Бум штучного інтелекту не зірвався, але обчислення штучного інтелекту точно змінюються

Не будьте занадто страшні від ведмедів штучного інтелекту. Вони гадають aload, якщо великий бум у сфері інвестицій у штучний інтелект вже відбувся і минув, якщо багато ринку збудження і витрат на потужні системи навчання штучного інтелекту, які працюють на основі багатьох високопродуктивних графічних процесорів, вже вичерпали себе, і якщо очікування від епохи штучного інтелекту повинні бути радикально скорочені.

Але якщо ви прислухаєтесь до планів великих гіпerscalers, інвестиції у штучний інтелект живі і здорові. Meta, Amazon (AMZN ), Microsoft (MSFT ) і Google недавно подвоїли свої інвестиції у технології штучного інтелекту. Їхня колективна зобов’язання на 2025 рік становить понад 300 мільярдів доларів, згідно з недавньою статтею у Financial Times. Генеральний директор Microsoft Сатья Наделла сказав, що Microsoft може витратити 80 мільярдів доларів лише на штучний інтелект цього року. Засновник і генеральний директор Meta Марк Цукерберг сказав на Facebook: “Ми плануємо інвестувати 60-65 мільярдів доларів у капітальні витрати цього року, а також значно збільшувати наші команди штучного інтелекту, і у нас є капітал, щоб продовжувати інвестувати в наступні роки”.

Це не означає, що бум штучного інтелекту зірвався, але є зростаюча тривога щодо того, скільки грошей витрачається на забезпечення застосунків штучного інтелекту. Після принаймні двох років, протягом яких технологічні гіганти говорили про те, що вони бачать явний попит на більшу обчислювальну потужність для навчання великих моделей штучного інтелекту, 2025 рік розпочався з того, що ці самі компанії щодня викликаються на килим бізнес-ЗМІ за те, що вони створили так багато гіпу навколо штучного інтелекту.

Чому відбулася така раптова зміна від надії до занепокоєння? Відповідь можна знайти частково у швидкому зростанні нового застосунку штучного інтелекту з Китаю. Але щоб повністю зрозуміти, що насправді відбувається, і що це означає для інвестицій у штучний інтелект і технологічних програм у наступні роки, ми повинні визнати, що епоха штучного інтелекту переходить у нову фазу своєї еволюції.

Глибоке пошук істини

На сьогодні увесь світ знає про DeepSeek, китайську компанію штучного інтелекту, яка говорить про те, як вона використовувала інженерні двигуни та статистичні висновки для навчання великих мовних моделей значно більш ефективно і з меншими витратами, ніж інші компанії.

Конкретно, DeepSeek заявив, що його методи дозволили йому використовувати значно менше графічних процесорів (від 2048 графічних процесорів), а також менш потужні графічні процесори (Nvidia (NVDA ) H800), ніж сотні тисяч преміальних графічних процесорів (наприклад, Nvidia H100), які деякі гіпerscalers використовували для навчання своїх моделей. За витратами, у той час як OpenAI витратив мільярди доларів на навчання ChatGPT, DeepSeek, як повідомляється, витратив лише 6,5 мільйона доларів на навчання своєї моделі R1.

Слід зазначити, що багато експертів сумніваються у витратах DeepSeek, але шкода вже була зроблена, оскільки новина про його різні методи призвела до глибокого падіння цін на акції гіпerscalers і компаній, які витратили мільярди доларів на навчання своїх моделей штучного інтелекту.

Однак кілька важливих моментів були втрачені під час хаосу. Одним з них було розуміння того, що DeepSeek не “винаходив” новий спосіб роботи зі штучним інтелектом. Другим є те, що значна частина екосистеми штучного інтелекту вже давно знає про майбутню зміну у тому, як інвестиційні долари штучного інтелекту повинні бути витрачені, і як сам штучний інтелект буде використовуватися у наступні роки.

Відносно методів DeepSeek, ідея використання інженерних двигунів штучного інтелекту та статистичних висновків не є новою. Використання статистичних висновків є одним із аспектів широкої концепції висновків моделі, яка полягає у тому, що штучний інтелект може робити висновки на основі розпізнавання закономірностей. Це суттєво подібно до людської здатності вивчати різні підходи до проблеми та порівнювати їх, щоб знайти найкраще можливе рішення. Висновки моделі можуть бути використані сьогодні і не є ексклюзивними для китайського стартапу.

