Чи стають моделі штучного інтелекту товаром?

Нещодавно генеральний директор Microsoft Сатья Наделла спровокував дискусію, висловивши думку, що моделі штучного інтелекту високого рівня знаходяться на шляху до комодифікації. У подкасті Наделла зазначив, що основні моделі стають все більш схожими та широко доступними, до тієї міри, що «моделі самі по собі недостатні» для тривалої конкурентної переваги. Він зазначив, що OpenAI – незважаючи на свою передову нейронну мережу – «не компанія-модель; це компанія-продукт, який має фантастичні моделі», підкресливши, що справжня перевага полягає в створенні продуктів навколо моделей.

Іншими словами, володіння найбільш просунутими моделями вже не гарантує лідерство на ринку, оскільки будь-яка перевага у продуктивності може бути короткочасною серед швидкого темпу інновацій штучного інтелекту.

Погляд Наделли має вагу в галузі, де технологічні гіганти ведуть перегони за створення все більших моделей. Його аргументи свідчать про зміну фокусу: замість того, щоб одержиматися домінуванням моделей, компанії повинні спрямувати свою енергію на інтеграцію штучного інтелекту в «повний стек систем і успішні продукти».

Це відображає ширшу думку, що сьогодні штучний інтелект швидко стає завтрашньою базовою функцією. Коли моделі стають все більш стандартизованими та доступними, увага переміщується до того, як штучний інтелект застосовується в реальних послугах. Компанії, такі як Microsoft і Google, з великими екосистемами продуктів, можуть бути найкраще підготовлені до того, щоб скористатися цією тенденцією комодифікації штучного інтелекту, інтегруючи моделі в зручні пропозиції.

Розширення доступу та відкриті моделі

Не так давно тільки декілька лабораторій могли створювати моделі штучного інтелекту високого рівня, але ця ексклюзивність швидко зникає. Можливості штучного інтелекту стають все більш доступними організаціям та навіть окремим особам, що сприяє ідеї про моделі як товари. Дослідник штучного інтелекту Ендрю Нг ще у 2017 році порівняв потенціал штучного інтелекту з «новою електрикою», припустивши, що як електрика стала універсальним товаром, що підтримує сучасне життя, так і моделі штучного інтелекту можуть стати фундаментальними утилітами, доступними від багатьох постачальників.

Нещодавнє поширення відкритих моделей прискорило цю тенденцію. Компанія Meta (батьківська компанія Facebook), наприклад, викликала резонанс, випустивши потужні мовні моделі, такі як LLaMA, відкрито для дослідників і розробників безкоштовно. Причина цього стратегічна: відкриття штучного інтелекту дозволить Meta спонукати ширше впровадження та отримувати внески спільноти, одночасно підірвавши переваги конкурентів. І навіть нещодавно світ штучного інтелекту вибухнув із випуском китайської моделі DeepSeek.

У сфері генерації зображень модель Stable Diffusion компанії Stability AI показала, як швидко прорив може стати товаром: вже за кілька місяців після відкритого випуску у 2022 році вона стала домогосподарською назвою в генерації зображень штучного інтелекту, доступною в безлічі застосунків. Насправді, відкрита екосистема вибухає – існує десятки тисяч моделей штучного інтелекту, доступних у відкритих репозиторіях, таких як Hugging Face.

Це означає, що організації вже не стоять перед вибором між платою за одну модель постачальника або нічого. Замість цього вони можуть вибирати з меню моделей (відкритих або комерційних) або навіть донастроювати свої власні, подібно до вибору товарів з каталогу. Сама кількість варіантів є сильним свідченням того, що просунуті моделі штучного інтелекту стають загальнодоступним ресурсом, а не привілеєм, який охороняється.

Гіганти хмарних технологій перетворюють штучний інтелект на утилітарну службу

Основні постачальники хмарних послуг стали ключовими учасниками – і рухачами – комодифікації штучного інтелекту. Компанії, такі як Microsoft, Amazon і Google, пропонують моделі штучного інтелекту як послуги на вимогу, подібні до утиліт, які доставляються через хмару. Наделла зазначив, що «моделі стають товаром у [хмарі]», підкресливши, як хмара робить потужний штучний інтелект широко доступним.

