- Syarikat-syarikat teknologi besar sedang memecahkan rekod pelaburan dalam infrastruktur awan dan pusat data untuk menyokong AI.
- Automasi perniagaan menghadapi paradoks di mana kos token dan tenaga boleh melebihi penjimatan upah.
- Perbelanjaan global untuk AI diunjurkan meningkat secara besar-besaran, didorong oleh penyepaduan ke dalam peranti peribadi dan perkakasan yang dioptimumkan.
- Kemampanan tenaga menjadi masalah utama disebabkan oleh penggunaan elektrik yang besar bagi model penjanaan.
Kegilaan kecerdasan buatan telah berkembang melangkaui sekadar janji dan menjadi enjin ekonomi yang besar , menjana trilion dolar dalam pasaran global. Walaupun ramai yang pada mulanya tertanya-tanya adakah semuanya hanya gelembung, data semasa menunjukkan bahawa pelaburan modal mula membuahkan hasil, terutamanya bagi syarikat gergasi yang mengawal infrastruktur digital.
Walau bagaimanapun, tidak semuanya baik dari segi kewangan. Walaupun Wall Street meraikan pertumbuhan pendapatan awan, banyak perniagaan bersaiz sederhana dan PKS sedang bergelut dengan kos operasi , mendapati bahawa memastikan mesin berjalan 24/7 boleh menjadi lebih mahal daripada membayar gaji pasukan. Ia adalah permainan risiko-ganjaran di mana kecekapan adalah kuncinya.
Jentera pelaburan Big Tech
Syarikat-syarikat dominan dalam bidang ini, seperti Microsoft, Amazon, Alphabet dan Meta, sedang melabur sejumlah besar—berkemungkinan antara $725.000 bilion dan $760.000 bilion tahun ini sahaja—untuk meningkatkan keupayaan AI mereka. Pelaburan ini tertumpu terutamanya pada pengkomputeran awan, sektor di mana Azure dan AWS sedang mengalami pertumbuhan pesat apabila syarikat-syarikat berusaha untuk menyewa sejumlah besar kuasa pemprosesan.
Penganalisis mencadangkan bahawa, walaupun aliran tunai bebas mungkin negatif dalam jangka pendek, permintaan untuk perkhidmatan awan berkembang lebih cepat daripada perbelanjaan. Ini bermakna pengewangan semakin pantas, yang sepatutnya dapat mengurangkan kebimbangan pelabur yang bimbang tentang pulangan pelaburan. Malah, tunggakan pesanan penyedia awan utama sudah melebihi $2,3 trilion.
Paradoks berjimat cermat: Menggantikan orang dengan token?
Satu fenomena aneh sedang berlaku di pejabat CFO. Sesetengah organisasi telah mengautomasikan seluruh jabatan untuk mengurangkan kos kakitangan, hanya untuk mendapati bahawa bil bulanan mereka untuk token dan infrastruktur awan adalah lebih tinggi daripada gaji yang mereka hapuskan. Ini berlaku kerana AI tidak beroperasi pada kadar tetap seperti Netflix; sebaliknya, ia mengenakan bayaran untuk setiap maklumat yang diproses.
Apabila sesebuah syarikat menggunakan model bahasa secara intensif untuk menjana kod atau memproses sejumlah besar data, jumlah token akan melonjak naik , menjadikan penjimatan yang dijangkakan menjadi perbelanjaan teknologi yang besar dan tidak dapat diramalkan. Akibatnya, AI tidak selalunya menjadikan perniagaan lebih murah; sebaliknya, ia mengalihkan perbelanjaan daripada modal insan kepada penggunaan tenaga dan teknologi yang terlalu tinggi.
Pecahan kos untuk melaksanakan AI dalam perniagaan
Jika sesebuah syarikat ingin memulakan pengembaraan mengintegrasikan AI, tiada harga tunggal, tetapi terdapat julat yang sama. Projek standard boleh berkisar antara $10.000 hingga $50.000 , walaupun pelaksanaan yang kompleks boleh melebihi $200.000 dengan mudah. Kos secara amnya diagihkan seperti berikut:
- Pembangunan model: Ia mewakili 25% atau lebih daripada bajet, termasuk algoritma dan API.
- fakta: Pemerolehan dan pembersihan maklumat menggunakan antara 15% dan 35%.
- Kakitangan khusus: Menggaji pakar merupakan salah satu perbelanjaan terbesar, antara 20% hingga 40%.
- Infrastruktur dan penyelenggaraan: Perkakasan dan kemas kini berterusan menambah antara 20% dan 35% lebih banyak.
- Pematuhan dan pengurusan: Nasihat dan pentadbiran undang-undang biasanya merangkumi sekitar 10% daripada jumlah keseluruhan.
Kerumitan model memberi kesan langsung kepada bajet. Walaupun chatbot berasaskan logik adalah pilihan paling ekonomik (sekitar $10.000), sistem pembelajaran mendalam atau rangkaian saraf boleh bermula pada $100.000 kerana ia memerlukan kuasa pemprosesan dan data yang jauh lebih tinggi.
Kesesakan tenaga dan alam sekitar
Kita tidak boleh lupa bahawa AI mempunyai keinginan yang tidak pernah puas untuk elektrik. Melatih model canggih seperti ChatGPT menghasilkan jejak karbon yang setanding dengan ratusan penerbangan rentas benua. Melatih GPT-3 sahaja menggunakan tenaga yang setara dengan apa yang akan digunakan oleh isi rumah Sepanyol secara purata dalam lebih daripada dua dekad.
Fasa paling kritikal ialah peringkat inferens, apabila AI bertindak balas kepada pengguna, yang menyumbang sehingga 80% daripada jumlah penggunaan tenaga . Ini menimbulkan persoalan yang munasabah tentang kemampanan sistem: AI tidak boleh diskalakan tanpa henti tanpa mengubah infrastruktur tenaga kita secara radikal untuk mengelakkan keruntuhan alam sekitar.
Perspektif global dan perbandingan sejarah
Gartner meramalkan bahawa perbelanjaan global untuk AI akan mencecah $1,5 trilion menjelang 2025 dan melebihi $2 trilion pada 2026. Bahagian terbesar akan dibelanjakan untuk telefon pintar dengan AI generatif dan pelayan yang dioptimumkan GPU. Jika kita membandingkan ledakan ini dengan ledakan telekomunikasi pada tahun 1990-an atau ledakan kereta api pada abad ke-19, kita melihat bahawa kita berada pada tahap kepentingan ekonomi yang besar , walaupun kita belum memecahkan semua rekod sejarah untuk pelaburan sebagai peratusan daripada KDNK.
Risikonya terletak pada hakikat bahawa syarikat-syarikat melabur dalam aset yang susut nilai dengan sangat cepat . Tidak seperti landasan kereta api yang bertahan selama satu abad, cip hari ini boleh menjadi usang hanya dalam beberapa tahun. Ini menjadikan pertaruhan semasa satu lompatan kepercayaan di mana hanya syarikat yang mempunyai strategi pengewangan yang jelas akan bertahan daripada pembetulan pasaran yang berpotensi.
Landskap semasa menunjukkan peralihan di mana pelaburan besar-besaran dalam perkakasan dan awan terdesak mencari pulangan yang menguntungkan, sementara syarikat-syarikat bergelut untuk mengimbangi kos token dan penggunaan elektrik dengan peningkatan produktiviti , dalam senario di mana infrastruktur tenaga akan menjadi had sebenar kepada pertumbuhan teknologi.