AI Pārdzīvošanas Booms: Skaitļošanas Mainīgās Nākotnes Ietekme
AI attīstība: no investīcijām līdz efektivitātei
Neesiet pārāk nobijušies no AI pesimistiem. Viņi jautā, vai lielais AI investīciju booms jau nav beidzies, vai tirgus uztraukums un izdevumi masīvu AI modeļu apmācībai, izmantojot jaudīgus GPU, nav izsīkuši, un vai mums vajadzētu samazināt cerības uz AI laikmetu.
Taču, ja rūpīgāk apskatīt lielo hyperscaleru plānus, kļūst skaidrs, ka AI investīcijas turpina plaukt. Meta, Amazon, Microsoft un Google nesen ir pastiprinājušas ieguldījumus AI tehnoloģijās. Pēc Financial Times datiem, viņu kopējās investīcijas 2025. gadā pārsniedz 300 miljardus dolāru. Microsoft CEO Satya Nadella norādīja, ka vien Microsoft šogad varētu iztērēt 80 miljardus dolāru AI. Meta dibinātājs un CEO Mark Zuckerberg savukārt paziņoja: “Mēs plānojam šogad investēt 60-65 miljardus dolāru kapitālieguldījumos, vienlaikus būtiski palielinot mūsu AI komandu.”
Tas nebūt neizklausās pēc AI burbuļa sabrukuma. Tomēr pastāv arvien lielāka neskaidrība par to, cik daudz naudas tiek tērēts AI iespēju attīstībai. Pēc vismaz diviem gadiem, kad tehnoloģiju giganti apgalvoja, ka redz nepārprotamu pieprasījumu pēc lielākas skaitļošanas jaudas masīvu AI modeļu apmācībai, 2025. gads sākās ar šo pašu uzņēmumu regulāru kritiku par pārspīlētu AI hīpu.
Kāpēc ir notikusi tik strauja pāreja no cerībām uz bažām? Daļēji atbildi var atrast Ķīnas uzņēmuma DeepSeek jaunajā AI risinājumā. Taču, lai pilnībā saprastu notiekošo un tā ietekmi uz AI investīcijām nākamajos gados, jāatzīst, ka AI laikmets nonācis jaunā attīstības posmā.
DeepSeek metode un realitāte
DeepSeek, ķīniešu AI uzņēmums, apgalvo, ka izmantoja inferenču dzinējus un statistisko spriešanu, lai apmācītu lielos valodu modeļus daudz efektīvāk un lētāk nekā citi uzņēmumi.
Konkrēti, DeepSeek norādīja, ka viņu metode prasīja daudz mazāk GPU (tikai 2048) un mazāk jaudīgus GPU (Nvidia H800), salīdzinot ar simtiem tūkstošu premium GPU (piemēram, Nvidia H100), ko daži hyperscaleri izmantojuši savu modeļu apmācībai. Izmaksu ziņā, kamēr OpenAI iztērēja miljardus dolāru ChatGPT apmācībai, DeepSeek, pēc ziņojumiem, tikai 6,5 miljonus dolāru savam R1 modelim.
Jāatzīmē, ka daudzi eksperti ir šaubījušies par DeepSeek apgalvojumiem, taču zaudējumi jau bija radīti – ziņas par viņu metodēm izraisīja strauju hyperscaleru un GPU ražotāju akciju vērtību kritumu.
Tomēr šajā haosā tika pazaudētas pāris svarīgas detaļas. Pirmkārt, DeepSeek neizgudroja jaunu AI darbības veidu. Otrkārt, liela daļa AI ekosistēmas jau ilgu laiku ir apzinājusies gaidāmo pārmaiņu būtību AI investīcijās un pašas tehnoloģijas pielietošanā.
Kas attiecas uz DeepSeek metodēm, inferenču dzinēju un statistiskās spriešanas izmantošana nav nekāds jaunums. Statistiskā spriešana ir tikai viens no plašākās inferenču modeļu spriešanas aspektiem, kas ietver spēju izdarīt secinājumus, balstoties uz modeļu atpazīšanu. Tas būtībā ir līdzīgs cilvēka spējai mācīties dažādus problēmu risināšanas veidus un salīdzināt tos, lai atrastu optimālo risinājumu. Šī pieeja nav ekskluzīva ķīniešu startupam.
