- חברות טכנולוגיה גדולות שוברות שיאי השקעה בתשתיות ענן ובמרכזי נתונים כדי לתמוך בבינה מלאכותית.
- אוטומציה עסקית ניצבת בפני פרדוקס שבו עלות האסימונים והאנרגיה יכולה לעלות על החיסכון בשכר.
- ההוצאות העולמיות על בינה מלאכותית צפויות לגדול באופן דרמטי, הודות לשילוב במכשירים אישיים וחומרה אופטימלית.
- קיימות אנרגטית הופכת לצוואר הבקבוק העיקרי עקב צריכת החשמל העצומה של מודלים לייצור חשמל.
שיגעון הבינה המלאכותית חרג מעבר להבטחה גרידא והפך למנוע כלכלי אדיר , המייצר טריליוני דולרים בשווקים הגלובליים. בעוד שרבים תהו בתחילה האם מדובר בבועה, נתונים עדכניים מצביעים על כך שהשקעת ההון מתחילה להשתלם, במיוחד עבור הענקיות השולטות בתשתיות הדיגיטליות.
עם זאת, לא הכל ורוד בצד הפיננסי. בעוד שוול סטריט חוגגת את צמיחת ההכנסות מענן, עסקים בינוניים ועסקים קטנים ובינוניים רבים נאבקים בעלויות תפעול , ומגלים ששמירה על מכונה פועלת 24/7 יכולה להיות יקרה יותר מתשלום משכורות של צוות. זהו משחק של סיכון-תגמול שבו יעילות היא המפתח.
מנגנון ההשקעות של ביג טק
החברות הדומיננטיות בתחום, כמו מיקרוסופט, אמזון, אלפבית ומטא, משקיעות סכומים אסטרונומיים - פוטנציאלית בין 725.000 מיליארד דולר ל-760.000 מיליארד דולר השנה בלבד - כדי לשפר את יכולות הבינה המלאכותית שלהן. השקעה זו מתמקדת בעיקר במחשוב ענן, תחום שבו Azure ו-AWS חוות צמיחה מתפרצת, כאשר חברות מבקשות לשכור כמויות אדירות של כוח עיבוד.
אנליסטים מצביעים על כך שלמרות שתזרים המזומנים החופשי עשוי להיות שלילי בטווח הקצר, הביקוש לשירותי ענן גדל מהר יותר מההוצאות. משמעות הדבר היא שמונטיזציה מואצת, מה שאמור להפיג את חששותיהם של משקיעים המודאגים מתשואה על ההשקעה. למעשה, צבר ההזמנות של ספקי ענן גדולים כבר עולה על 2,3 טריליון דולר.
הפרדוקס של חסכנות: החלפת אנשים באסימונים?
תופעה מוזרה מתרחשת במשרדי מנהלי כספים. ארגונים מסוימים ביצעו אוטומציה של מחלקות שלמות כדי לקצץ בעלויות כוח אדם, רק כדי לגלות שהחשבון החודשי שלהם עבור טוקנים ותשתיות ענן גבוה יותר משכרם שפטרו. זה קורה מכיוון שבינה מלאכותית אינה פועלת בתעריף קבוע כמו נטפליקס; במקום זאת, היא גובה תשלום עבור כל פיסת מידע המעובדת.
כאשר חברה עושה שימוש אינטנסיבי במודלים של שפה כדי לייצר קוד או לעבד כמויות אדירות של נתונים, כמות הטוקנים מזנקת , והופכת את החיסכון הצפוי להוצאה טכנולוגית רעבתנית ובלתי צפויה. כתוצאה מכך, בינה מלאכותית לא תמיד הופכת את העסק לזול יותר; במקום זאת, היא מעבירה את ההוצאות הרחק מהון אנושי לצריכת אנרגיה וטכנולוגית מופרזת .
