Становятся ли модели ИИ товаром?

Генеральный директор Microsoft (MSFT ) Сатья Наделла недавно вызвал дискуссию, предположив, что продвинутые модели ИИ находятся на пути к коммодитизации. В подкасте Наделла отметил, что фундаментальные модели становятся все более похожими и широко доступными, до такой степени, что «модели сами по себе не являются достаточными» для долгосрочного конкурентного преимущества. Он указал, что OpenAI – несмотря на свои передовые нейронные сети – «не является компанией-моделью; это компания-продукт, которая имеет фантастические модели», подчеркивая, что истинное преимущество заключается в создании продуктов вокруг моделей.

Иными словами, наличие самой продвинутой модели может больше не гарантировать лидерство на рынке, поскольку любое преимущество в производительности может быть недолгим из-за быстрого темпа инноваций в области ИИ.

Мнение Наделлы имеет вес в отрасли, где технологические гиганты соревнуются в обучении все более крупных моделей. Его аргумент подразумевает сдвиг фокуса: вместо того, чтобы одержимо заниматься превосходством модели, компании должны направить энергию на интеграцию ИИ в «полный стек систем и успешные продукты».

Это отражает более широкий настрой, что сегодняшние прорывы в области ИИ быстро становятся базовыми функциями завтрашнего дня. По мере того, как модели становятся более стандартизированными и доступными, внимание смещается на то, как ИИ применяется в реальных услугах. Компании, такие как Microsoft и Google (GOOGL ), с обширными экосистемами продуктов, могут быть лучше всего подготовлены к тому, чтобы воспользоваться этой тенденцией коммодитизации ИИ, встраивая модели в удобные для пользователя предложения.

Расширение доступа и открытые модели

Не так давно только несколько лабораторий могли создавать модели ИИ самого высокого уровня, но эта эксклюзивность быстро исчезает. Возможности ИИ становятся все более доступными для организаций и даже отдельных лиц, что подкрепляет идею о моделях как товарах. Исследователь ИИ Эндрю Нг еще в 2017 году сравнил потенциал ИИ с «новой электричеством», предполагая, что так же, как электричество стало повсеместной коммодитией, лежащей в основе современной жизни, модели ИИ могут стать фундаментальными услугами, доступными от многих поставщиков.

Недавнее распространение открытых моделей ускоряет эту тенденцию. Meta (материнская компания Facebook (META )), например, вызвала ажиотаж, выпустив мощные языковые модели, такие как LLaMA, открыто для исследователей и разработчиков бесплатно. Обоснование стратегическое: выпуская ИИ в открытом доступе, Meta может способствовать более широкому внедрению и получить вклад сообщества, одновременно подрывая конкурентные преимущества соперников. И даже более недавно мир ИИ взорвался с выпуском китайской модели DeepSeek.

В области генерации изображений модель Stable Diffusion компании Stability AI показала, как быстро прорыв может стать коммодитизированным: в течение нескольких месяцев после открытого выпуска в 2022 году она стала домохозяйным именем в области генеративного ИИ, доступной в бесчисленных приложениях. На самом деле, экосистема открытого доступа взрывается – существует десятки тысяч моделей ИИ, доступных в репозиториях, таких как Hugging Face.

Эта повсеместность означает, что организации больше не сталкиваются с бинарным выбором: либо платить за секретную модель одного поставщика, либо не иметь ничего. Вместо этого они могут выбирать из меню моделей (открытых или коммерческих) или даже дообучать свои собственные, как если бы они выбирали товары из каталога. Огромное количество вариантов является сильным указанием на то, что продвинутый ИИ становится широко распространенным ресурсом, а не тесно охраняемым привилегией.

Крупные облачные поставщики, превращающие ИИ в коммунальную услугу

Крупные облачные поставщики стали ключевыми факторами – и движущими силами – коммодитизации ИИ. Компании, такие как Microsoft, Amazon (AMZN ) и Google, предлагают модели ИИ в качестве услуг по требованию, подобно коммунальным услугам, поставляемым через облако. Наделла отметил, что «модели становятся коммодитизированными в [облаке]», подчеркивая, как облако делает мощный ИИ широко доступным.