Дійсно, хмарна платформа Azure компанії Microsoft має партнерство з OpenAI, що дозволяє будь-якому розробнику або підприємству використовувати GPT-4 або інші топ-моделі через виклик API, без створення власного штучного інтелекту з нуля. Amazon Web Services (AWS) пішла ще далі зі своєю платформою Bedrock, яка діє як ринок моделей. Платформа AWS Bedrock пропонує вибір основних моделей від провідних компаній штучного інтелекту – від власних моделей Amazon до моделей компаній Anthropic, AI21 Labs, Stability AI та інших – tấti доступні через одну керовану службу.

Цей підхід «багатьох моделей, одна платформа» демонструє комодифікацію: клієнти можуть вибирати модель, яка відповідає їхнім потребам, і легко змінювати постачальників, як при покупці товарів.

У практичному сенсі це означає, що підприємства можуть покладатися на хмарні платформи для постійного доступу до моделей штучного інтелекту високого рівня – подібно до електрики з мережі – і якщо нова модель привертає увагу (наприклад, прорив стартапу), хмара швидко пропонує її.

Диференціація за межами самої моделі

Якщо у всіх є доступ до схожих моделей штучного інтелекту, то як компанії, що працюють зі штучним інтелектом, відрізняються одна від одної? Це є суттю дебатів про комодифікацію. Консенсус серед лідерів галузі полягає в тому, що вартість буде лежати в застосуванні штучного інтелекту, а не лише в алгоритмі. Власна стратегія OpenAI відображає цю зміну. Компанія зосередила свою увагу в останні роки на доставці відполірованого продукту (ChatGPT і його API) та екосистеми покращень – таких як послуги донастроювання, плагіни та зручні інтерфейси – а не просто випуску сирого коду моделі.

У практиці це означає пропозицію надійної продуктивності, варіантів налаштування та інструментів для розробників навколо моделі. Подібно, команди DeepMind і Brain компанії Google, які тепер входять до складу Google DeepMind, спрямовують свої дослідження на продукти Google, такі як пошук, офісні програми та хмарні API – інтегруючи штучний інтелект, щоб зробити ці служби розумнішими. Технічна складність моделі, безумовно, важлива, але Google знає, що користувачі в кінцевому підсумку турбуються про досвід, який забезпечується штучним інтелектом (кращий пошуковий двигун, більш корисний цифровий асистент тощо), а не назву або розмір моделі.

Ми також бачимо, як компанії відрізняються через спеціалізацію. Замість однієї моделі, яка панує над усіма, деякі компанії зі штучним інтелектом створюють моделі, адаптовані до конкретних галузей або завдань, де вони можуть претендувати на вищу якість, навіть у комодифікованому ландшафті. Наприклад, існують стартапи зі штучним інтелектом, які зосереджуються виключно на медичних діагностичних, фінансових або юридичних питаннях – галузях, де власні дані та експертиза в галузі можуть дати кращу модель для цієї ніші, ніж загальна система. Ці компанії використовують донастроювання відкритих моделей або менші моделі, створені на замовлення, у поєднанні з власними даними, щоб виділитися.

Інтерфейс ChatGPT компанії OpenAI та колекція спеціалізованих моделей (Unite AI/Alex McFarland)

Іншим видом диференціації є ефективність та вартість. Модель, яка забезпечує рівну продуктивність при менших обчислювальних витратах, може бути конкурентною перевагою. Це було підкреслено появою моделі R1 компанії DeepSeek, яка, як повідомляється, відповідала деяким можливостям моделі GPT-4 компанії OpenAI при витратах на навчання менше 6 мільйонів доларів, що значно нижче оцінюваних 100+ мільйонів доларів, витрачених на GPT-4. Такі здобутки в ефективності свідчать про те, що хоча вивід різних моделей може стати схожим, один постачальник може відрізнитися тим, що досягає цих результатів дешевше або швидше.

Нарешті, існує перегона за будівництво лояльності користувачів та екосистем навколо послуг штучного інтелекту. Як тільки підприємство інтегрує певну модель штучного інтелекту глибоко у свій робочий процес (із налаштованими підказками, інтеграціями та донастроюванням даних), зміна на іншу модель не є безшовною. Постачальники, такі як OpenAI, Microsoft та інші, намагаються збільшити цю лояльність, пропонуючи комплексні платформи – від SDK для розробників до ринків плагінів штучного інтелекту – які роблять їхній варіант штучного інтелекту більш повноцінним рішенням, ніж просто товаром.

