Είναι τα Μοντέλα AI Γραμμικά Προϊόντα;

Ο διευθύνων σύμβουλος της Microsoft (MSFT ), Satya Nadella, πρόσφατα προκάλεσε συζήτηση υποδεικνύοντας ότι τα προηγμένα μοντέλα AI βρίσκονται στον δρόμο της εμπορευματοποίησης. Σε ένα podcast, ο Nadella παρατήρησε ότι τα θεμελιώδη μοντέλα γίνονται ολοένα και πιο παρόμοια και ευρέως διαθέσιμα, σε σημείο που «τα μοντέλα από μόνα τους δεν είναι επαρκή» για μια διαρκή конкурентική優勢. Υπογράμμισε ότι η OpenAI – παρά τις προηγμένες νευρωνικές δικτυώσεις της – «δεν είναι μια εταιρεία μοντέλων· είναι μια εταιρεία προϊόντων που συμβαίνει να έχει φανταστικά μοντέλα», υπογραμμίζοντας ότι η αληθινή優勢 προέρχεται από την κατασκευή προϊόντων γύρω από τα μοντέλα.

Με άλλα λόγια, το простό γεγονός ότι έχεις το πιο προηγμένο μοντέλο μπορεί πλέον να μην εγγυάται την ηγεσία στην αγορά, поскольку οποιοδήποτε προβάδισμα απόδοσης μπορεί να είναι βραχύβιο εν μέσω του ταχέως ρυθμού της καινοτομίας του AI.

Η προοπτική του Nadella έχει βάρος σε μια βιομηχανία όπου οι τεχνολογικοί γίγαντες αγωνίζονται για την εκπαίδευση ολοένα και μεγαλύτερων μοντέλων. Η论 του υποδηλώνει μια μετατόπιση του εστιασμού: αντί να εστιάζουν στην υπεροχή του μοντέλου, οι εταιρείες πρέπει να κατευθύνουν την ενέργειά τους προς την ενσωμάτωση του AI σε «ένα πλήρες στακ συστήματος και μεγάλα επιτυχημένα προϊόντα».

Αυτό αντανακλά μια ευρύτερη στάση ότι οι σημερινές καινοτομίες του AI γρήγορα γίνονται η βάση της επόμενης μέρας. Όσο τα μοντέλα γίνονται πιο τυποποιημένα και προσιτά, το φως στρέφεται σε πώς το AI εφαρμόζεται σε πραγματικές υπηρεσίες. Εταιρείες όπως η Microsoft και η Google (GOOGL ), με τεράστια οικοσυστήματα προϊόντων, μπορεί να είναι οι καλύτερα τοποθετημένες για να επωφεληθούν από αυτήν την τάση της εμπορευματοποιημένης AI, ενσωματώνοντας μοντέλα σε φιλικές προς τον χρήστη προσφορές.

Επέκταση της Πρόσβασης και Ανοιχτά Μοντέλα

Δεν ήταν καιρό πριν, μόνο λίγα εργαστήρια μπορούσαν να κατασκευάσουν μοντέλα AI υψηλής ποιότητας, αλλά αυτή η αποκλειστικότητα εξαφανίζεται γρήγορα. Οι ικανότητες του AI γίνονται ολοένα και πιο προσιτές σε οργανισμούς και ακόμη και σε άτομα, ενισχύοντας την ιδέα ότι τα μοντέλα είναι προϊόντα. Ο ερευνητής του AI Andrew Ng από το 2017 σύγκρινε την προοπτική του AI με «την καινούργια ηλεκτρική ενέργεια», υποδεικνύοντας ότι όπως η ηλεκτρική ενέργεια έγινε ένα πανταχού παρούσα εμπορευματοποίηση που υποστηρίζει τη σύγχρονη ζωή, τα μοντέλα του AI θα μπορούσαν να γίνουν θεμελιώδεις υπηρεσίες που είναι διαθέσιμες από πολλούς παρόχους.

