versija spausdinimui
(0)
Prognozuojama, kad Amazon, Meta, Microsoft ir Alphabet kapitalo išlaidos 2027 metais pirmą kartą viršys 1 trilijoną dolerių. Tuo pačiu metu laukiama, kad bendras laisvas pinigų srautas kris žemiau 100 milijardų dolerių.
Tikimasi, kad iki 2031 metų septynios didelės technologijų bendrovės investuos 9 trilijonus dolerių į dirbtinio intelekto infrastruktūrą. Paradoksalu, tačiau vis labiau sutariama, kad modelių kūrimas turėtų sulėtėti. Šis paradoksas kyla dėl stiprėjančios krizės nuojautos: investicijos auga svaiginančiu tempu, o laikas kapitalui atgauti trumpėja.
Problema ta, kad investicijų tempas lenkia šių bendrovių gebėjimą generuoti pinigus. Analitikai prognozuoja, kad iki 2027 metų šešios iš septynių bendrovių – visų, išskyrus Microsoft, – kapitalo išlaidos viršys veiklos pinigų srautus. Laukiama, kad CoreWeave kapitalo išlaidos pasieks 304 procentus veiklos pinigų srautų, o SpaceX – 272 procentus. Taip pat išaugo įmonių obligacijų emisija, skirta finansavimo trūkumui užpildyti, o vien šiais metais į rinką pateko daugiau nei 400 mlrd. dolerių.
Šiame kontekste dirbtinio intelekto bendrovių vadovai, kur lyderiauja Anthropic generalinis direktorius Dario Amodei, vis dažniau pasisako už modelių kūrimo lėtinimą. Nors iš pirmo žvilgsnio jie nurodo saugumo problemas, susijusias su galimu dirbtinio intelekto ištrūkimu iš žmonių kontrolės, analitikai įžvelgia paslėptus planus, kuriais siekiama sušvelninti astronomines kūrimo išlaidas.
Ši problema ypač opi tokioms įmonėms kaip OpenAI ir Anthropic, kurioms reikia gauti pajamas tiesiogiai iš savo dirbtinio intelekto modelių. Naujų modelių išleidimo ciklai, kurie dar praėjusiais metais siekė nuo trijų iki šešių mėnesių, greitėja. Kiekvieno modelio sukūrimo kaina auga, o atsipirkimo laikas trumpėja.
Meritz Securities skaičiavimais, per maždaug 10 savaičių, kurias OpenAI praleidžia mokydama „GPT-6 Astra“, bendrovė praranda mažiausiai 1,21 mlrd. dolerių pajamų, nes nenaudoja tų pačių GPU išvadų paslaugoms – klientų užklausų apdorojimui. Kitaip tariant, vieno naujo modelio sukūrimas reiškia daugiau nei 1 mlrd. dolerių potencialių pajamų praradimą. Modelio išleidimo intervalo pratęsimas leistų įmonėms nukreipti savo apsaugotus GPU į išvadų rinką ir gauti tiesioginių pajamų. Dirbtinio intelekto bendrovėms lėtesnė plėtra tapo veiksmingu būdu pagerinti investicijų efektyvumą.
Jei šis pokytis įvyks, pasikeis ir dirbtinio intelekto investicijų dėmesys. Iki šiol konkurencijos pagrindas buvo tai, kiek GPU ir serverių įmonė gali įsigyti, kad galėtų kurti vis didesnius modelius. Ateityje pagrindinis klausimas bus, kiek pajamų galima gauti apdorojant klientų užklausas naudojant esamus GPU. 9 trilijonų dolerių investicijų karo mūšio laukas pereina nuo „lenktynių pirkti GPU“ prie „lenktynių gauti iš GPU pajamų“.
Microsoft laikoma gerai pasirengusia šiam naujam etapui. Bendrovė nesiremia vien savo modelio našumu; ji gali generuoti pajamas, kai verslo klientai naudoja dirbtinį intelektą per „Azure“, „Office“ ir „GitHub“. Verslo analitikai prognozuoja, kad su dirbtiniu intelektu susijusios Microsoft pajamos išaugs nuo maždaug 37 mlrd. dolerių kovo mėnesį iki daugiau nei 105 mlrd. dolerių iki 2027 metų pabaigos.
