Didžiųjų technologijų bendrovių finansinėse ataskaitose vis dažniau išryškėja iki šiol nutylėta dirbtinio intelekto sąskaita: DI modelių naudojimas ir vadinamoji išvada tampa apčiuopiama našta maržoms. Tai signalas rinkai, kad DI plėtra ne tik generuoja pajamas, bet ir sparčiai didina veiklos kaštus.
Toks fonas ypač nepalankus „OpenAI“ ir „Anthropic“, kurios, investuotojų lūkesčiais, siekia viešo akcijų siūlymo su itin aukštomis vertinimo kartelėmis. Esminė šių vertinimų prielaida paprasta: įmonės išlaikys rinkos dalį ir galės už savo pažangiausius modelius taikyti aukštesnes kainas, nes alternatyvų bus mažai.
Vis dėlto naujausi rinkos duomenys rodo priešingą kryptį: pažangūs DI modeliai sparčiai pinga, o pasirinkimas plečiasi. Kinijos laboratorijos už panašaus lygio užduotis dažnai prašo gerokai mažesnių įkainių, o Vakaruose atsiranda vis daugiau konkurentų, kuriančių mažesnius ir efektyvesnius sprendimus.
Įmonės mokosi taupyti
DI biudžetai versle per pastaruosius metus ryškiai išaugo, tačiau dabar vis dažniau klausiama, kur dingsta pinigai ir kaip mažinti sąnaudas. Praktikoje įmonės pereina nuo eksperimentų prie griežtesnio kaštų valdymo ir renkasi modelius pagal kainos ir naudos santykį.
Viena populiarėjančių strategijų vadinama patariamojo modelio principu: kasdienes užduotis atlieka pigesnis, dažnai atvirojo kodo modelis, o į brangesnį, pažangiausią sprendimą kreipiamasi tik tada, kai to tikrai reikia. Taip sumažinamas brangių užklausų kiekis, bet išlaikoma kokybė sudėtingiausiais atvejais.
„Tokiu būdu galima labai efektyviai suvaldyti išlaidas“, – sakė „Databricks“ vadovas Ali Ghodsi.
Kainų karas ir pasitikėjimo faktorius
Skirtumus tarp JAV ir Kinijos iš dalies lemia infrastruktūra: amerikietiškos laboratorijos remiasi milžiniškomis investicijomis į skaičiavimo galią, brangiausius lustus ir energiją, o tai neišvengiamai atsispindi kainodaroje. Kinijos kūrėjai, veikdami eksporto ribojimų sąlygomis, agresyviai optimizuoja modelius ir dažnai pasiekia panašius rezultatus su mažesniais resursais.
Vis dėlto vien kaina ne visada nulemia pasirinkimą. Reguliuojamuose sektoriuose, pavyzdžiui, bankininkystėje ar gynyboje, pirkėjai dažnai prioritetą teikia tiekėjų reputacijai, atitikties standartams užtikrinimui ir duomenų saugumui, todėl pigesni sprendimai ne visada priimtini.
Šį vakuumą Vakaruose bando užpildyti ir nauji pasiūlymai: didėja atvirojo kodo bei įmonių infrastruktūroje diegiamų DI sprendimų pasiūla. Tai didina konkurenciją ir mažina tikimybę, kad keli rinkos lyderiai ilgai išlaikys išskirtinę kainodaros galią.
Ką tai reiškia IPO planams?
Jei iki prospektų pateikimo rinkoje įsitvirtins nuostata, kad DI tampa preke, o ne prabanga, investuotojai gali skeptiškiau vertinti milijardines prognozes. Viešai listinguojamoms bendrovėms neužtenka demonstruoti technologinį pranašumą, joms reikia įrodyti, kad šis pranašumas paverčiamas ilgalaikiu pelnu.
Didžiausia rizika „OpenAI“ ir „Anthropic“ atveju ta, kad brangiausių modelių paklausa gali augti, bet didelė dalis apimčių bus nukreipta į pigesnius sprendimus, o tai slopins vidutinę kainą ir maržas. Kuo daugiau įmonių išmoks derinti pigesnius ir pažangiausius modelius, tuo sunkiau bus pagrįsti itin aukštus vertinimus.
Leave a Reply