Действительно, облачная платформа Azure от Microsoft имеет партнерство с OpenAI, позволяющее любому разработчику или бизнесу подключиться к GPT-4 или другим лучшим моделям через вызов API, не создавая свой собственный ИИ с нуля. Amazon Web Services (AWS) пошел еще дальше с платформой Bedrock, которая выступает в качестве рынка моделей. AWS Bedrock предлагает выбор фундаментальных моделей от ведущих компаний ИИ – от собственных моделей Amazon до моделей от Anthropic, AI21 Labs, Stability AI и других – все доступно через одну управляемую услугу.

Такой подход «многие модели, одна платформа» является примером коммодитизации: клиенты могут выбрать модель, которая соответствует их потребностям, и переключиться на другого поставщика с относительной легкостью, как если бы они покупали товар.

В практическом смысле это означает, что бизнес может полагаться на облачные платформы, чтобы всегда иметь доступ к модели самого высокого уровня – как электричество от сети – и если новая модель привлекает внимание (например, прорыв стартапа), облако быстро предложит ее.

Дифференциация за пределами самой модели

Если у всех есть доступ к подобным моделям ИИ, как компании, работающие с ИИ, могут дифференцироваться? Это является ключом к дебатам о коммодитизации. Консенсус среди лидеров отрасли заключается в том, что ценность будет лежать в применении ИИ, а не только в алгоритме. Стратегия OpenAI сама по себе отражает этот сдвиг. Фокус компании в последние годы был направлен на предоставление отполированного продукта (ChatGPT и его API) и экосистемы улучшений – таких как услуги дообучения, плагины и удобные интерфейсы – а не просто выпуск сырого кода модели.

На практике это означает предложение надежной производительности, вариантов настройки и инструментов для разработчиков вокруг модели. Аналогично, команды DeepMind и Brain от Google, теперь часть Google DeepMind, направляют свои исследования в продукты Google, такие как поиск, офисные приложения и облачные API – встраивая ИИ, чтобы сделать эти услуги более умными. Техническая сложность модели, безусловно, важна, но Google знает, что пользователи в конечном итоге заботятся об опыте, который ИИ обеспечивает (лучший поисковый движок, более полезный цифровой помощник и т. д.), а не о названии или размере модели.

Мы также наблюдаем дифференциацию через специализацию. Вместо одной модели, которая доминирует во всем, некоторые фирмы, работающие с ИИ, строят модели, адаптированные к конкретным областям или задачам, где они могут заявить о превосходном качестве, даже в коммодитизированной среде. Например, есть стартапы, которые фокусируются исключительно на здравоохранении, финансах или праве – областях, где проприетарные данные и экспертиза в области могут дать лучшую модель для этой ниши, чем система общего назначения. Эти компании используют дообучение открытых моделей или более мелкие модели, адаптированные под конкретные задачи, в сочетании с проприетарными данными, чтобы выделиться.

Интерфейс ChatGPT от OpenAI и коллекция специализированных моделей (Unite AI/Alex McFarland)

Другой формой дифференциации является эффективность и стоимость. Модель, которая обеспечивает равную производительность при меньшей вычислительной стоимости, может стать конкурентным преимуществом. Это было подчеркнуто с появлением модели R1 от DeepSeek, которая, как сообщается, соответствует некоторым возможностям GPT-4 от OpenAI при стоимости обучения менее 6 миллионов долларов, что значительно ниже оценочной стоимости более 100 миллионов долларов, потраченных на GPT-4. Такие достижения в эффективности предполагают, что, хотя выходные данные разных моделей могут стать похожими, один поставщик может отличаться, достигая этих результатов более дешево или быстро.

Наконец, есть гонка за построение лояльности пользователей и экосистем вокруг услуг ИИ. Как только бизнес интегрирует конкретную модель ИИ глубоко в свой рабочий процесс (с настраиваемыми подсказками, интеграциями и дообученными данными), переключение на другую модель не является безболезненным. Поставщики, такие как OpenAI, Microsoft и другие, пытаются увеличить эту лояльность, предлагая комплексные платформы – от SDK для разработчиков до рынков плагинов ИИ – которые делают их вариант ИИ более полным решением, чем заменяемой коммодитией.

