- Lielie tehnoloģiju uzņēmumi pārspēj investīciju rekordus mākoņinfrastruktūrā un datu centros, lai atbalstītu mākslīgo intelektu.
- Uzņēmējdarbības automatizācija saskaras ar paradoksu, kur žetonu un enerģijas izmaksas var pārsniegt algu ietaupījumus.
- Paredzams, ka globālie izdevumi mākslīgajam intelektam ievērojami pieaugs, pateicoties integrācijai personālajās ierīcēs un optimizētai aparatūrai.
- Enerģijas ilgtspējība kļūst par galveno vājo vietu ražošanas modeļu milzīgā elektroenerģijas patēriņa dēļ.
Mākslīgā intelekta trakums ir pārsniedzis tikai solījumus un kļuvis par kolosālu ekonomikas dzinējspēku , radot triljonus dolāru pasaules tirgos. Lai gan sākotnēji daudzi šaubījās, vai tas viss ir burbulis, pašreizējie dati liecina, ka kapitālieguldījumi sāk atmaksāties, īpaši gigantiem, kas kontrolē digitālo infrastruktūru.
Tomēr finansiālajā ziņā ne viss ir rožaini. Kamēr Volstrīta priecājas par mākoņpakalpojumu ieņēmumu pieaugumu, daudzi vidēja lieluma uzņēmumi un MVU cīnās ar ekspluatācijas izmaksām , atklājot, ka datora darbības uzturēšana visu diennakti var būt dārgāka nekā komandas algu maksāšana. Tā ir riska un atlīdzības spēle, kurā galvenais ir efektivitāte.
Lielo tehnoloģiju uzņēmumu investīciju mašinērija
Dominējošie uzņēmumi šajā jomā, piemēram, Microsoft, Amazon, Alphabet un Meta, iegulda astronomiskas summas — potenciāli no 725.000 līdz 760.000 miljardiem ASV dolāru tikai šogad —, lai uzlabotu savas mākslīgā intelekta iespējas. Šīs investīcijas galvenokārt ir vērstas uz mākoņdatošanu — nozari, kurā Azure un AWS piedzīvo eksplozīvu izaugsmi, jo uzņēmumi cenšas nomāt milzīgu apstrādes jaudu.
Analītiķi norāda, ka, lai gan īstermiņā brīvā naudas plūsma varētu būt negatīva, pieprasījums pēc mākoņpakalpojumiem pieaug straujāk nekā tēriņi. Tas nozīmē, ka monetizācija paātrinās, kam vajadzētu mazināt investoru bažas par ieguldījumu atdevi. Faktiski lielāko mākoņpakalpojumu sniedzēju pasūtījumu apjoms jau pārsniedz 2,3 triljonus ASV dolāru.
Taupības paradokss: cilvēku aizstāšana ar žetoniem?
Finanšu direktoru birojos vērojama kurioza parādība. Dažas organizācijas ir automatizējušas veselas nodaļas, lai samazinātu personāla izmaksas, tikai lai atklātu, ka viņu ikmēneša rēķins par žetoniem un mākoņinfrastruktūru ir lielāks nekā likvidētā alga. Tas notiek tāpēc, ka mākslīgais intelekts nedarbojas pēc fiksētas likmes, kā tas ir Netflix; tā vietā tas iekasē maksu par katru apstrādāto informācijas vienību.
Kad uzņēmums intensīvi izmanto valodu modeļus, lai ģenerētu kodu vai apstrādātu milzīgu datu apjomu, žetonu apjoms strauji pieaug , pārvēršot paredzētos ietaupījumus negausīgos un neparedzamos tehnoloģiskos izdevumos. Tā rezultātā mākslīgais intelekts ne vienmēr padara uzņēmējdarbību lētāku; tā vietā tas novirza izdevumus no cilvēkkapitāla uz pārmērīgu enerģijas un tehnoloģiju patēriņu.
