- Didelės technologijų įmonės muša investicijų į debesų infrastruktūrą ir duomenų centrus, skirtus dirbtiniam intelektui palaikyti, rekordus.
- Verslo automatizavimas susiduria su paradoksu, kai žetonų ir energijos kaina gali viršyti sutaupytas darbo užmokesčio sumas.
- Prognozuojama, kad pasaulinės išlaidos dirbtiniam intelektui smarkiai išaugs, o tai lems integracija į asmeninius įrenginius ir optimizuota aparatinė įranga.
- Dėl milžiniško elektros energijos suvartojimo generuojančiuose modeliuose energijos tvarumas tampa pagrindine kliūtimi.
Dirbtinio intelekto manija peržengė vien pažadų ribas ir tapo milžinišku ekonomikos varikliu , generuojančiu trilijonus dolerių pasaulinėse rinkose. Nors iš pradžių daugelis svarstė, ar visa tai – burbulas, dabartiniai duomenys rodo, kad kapitalo investicijos pradeda atsipirkti, ypač skaitmeninę infrastruktūrą kontroliuojantiems milžinams.
Tačiau finansinėje srityje ne viskas klostosi rožėmis klota. Nors Volstritas džiaugiasi debesijos pajamų augimu, daugelis vidutinio dydžio ir MVĮ įmonių susiduria su veiklos sąnaudų problemomis , suprasdamos, kad išlaikyti veikiančią sistemą visą parą gali būti brangiau nei mokėti komandos atlyginimus. Tai rizikos ir atlygio žaidimas, kuriame efektyvumas yra svarbiausia.
Didžiųjų technologijų bendrovių investicinis mechanizmas
Dominuojančios šios srities bendrovės, tokios kaip „Microsoft“, „Amazon“, „Alphabet“ ir „Meta“, investuoja astronomines sumas – vien šiais metais potencialiai nuo 725.000 iki 760.000 milijardų dolerių – savo dirbtinio intelekto galimybėms tobulinti. Šios investicijos daugiausia skirtos debesų kompiuterijai – sektoriui, kuriame „Azure“ ir AWS patiria sprogstamąjį augimą, nes bendrovės siekia išsinuomoti didžiulį apdorojimo galios kiekį.
Analitikai teigia, kad nors laisvas pinigų srautas trumpuoju laikotarpiu gali būti neigiamas, debesijos paslaugų paklausa auga sparčiau nei išlaidos. Tai reiškia, kad spartėja monetizavimas, o tai turėtų sumažinti investuotojų, nerimaujančių dėl investicijų grąžos, susirūpinimą. Iš tiesų, pagrindinių debesijos paslaugų teikėjų užsakymų portfelis jau viršija 2,3 trilijono dolerių.
Taupymo paradoksas: žmones pakeisti žetonais?
Finansų direktorių biuruose vyksta įdomus reiškinys. Kai kurios organizacijos automatizavo ištisus skyrius, kad sumažintų personalo išlaidas, tačiau vėliau paaiškėja, kad jų mėnesinė sąskaita už žetonus ir debesijos infrastruktūrą yra didesnė nei panaikintas darbo užmokestis. Taip atsitinka todėl, kad dirbtinis intelektas neveikia pagal fiksuotą tarifą, kaip „Netflix“, o ima mokestį už kiekvieną apdorotą informacijos vienetą.
Kai įmonė intensyviai naudoja kalbos modelius kodui generuoti arba didžiuliams duomenų kiekiams apdoroti, žetonų kiekis staiga išauga , o numatomas santaupas paverčia nepasotinamomis ir nenuspėjamomis technologinėmis išlaidomis. Dėl to dirbtinis intelektas ne visada atpigina verslą; priešingai, jis perkelia išlaidas nuo žmogiškojo kapitalo į pernelyg didelį energijos ir technologijų vartojimą.
