- Velike tehnološke kompanije obaraju rekorde u ulaganjima u cloud infrastrukturu i podatkovne centre kako bi podržale vještačku inteligenciju.
- Automatizacija poslovanja suočava se s paradoksom gdje cijena tokena i energije može premašiti uštede na platama.
- Predviđa se da će globalna potrošnja na umjetnu inteligenciju znatno porasti, potaknuta integracijom u lične uređaje i optimiziranim hardverom.
- Energetska održivost postaje glavno usko grlo zbog ogromne potrošnje električne energije kod modela proizvodnje energije.
Ludilo za umjetnom inteligencijom prevazišlo je puko obećanje i postalo kolosalni ekonomski motor , generirajući trilione dolara na globalnim tržištima. Dok su se mnogi u početku pitali da li je sve to balon, trenutni podaci pokazuju da se kapitalna ulaganja počinju isplaćivati, posebno za gigante koji kontrolišu digitalnu infrastrukturu.
Međutim, nije sve ružičasto sa finansijske strane. Dok Wall Street slavi rast prihoda od cloud usluga, mnoga srednja preduzeća i mala i srednja preduzeća bore se s operativnim troškovima , otkrivajući da održavanje mašine u radu 24/7 može biti skuplje od isplate plata timu. To je igra rizika i nagrade gdje je efikasnost ključna.
Investicioni mehanizam velikih tehnoloških kompanija
Dominantne kompanije u ovoj oblasti, kao što su Microsoft, Amazon, Alphabet i Meta, ulažu astronomske iznose - potencijalno između 725.000 i 760.000 milijardi dolara samo ove godine - kako bi poboljšale svoje AI mogućnosti. Ova investicija je prvenstveno usmjerena na računarstvo u oblaku, sektor u kojem Azure i AWS doživljavaju eksplozivan rast jer kompanije nastoje iznajmiti ogromne količine procesorske snage.
Analitičari sugeriraju da, iako slobodni novčani tok može biti negativan u kratkom roku, potražnja za uslugama u oblaku raste brže od potrošnje. To znači da se monetizacija ubrzava, što bi trebalo ublažiti zabrinutost investitora zabrinutih zbog povrata investicije. U stvari, zaostatak u narudžbama glavnih pružatelja usluga u oblaku već prelazi 2,3 biliona dolara.
Paradoks štedljivosti: Zamjena ljudi žetonima?
U kancelarijama finansijskih direktora se javlja zanimljiv fenomen. Neke organizacije su automatizovale čitave odjele kako bi smanjile troškove osoblja, samo da bi otkrile da im je mjesečni račun za tokene i cloud infrastrukturu veći od platnog spiska koji su ukinuli. To se dešava jer vještačka inteligencija ne funkcioniše po fiksnoj cijeni kao Netflix; umjesto toga, naplaćuje za svaku obrađenu informaciju.
Kada kompanija intenzivno koristi jezičke modele za generiranje koda ili obradu ogromnih količina podataka, količina tokena naglo raste , pretvarajući očekivane uštede u proždrljiv i nepredvidiv tehnološki trošak. Kao rezultat toga, vještačka inteligencija ne uvijek čini poslovanje jeftinijim; umjesto toga, ona preusmjerava potrošnju s ljudskog kapitala na prekomjernu potrošnju energije i tehnologije.
Raspored troškova za implementaciju umjetne inteligencije u poslovanju
Ako kompanija želi da se upusti u avanturu integracije vještačke inteligencije, ne postoji jedinstvena cijena, ali postoje uobičajeni rasponi. Standardni projekat može se kretati od 10.000 do 50.000 dolara , iako složene implementacije mogu lako premašiti 200.000 dolara. Troškovi se uglavnom raspoređuju na sljedeći način:
- Razvoj modela: To predstavlja 25% ili više budžeta, uključujući algoritme i API-je.
- Podaci: Prikupljanje i čišćenje informacija troši između 15% i 35%.
- Specijalizovano osoblje: Angažovanje stručnjaka je jedan od najvećih troškova, koji se kreće od 20% do 40%.
- Infrastruktura i održavanje: Hardver i stalna ažuriranja dodaju između 20% i 35% više.
- Usklađenost i upravljanje: Pravni savjeti i administracija obično čine oko 10% ukupnog iznosa.
Složenost modela direktno utiče na budžet. Dok je chatbot zasnovan na logici najekonomičnija opcija (oko 10.000 dolara), sistem dubokog učenja ili neuronske mreže može početi od 100.000 dolara jer zahtijeva znatno više procesorske snage i podataka.
Usko grlo za energiju i okoliš
Ne smijemo zaboraviti da umjetna inteligencija ima nezasitnu glad za električnom energijom. Obuka naprednog modela poput ChatGPT-a generira ugljični otisak usporediv s onim stotina transkontinentalnih letova. Samo obuka GPT-3 troši energiju ekvivalentnu onome što bi prosječno špansko domaćinstvo potrošilo za više od dvije decenije.
Najkritičnija faza je faza zaključivanja, kada vještačka inteligencija odgovara korisnicima, što čini do 80% ukupne potrošnje energije . Ovo postavlja razumno pitanje o održivosti sistema: vještačka inteligencija se ne može beskonačno skalirati bez radikalne transformacije naše energetske infrastrukture kako bi se izbjegao kolaps okoliša.
Globalne perspektive i historijska usporedba
Gartner predviđa da će globalna potrošnja na vještačku inteligenciju dostići 1,5 biliona dolara do 2025. godine i premašiti 2 biliona dolara u 2026. godini. Najveći udio će biti potrošen na pametne telefone s generativnom vještačkom inteligencijom i serverima optimiziranim za GPU. Ako uporedimo ovaj bum s telekomunikacijskim bumom 1990-ih ili željezničkim bumom 19. stoljeća, vidimo da smo u tački od ogromnog ekonomskog značaja , iako još nismo oborili sve historijske rekorde za investicije kao postotak BDP-a.
Rizik leži u činjenici da kompanije ulažu u imovinu koja vrlo brzo gubi na vrijednosti . Za razliku od željezničkih tračnica koje su trajale čitav vijek, današnji čipovi mogu zastarjeti za samo nekoliko godina. Zbog toga je trenutna opklada skok vjere gdje će samo kompanije s jasnom strategijom monetizacije preživjeti potencijalnu korekciju tržišta.
Trenutna situacija pokazuje tranziciju u kojoj ogromna ulaganja u hardver i cloud očajnički traže profitabilan povrat, dok se kompanije bore da uravnoteže troškove tokena i potrošnju električne energije s porastom produktivnosti , u scenariju u kojem će energetska infrastruktura biti pravo ograničenje tehnološkog rasta.