Між тим, екосистема штучного інтелекту вже деякий час очікує фундаментальної зміни у тому, як ми працюємо зі штучним інтелектом і обчислювальними ресурсами, необхідними для цього. Перші роки епохи штучного інтелекту були присвячені великої роботі з навчання великих моделей штучного інтелекту на великих наборах даних, tất cả це вимагало багато обробки, складних обчислень, регулювання ваг і залежності від пам’яті. Після того, як моделі штучного інтелекту були навчені, все змінюється. Штучний інтелект може використовувати висновки для застосування всього, що він навчився, до нових наборів даних, завдань і проблем. Висновки, як менш обчислювально інтенсивний процес, ніж навчання, не вимагають такої кількості графічних процесорів або інших обчислювальних ресурсів.

Остаточна істина про DeepSeek полягає у тому, що хоча його методи не шокували більшості з нас у сфері штучного інтелекту так сильно, як вони шокували випадкових інвесторів на фондовому ринку, вони підкреслили один із способів, яким висновки будуть核心 у наступній фазі еволюції штучного інтелекту.

Штучний інтелект: Наступне покоління

Обіцянка і потенціал штучного інтелекту не змінилися. Тривалі величезні інвестиції великих гіпerscalers у штучний інтелект показують їхню віру у майбутню цінність, яку вони можуть розблокувати за допомогою штучного інтелекту, а також способи, якими штучний інтелект може змінити几乎 всі галузі та几乎 всі аспекти життя людей.

Що змінилося для цих гіпerscalers, так це те, як ці долари будуть витрачені. У перші роки епохи штучного інтелекту більшість інвестицій була необхідна для навчання. Якщо ви думаєте про штучний інтелект як про дитину, з розумом, який ще розвивається, ми витратили багато грошей на те, щоб послати його у найкращі школи та університети. Тепер ця дитина – освічений дорослий, і йому потрібно знайти роботу, щоб утримувати себе. У реальному світі ми інвестували багато у навчання штучного інтелекту, і тепер нам потрібно побачити повернення цих інвестицій шляхом використання штучного інтелекту для генерації нових доходів.

Щоб досягти цього повернення інвестицій, штучний інтелект повинен стати більш ефективним і менш дорогим, щоб допомогти компаніям максимізувати його ринкову привабливість і його корисність для якомога більшої кількості застосунків. Найбільш прибуткові нові сервіси будуть автономними, які не вимагають людського моніторингу та управління.

Для багатьох компаній це означає використання ефективних технік обчислень штучного інтелекту, таких як висновки моделі, для швидкого і ефективного забезпечення автономної комунікації між машинами. Наприклад, у галузі бездротового зв’язку штучний інтелект можна використовувати для автономного аналізу даних про використання спектру на мобільній мережі для оптимізації використання каналів і мінімізації інтерференції між користувачами, що в кінцевому підсумку дозволяє мобільному оператору підтримувати більш динамічне спільне використання спектру на своїй мережі. Такий більш ефективний, автономний штучний інтелект буде визначати наступне покоління штучного інтелекту.

Як і у випадку з кожною іншою великою епохою обчислень, обчислення штучного інтелекту продовжують еволюціонувати. Якщо історія обчислень навчила нас чогось, то це те, що нова технологія завжди вимагає багато попередніх інвестицій, але витрати будуть знижуватися, а ефективність буде зростати, коли ми починаємо використовувати покращені техніки і кращі практики для створення більш корисних і доступних продуктів і сервісів для найбільшої можливої аудиторії. Інновації завжди знають, як знайти свій шлях.

Сектор штучного інтелекту, можливо, недавно зазнав певної невдачі, якщо слухати ведмедів штучного інтелекту, але плани гіпerscalers щодо витрат цього року і зростаюче використання висновків告诉ють іншу історію: обчислення штучного інтелекту дійсно змінюються, але обіцянка штучного інтелекту залишається повністю цілою.

Овація завжди знаходить свій шлях. Сектор штучного інтелекту, можливо, недавно зазнав певної невдачі, якщо слухати ведмедів штучного інтелекту, але плани гіпerscalers щодо витрат цього року і зростаюче використання висновків告诉ють іншу історію: обчислення штучного інтелекту дійсно змінюються, але обіцянка штучного інтелекту залишається повністю цілою.