В преддверии возможных IPO стали известны финансовые прогнозы главных игроков рынка. Затраты на вычислительные мощности для обучения ИИ растут экспоненциально, обещая рекордные убытки.
2 мин
Суть
Ведущие разработчики искусственного интеллекта готовятся к выходу на публичные рынки. В преддверии первичного размещения акций (IPO) внутренние финансовые документы раскрыли фундаментальную проблему индустрии — стремительно растущие и практически неконтролируемые затраты на обучение новых моделей.
Контекст
Исторически технологические стартапы выходили на биржу, демонстрируя понятный путь к прибыльности или хотя бы стабилизации расходов. Однако текущая гонка в сфере искусственного интеллекта диктует иные правила. Компании вынуждены выпускать обновления с беспрецедентной скоростью, чтобы удерживать лидерство.
При этом каждый новый скачок в способностях алгоритмов дается сложнее и требует кратно большего объема ресурсов. Возникает проблема масштабирования: для достижения линейного улучшения качества ответов системы требуется экспоненциальный рост вычислительных мощностей и данных.
Детали
Цифры из конфиденциальных отчетов, подготовленных для инвесторов, показывают масштаб грядущих трат. Прогнозируется, что к 2028 году базовая статья расходов OpenAI — вычислительные мощности для исследований — достигнет 121 миллиарда долларов.
Изображение из источника
Даже при оптимистичном сценарии, предполагающем почти двукратный рост выручки по сравнению с предыдущим годом, компания ожидает зафиксировать убыток в размере 85 миллиардов долларов всего за один год. Подобные финансовые потери затмевают показатели практически любой другой публичной компании в современной экономической истории.
Конкуренты из Anthropic закладывают в свои бюджеты меньшие абсолютные суммы. Тем не менее, их самые позитивные прогнозы отражают ту же фундаментальную проблему: стоимость вычислений непрерывно и быстро растет.
Анализ
Эти данные позволяют нам трезво взглянуть на реальную экономику крупнейших лабораторий. Очевидно, что текущая парадигма создания больших языковых моделей (LLM) требует капитальных вложений на уровне государственного финансирования инфраструктурных проектов.
Главным следствием таких затрат становится высокий барьер входа. Стоимость создания передового искусственного интеллекта означает, что рынок неизбежно будет консолидироваться. Лишь единичные корпорации смогут позволить себе поддерживать такой уровень сжигания капитала. Основными же выгодоприобретателями на данном этапе остаются производители чипов и провайдеры облачной инфраструктуры.
Перспектива
Предстоящие размещения акций покажут, готовы ли институциональные и частные инвесторы финансировать исторически беспрецедентные убытки ради обещания будущего технологического доминирования.
В долгосрочной перспективе индустрии придется искать выход из этой ловушки затрат. Текущая траектория финансово неустойчива. Вероятно, мы увидим смещение фокуса научного сообщества с простого наращивания вычислительной мощности на поиск принципиально новых, более эффективных архитектур нейросетей. Время покажет, смогут ли разработчики разорвать прямую зависимость между интеллектуальностью модели и стоимостью ее создания.
Гонка в сфере ИИ требует колоссальных затрат на вычисления, из-за чего ведущие компании планируют выйти на биржу с прогнозом исторических убытков.
Каждое следующее поколение ИИ требует экспоненциально больших затрат, что делает традиционную бизнес-модель масштабирования программного обеспечения неработающей без прорывов в архитектуре алгоритмов.