Kita vertus, jei modelių mokymo ciklai pailgės, infrastruktūros investicijų srautas, įskaitant dirbtinio intelekto serverius, duomenų centrus, elektros energiją ir aušinimą, trumpuoju laikotarpiu gali patirti spaudimą. Tačiau net jei mokymo paklausa sumažės, esamų dirbtinio intelekto paslaugų vykdymo užtikrinimo paklausa toliau augs.
Tikimasi, kad iki 2031 metų septynios didelės technologijų bendrovės investuos 9 trilijonus dolerių į dirbtinio intelekto infrastruktūrą. Paradoksalu, tačiau vis labiau sutariama, kad modelių kūrimas turėtų sulėtėti. Šis paradoksas kyla dėl stiprėjančios krizės nuojautos: investicijos auga svaiginančiu tempu, o laikas kapitalui atgauti trumpėja.
Problema ta, kad investicijų tempas lenkia šių bendrovių gebėjimą generuoti pinigus. Analitikai prognozuoja, kad iki 2027 metų šešios iš septynių bendrovių – visų, išskyrus Microsoft, – kapitalo išlaidos viršys veiklos pinigų srautus. Laukiama, kad CoreWeave kapitalo išlaidos pasieks 304 procentus veiklos pinigų srautų, o SpaceX – 272 procentus. Taip pat išaugo įmonių obligacijų emisija, skirta finansavimo trūkumui užpildyti, o vien šiais metais į rinką pateko daugiau nei 400 mlrd. dolerių.
Šiame kontekste dirbtinio intelekto bendrovių vadovai, kur lyderiauja Anthropic generalinis direktorius Dario Amodei, vis dažniau pasisako už modelių kūrimo lėtinimą. Nors iš pirmo žvilgsnio jie nurodo saugumo problemas, susijusias su galimu dirbtinio intelekto ištrūkimu iš žmonių kontrolės, analitikai įžvelgia paslėptus planus, kuriais siekiama sušvelninti astronomines kūrimo išlaidas.
Ši problema ypač opi tokioms įmonėms kaip OpenAI ir Anthropic, kurioms reikia gauti pajamas tiesiogiai iš savo dirbtinio intelekto modelių. Naujų modelių išleidimo ciklai, kurie dar praėjusiais metais siekė nuo trijų iki šešių mėnesių, greitėja. Kiekvieno modelio sukūrimo kaina auga, o atsipirkimo laikas trumpėja.
Jei šis pokytis įvyks, pasikeis ir dirbtinio intelekto investicijų dėmesys. Iki šiol konkurencijos pagrindas buvo tai, kiek GPU ir serverių įmonė gali įsigyti, kad galėtų kurti vis didesnius modelius. Ateityje pagrindinis klausimas bus, kiek pajamų galima gauti apdorojant klientų užklausas naudojant esamus GPU. 9 trilijonų dolerių investicijų karo mūšio laukas pereina nuo „lenktynių pirkti GPU“ prie „lenktynių gauti iš GPU pajamų“.
Microsoft laikoma gerai pasirengusia šiam naujam etapui. Bendrovė nesiremia vien savo modelio našumu; ji gali generuoti pajamas, kai verslo klientai naudoja dirbtinį intelektą per „Azure“, „Office“ ir „GitHub“. Verslo analitikai prognozuoja, kad su dirbtiniu intelektu susijusios Microsoft pajamos išaugs nuo maždaug 37 mlrd. dolerių kovo mėnesį iki daugiau nei 105 mlrd. dolerių iki 2027 metų pabaigos.
Kita vertus, jei modelių mokymo ciklai pailgės, infrastruktūros investicijų srautas, įskaitant dirbtinio intelekto serverius, duomenų centrus, elektros energiją ir aušinimą, trumpuoju laikotarpiu gali patirti spaudimą. Tačiau net jei mokymo paklausa sumažės, esamų dirbtinio intelekto paslaugų vykdymo užtikrinimo paklausa toliau augs.