Такие компании, как Google и Amazon, вкладывают значительные средства в разработку своих процессоров для искусственного интеллекта, чтобы получить конкурентное преимущество и снизить зависимость от сторонних поставщиков. Эта тенденция к использованию нестандартных кремниевых чипов еще больше увеличивает сложность и стоимость процесса разработки ИИ.
Но проблема аппаратного обеспечения выходит за рамки простого поиска чипов. Размер современных моделей ИИ требует огромных центров обработки данных, которые сталкиваются со своими технологическими препятствиями. Эти объекты должны быть спроектированы так, чтобы выдерживать экстремальные вычислительные нагрузки, одновременно эффективно контролируя рассеивание тепла и потребление энергии. По мере увеличения размеров моделей увеличивается и потребляемая мощность, что значительно увеличивает эксплуатационные расходы и воздействие на окружающую среду.
В одном Подкаст-интервью В начале апреля Дарио Амодей, генеральный директор Anthropic, конкурента OpenAI, заявил, что обучение текущих моделей ИИ на рынке стоит около 100 миллионов долларов. «Модели, которые сейчас обучаются и которые появятся в конце этого или начале следующего года, стоят около 1 миллиарда долларов», — сказал он. «И я думаю, что в 2025 и 2026 годах мы будем ближе к 5 или 10 миллиардам долларов».
А еще есть данные, источник жизненной силы систем искусственного интеллекта, которые создают свои собственные технологические проблемы. Потребность в массивных высококачественных наборах данных побудила компании вкладывать значительные средства в технологии сбора, очистки и аннотирования данных. Некоторые компании разрабатывают сложные инструменты для генерации синтетических данных в дополнение к реальным данным, что еще больше увеличивает затраты на исследования и разработки.
Быстрый темп инноваций в области искусственного интеллекта также означает, что инфраструктура и инструменты быстро устаревают. Компании должны постоянно обновлять свои системы и переучивать свои модели, чтобы оставаться конкурентоспособными, создавая постоянный цикл инвестиций и устаревания.
«25 апреля Microsoft заявила, что потратила 14 миллиардов долларов на капитальные затраты в последнем квартале и ожидает, что эти затраты «значительно возрастут», отчасти из-за инвестиций в инфраструктуру искусственного интеллекта. Это на 79% больше, чем за тот же квартал прошлого года. Alphabet заявила, что потратила за квартал $12 млрд, что на 91% больше, чем в прошлом году, и ожидает, что оставшаяся часть года будет «на этом уровне или выше», поскольку она сосредоточится на возможностях искусственного интеллекта», — говорится в статье Bloomberg.
Bloomberg также отметил, что с тех пор Meta повысила оценку капитальных затрат на этот год и теперь ожидает, что капитальные затраты составят от $35 до $40 миллиардов, что будет представлять собой увеличение на 42 процента в верхней части диапазона. «Были разговоры об агрессивных инвестициях в исследования в области искусственного интеллекта и разработку продуктов», Блумберг написал.
Интересно, что в статье Bloomberg также отмечается, что, несмотря на эти огромные затраты, технологические гиганты доказывают, что ИИ может стать реальным источником дохода. Microsoft и Alphabet сообщили о значительном росте своего облачного бизнеса, в основном благодаря увеличению спроса на услуги искусственного интеллекта. Это говорит о том, что, хотя первоначальные инвестиции в технологию искусственного интеллекта огромны, потенциальная прибыль достаточно убедительна, чтобы оправдать затраты.
Однако высокая стоимость разработки ИИ вызывает опасения по поводу концентрации рынка. Как отмечается в статье, затраты, связанные с передовыми исследованиями в области искусственного интеллекта, могут ограничить инновации горсткой хорошо финансируемых компаний, что потенциально препятствует конкуренции и разнообразию в этой области. Заглядывая в будущее, отрасль сосредоточена на разработке более эффективных технологий искусственного интеллекта для решения этих проблем с затратами.
Исследования таких методов, как краткосрочное обучение, трансферное обучение и более энергоэффективные архитектуры моделей, направлены на сокращение вычислительных ресурсов, необходимых для разработки и развертывания ИИ. Кроме того, тенденция к использованию периферийного ИИ – запуска моделей ИИ на локальных устройствах, а не в облаке – может помочь распределить вычислительную нагрузку и снизить нагрузку на централизованные центры обработки данных.
Однако это изменение требует ряда технологических инноваций в конструкции чипов и оптимизации программного обеспечения. В целом очевидно, что будущее искусственного интеллекта будет определяться не только прорывами в алгоритмах и разработке моделей, но и нашей способностью преодолевать огромные технологические и финансовые препятствия, возникающие при масштабировании систем искусственного интеллекта. Компании, которые смогут успешно преодолеть эти проблемы, вероятно, станут лидерами на следующем этапе революции искусственного интеллекта.
(Картинка Игорь Омилаев)
Хотите узнать больше об искусственном интеллекте и больших данных от лидеров отрасли? Проверить Выставка искусственного интеллекта и больших данных проходит в Амстердаме, Калифорнии и Лондоне. Это комплексное мероприятие будет проходить наряду с другими ведущими мероприятиями, в том числе Конференция по интеллектуальной автоматизации, БлокХ, Неделя цифровой трансформацииИ Кибербезопасность и облачная выставка.
Узнайте больше о предстоящих мероприятиях и вебинарах по корпоративным технологиям от TechForge Здесь.