Компании перемещаются вверх по цепочке создания ценности: когда сама модель не является препятствием, дифференциация происходит от всего, что окружает модель – данных, опыта пользователя, вертикальной экспертизы и интеграции в существующие системы.

Экономические эффекты коммодитизации ИИ

Коммодитизация моделей ИИ несет значительные экономические последствия. В краткосрочной перспективе это стимулирует снижение стоимости возможностей ИИ. С множеством конкурентов и открытыми альтернативами цена на услуги ИИ находится в спирали снижения, напоминающей классические товарные рынки.

За последние два года OpenAI и другие поставщики значительно снизили цены на доступ к языковым моделям. Например, цена токенов для серии GPT от OpenAI снизилась более чем на 80% с 2023 по 2024 год, что является снижением, связанным с увеличением конкуренции и достижениями в эффективности.

Аналогично, новые участники, предлагающие более дешевые или открытые модели, заставляют действующих игроков предлагать больше за меньшие деньги – будь то бесплатные тарифы, открытые релизы или пакетные предложения. Это хорошая новость для потребителей и бизнеса,采用ющих ИИ, поскольку продвинутые возможности становятся все более доступными. Это также означает, что технология ИИ распространяется быстрее по экономике: когда что-то становится дешевле и более стандартизированным, больше отраслей включают его, стимулируя инновации (как и дешевая коммодитизированная компьютерная техника в 2000-х годах привела к взрыву программного обеспечения и интернет-услуг).

Мы уже наблюдаем волну внедрения ИИ в таких секторах, как обслуживание клиентов, маркетинг и операции, обусловленную готовыми моделями и услугами. Более широкая доступность может, таким образом, расширить общий рынок решений ИИ, даже если прибыльные маржи на самих моделях сокращаются.

Экономическая динамика коммодитизированного ИИ (Unite AI/Alex McFarland)

Однако коммодитизация также может изменить конкурентную среду сложными способами. Для установленных лабораторий ИИ, которые инвестировали миллиарды в разработку моделей передового уровня, перспектива того, что эти модели дадут только кратковременные преимущества, вызывает вопросы о возврате инвестиций. Они могут потребовать корректировки своих бизнес-моделей – например, сосредоточения внимания на корпоративных услугах, проприетарных преимуществах данных или подписных продуктах, построенных поверх моделей, а не только на продаже доступа к API.

Также есть элемент гонки вооружений: когда любой прорыв в производительности быстро встречается или превосходит другими (или даже открытыми сообществами), окно для монетизации новой модели сужается. Эта динамика заставляет компании рассматривать альтернативные экономические барьеры. Одним из таких барьеров является интеграция с проприетарными данными (которые не коммодитизированы) – ИИ, дообученный на собственных данных компании, может быть более ценен для этой компании, чем любая модель из коробки.

Другим является нормативные или комплаенс-функции, где поставщик может предложить модели с гарантированной конфиденциальностью или комплаенсом для корпоративного использования, дифференцируясь способом, выходящим за рамки сырой технологии. В макроэкономическом масштабе, если фундаментальные модели ИИ станут такими же повсеместными, как базы данных или веб-серверы, мы можем наблюдать сдвиг, при котором услуги вокруг ИИ (облачное хостинг, консалтинг, настройки, обслуживание) станут основными генераторами дохода. Уже сейчас облачные поставщики выигрывают от увеличения спроса на вычислительную инфраструктуру (ЦП, ГП и т. д.) для запуска всех этих моделей – немного как электрическая коммунальная компания получает прибыль от использования, даже если бытовая техника коммодитизирована.

В сущности, экономика ИИ может отражать экономику других товаров ИТ: более низкие затраты и более широкий доступ стимулируют широкое использование, создавая новые возможности, построенные поверх коммодитизированного слоя, даже когда поставщики этого слоя сталкиваются с более узкими маржами и необходимостью постоянно инновировать или дифференцироваться в других областях.