Η πρόσφατη διάδοση των ανοιχτών μοντέλων έχει επιταχύνει αυτήν την τάση. Η Meta (η εταιρεία μητρική της Facebook (META )), για παράδειγμα, προκάλεσε κύμα με την κυκλοφορία ισχυρών γλωσσικών μοντέλων όπως το LLaMA ανοιχτά στους ερευνητές και τους développers χωρίς χρέωση. Η λογική είναι στρατηγική: με την ανοικτή πηγή του AI, η Meta μπορεί να προωθήσει την ευρύτερη υιοθέτηση και να κερδίσει συνεισφορές από την κοινότητα, ενώ υπονομεύει τις ιδιωτικές πλεονεκτήματα των αντιπάλων. Και πιο πρόσφατα, ο κόσμος του AI εξερράγη με την κυκλοφορία του Κινεζικού μοντέλου DeepSeek.

Στον τομέα της γεννήτριας εικόνων, το μοντέλο Stable Diffusion της Stability AI έδειξε πώς γρήγορα μια καινοτομία μπορεί να γίνει εμπορευματοποίηση: μέσα σε quelques μήνες από την ανοιχτή κυκλοφορία του το 2022, έγινε ένα οικείο όνομα στη γεννητική AI, διαθέσιμο σε Countless εφαρμογές. Στην πραγματικότητα, το ανοιχτό οικοσύστημα εξελίσσεται – υπάρχουν δεκάδες χιλιάδες μοντέλα AI που είναι δημόσια διαθέσιμα σε αποθήκες όπως η Hugging Face.

Αυτή η πανταχού παρούσα διαθεσιμότητα σημαίνει ότι οι οργανισμοί δεν αντιμετωπίζουν πλέον μια δυαδική επιλογή μεταξύ πληρωμής για ένα μοντέλο μιας seule εταιρείας ή τίποτα. Αντίθετα, μπορούν να επιλέξουν από ένα μενού μοντέλων (ανοιχτών ή εμπορικών) ή ακόμη και να tinh chỉnh τα δικά τους, όπως η επιλογή προϊόντων από ένα κατάλογο. Η απίστευτη ποικιλία επιλογών είναι ένα ισχυρό σημάδι ότι το προηγμένο AI γίνεται μια ευρέως共享 πηγή αντί για một στενά φυλαγμένο προνόμιο.

Οι Γίγαντες του Cloud Κάνουν το AI μια Υπηρεσία Εργαλείου

Οι κύριοι παρόχοι cloud έχουν sido κλειδιά ενεργοποιητές – και οδηγοί – της εμπορευματοποίησης του AI. Εταιρείες όπως η Microsoft, η Amazon (AMZN ) και η Google προσφέρουν μοντέλα AI ως υπηρεσίες upon demand, παρόμοια με τις υπηρεσίες που παραδίδονται μέσω του cloud. Ο Nadella ανέφερε ότι «τα μοντέλα εμπορευματοποιούνται στο [cloud]», υπογραμμίζοντας πώς το cloud κάνει το ισχυρό AI ευρέως προσιτό.

Πράγματι, το cloud Azure της Microsoft έχει μια συνεργασία με την OpenAI, επιτρέποντας σε οποιοδήποτε développer ή επιχείρηση να αποκτήσει πρόσβαση στο GPT-4 ή άλλα κορυφαία μοντέλα μέσω μιας κλήσης API, χωρίς να χρειάζεται να κατασκευάσει το δικό του AI από την αρχή. Η Amazon Web Services (AWS) έχει πάει ένα βήμα παραπέρα με την πλατφόρμα Bedrock, η οποία λειτουργεί ως một αγορά μοντέλων. Η AWS Bedrock προσφέρει μια επιλογή θεμελιωδών μοντέλων από πολλές ηγετικές εταιρείες AI – από τα δικά της μοντέλα της Amazon μέχρι αυτά της Anthropic, AI21 Labs, Stability AI και άλλων – όλα αυτά είναι διαθέσιμα μέσω μιας υπηρεσίας διαχείρισης.

Αυτή η «πολλά μοντέλα, μια πλατφόρμα» προσέγγιση είναι χαρακτηριστική της εμπορευματοποίησης: οι πελάτες μπορούν να επιλέξουν το μοντέλο που ταιριάζει στις ανάγκες τους και να αλλάξουν παρόχους με σχετική ευκολία, όπως η αγορά ενός προϊόντος.