Tajā pašā laikā AI ekosistēma jau kādu laiku ir gaidījusi būtiskas izmaiņas AI darbības veidā un nepieciešamajos skaitļošanas resursos. AI laikmeta sākumā lielākā daļa investīciju tika vērstas uz lielu datu apjomu apstrādi, sarežģītiem aprēķiniem un atmiņas intensīvu modeļu apmācību. Pēc modeļu apmācīšanas situācija mainās. AI spēj izmantot inferenci, lai pielietotu apgūto jauniem uzdevumiem. Tā kā inference prasa mazāk skaitļošanas resursu nekā apmācība, tai nav vajadzīgs tik daudz GPU vai citu resursu.
Patiesība par DeepSeek ir tāda, ka, kaut arī viņu metodes lielāko daļu AI ekosistēmas pārsteidza mazāk nekā akciju tirgus investorus, tās uzsvēra vienu no būtiskākajām inferenču lomām nākamajā AI attīstības posmā.
Nākamā AI paaudze
AI apsolītās iespējas nav mainījušās. Lielo hyperscaleru milzīgās investīcijas rāda viņu ticību AI nākotnes vērtībai un iespējām mainīt praktiski visas nozares un cilvēku ikdienas dzīvi.
Taču mainījies ir investīciju sadalījums. AI laikmeta sākumā lielākā daļa līdzekļu tika vērsti uz apmācību. Ja salīdzinām AI ar bērnu, mēs esam tērējuši daudz naudas, lai to nosūtītu uz labākajām skolām un universitātēm. Tagad šis “bērns” ir izglītots pieaugušais – un tam jāsāk strādāt, lai sevi uzturētu. Reālajā pasaulē mēs esam ieguldījuši daudz AI apmācībā, un tagad ir pienācis laiks gūt atdevi, izmantojot AI jaunu ieņēmumu gūšanai.
Lai to panāktu, AI jākļūst efektīvākai un lētākai, palīdzot uzņēmumiem maksimāli paplašināt tās pielietojuma iespējas. Visizdevīgākie jaunie pakalpojumi būs tie, kas darbojas autonomi, neprasot cilvēka uzraudzību.
Daudziem uzņēmumiem tas nozīmē resursus taupošu AI skaitļošanas paņēmienu izmantošanu, piemēram, inferenču modeļu spriešanu, lai nodrošinātu efektīvu mašīnu-mašīnu komunikāciju. Piemēram, mobilo sakaru nozarē AI var analizēt spektra izmantošanu reālā laikā, optimizējot kanālu izmantošanu un samazinot traucējumus starp lietotājiem, ļaujot operatoriem īstenot dinamiskāku spektra koplietošanu. Šāda veida efektīva, autonomā AI piedziņā mašīnu-mašīnu komunikācija noteiks nākamās AI paaudzes attīstību.
Kā tas ir bijis ar visām iepriekšējām lielajām skaitļošanas revolūcijām, AI tehnoloģijas turpina attīstīties. Ja vēsture mums ko iemācījusi, tad to, ka jaunām tehnoloģijām vienmēr vajag lielus sākotnējos ieguldījumus, taču izmaksas laika gaitā samazinās, un efektivitāte pieaug, atrodot uzlabotas metodes un labākas prakses, lai radītu pievilcīgākus un pieejamākus risinājumus plašākam tirgum. Inovācijai vienmēr ir veids.
Ja klausāties pesimistus, varētu šķist, ka AI nozarei nesen ir sanācis grūts periods. Taču hyperscaleru plānotās investīcijas un arvien plašāka inferenču paņēmienu izmantošana stāsta citu stāstu: AI skaitļošana patiešām mainās, taču AI apsolītās iespējas paliek nemainīgas.
https://www.unite.ai/