Становятся ли модели ИИ товаром?

Недавно генеральный директор Microsoft Сатья Наделла вызвал дискуссию, предположив, что продвинутые модели ИИ находятся на пути к коммодитизации. В подкасте Наделла отметил, что базовые 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 случайно имеет фантастические модели», подчеркивая, что истинное преимущество заключается в создании продуктов вокруг моделей.

В других словах, просто иметь самую продвинутую модель больше не гарантирует лидерство на рынке, поскольку любое лидерство в производительности может быть недолгим среди быстрого темпа инноваций в области ИИ.

Мнение Наделлы имеет вес в отрасли, где технологические гиганты соревнуются в создании 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 широкое мнение, что сегодняшние прорывы в области ИИ быстро становятся базовыми функциями завтрашнего дня. Когда модели становятся более стандартизированными и доступными, внимание смещается на то, как ИИ применяется в реальных сервисах. Компании, такие как Microsoft и Google, с обширными экосистемами продуктов, могут быть лучше всего подготовлены к тому, чтобы воспользоваться этой тенденцией коммодитизации ИИ, встраивая модели в удобные для пользователя предложения.

https://www.youtube.com/watch?v=ZUPJ1ZnIZvE

Расширение доступа и открытые модели

Не так давно только несколько лабораторий могли создавать модели ИИ высшего класса, но эта эксклюзивность быстро исчезает. Возможности ИИ становятся все более доступными для организаций и даже отдельных лиц, подогревая 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 могли бы стать фундаментальными коммунальными услугами, доступными от многих поставщиков.

Недавнее распространение открытых моделей ускоряет эту тенденцию. Meta (материнская компания Facebook), например, вызвала волнение, выпустив мощные языковые модели, такие как LLaMA, открыто исследователям и разработчикам бесплатно. Обоснование этого шага стратегическое: выпуская ИИ в открытом доступе, Meta может стимулировать более широкое внедрение и получить вклад сообщества, одновременно подрывая проприетарные преимущества конкурентов. И даже более недавно мир ИИ взорвался с выпуском китайской модели DeepSeek.

В области генерации изображений модель Stable Diffusion от Stability AI показала, как быстро прорыв может стать коммодитизированным: уже через несколько месяцев после открытого выпуска в 2022 году она стала знаменитой в области генеративного ИИ, доступной в бесчисленных приложениях. На самом деле, экосистема открытого кода взрывается – на репозиториях, таких как Hugging Face, доступно десятки тысяч моделей ИИ.

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

Гиганты облачных вычислений превращают ИИ в коммунальную услугу

Крупные облачные провайдеры стали ключевыми факторами – и движущими силами – коммодитизации ИИ. Компании, такие как Microsoft, Amazon и Google, предлагают модели ИИ в качестве сервисов по требованию, подобно коммунальным услугам, доставляемым 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 топ-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 базовых моделей от ведущих компаний ИИ – от собственных моделей Amazon до моделей от Anthropic, AI21 Labs, Stability AI и других – все доступно через один управляемый сервис.

Такой подход «многие модели, одна платформа» демонстрирует коммодитизацию: 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 высшего класса, подобно электричеству из 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 аналогичным моделям ИИ, как компании, работающие с ИИ, могут отличаться друг от друга? Это является ключом к дебатам о коммодитизации. Согласно мнению лидеров отрасли, 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 на продукты Google, такие как поиск, офисные приложения и облачные API – встраивая ИИ, чтобы сделать эти сервисы умнее. 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, как компании дифференцируются через специализацию. Вместо одной модели, которая доминирует над всем, некоторые фирмы ИИ строят модели, адаптированные к конкретным областям или задачам, где они могут заявить о высшем качестве, даже в коммодитизированном ландшафте. Например, есть стартапы ИИ, которые сосредотачиваются исключительно на медицинской диагностике, финансах или праве – областях, где проприетарные данные и экспертиза в области могут дать лучшую модель для этой ниши, чем общая система. Эти компании используют дообучение открытых моделей или более мелкие модели, 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 быть конкурентным преимуществом. Это было подчеркнуто 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 выигрыши в эффективности предполагают, что хотя выходы 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 сервисов ИИ. Как только бизнес глубоко интегрирует конкретную модель ИИ 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 липкость, предлагая комплексные платформы – от SDK для разработчиков до рынков плагинов ИИ – которые делают их версию ИИ более полным решением, чем простой товар.

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

Экономические последствия коммодитизации ИИ

Коммодитизация моделей ИИ несет значительные экономические последствия. В краткосрочной перспективе она стимулирует снижение стоимости возможностей ИИ. С множеством конкурентов и открытыми альтернативами цена на сервисы 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 OpenAI для серии GPT снизилась более чем на 80% с 2023 по 2024 год, что является снижением, объясняемым возросшей конкуренцией и выигрышами в эффективности.

Аналогично, новые участники, предлагающие более дешевые или открытые модели, заставляют действующих игроков предлагать больше за меньшие деньги – будь то через бесплатные тарифы, открытые релизы или пакетные предложения. Это хорошая новость для потребителей и бизнеса, принимающих 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 недорогая коммодитизированная компьютерная техника в 2000-х годах привела к взрыву программного обеспечения и интернет-сервисов).

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

Экономическая динамика коммодитизированного ИИ (Unite AI/Alex McFarland)

Однако коммодитизация также может изменить конкурентный ландшафт сложными способами. Для установленных лабораторий ИИ, которые инвестировали миллиарды в разработку моделей передового уровня, перспектива того, что эти модели дадут только временные преимущества, вызывает вопросы о возврате инвестиций. Они могут потребовать корректировки своих бизнес-моделей – например, сосредоточения внимания на сервисах для предприятий, проприетарных данных или подписных продуктах, построенных на основе 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 ценным для этой компании, чем любая модель из коробки.

Другим является регуляторные или ком플айенс-функции, где поставщик может предложить модели с гарантированной конфиденциальностью или соблюдением требований для корпоративного использования, дифференцируясь способом, выходящим за рамки сырой технологии. В масштабе если базовые модели ИИ станут такими же повсеместными, как базы данных или веб-серверы, мы можем увидеть сдвиг, при котором сервисы вокруг ИИ (облачное хостинг, консалтинг, настройки, техническое обслуживание) станут основными генераторами дохода. Уже сейчас облачные провайдеры выигрывают от возросшего спроса на вычислительную инфраструктуру (ЦП, ГП и т. д.) для запуска всех этих моделей – немного как коммунальная компания, которая получает прибыль от использования, даже если бытовая техника коммодитизирована.

По сути, экономика ИИ может напоминать экономику других товаров ИТ: более низкие затраты и более широкий доступ стимулируют широкое использование, создавая новые возможности, построенные на коммодитизированном уровне, даже когда поставщики этого уровня сталкиваются с более узкими маржами и необходимостью постоянно инновировать или дифференцироваться в других областях.