Dr. Anita Roy Roy
- Сдвиг в технологической индустрии в сторону генеративного ИИ, возглавляемый такими компаниями, как Microsoft и Google, приносит значительные затраты наряду с обещанной инновацией.
- Интеграция ИИ в продукты, такие как Copilot на базе ИИ в Microsoft 365, приводит к увеличению затрат для пользователей.
- Процессы генеративного ИИ требуют значительных вычислительных мощностей, что делает как обучение, так и развертывание моделей дорогими.
- Финансовые показатели OpenAI подчеркивают проблему прибыльности ИИ, с высокими операционными расходами, превышающими доходы.
- Компании исследуют финансовые адаптации, такие как модели с поддержкой рекламы и перенос вычислений на устройства пользователей, чтобы управлять затратами на ИИ.
- Появляющиеся модели «тонкого» ИИ из Китая и исследовательских институтов ставят под сомнение представление о том, что высокие расходы необходимы для сложности ИИ.
- Будущее ИИ заключается в устойчивом развертывании и, возможно, в использовании персональных устройств для обработки ИИ на устройстве, что предлагает преимущества конфиденциальности.
Гул дата-центров когда-то символизировал прогресс в цифровую эпоху, но теперь отзывается неожиданным сдвигом в подходе технологической индустрии к ИИ. В прошлом году такие гиганты, как Microsoft и Google, агрессивно внедрили генеративный ИИ в свои продукты, обещая инновации, но раскрывая дорогостоящую правду.
Представьте себе стильный ноутбук, клавиатура которого сверкает с любопытным дополнением — клавишей, специально предназначенной для ИИ. Эта маленькая кнопка символизирует колоссальное усилие компаний по внедрению искусственного интеллекта в каждую цифровую щель. Microsoft даже связала свой флагманский пакет Microsoft 365 с функцией Copilot на базе ИИ, значительно увеличив затраты для пользователей.
Затраты колоссальны. Генеративный ИИ, олицетворяемый массивными моделями OpenAI, расходует ресурсы, как вода через сито. Хотя OpenAI сообщила о доходах в 3,7 миллиарда долларов в прошлом году, она потратила почти 9 миллиардов — разница, вызывающая недоумение, подчеркивающая проблему прибыльности ИИ. Стратегические финансовые корректировки Microsoft, включая отмену некоторых арен дата-центров и создание версий продуктов с поддержкой рекламы, отражают их усилия по возмещению этих затрат.
Почему генеративный ИИ так дорог? Процессы, которые питают эти интеллектуальные системы, требуют огромной вычислительной мощности. Обучение моделей ИИ связано с значительными первоначальными затратами, но именно непрерывная инференция — развертывание этих моделей — высасывает деньги по мере расширения базы пользователей. Например, один сложный запрос, обработанный OpenAI, может стоить более 1 000 долларов в расходах на время работы. Такие цифры объясняют смелые повышения цен на подписки и побуждают технологические компании к инновациям в управлении затратами.
Поскольку такие компании, как Microsoft, инвестируют миллиарды в эти ИИ-структуры, возникает тонкий, но стратегический поворот: перенос некоторых вычислительных обязанностей на устройства пользователей. Эта тенденция не только снимает нагрузку с центральных данных, но и вводит «на-устройстве» ИИ в качестве меры защиты конфиденциальности, создавая двойную пользу.
Смотря на восток, другие новаторы прокладывают пути через эту финансовую трясину. Китайские DeepSeek и исследовательские группы из Института Аллена и Стэнфорда предполагают, что совершенство ИИ может не требовать экстравагантных расходов. Их «тонкие», но эффективные модели ставят под сомнение концепцию, что больше расходов означает более совершенный ИИ.
Вывод? Революция ИИ может заключаться не только в принятии передовых моделей, но и в переосмыслении их устойчивого развертывания. Поскольку технологические титаны балансируют между инновациями и финансовой жизнеспособностью, бремя ИИ может все больше смещаться ближе к дому, превращая личные устройства, которые мы ценим, в еще один фронт в волне трансформации ИИ.