פירוט עלויות עבור יישום בינה מלאכותית בעסק
אם חברה רוצה לצאת להרפתקה של שילוב בינה מלאכותית, אין מחיר אחד, אך ישנם טווחי מחיר נפוצים. פרויקט סטנדרטי יכול לנוע בין 10.000$ ל-50.000$ , אם כי יישומים מורכבים יכולים בקלות לעלות על 200.000$. העלויות מתחלקות בדרך כלל באופן הבא:
- פיתוח מודל: זה מייצג 25% או יותר מהתקציב, כולל אלגוריתמים וממשקי API.
- עובדות: רכישה וניקוי של מידע צורכות בין 15% ל-35%.
- כוח אדם מיוחד: גיוס מומחים הוא אחת ההוצאות הגדולות ביותר, ונעה בין 20% ל-40%.
- תשתיות ותחזוקה: חומרה ועדכונים מתמידים מוסיפים בין 20% ל-35% נוספים.
- תאימות וניהול: ייעוץ משפטי ומנהלה מהווים בדרך כלל כ-10% מהסך הכל.
מורכבות המודל משפיעה ישירות על התקציב. בעוד שצ'אטבוט מבוסס לוגיקה הוא האפשרות הכלכלית ביותר (בסביבות 10.000 דולר), מערכת למידה עמוקה או רשת נוירונים יכולה להתחיל ב-100.000 דולר מכיוון שהיא דורשת כוח עיבוד ונתונים רבים יותר באופן משמעותי.
צוואר הבקבוק של האנרגיה והסביבה
אסור לנו לשכוח שלבינה מלאכותית יש צמא בלתי נדלה לחשמל. אימון מודל מתקדם כמו ChatGPT מייצר טביעת רגל פחמנית דומה לזו של מאות טיסות טרנס-יבשתיות. אימון GPT-3 לבדו צורך אנרגיה השווה לזו שמשק בית ספרדי ממוצע היה צורך ביותר משני עשורים.
השלב הקריטי ביותר הוא שלב ההסקה, כאשר הבינה המלאכותית מגיבה למשתמשים, המהווה עד 80% מכלל צריכת האנרגיה . זה מעלה שאלה סבירה לגבי קיימות המערכת: לא ניתן להרחיב את הבינה המלאכותית ללא הגבלה מבלי לשנות באופן קיצוני את תשתית האנרגיה שלנו כדי למנוע קריסה סביבתית.
נקודות מבט גלובליות והשוואה היסטורית
גרטנר צופה כי ההוצאות העולמיות על בינה מלאכותית יגיעו ל-1,5 טריליון דולר עד 2025 ויעברו את 2 טריליון הדולר בשנת 2026. החלק הגדול ביותר יושקע בסמארטפונים עם בינה מלאכותית גנרטיבית ושרתים מותאמים למעבדים גרפיים. אם נשווה את הפריחה הזו לפריחה של התקשורת של שנות ה-90 או לפריחה של תעשיית הרכבות של המאה ה-19, נראה שאנו בנקודה בעלת חשיבות כלכלית עצומה , אם כי עדיין לא שברנו את כל השיאים ההיסטוריים של השקעות כאחוז מהתמ"ג.
הסיכון טמון בעובדה שחברות משקיעות בנכסים ששווים פוחת במהירות רבה . בניגוד למסילות רכבת שנמשכו מאה שנה, השבבים של היום יכולים להפוך למיושנים תוך מספר שנים בלבד. זה הופך את ההימור הנוכחי לקפיצת אמונה שבה רק חברות עם אסטרטגיית מוניטיזציה ברורה ישרדו את תיקון השוק הפוטנציאלי.
הנוף הנוכחי מראה מעבר שבו השקעות מסיביות בחומרה ובענן מחפשות נואשות תשואה רווחית, בעוד חברות נאבקות לאזן בין עלויות טוקנים וצריכת חשמל לבין עלייה בפריון , בתרחיש שבו תשתית אנרגיה תהיה הגבול האמיתי לצמיחה טכנולוגית.