Izmaksu sadalījums mākslīgā intelekta ieviešanai uzņēmumā
Ja uzņēmums vēlas uzsākt mākslīgā intelekta integrēšanas piedzīvojumu, nav vienas cenas, taču pastāv kopīgas cenu amplitūdas. Standarta projekta izmaksas var svārstīties no 10 000 līdz 50 000 USD , lai gan sarežģītas ieviešanas var viegli pārsniegt 200 000 USD. Izmaksas parasti tiek sadalītas šādi:
- Modeļa izstrāde: Tas veido 25% vai vairāk no budžeta, ieskaitot algoritmus un API.
- fakti: Informācijas iegūšana un tīrīšana patērē no 15% līdz 35%.
- Specializēts personāls: Ekspertu nolīgšana ir viens no lielākajiem izdevumiem, kas svārstās no 20% līdz 40%.
- Infrastruktūra un uzturēšana: Aparatūra un pastāvīgi atjauninājumi palielina izmaksas par 20–35 %.
- Atbilstība un pārvaldība: Juridiskās konsultācijas un administratīvie pakalpojumi parasti veido aptuveni 10 % no kopējā apjoma.
Modeļa sarežģītība tieši ietekmē budžetu. Lai gan uz loģiku balstīts tērzēšanas robots ir visekonomiskākais variants (aptuveni 10 000 USD), dziļās mācīšanās vai neironu tīkla sistēmas sākumcena var būt 100 000 USD, jo tai nepieciešama ievērojami lielāka apstrādes jauda un datu apjoms.
Enerģijas un vides sašaurinājums
Mēs nedrīkstam aizmirst, ka mākslīgajam intelektam ir neizsmeļama tieksme pēc elektrības. Tāda progresīva modeļa kā ChatGPT apmācība rada oglekļa pēdu , kas ir salīdzināma ar simtiem transkontinentālu lidojumu radīto oglekļa pēdu. Vien GPT-3 apmācība patērē enerģiju, kas ir līdzvērtīga tam, ko vidusmēra Spānijas mājsaimniecība patērētu vairāk nekā divās desmitgadēs.
Vissvarīgākā fāze ir secinājumu izdarīšanas posms, kad mākslīgais intelekts reaģē uz lietotājiem, kas veido līdz pat 80% no kopējā enerģijas patēriņa . Tas rada pamatotu jautājumu par sistēmas ilgtspējību: mākslīgo intelektu nevar bezgalīgi mērogot, radikāli nepārveidojot mūsu enerģijas infrastruktūru, lai izvairītos no vides sabrukuma.
Globālās perspektīvas un vēsturiskais salīdzinājums
Gartner prognozē, ka globālie izdevumi mākslīgajam intelektam līdz 2025. gadam sasniegs 1,5 triljonus ASV dolāru un 2026. gadā pārsniegs 2 triljonus ASV dolāru. Lielākā daļa tiks tērēta viedtālruņiem ar ģeneratīvu mākslīgo intelektu un GPU optimizētiem serveriem. Ja salīdzinām šo uzplaukumu ar telekomunikāciju uzplaukumu 20. gadsimta 90. gados vai dzelzceļa uzplaukumu 19. gadsimtā, redzam, ka esam sasnieguši milzīgas ekonomiskās nozīmes punktu , lai gan vēl neesam pārspējuši visus vēsturiskos rekordus investīciju procentuālajā daļā no IKP.
Risks slēpjas faktā, ka uzņēmumi iegulda aktīvos, kuru vērtība ļoti strauji samazinās . Atšķirībā no dzelzceļa sliedēm, kas kalpoja gadsimtu, mūsdienu mikroshēmas var novecot tikai dažu gadu laikā. Tas padara pašreizējo likmi par ticības lēcienu, kur tikai uzņēmumi ar skaidru monetizācijas stratēģiju pārdzīvos potenciālo tirgus korekciju.
Pašreizējā aina liecina par pāreju, kurā milzīgas investīcijas aparatūrā un mākoņpakalpojumos izmisīgi meklē ienesīgu atdevi, savukārt uzņēmumi cīnās, lai līdzsvarotu žetonu izmaksas un elektroenerģijas patēriņu ar produktivitātes pieaugumu , scenārijā, kurā enerģētikas infrastruktūra būs patiesais tehnoloģiskās izaugsmes ierobežojums.