- Binabasag ng malalaking kompanya ng teknolohiya ang mga rekord ng pamumuhunan sa imprastraktura ng cloud at mga data center upang suportahan ang AI.
- Ang automation ng negosyo ay nahaharap sa isang kabalintunaan kung saan ang halaga ng mga token at enerhiya ay maaaring lumampas sa natitipid na sahod.
- Ang pandaigdigang paggastos sa AI ay inaasahang lalago nang malaki, dala ng integrasyon sa mga personal na device at na-optimize na hardware.
- Ang pagpapanatili ng enerhiya ay nagiging pangunahing hadlang dahil sa napakalaking konsumo ng kuryente ng mga modelo ng pagbuo.
Ang pagkahumaling sa artificial intelligence ay lumampas na sa simpleng pangako at naging isang napakalaking makinang pang-ekonomiya , na lumilikha ng trilyong dolyar sa mga pandaigdigang pamilihan. Bagama't marami ang nagtaka noong una kung isa lamang itong bula, ipinapahiwatig ng kasalukuyang datos na ang pamumuhunan sa kapital ay nagsisimula nang magbunga, lalo na para sa mga higanteng kumokontrol sa digital na imprastraktura.
Gayunpaman, hindi lahat ay maganda sa aspetong pinansyal. Habang ipinagdiriwang ng Wall Street ang paglago ng kita mula sa cloud, maraming katamtamang laki ng mga negosyo at SME ang nahihirapan sa mga gastos sa pagpapatakbo , na natutuklasan na ang pagpapanatiling gumagana ang isang makina nang 24/7 ay maaaring mas mahal kaysa sa pagbabayad ng suweldo ng isang koponan. Ito ay isang laro na may kinalaman sa panganib at gantimpala kung saan ang kahusayan ang susi.
Ang makinarya sa pamumuhunan ng Big Tech
Ang mga nangingibabaw na kumpanya sa larangan, tulad ng Microsoft, Amazon, Alphabet, at Meta, ay namumuhunan ng napakalaking halaga—potensyal na nasa pagitan ng $725.000 bilyon at $760.000 bilyon ngayong taon lamang—upang mapahusay ang kanilang mga kakayahan sa AI. Ang pamumuhunang ito ay pangunahing nakatuon sa cloud computing, isang sektor kung saan ang Azure at AWS ay nakakaranas ng mabilis na paglago habang ang mga kumpanya ay naghahangad na umupa ng napakalaking lakas sa pagproseso.
Iminumungkahi ng mga analyst na, bagama't maaaring negatibo ang free cash flow sa maikling panahon, ang demand para sa mga serbisyo ng cloud ay mas mabilis na lumalaki kaysa sa paggastos. Nangangahulugan ito na bumibilis ang monetization, na dapat magpagaan sa mga alalahanin ng mga mamumuhunan na nag-aalala tungkol sa return on investment. Sa katunayan, ang backlog ng mga order ng mga pangunahing cloud provider ay lumampas na sa $2,3 trilyon.
Ang kabalintunaan ng pagtitipid: Pagpapalit ng mga tao ng mga token?
Isang kakaibang penomeno ang nangyayari sa mga opisina ng CFO. May ilang organisasyon na nag-automate ng buong departamento para mabawasan ang mga gastos sa tauhan, ngunit natuklasan nilang mas mataas pala ang kanilang buwanang singil para sa mga token at cloud infrastructure kaysa sa payroll na kanilang inalis. Nangyayari ito dahil ang AI ay hindi gumagana sa isang flat rate tulad ng Netflix; sa halip, naniningil ito para sa bawat impormasyong naproseso.
Kapag ang isang kumpanya ay masinsinang gumagamit ng mga modelo ng wika upang makabuo ng code o magproseso ng napakalaking dami ng data, ang dami ng mga token ay tumataas nang husto , na ginagawang isang napakalaki at hindi mahuhulaan na gastos sa teknolohiya ang inaasahang matitipid. Bilang resulta, hindi palaging ginagawang mas mura ng AI ang negosyo; sa halip, inililipat nito ang paggastos palayo sa kapital ng tao patungo sa labis na enerhiya at pagkonsumo ng teknolohiya.