Στην πράξη, αυτό σημαίνει ότι οι επιχειρήσεις μπορούν να βασιστούν στις πλατφόρμες cloud για να έχουν πάντα ένα μοντέλο υψηλής ποιότητας διαθέσιμο, όπως η ηλεκτρική ενέργεια από ένα δίκτυο – και αν ένα νέο μοντέλο κερδίζει τις επικεφαλίδες (π.χ. μια καινοτομία μιας startup), το cloud θα προσφέρει γρήγορα αυτήν την υπηρεσία.

Διαφοροποίηση Πέρα από το Ίδιο το Μοντέλο

Αν όλοι έχουν πρόσβαση σε παρόμοια μοντέλα AI, πώς οι εταιρείες AI διαφοροποιούνται; Αυτό είναι το κεντρικό σημείο της συζήτησης για την εμπορευματοποίηση. Η συναίνεση μεταξύ των ηγετών της βιομηχανίας είναι ότι η αξία θα βρίσκεται στην εφαρμογή του AI, όχι μόνο στο αλγόριθμο. Η στρατηγική της OpenAI αντανακλά αυτήν την μετατόπιση. Η εστίαση της εταιρείας τα τελευταία χρόνια ήταν στην παράδοση ενός γυαλιστερού προϊόντος (ChatGPT και API) και ενός οικοσυστήματος βελτιώσεων – όπως υπηρεσίες tinh chỉnh, πρόσθετα και φιλικές προς τον χρήστη διεπαφές – και όχι απλά στην κυκλοφορία raw μοντέλου κώδικα.

Στην πράξη, αυτό σημαίνει ότι προσφέρουν αξιόπιστη απόδοση, επιλογές προσαρμογής και εργαλεία développers γύρω από το μοντέλο. Παρόμοια, οι ομάδες DeepMind και Brain της Google, που είναι τώρα μέρος της Google DeepMind, κατευθύνουν την έρευνά τους στα προϊόντα της Google όπως η αναζήτηση, οι εφαρμογές γραφείου και οι cloud APIs – ενσωματώνοντας το AI για να κάνουν αυτές τις υπηρεσίες πιο έξυπνες. Η τεχνική σοφία του μοντέλου είναι σίγουρα σημαντική, αλλά η Google γνωρίζει ότι οι χρήστες τελικά ενδιαφέρονται για τις εμπειρίες που ενεργοποιούνται από το AI (μια καλύτερη μηχανή αναζήτησης, một πιο χρήσιμη ψηφιακή βοηθός, κ.λπ.), όχι το όνομα ή το μέγεθος του μοντέλου.

Βλέπουμε επίσης εταιρείες που διαφοροποιούνται μέσω εξειδίκευσης. Αντί για ένα μοντέλο που κυβερνά όλα, ορισμένες εταιρείες AI κατασκευάζουν μοντέλα που προορίζονται για συγκεκριμένα τομείς ή εργασίες, όπου μπορούν να ισχυριστούν μια ανώτερη ποιότητα ακόμη και σε μια εμπορευματοποιημένη τοπική αγορά. Για παράδειγμα, υπάρχουν startups AI που επικεντρώνονται αποκλειστικά στην ιατρική διάγνωση, τις финάνσεις ή το δίκαιο – περιοχές όπου τα ιδιωτικά δεδομένα και η εξειδίκευση τομέα μπορούν να οδηγήσουν σε ένα καλύτερο μοντέλο για αυτόν τον τομέα από ένα γενικό-σκοπό σύστημα. Αυτές οι εταιρείες χρησιμοποιούν tinh chỉnh ανοιχτών μοντέλων ή μικρότερα μοντέλα που έχουν κατασκευαστεί με προιόντα δεδομένα, για να ξεχωρίσουν.

