- Veľké technologické spoločnosti lámu rekordy v investíciách do cloudovej infraštruktúry a dátových centier na podporu umelej inteligencie.
- Automatizácia podnikania čelí paradoxu, keď náklady na tokeny a energiu môžu presiahnuť úspory na mzdách.
- Predpokladá sa, že globálne výdavky na umelú inteligenciu masívne porastú, a to vďaka integrácii do osobných zariadení a optimalizovanému hardvéru.
- Energetická udržateľnosť sa stáva hlavným úzkym hrdlom kvôli obrovskej spotrebe elektriny výrobnými modelmi.
Šialenstvo okolo umelej inteligencie prekročilo rámec prostých sľubov a stalo sa kolosálnym ekonomickým motorom , ktorý generuje bilióny dolárov na globálnych trhoch. Zatiaľ čo mnohí sa spočiatku pýtali, či je to všetko len bublina, súčasné údaje naznačujú, že kapitálové investície sa začínajú vyplácať, najmä pre gigantov, ktorí ovládajú digitálnu infraštruktúru.
Po finančnej stránke však nie je všetko ružové. Zatiaľ čo Wall Street oslavuje rast príjmov z cloudu, mnoho stredne veľkých podnikov a malých a stredných podnikov zápasí s prevádzkovými nákladmi a zisťuje, že udržiavanie stroja v prevádzke 24 hodín denne, 7 dní v týždni môže byť drahšie ako platenie miezd tímu. Je to hra s rizikom a odmenou, kde je kľúčová efektivita.
Investičný aparát veľkých technologických spoločností
Dominantné spoločnosti v tejto oblasti, ako napríklad Microsoft, Amazon, Alphabet a Meta, investujú astronomické sumy – len tento rok potenciálne 725.000 až 760.000 miliárd dolárov – do vylepšenia svojich schopností v oblasti umelej inteligencie. Tieto investície sa zameriavajú predovšetkým na cloud computing, sektor, v ktorom Azure a AWS zažívajú explozívny rast, keďže spoločnosti sa snažia prenajať si obrovské množstvo výpočtového výkonu.
Analytici naznačujú, že hoci voľný peňažný tok môže byť v krátkodobom horizonte negatívny, dopyt po cloudových službách rastie rýchlejšie ako výdavky. To znamená, že monetizácia sa zrýchľuje, čo by malo zmierniť obavy investorov o návratnosť investícií. V skutočnosti objem nevybavených objednávok hlavných poskytovateľov cloudových služieb už presahuje 2,3 bilióna dolárov.
Paradox šetrnosti: Nahradenie ľudí žetónmi?
V kanceláriách finančných riaditeľov sa vyskytuje kuriózny jav. Niektoré organizácie automatizovali celé oddelenia, aby znížili náklady na zamestnancov, len aby zistili, že ich mesačný účet za tokeny a cloudovú infraštruktúru je vyšší ako mzdové náklady, ktoré zrušili. Deje sa to preto, lebo umelá inteligencia nefunguje na paušálnej báze ako Netflix; namiesto toho si účtuje poplatky za každý spracovaný údaj.
Keď spoločnosť intenzívne využíva jazykové modely na generovanie kódu alebo spracovanie obrovského množstva údajov, objem tokenov prudko stúpa , čím sa očakávané úspory menia na nenásytný a nepredvídateľný technologický výdavok. V dôsledku toho umelá inteligencia nie vždy zlacňuje podnikanie; namiesto toho presúva výdavky z ľudského kapitálu smerom k prehnanej spotrebe energie a technológií .
Rozpis nákladov na implementáciu umelej inteligencie v podniku
Ak sa spoločnosť chce pustiť do dobrodružstva integrácie umelej inteligencie, neexistuje jednotná cena, ale existujú bežné rozpätia. Štandardný projekt sa môže pohybovať od 10 000 do 50 000 dolárov , hoci zložité implementácie môžu ľahko presiahnuť 200 000 dolárov. Náklady sa vo všeobecnosti rozdeľujú takto:
- Vývoj modelu: Predstavuje 25 % alebo viac rozpočtu vrátane algoritmov a API.
- fakty: Získavanie a čistenie informácií spotrebuje 15 % až 35 %.
- Špecializovaný personál: Najímanie odborníkov je jedným z najväčších výdavkov, pohybuje sa od 20 % do 40 %.
- Infraštruktúra a údržba: Hardvér a neustále aktualizácie pridávajú o 20 % až 35 % viac.
- Súlad s predpismi a riadenie: Právne poradenstvo a administratíva zvyčajne tvoria približne 10 % z celkovej sumy.
Zložitosť modelu priamo ovplyvňuje rozpočet. Zatiaľ čo chatbot založený na logike je najekonomickejšou možnosťou (okolo 10 000 dolárov), systém hlbokého učenia alebo neurónové siete môže začínať na cene 100 000 dolárov, pretože vyžaduje výrazne viac výpočtového výkonu a dát.
Energetické a environmentálne úzke miesto
Nemôžeme zabúdať, že umelá inteligencia má nenásytný hlad po elektrine. Trénovanie pokročilého modelu, ako je ChatGPT, vytvára uhlíkovú stopu porovnateľnú so stovkami transkontinentálnych letov. Samotné trénovanie GPT-3 spotrebuje energiu ekvivalentnú tomu, čo by priemerná španielska domácnosť spotrebovala za viac ako dve desaťročia.
Najkritickejšou fázou je fáza inferencie, keď umelá inteligencia reaguje na požiadavky používateľov, čo predstavuje až 80 % celkovej spotreby energie . To vyvoláva rozumnú otázku o udržateľnosti systému: umelú inteligenciu nemožno donekonečna škálovať bez radikálnej transformácie našej energetickej infraštruktúry, aby sa predišlo kolapsu životného prostredia.
Globálne perspektívy a historické porovnanie
Spoločnosť Gartner predpovedá, že globálne výdavky na umelú inteligenciu dosiahnu do roku 2025 1,5 bilióna dolárov a v roku 2026 prekročia 2 bilióny dolárov. Najväčší podiel sa vynaloží na smartfóny s generatívnou umelou inteligenciou a servermi optimalizovanými pre GPU. Ak porovnáme tento boom s telekomunikačným boomom v 90. rokoch alebo železničným boomom v 19. storočí, vidíme, že sme v bode obrovského ekonomického významu , hoci sme ešte neprekonali všetky historické rekordy v investíciách ako percento HDP.
Riziko spočíva v tom, že spoločnosti investujú do aktív, ktoré sa veľmi rýchlo znehodnocujú . Na rozdiel od železničných koľají, ktoré vydržali storočie, dnešné čipy sa môžu stať zastaranými už za pár rokov. To robí zo súčasnej stávky skok viery, kde potenciálnu korekciu trhu prežijú iba spoločnosti s jasnou stratégiou monetizácie .
Súčasná situácia ukazuje prechod, v ktorom sa masívne investície do hardvéru a cloudu zúfalo snažia o ziskovú návratnosť, zatiaľ čo spoločnosti sa snažia vyvážiť náklady na tokeny a spotrebu elektriny so zvyšovaním produktivity v scenári, kde sa energetická infraštruktúra stane skutočným limitom technologického rastu.