- Duże firmy technologiczne biją rekordy inwestycji w infrastrukturę chmurową i centra danych, aby wspierać sztuczną inteligencję.
- Automatyzacja biznesu staje w obliczu paradoksu: koszt tokenów i energii może przekroczyć oszczędności na płacach.
- Prognozuje się, że globalne wydatki na sztuczną inteligencję wzrosną drastycznie, co będzie spowodowane integracją tej technologii z urządzeniami osobistymi i optymalizacją sprzętu.
- Zrównoważony rozwój energetyczny staje się głównym wąskim gardłem ze względu na ogromne zużycie energii elektrycznej przez modele generujące energię.
Szał na sztuczną inteligencję wyszedł poza ramy obietnic i stał się kolosalnym motorem napędowym gospodarki , generując biliony dolarów na rynkach globalnych. Choć wielu początkowo zastanawiało się, czy to wszystko bańka spekulacyjna, obecne dane wskazują, że inwestycje kapitałowe zaczynają przynosić efekty, zwłaszcza dla gigantów kontrolujących infrastrukturę cyfrową.
Jednak nie wszystko jest różowe w sferze finansowej. Podczas gdy Wall Street świętuje wzrost przychodów z chmury, wiele średnich i małych firm zmaga się z kosztami operacyjnymi , odkrywając, że utrzymanie maszyny w ciągłej pracy może być droższe niż wypłacanie wynagrodzeń zespołowi. To gra ryzyka i nagrody, w której kluczowa jest wydajność.
Mechanizm inwestycyjny Big Tech
Dominujące firmy w tej dziedzinie, takie jak Microsoft, Amazon, Alphabet i Meta, inwestują astronomiczne kwoty – potencjalnie od 725.000 do 760.000 miliardów dolarów tylko w tym roku – w rozwój swoich możliwości w zakresie sztucznej inteligencji. Inwestycje te koncentrują się głównie na chmurze obliczeniowej, sektorze, w którym Azure i AWS odnotowują gwałtowny wzrost, ponieważ firmy dążą do dzierżawy ogromnych zasobów mocy obliczeniowej.
Analitycy sugerują, że chociaż wolne przepływy pieniężne mogą być ujemne w krótkim okresie, popyt na usługi chmurowe rośnie szybciej niż wydatki. Oznacza to przyspieszenie monetyzacji, co powinno złagodzić obawy inwestorów o zwrot z inwestycji. W rzeczywistości portfel zamówień głównych dostawców usług chmurowych przekracza już 2,3 biliona dolarów.
Paradoks oszczędności: zastępowanie ludzi żetonami?
W biurach dyrektorów finansowych (CFO) obserwuje się ciekawe zjawisko. Niektóre organizacje zautomatyzowały całe działy, aby obniżyć koszty osobowe, ale okazało się, że ich miesięczny rachunek za tokeny i infrastrukturę chmurową jest wyższy niż zrezygnowane z nich wynagrodzenia. Dzieje się tak, ponieważ sztuczna inteligencja nie działa na zasadzie stałej stawki, jak Netflix, lecz pobiera opłaty za każdą przetworzoną informację.
Kiedy firma intensywnie wykorzystuje modele językowe do generowania kodu lub przetwarzania ogromnych ilości danych, wolumen tokenów gwałtownie rośnie , zamieniając oczekiwane oszczędności w żarłoczne i nieprzewidywalne wydatki technologiczne. W rezultacie sztuczna inteligencja nie zawsze obniża koszty działalności; zamiast tego przesuwa wydatki z kapitału ludzkiego w kierunku wygórowanych kosztów energii i technologii.
Podział kosztów wdrożenia sztucznej inteligencji w firmie
Jeśli firma chce rozpocząć przygodę z integracją sztucznej inteligencji, nie ma jednej ceny, ale istnieją pewne wspólne przedziały. Standardowy projekt może kosztować od 10 000 do 50 000 dolarów , choć złożone wdrożenia z łatwością mogą przekroczyć 200 000 dolarów. Koszty rozkładają się zazwyczaj następująco:
- Rozwój modelu: Stanowi 25% lub więcej budżetu, wliczając algorytmy i API.
- fakty: Zdobywanie i przetwarzanie informacji pochłania od 15% do 35%.
- Personel specjalistyczny: Zatrudnienie ekspertów stanowi jeden z największych wydatków, wynoszący od 20% do 40%.
- Infrastruktura i konserwacja: Sprzęt i stałe aktualizacje generują od 20% do 35% więcej kosztów.
- Zgodność i zarządzanie: Porady prawne i administracyjne stanowią zazwyczaj około 10% całości.
Złożoność modelu ma bezpośredni wpływ na budżet. O ile chatbot oparty na logice jest najbardziej ekonomiczną opcją (około 10 000 dolarów), o tyle system głębokiego uczenia lub sieci neuronowej może zaczynać się od 100 000 dolarów, ponieważ wymaga znacznie większej mocy obliczeniowej i danych.
Wąskie gardło energetyczne i środowiskowe
Nie możemy zapominać, że sztuczna inteligencja ma nienasycony apetyt na energię elektryczną. Szkolenie zaawansowanego modelu, takiego jak ChatGPT, generuje ślad węglowy porównywalny z setkami lotów transkontynentalnych. Samo szkolenie GPT-3 zużywa energię równą temu, ile przeciętne hiszpańskie gospodarstwo domowe zużyłoby w ciągu ponad dwóch dekad.
Najważniejszą fazą jest etap wnioskowania, w którym sztuczna inteligencja reaguje na potrzeby użytkowników, co odpowiada za aż 80% całkowitego zużycia energii . Rodzi to uzasadnione pytanie o trwałość systemu: nie da się skalować sztucznej inteligencji w nieskończoność bez radykalnej transformacji naszej infrastruktury energetycznej, aby uniknąć katastrofy ekologicznej.
Perspektywy globalne i porównanie historyczne
Gartner prognozuje, że globalne wydatki na sztuczną inteligencję osiągną 1,5 biliona dolarów do 2025 roku i przekroczą 2 biliony dolarów w 2026 roku. Największa część wydatków zostanie przeznaczona na smartfony z generatywną sztuczną inteligencją i serwerami zoptymalizowanymi pod kątem GPU. Porównując ten boom z boomem telekomunikacyjnym lat 90. XX wieku lub boomem kolejowym XIX wieku, widzimy, że jesteśmy w momencie ogromnego znaczenia gospodarczego , choć nie pobiliśmy jeszcze wszystkich historycznych rekordów inwestycji w stosunku do PKB.
Ryzyko polega na tym, że firmy inwestują w aktywa, których wartość bardzo szybko spada . W przeciwieństwie do torów kolejowych, które przetrwały stulecie, dzisiejsze chipy mogą stać się przestarzałe w ciągu zaledwie kilku lat. To sprawia, że obecne postawienie na ten układ to akt wiary, w którym tylko firmy z jasną strategią monetyzacji przetrwają potencjalną korektę rynku.
Obecna sytuacja pokazuje okres przejściowy, w którym ogromne inwestycje w sprzęt i chmurę desperacko szukają rentownego zwrotu, podczas gdy firmy zmagają się ze znalezieniem równowagi między kosztami tokenów i zużyciem energii elektrycznej a wzrostem produktywności , w scenariuszu, w którym prawdziwą granicą rozwoju technologicznego będzie infrastruktura energetyczna.