Η διεπαφή ChatGPT της OpenAI και η συλλογή εξειδικευμένων μοντέλων (Unite AI/Alex McFarland)

Μια άλλη μορφή διαφοροποίησης είναι η αποδοτικότητα και το κόστος. Ένα μοντέλο που προσφέρει ισότιμη απόδοση με ένα κλάσμα του υπολογιστικού κόστους μπορεί να είναι ένα конкурентικό πλεονέκτημα. Αυτό υπογραμμίστηκε από την εμφάνιση του μοντέλου R1 του DeepSeek, το οποίο φέρεται να ισοφάρισε ορισμένες από τις ικανότητες του GPT-4 της OpenAI με ένα κόστος εκπαίδευσης κάτω από 6 εκατομμύρια δολάρια, δραματικά χαμηλότερο από το εκτιμώμενο 100+ εκατομμύρια δολάρια που δαπανήθηκαν για το GPT-4. Τέτοιες βελτιώσεις της αποδοτικότητας υποδηλώνουν ότι ενώ τα αποτελέσματα των διαφορετικών μοντέλων μπορεί να γίνουν παρόμοια, ένας παρόχης θα μπορούσε να διαφοροποιηθεί επιτυχώς με τη επίτευξη αυτών των αποτελεσμάτων με χαμηλότερο κόστος ή ταχύτερα.

Τέλος, υπάρχει ο αγώνας για την κατασκευή πιστότητας χρηστών και οικοσυστημάτων γύρω από τις υπηρεσίες AI. Μόλις μια επιχείρηση έχει ενσωματώσει ένα συγκεκριμένο μοντέλο AI βαθιά στο ροή εργασιών της (με προσαρμοσμένες προτροπές, ολοκληρώσεις και tinh chỉnh δεδομένων), η αλλαγή σε ένα άλλο μοντέλο δεν είναι χωρίς τριβές. Παρόχοι όπως η OpenAI, η Microsoft και άλλοι προσπαθούν να αυξήσουν αυτήν την πιστότητα προσφέροντας ολοκληρωμένες πλατφόρμες – από SDK développers έως αγορές AI plugin – που κάνουν το δικό τους AI πιο μια πλήρη λύση από ένα εναλλακτικό προϊόν.

Οι εταιρείες μετακινούνται στην ανώτερη αξία: όταν το ίδιο το μοντέλο δεν είναι ένα φράγμα, η διαφοροποίηση έρχεται από όλα τα γύρω από το μοντέλο – τα δεδομένα, την εμπειρία χρήστη, την εξειδίκευση τομέα και την ολοκλήρωση σε υπάρχοντα συστήματα.

Οικονομικές Ριπές της Εμπορευματοποιημένης AI

Η εμπορευματοποίηση των μοντέλων AI έχει σημαντικές οικονομικές επιπτώσεις. Στο βραχύ χρονικό διάστημα, οδηγεί το κόστος των ικανοτήτων του AI προς τα κάτω. Με πολλαπλούς ανταγωνιστές και ανοιχτές εναλλακτικές, οι τιμές για τις υπηρεσίες AI έχουν μειωθεί δραματικά.

Τους τελευταίους δύο χρόνια, η OpenAI και άλλοι παρόχοι έχουν μειώσει δραματικά τις τιμές για την πρόσβαση στα γλωσσικά μοντέλα. Για παράδειγμα, η τιμή token της OpenAI για τη σειρά GPT μειώθηκε πάνω από 80% από το 2023 στο 2024, μια μείωση που αποδίδεται στην αυξημένη ανταγωνιστικότητα και τις βελτιώσεις της αποδοτικότητας.

Παρόμοια, νέοι είσοδοι που προσφέρουν φθηνότερα ή ανοιχτά μοντέλα αναγκάζουν τους υφιστάμενους να προσφέρουν περισσότερα για λιγότερα – είτε μέσω δωρεάν επιπέδων, ανοιχτών κυκλοφοριών ή συμφωνιών πακέτου. Αυτό είναι καλό νέο για τους καταναλωτές και τις επιχειρήσεις που υιοθετούν το AI, поскольку οι προηγμένες ικανότητες γίνονται ολοένα και πιο προσιτές. Επίσης, σημαίνει ότι η τεχνολογία AI εξαπλώνεται γρηγορότερα στην οικονομία: όταν κάτι γίνεται φθηνότερο και πιο τυποποιημένο, περισσότεροι τομείς το ενσωματώνουν, προωθώντας την καινοτομία (όπως η φθηνή εμπορευματοποιημένη υλική υποδομή PC την δεκαετία του 2000 οδήγησε σε μια έκρηξη λογισμικού και υπηρεσιών διαδικτύου).