Как ИИ трансформирует технологии: за пределами гудения дата-центра
Экономика генеративного ИИ: взгляд из-за кулис
Всплеск интеграции ИИ стал двойным мечом для технологических гигантов. Хотя внедрение искусственного интеллекта в платформы обещает передовые достижения, оно также приносит колоссальные затраты. Модели генеративного ИИ, такие как те, что разработаны OpenAI, требуют огромной вычислительной мощности как для обучения, так и для работы, что способствует высоким финансовым требованиям.
Почему генеративный ИИ дорогой
— Вычислительная мощность: Обучение моделей ИИ требует много ресурсов. Большие наборы данных и мощные графические процессоры (GPU) движут этими процессами, что приводит к огромным затратам на электроэнергию и охлаждение в дата-центрах. Согласно исследованию Университета Массачусетс Амхерст, обучение одной модели ИИ может выделять столько же углерода, сколько пять автомобилей за весь срок службы.
— Затраты на инференцию: Кроме обучения, выполнение в реальном времени или инференция моделей ИИ требует непрерывного вычислительного ввода. По мере увеличения взаимодействия пользователей эти расходы также растут. Для OpenAI сложный запрос ИИ может стоить 1 000 долларов за экземпляр, что иллюстрирует, почему технологические компании пересматривают свои ценовые стратегии.
— Инфраструктура дата-центра: Поддержка, аренда и модернизация дата-центров — это еще одна значительная статья расходов. Например, Microsoft снизила операционные расходы, отменив некоторые свои аренды, что указывает на переход к более гибким решениям.
Решение проблем с затратами на ИИ: инновации для устойчивости и конфиденциальности
— ИИ на устройстве: Перенос некоторых процессов ИИ на устройства пользователей может значительно сократить нагрузку на дата-центры. Этот подход не только оптимизирует ресурсы, но и улучшает конфиденциальность, обрабатывая данные локально. Apple, например, стала пионером ИИ на устройстве с такими функциями, как распознавание лиц и локализованная обработка Siri.
— Подходы к «тонким» моделям: Компании ищут решения на востоке. Китайские предприятия, такие как DeepSeek, и исследователи из престижных институтов сосредоточены на разработке эффективных моделей с меньшими требованиями к ресурсам, показывая, что меньше может быть больше.
Рыночные тренды и будущее ИИ
— Модели с поддержкой рекламы: Исследование Microsoft продуктов с поддержкой рекламы отражает стратегию по компенсации затрат для потребителей при сохранении высококачественных функций ИИ.
— Модели ИИ с учетом конфиденциальности: По мере роста обеспокоенности по поводу конфиденциальности ожидается увеличение моделей ИИ, придающих приоритет защите пользовательских данных через локальные возможности обработки.
— Сотрудничество с производителями оборудования: Партнерство между ИИ-компаниями и производителями аппаратного обеспечения может привести к созданию более удобных для ИИ потребительских устройств, интегрирующих более эффективные процессоры, предназначенные для задач ИИ на устройстве.
Рекомендации к действию
— Оцените свои потребности: Прежде чем подписываться на продукты с внедренным ИИ, оцените, соответствуют ли эти инновации вашим требованиям, чтобы избежать ненужных затрат.
— Будьте в курсе безопасности: Пользователи должны быть в курсе политик конфиденциальности устройств и услуг ИИ, чтобы обеспечить защиту данных.
— Мониторинг потребления энергии: Бизнесу следует отслеживать потребление энергии в дата-центрах, принимая экологически чистые практики для минимизации воздействия на окружающую среду.
Заключение
Поскольку технологическая индустрия эволюционирует под влиянием растущего влияния ИИ, устойчивость и экономическая эффективность останутся в центре внимания инноваций. С учетом того, что такие компании, как Microsoft и Google, пересматривают стратегии развертывания ИИ, акцент будет все больше смещаться на создание моделей, которые балансируют передовые технологии с экономической и экологической целесообразностью.
Для получения дополнительной информации о технологических инновациях и разработках ИИ посетите Microsoft и Google.
