- Velké technologické společnosti lámou rekordy v investicích do cloudové infrastruktury a datových center na podporu umělé inteligence.
- Automatizace podnikání čelí paradoxu, kdy náklady na tokeny a energii mohou překročit úspory na mzdách.
- Očekává se, že globální výdaje na umělou inteligenci masivně porostou, a to díky integraci do osobních zařízení a optimalizovanému hardwaru.
- Energetická udržitelnost se stává hlavním úzkým hrdlem kvůli obrovské spotřebě elektřiny u výrobních modelů.
Šílenství kolem umělé inteligence se posunulo za hranice pouhých slibů a stalo se kolosálním ekonomickým motorem , který generuje biliony dolarů na globálních trzích. Zatímco se mnozí zpočátku ptali, zda se nejedná o bublinu, současná data naznačují, že kapitálové investice se začínají vyplácet, zejména gigantům, kteří ovládají digitální infrastrukturu.
Na finanční stránce je však všechno trochu růžové. Zatímco Wall Street oslavuje růst příjmů z cloudu, mnoho středních a malých podniků se potýká s provozními náklady a zjišťuje, že udržování stroje v provozu 24 hodin denně, 7 dní v týdnu může být dražší než placení mezd týmu. Je to hra s rizikem a odměnou, kde je klíčová efektivita.
Investiční aparát velkých technologických firem
Dominantní společnosti v oboru, jako jsou Microsoft, Amazon, Alphabet a Meta, investují astronomické částky – jen letos potenciálně mezi 725.000 a 760.000 miliardami dolarů – do vylepšení svých schopností v oblasti umělé inteligence. Tyto investice se zaměřují především na cloud computing, sektor, kde Azure a AWS zažívají explozivní růst, protože se společnosti snaží pronajmout obrovské množství výpočetního výkonu.
Analytici naznačují, že ačkoliv volný peněžní tok může být v krátkodobém horizontu negativní, poptávka po cloudových službách roste rychleji než výdaje. To znamená, že se zrychluje monetizace, což by mělo zmírnit obavy investorů o návratnost investic. Počet nevyřízených objednávek hlavních poskytovatelů cloudových služeb ve skutečnosti již přesahuje 2,3 bilionu dolarů.
Paradox šetrnosti: Nahrazování lidí žetony?
V kancelářích finančních ředitelů se objevuje kuriózní jev. Některé organizace automatizovaly celá oddělení, aby snížily náklady na personál, jen aby zjistily, že jejich měsíční účet za tokeny a cloudovou infrastrukturu je vyšší než mzdové náklady, které zrušily. Děje se to proto, že umělá inteligence nefunguje na základě paušální sazby jako Netflix; místo toho si účtuje poplatky za každou zpracovanou informaci.
Když společnost intenzivně využívá jazykové modely ke generování kódu nebo zpracování obrovského množství dat, objem tokenů prudce vzroste a mění očekávané úspory v nenasytný a nepředvídatelný technologický výdaj. V důsledku toho umělá inteligence ne vždy zlevňuje podnikání; místo toho přesouvá výdaje od lidského kapitálu k přemrštěné spotřebě energie a technologií.
Rozpis nákladů na implementaci umělé inteligence v podniku
Pokud se společnost chce pustit do dobrodružství integrace umělé inteligence, neexistuje jednotná cena, ale existují běžné rozsahy. Standardní projekt se může pohybovat od 10 000 do 50 000 dolarů , ačkoli složité implementace mohou snadno překročit 200 000 dolarů. Náklady se obecně rozdělují následovně:
- Vývoj modelu: Představuje 25 % nebo více rozpočtu, včetně algoritmů a API.
- fakta: Získávání a čištění informací spotřebuje 15 % až 35 %.
- Specializovaný personál: Najímání odborníků je jedním z největších výdajů, pohybuje se od 20 % do 40 %.
- Infrastruktura a údržba: Hardware a neustálé aktualizace přidávají o 20 % až 35 % více.
- Dodržování předpisů a řízení: Právní poradenství a administrativa obvykle tvoří zhruba 10 % z celkové částky.
Složitost modelu přímo ovlivňuje rozpočet. Zatímco chatbot založený na logice je nejhospodárnější variantou (kolem 10 000 dolarů), systém hlubokého učení nebo neuronové sítě může začínat na ceně 100 000 dolarů, protože vyžaduje výrazně větší výpočetní výkon a data.
Energetické a environmentální úzké místo
Nemůžeme zapomínat, že umělá inteligence má nenasytnou touhu po elektřině. Trénink pokročilého modelu, jako je ChatGPT, generuje uhlíkovou stopu srovnatelnou se stovkami transkontinentálních letů. Samotný trénink GPT-3 spotřebuje energii odpovídající tomu, co by průměrná španělská domácnost spotřebovala za více než dvě desetiletí.
Nejkritičtější fází je fáze inference, kdy umělá inteligence reaguje na uživatele, což představuje až 80 % celkové spotřeby energie . To vyvolává rozumnou otázku ohledně udržitelnosti systému: umělou inteligenci nelze donekonečna škálovat bez radikální transformace naší energetické infrastruktury, abychom se vyhnuli environmentálnímu kolapsu.
Globální perspektivy a historické srovnání
Společnost Gartner předpovídá, že globální výdaje na umělou inteligenci dosáhnou do roku 2025 1,5 bilionu dolarů a v roce 2026 překročí 2 biliony dolarů. Největší podíl bude vynaložen na chytré telefony s generativní umělou inteligencí a servery optimalizovanými pro GPU. Pokud srovnáme tento boom s telekomunikačním boomem v 90. letech nebo železničním boomem v 19. století, vidíme, že se nacházíme v bodě obrovského ekonomického významu , ačkoli jsme dosud nepřekonali všechny historické rekordy v investicích jako procentuální podíl HDP.
Riziko spočívá v tom, že společnosti investují do aktiv, která se velmi rychle znehodnocují . Na rozdíl od železničních tratí, které vydržely století, se dnešní čipy mohou stát zastaralými během několika let. Díky tomu je současná sázka skokem víry, kdy potenciální korekci trhu přežijí pouze společnosti s jasnou strategií monetizace .
Současná situace ukazuje přechod, kdy masivní investice do hardwaru a cloudu zoufale hledají ziskovou návratnost, zatímco společnosti se snaží vyvážit náklady na tokeny a spotřebu elektřiny se zvyšováním produktivity , a to ve scénáři, kdy se energetická infrastruktura stane skutečným limitem technologického růstu.