Βλέπουμε ήδη μια κυματική υιοθέτηση του AI σε τομείς όπως η εξυπηρέτηση πελατών, η διαφήμιση και οι επιχειρηματικές λειτουργίες, οδηγούμενη από τα εύ sẵnτα μοντέλα και τις υπηρεσίες. Η ευρύτερη διαθεσιμότητα μπορεί να επεκτείνει την συνολική αγορά για λύσεις AI, ακόμη και αν τα κέρδη από τα μοντέλα themselves στενεύουν.

Οικονομικές δυναμικές της εμπορευματοποιημένης AI (Unite AI/Alex McFarland)

Ωστόσο, η εμπορευματοποίηση μπορεί επίσης να αναμορφώσει το конкурентικό τοπίο με δυσχερείς τρόπους. Για τις καθιερωμένες εργαστήρια AI που έχουν επενδύσει δισεκατομμύρια στην ανάπτυξη μοντέλων front-line, η προοπτική ότι αυτά τα μοντέλα θα προσφέρουν μόνο προσωρινά πλεονεκτήματα θέτει ερωτήματα σχετικά με το ROI. Μπορεί να χρειαστεί να προσαρμόσουν τα μοντέλα τους – για παράδειγμα, εστιάζοντας στις υπηρεσίες επιχειρήσεων, τα πλεονεκτήματα ιδιωτικών δεδομένων ή τα προϊόντα συνδρομής που κατασκευάζονται πάνω από τα μοντέλα, αντί να πουλούν μόνο πρόσβαση API.

Υπάρχει επίσης ένας αγώνας: όταν κάθε καινοτομία απόδοσης συναντά ή υπερβαίνει γρήγορα από άλλους (ή ακόμη και από ανοιχτές κοινότητες), το παράθυρο για να κερδοσκοπήσει ένα νέο μοντέλο στενεύει. Αυτή η δυναμική ωθεί τις εταιρείες να σκεφτούν εναλλακτικά οικονομικά φράγματα. Ένα τέτοιο φράγμα είναι η ολοκλήρωση με ιδιωτικά δεδομένα (τα οποία δεν εμπορευματοποιούνται) – το AI που tinh chỉnhται με τα δικά του πλούσια δεδομένα μπορεί να είναι πιο πολύτιμο για την εταιρεία από οποιοδήποτε off-the-shelf μοντέλο.

Ένα άλλο είναι τα χαρακτηριστικά ρυθμιστικών ή συμμόρφωσης, όπου ένας παρόχης μπορεί να προσφέρει μοντέλα με εγγυημένη ιδιωτικότητα ή συμμόρφωση για επιχειρηματική χρήση, διαφοροποιώντας με έναν τρόπο πέρα από την καθαρή τεχνολογία. Σε μακροοικονομικό επίπεδο, αν τα θεμελιώδη μοντέλα AI γίνουν τόσο πανταχού παρούσα όπως οι βάσεις δεδομένων ή οι διακομιστές web, μπορεί να δούμε μια μετατόπιση όπου οι υπηρεσίες γύρω από το AI (υπολογιστική υποδομή, συμβουλευτικές υπηρεσίες, προσαρμογές, συντήρηση) θα γίνουν οι πρωταρχικοί γεννήτορες εσόδων. Ήδη, οι παρόχοι cloud επωφελούνται από την αυξημένη ζήτηση για υπολογιστική υποδομή (CPUs, GPUs, κ.λπ.) για να τρέξουν όλα αυτά τα μοντέλα – λίγο σαν να κερδίζουν από την χρήση ακόμη και αν τα ηλεκτρικά συσκευές εμπορευματοποιούνται.

Στην ουσία, οι οικονομικές της AI θα μπορούσαν να αντανακλούν αυτές των άλλων εμπορευματοποιημένων τεχνολογιών: χαμηλότερα κόστη και μεγαλύτερη πρόσβαση προωθούν την ευρεία χρήση, δημιουργώντας νέες ευκαιρίες πάνω από το εμπορευματοποιημένο στρώμα, ακόμη και αν οι παρόχοι του στρώματος αυτού αντιμετωπίζουν στενότερα περιθώρια και την ανάγκη να καινοτομούν συνεχώς ή να διαφοροποιούνται αλλού.