Pagsusuri ng mga gastos para sa pagpapatupad ng AI sa negosyo
Kung nais ng isang kumpanya na simulan ang pakikipagsapalaran ng pagsasama ng AI, walang iisang presyo, ngunit may mga karaniwang saklaw. Ang isang karaniwang proyekto ay maaaring mula $10.000 hanggang $50.000 , bagaman ang mga kumplikadong implementasyon ay madaling lumampas sa $200.000. Ang mga gastos ay karaniwang ipinamamahagi tulad ng sumusunod:
- Pagbuo ng modelo: Ito ay kumakatawan sa 25% o higit pa ng badyet, kabilang ang mga algorithm at API.
- katotohanan: Ang pagkuha at paglilinis ng impormasyon ay kumukonsumo sa pagitan ng 15% at 35%.
- Mga espesyalisadong tauhan: Ang pagkuha ng mga eksperto ay isa sa pinakamalaking gastusin, mula 20% hanggang 40%.
- Imprastraktura at pagpapanatili: Ang hardware at patuloy na mga pag-update ay nagdaragdag sa pagitan ng 20% at 35% pa.
- Pagsunod at pamamahala: Ang payong legal at administrasyon ay karaniwang bumubuo ng humigit-kumulang 10% ng kabuuan.
Ang kasalimuotan ng modelo ay direktang nakakaapekto sa badyet. Bagama't ang logic-based chatbot ang pinaka-matipid na opsyon (humigit-kumulang $10.000), ang deep learning o neural network system ay maaaring magsimula sa $100.000 dahil nangangailangan ito ng mas malaking processing power at data.
Ang hadlang sa enerhiya at kapaligiran
Hindi natin maaaring kalimutan na ang AI ay may walang kabusugang pagkahumaling sa kuryente. Ang pagsasanay sa isang advanced na modelo tulad ng ChatGPT ay lumilikha ng carbon footprint na maihahambing sa daan-daang transcontinental na flight. Ang pagsasanay sa GPT-3 pa lamang ay kumokonsumo ng enerhiya na katumbas ng kung ano ang gagamitin ng isang karaniwang sambahayang Espanyol sa mahigit dalawang dekada.
Ang pinakamahalagang yugto ay ang yugto ng paghihinuha, kung kailan tumutugon ang AI sa mga gumagamit, na bumubuo ng hanggang 80% ng kabuuang pagkonsumo ng enerhiya . Nagbubunsod ito ng isang makatwirang tanong tungkol sa pagpapanatili ng sistema: Hindi maaaring mapalawak nang walang hanggan ang AI nang hindi radikal na binabago ang ating imprastraktura ng enerhiya upang maiwasan ang pagbagsak ng kapaligiran.
Mga pandaigdigang pananaw at paghahambing sa kasaysayan
Hinuhulaan ng Gartner na ang pandaigdigang paggastos sa AI ay aabot sa $1,5 trilyon pagsapit ng 2025 at lalampas sa $2 trilyon sa 2026. Ang pinakamalaking bahagi ay gagastusin sa mga smartphone na may generative AI at mga server na na-optimize para sa GPU. Kung ikukumpara natin ang boom na ito sa boom ng telekomunikasyon noong dekada 1990 o sa boom ng riles noong ika-19 na siglo, makikita natin na nasa punto tayo ng napakalaking kahalagahan sa ekonomiya , bagama't hindi pa natin nababasag ang lahat ng makasaysayang rekord para sa pamumuhunan bilang porsyento ng GDP.
Ang panganib ay nasa katotohanang ang mga kumpanya ay namumuhunan sa mga asset na mabilis na bumababa ang halaga . Hindi tulad ng mga riles ng tren na tumagal nang isang siglo, ang mga chips ngayon ay maaaring maging lipas na sa loob lamang ng ilang taon. Ginagawa nitong isang malaking hamon ang kasalukuyang taya kung saan tanging ang mga kumpanyang may malinaw na diskarte sa monetization ang makakaligtas sa potensyal na pagwawasto ng merkado.
Ang kasalukuyang kalagayan ay nagpapakita ng isang transisyon kung saan ang napakalaking pamumuhunan sa hardware at cloud ay desperadong naghahanap ng kumikitang kita, habang ang mga kumpanya ay nahihirapang balansehin ang mga gastos sa token at pagkonsumo ng kuryente sa mga pagtaas ng produktibidad , sa isang senaryo kung saan ang imprastraktura ng enerhiya ang magiging tunay na limitasyon sa paglago ng teknolohiya.