Dirbtinio intelekto diegimo įmonėje išlaidų suskirstymas
Jei įmonė nori pradėti dirbtinio intelekto integravimo nuotykį, nėra vienos kainos, tačiau yra bendri kainų intervalai. Standartinio projekto kaina gali svyruoti nuo 10 000 iki 50 000 USD , nors sudėtingi diegimai gali lengvai viršyti 200 000 USD. Išlaidos paprastai paskirstomos taip:
- Modelio kūrimas: Tai sudaro 25 % ar daugiau biudžeto, įskaitant algoritmus ir API.
- faktai: Informacijos gavimas ir valymas sunaudoja nuo 15 % iki 35 % energijos.
- Specializuoti darbuotojai: Ekspertų samdymas yra viena didžiausių išlaidų, svyruojanti nuo 20% iki 40%.
- Infrastruktūra ir priežiūra: Aparatinė įranga ir nuolatiniai atnaujinimai prideda nuo 20 % iki 35 % daugiau.
- Atitiktis ir valdymas: Teisinės konsultacijos ir administravimas paprastai sudaro apie 10 % visų išlaidų.
Modelio sudėtingumas tiesiogiai veikia biudžetą. Nors logika pagrįstas pokalbių robotas yra ekonomiškiausias pasirinkimas (apie 10 000 USD), gilaus mokymosi arba neuroninių tinklų sistema gali kainuoti nuo 100 000 USD, nes jai reikia žymiai daugiau apdorojimo galios ir duomenų.
Energetikos ir aplinkosaugos kliūtis
Negalime pamiršti, kad dirbtinis intelektas turi nepasotinamą elektros energijos poreikį. Tokio pažangaus modelio kaip „ChatGPT“ mokymas sukuria anglies pėdsaką, panašų į šimtų transkontinentinių skrydžių pėdsaką. Vien GPT-3 mokymas sunaudoja tiek energijos, kiek vidutinis Ispanijos namų ūkis sunaudotų per daugiau nei du dešimtmečius.
Svarbiausias etapas yra išvadų darymo etapas, kai dirbtinis intelektas reaguoja į naudotojus, kurie sudaro iki 80 % viso suvartojamos energijos . Tai kelia pagrįstą klausimą dėl sistemos tvarumo: dirbtinio intelekto negalima plėsti be galo, radikaliai nekeičiant mūsų energetikos infrastruktūros, kad būtų išvengta aplinkos žlugimo.
Pasaulinės perspektyvos ir istorinis palyginimas
„Gartner“ prognozuoja, kad iki 2025 m. pasaulinės išlaidos dirbtiniam intelektui pasieks 1,5 trilijono dolerių , o 2026 m. – viršys 2 trilijonus dolerių. Didžiausia dalis bus išleista išmaniesiems telefonams su generatyviniu dirbtiniu intelektu ir GPU optimizuotais serveriais. Jei palyginsime šį bumą su 90-ųjų telekomunikacijų bumu ar XIX amžiaus geležinkelių bumu, matome, kad esame didžiulės ekonominės svarbos taške , nors dar nesumušėme visų istorinių investicijų, išreikštų BVP procentine dalimi, rekordų.
Rizika slypi tame, kad įmonės investuoja į turtą, kuris labai greitai nusidėvi . Skirtingai nuo geležinkelio bėgių, kurie tarnavo šimtmetį, šiandieninės mikroschemos gali pasenti vos per kelerius metus. Todėl dabartinis statymas yra rizikingas, nes tik įmonės, turinčios aiškią pajamų gavimo strategiją, išgyvens galimą rinkos korekciją.
Dabartinė situacija rodo perėjimą, kai didžiulės investicijos į techninę įrangą ir debesiją desperatiškai siekia pelningos grąžos, o įmonės stengiasi subalansuoti žetonų sąnaudas ir elektros energijos suvartojimą su našumo didėjimu , o energetikos infrastruktūra bus tikroji technologinio augimo riba.