- Велике технолошке компаније обарају рекорде улагања у клауд инфраструктуру и центре података како би подржале вештачку интелигенцију.
- Аутоматизација пословања суочава се са парадоксом где трошкови токена и енергије могу премашити уштеде на платама.
- Пројектовано је да ће глобална потрошња на вештачку интелигенцију масовно порасти, вођена интеграцијом у личне уређаје и оптимизованим хардвером.
- Енергетска одрживост постаје главно уско грло због огромне потрошње електричне енергије модела производње.
Помама за вештачком интелигенцијом превазишла је пуко обећање и постала колосални економски мотор , генеришући трилионе долара на глобалним тржиштима. Иако су се многи у почетку питали да ли је све то балон, тренутни подаци указују да капитална улагања почињу да се исплаћују, посебно за гиганте који контролишу дигиталну инфраструктуру.
Међутим, није све ружичасто са финансијске стране. Док Волстрит слави раст прихода од облака, многа средња предузећа и мала и средња предузећа се боре са оперативним трошковима , откривајући да одржавање машине у раду 24/7 може бити скупље од исплате плата тима. То је игра ризика и награде где је ефикасност кључна.
Инвестициони механизам великих технолошких компанија
Доминантне компаније у овој области, као што су Мајкрософт, Амазон, Алфабет и Мета, улажу астрономске суме – потенцијално између 725.000 и 760.000 милијарди долара само ове године – како би унапредиле своје могућности вештачке интелигенције. Ова инвестиција је првенствено усмерена на рачунарство у облаку, сектор у којем Azure и AWS доживљавају експлозиван раст јер компаније настоје да закупе огромне количине процесорске снаге.
Аналитичари сугеришу да, иако слободан новчани ток може бити негативан у кратком року, потражња за услугама у облаку расте брже од потрошње. То значи да се монетизација убрзава, што би требало да ублажи забринутост инвеститора забринутих због поврата инвестиције. У ствари, заостатак наруџбина главних добављача услуга у облаку већ прелази 2,3 билиона долара.
Парадокс штедљивости: Замена људи жетонима?
У канцеларијама финансијских директора дешава се занимљив феномен. Неке организације су аутоматизовале читава одељења како би смањиле трошкове запослених, само да би откриле да им је месечни рачун за токене и клауд инфраструктуру већи од платног списка који су укинули. То се дешава зато што вештачка интелигенција не функционише по фиксној цени као Нетфликс; уместо тога, наплаћује за сваку обрађену информацију.
Када компанија интензивно користи језичке моделе за генерисање кода или обраду огромних количина података, количина токена нагло расте , претварајући очекиване уштеде у прождрљив и непредвидив технолошки трошак. Као резултат тога, вештачка интелигенција не чини увек пословање јефтинијим; уместо тога, она помера трошкове са људског капитала на прекомерну потрошњу енергије и технологије.
Расподела трошкова за имплементацију вештачке интелигенције у пословању
Ако компанија жели да се упусти у авантуру интеграције вештачке интелигенције, не постоји јединствена цена, али постоје уобичајени распони. Стандардни пројекат може да се креће од 10.000 до 50.000 долара , иако сложене имплементације могу лако премашити 200.000 долара. Трошкови се генерално распоређују на следећи начин:
- Развој модела: То представља 25% или више буџета, укључујући алгоритме и API-је.
- činjenice: Прикупљање и чишћење информација троши између 15% и 35%.
- Специјализовано особље: Запошљавање стручњака је један од највећих трошкова, који се креће од 20% до 40%.
- Инфраструктура и одржавање: Хардвер и стална ажурирања додају између 20% и 35% више.
- Усклађеност и управљање: Правни савети и администрација обично чине око 10% од укупног износа.
Сложеност модела директно утиче на буџет. Док је четбот заснован на логици најекономичнија опција (око 10.000 долара), систем дубоког учења или неуронске мреже може почети од 100.000 долара јер захтева знатно више процесорске снаге и података.
Уско грло енергије и животне средине
Не смемо заборавити да вештачка интелигенција има незаситу глад за електричном енергијом. Обука напредног модела попут ChatGPT-а генерише угљенични отисак упоредив са отиском стотина трансконтиненталних летова. Само обука GPT-3 троши енергију еквивалентну ономе што би просечно шпанско домаћинство потрошило за више од две деценије.
Најкритичнија фаза је фаза закључивања, када вештачка интелигенција одговара корисницима, што чини до 80% укупне потрошње енергије . Ово поставља разумно питање о одрживости система: вештачка интелигенција се не може бесконачно скалирати без радикалне трансформације наше енергетске инфраструктуре како би се избегао колапс животне средине.
Глобалне перспективе и историјско поређење
Гартнер предвиђа да ће глобална потрошња на вештачку интелигенцију достићи 1,5 билиона долара до 2025. године и премашити 2 билиона долара 2026. године. Највећи део ће бити потрошен на паметне телефоне са генеративном вештачком интелигенцијом и серверима оптимизованим за GPU. Ако упоредимо овај бум са телекомуникационим бумом 1990-их или железничким бумом 19. века, видимо да смо у тачки од огромног економског значаја , иако још увек нисмо оборили све историјске рекорде за инвестиције као проценат БДП-а.
Ризик лежи у чињеници да компаније улажу у имовину која веома брзо губи вредност . За разлику од железничких пруга које су трајале век, данашњи чипови могу застарети за само неколико година. Због тога је тренутна опклада скок вере где ће само компаније са јасном стратегијом монетизације преживети потенцијалну корекцију тржишта.
Тренутна ситуација показује транзицију у којој масивна улагања у хардвер и облак очајнички траже профитабилан повраћај, док се компаније боре да уравнотеже трошкове токена и потрошњу електричне енергије са повећањем продуктивности , у сценарију где ће енергетска инфраструктура бити право ограничење технолошког раста.