Компанії рухаються вгору ланцюга вартості: коли сама модель не є бар’єром, диференціація відбувається завдяки всьому, що оточує модель – даних, досвіду користувача, експертизи в галузі та інтеграції в існуючі системи.

Економічні ефекти комодифікації штучного інтелекту

Комодифікація моделей штучного інтелекту має суттєві економічні наслідки. У короткій перспективі вона сприяє зниженню вартості можливостей штучного інтелекту. З наявністю декількох конкурентів та відкритих альтернатив, ціни на послуги штучного інтелекту знаходяться у спіралі зниження, характерній для класичних товарних ринків.

За останні два роки компанії OpenAI та інші постачальники суттєво знизили ціни на доступ до мовних моделей. Наприклад, ціни на токени серії GPT компанії OpenAI знизилися більш ніж на 80% з 2023 до 2024 року, що пояснюється зростанням конкуренції та здобутками в ефективності.

Подібно, нові учасники, які пропонують дешевші або відкриті моделі, змушують існуючих учасників пропонувати більше за менше – чи то через безкоштовні тарифи, відкриті випуски або пакетні пропозиції. Це хороша новина для споживачів та підприємств, які впроваджують штучний інтелект, оскільки просунуті можливості стають все більш доступними. Це також означає, що технологія штучного інтелекту поширюється швидше по економіці: коли щось стає дешевшим та стандартизованим, більше галузей впроваджують його, сприяючи інноваціям (подібно до того, як дешева комодифікована комп’ютерна апаратура в 2000-х роках призвела до вибуху програмного забезпечення та інтернет-сервісів).

Ми вже бачимо хвилю впровадження штучного інтелекту в галузі, таких як обслуговування клієнтів, маркетинг та операції, спровоковану готовими моделями та послугами. Ширша доступність може розширити загальний ринок рішень штучного інтелекту, навіть якщо маржі прибутку на самих моделях зменшуються.

Економічна динаміка комодифікованого штучного інтелекту (Unite AI/Alex McFarland)

Однак, комодифікація також може змінити конкурентний ландшафт складним чином. Для встановлених лабораторій штучного інтелекту, які вклали мільярди в розвиток моделей передового рівня, перспектива того, що ці моделі дають лише тимчасову перевагу, піднімає питання про окупність інвестицій. Вони можуть потребувати коригування своїх бізнес-моделей – наприклад, зосередження на корпоративних послугах, власних даних чи продукції, створеної на основі моделей, а не лише продажу доступу до API.

Існує також елемент гонки озброєння: коли будь-який прорив у продуктивності швидко зустрічається або перевершується іншими (або навіть відкритими спільнотами), вікно для монетизації нової моделі звужується. Ця динаміка спонукає компанії до пошуків альтернативних економічних бар’єрів. Одним з таких бар’єрів є інтеграція з власними даними (які не комодифікуються) – штучний інтелект, налаштований на власних даних компанії, може бути більш цінним для цієї компанії, ніж будь-яка модель з відкритого ринку.

Іншим є регуляторні чи ком플айенс-функції, де постачальник може пропонувати моделі з гарантованою приватністю чи комплаєнсом для корпоративного використання, відрізняючись тим, що виходить за рамки суто технічних можливостей. На макро-рівні, якщо основні моделі штучного інтелекту стануть такими ж універсальними, як бази даних чи веб-сервери, ми можемо побачити зміну, при якій послуги навколо штучного інтелекту (хмарне хостинг, консалтинг, налаштування, технічне обслуговування) стають основними джерелами доходу. Вже зараз постачальники хмарних послуг користаються зростанням попиту на обчислювальну інфраструктуру (процесори, графічні процесори тощо) для виконання цих моделей – подібно до того, як електрична компанія отримує прибуток від використання, навіть якщо самі пристрої комодифіковані.

У суті, економіка штучного інтелекту може віддзеркалити економіку інших товарів інформаційних технологій: нижчі витрати та більший доступ сприяють широкому застосуванню, створюючи нові можливості, побудовані на комодифікованому рівні, навіть якщо постачальники цього рівня стикаються з тіснішими маржами та потребою постійної інновації чи диференціації в інших напрямках.