DeepSeek сократил расходы на ИИ? Как бы не так!
Взрывной рост спроса на генеративный ИИ несмотря на падение рынка. Конференция Bloomberg Intelligence развеяла мифы о сокращении инвестиций в AI и подтвердила огромный потенциал развития отрасли. Узнайте, почему расходы на ИИ продолжают расти.
Рост спроса на ИИ несмотря на DeepSeek
Несмотря на появление DeepSeek AI и предположения о сокращении расходов на вычислительные мощности для искусственного интеллекта, спрос продолжает расти. Январское падение фондового рынка, вызванное ажиотажем вокруг DeepSeek AI, первоначально создало впечатление о снижении инвестиций в ИИ-инфраструктуру. Однако конференция, посвященная генеративному ИИ, показала обратное: быстрый рост потребности в генеративном ИИ стимулирует дальнейшие масштабные инвестиции.
Нехватка вычислительных мощностей
Участники конференции единодушно отмечали острую нехватку вычислительных мощностей. Ключевой вопрос — масштабирование ИИ-инфраструктуры и определение текущей стадии этого процесса. Хотя DeepSeek AI демонстрирует возможность выполнения больших объемов работы с меньшими затратами, вопрос о существенном снижении стоимости ИИ, сравнимом со снижением стоимости облачных вычислений, остается открытым. Ожидается, что снижение стоимости вывода (inference) ИИ приведет к резкому увеличению его внедрения.
Изменение мышления в индустрии
DeepSeek AI изменил представление о достижении эффективности в ИИ. Многие дискуссии касались корпоративных проектов ИИ — от концепции до внедрения. Однако подчеркивалась необходимость значительного снижения затрат на обслуживание ИИ для расширения его доступности. Появление DeepSeek AI подчеркнуло необходимость повышения эффективности работы всех ИИ-моделей.
Множественность моделей ИИ
Ожидается дальнейший рост инвестиций в ИИ-инфраструктуру из-за распространения разнообразных моделей ИИ. Не существует универсальной модели, подходящей для всех задач. Компании используют семейства моделей, часто настраивая их под собственные данные. Это требует возможности выбора, управления и аудита моделей. Важной тенденцией является стремление предоставить инструменты для создания моделей ИИ широкому кругу специалистов, а не только узкому кругу экспертов. В качестве примера можно привести Adobe, которая делает ставку на настраиваемые модели как ключевой сценарий использования в креативной работе.
Настраиваемые модели и агенты ИИ
Распространение настраиваемых моделей, как, например, в Adobe, и агентов ИИ внутри компаний увеличивает потребность в вычислительных мощностях. Вместо одного агента, выполняющего все задачи, процессы делятся на части, взаимодействие происходит через единый интерфейс (например, Copilot), с сотнями агентов, выполняющих отдельные задачи. Это новый способ организации рабочего процесса, доступный уже сегодня. Однако, расширение доступа к агентам ИИ для большего числа сотрудников требует снижения затрат и повышения доступности на различных устройствах. Даже общедоступные базовые модели распространяются с невероятной скоростью: Amazon AWS насчитывает 1800 различных моделей ИИ, активно работая над снижением стоимости их запуска, включая разработку специализированных микросхем. Компании, такие как Anthropic, используют огромные вычислительные ресурсы для работы с моделями, способными к рассуждениям, и сотрудничают с AWS над оптимизацией вычислительного бюджета, например, путем кэширования запросов. Несмотря на это, потребление энергии ИИ продолжает расти, и современные центры обработки данных потребляют сотни мегаватт, в будущем потребуются гигаватты.
Экономические факторы
Несмотря на амбициозные планы, экономические факторы могут существенно повлиять на инвестиции в ИИ. Экономический спад может привести к сокращению инвестиций в ИИ, финансовые директора могут перераспределять средства, отдавая приоритет ИИ, даже при сокращении общих бюджетов. Однако, сохраняется неопределенность относительно того, придерживаются ли крупные компании своих планов капитальных затрат на ИИ-инфраструктуру в условиях экономической нестабильности.