უფრო მასშტაბური ხელოვნური ინტელექტის მოდელების შექმნისკენ სწრაფვა, ასევე ჩიპებისა და მონაცემთა ცენტრების რაოდენობის ზრდა, ტექნოლოგიური კომპანიებისთვის მნიშვნელოვან ხარჯებად იქცევა.
Microsoft Corp.-მა და Alphabet Inc.-ის საკუთრებაში არსებულმა Google-მა, ბოლო კვარტალში, ღრუბლოვანი სერვისებიდან შემოსავლების მკვეთრი ზრდა დააფიქსირეს, რადგან კორპორატიული კლიენტები უფრო აქტიურად ითვისებენ მათ AI-განვითარებებს. Meta Platforms Inc., მიუხედავად იმისა, რომ ჯერ კიდევ ვერ იღებს მნიშვნელოვან შემოსავალს ხელოვნური ინტელექტიდან, ამტკიცებს, რომ AI-ის დანერგვამ უკვე გააძლიერა მომხმარებლების ჩართულობა და გაზარდა მიზნობრივი რეკლამის ეფექტურობა.
ამ პირველადი შედეგების მისაღწევად, სამივე კომპანიამ კოლოსალური თანხები ჩადო ხელოვნურ ინტელექტში და აპირებს ამ ინვესტიციების შემდგომ გაზრდას.
გასული წლის 25 აპრილს Microsoft-მა განაცხადა კაპიტალურ ინვესტიციებზე 14 მილიარდი დოლარის ოდენობით გასულ კვარტალში და გააფრთხილა შემდგომი მნიშვნელოვანი ზრდის შესახებ, რაც დაკავშირებულია AI-ს ინფრასტრუქტურასთან. ეს 79%-ით მეტია წინა წელთან შედარებით. Alphabet-მა დახარჯა 12 მილიარდი დოლარი, გაზარდა ხარჯები 91%-ით გასული წლის ანალოგიურ პერიოდთან შედარებით და ელოდება, რომ დარჩენილი კვარტალები არანაკლებ ხარჯიანი იქნება, განსაკუთრებული ყურადღება დაეთმობა AI შესაძლებლობებს. თავის მხრივ, Meta-მ გაზარდა საინვესტიციო პროგნოზი წლისთვის და ახლა გეგმავს ძირითად კაპიტალში 35-დან 40 მილიარდ დოლარამდე ინვესტიციას — 42%-ით მეტს წინა დიაპაზონის ზედა ზღვარზე, რაც მიუთითებს AI-ზე დაფუძნებული პროდუქტების კვლევასა და განვითარებაში აგრესიულ ინვესტიციებზე.
ხელოვნური ინტელექტის ტექნოლოგიების ღირებულების ზრდა სიურპრიზი აღმოჩნდა ზოგიერთი ინვესტორისთვის. Meta-ს აქციები შესამჩნევად დაეცა ხარჯების პროგნოზისა და გაყიდვების მოსალოდნელზე მოკრძალებული ზრდის ფონზე. მაგრამ ტექნოლოგიურ საზოგადოებაში დიდი ხანია თვლიან, რომ AI-ზე ხარჯები გარდაუვლად გაიზრდება. ამის ორი მიზეზი არსებობს: AI მოდელები სულ უფრო მასშტაბური ხდება, ხოლო მსოფლიო მოთხოვნა მსგავს სერვისებზე მოითხოვს დამატებითი მონაცემთა ცენტრების მშენებლობას მათ მხარდასაჭერად.
ბიზნესს, რომელიც AI-სთან ექსპერიმენტებს ატარებს, შეუძლია მილიონები დახარჯოს OpenAI-ს ან Google-ის გადაწყვეტილებების ადაპტირებაზე. დანერგვის შემდეგ, ჩეთ-ბოტთან ან AI-ანალიტიკურ სერვისთან ყოველ მიმართვაზე მუდმივი გადასახადი წარმოიქმნება, ხოლო ამ სისტემების საბაზისო მომზადება კიდევ უფრო ძვირი ჯდება. ქვემოთ განვიხილავთ, რა უწყობს ამას ხელს.
დიდი ენობრივი მოდელები უფრო დიდი ხდება
დღესდღეობით ყველაზე ცნობილი AI-ზე დაფუძნებული პროდუქტები, მათ შორის OpenAI-ს ChatGPT, მუშაობენ დიდ ენობრივ მოდელებთან — სისტემებთან, რომლებიც ივარჯიშებენ ტექსტური მონაცემების დიდ მოცულობებზე (წიგნები, სტატიები, ინტერნეტიდან კომენტარები), რათა საბოლოოდ ჩამოაყალიბონ მომხმარებლების მოთხოვნებზე ყველაზე ზუსტი პასუხები. ბევრი წამყვანი კომპანია დარწმუნებულია, რომ უფრო სრულყოფილი ხელოვნური ინტელექტის შექმნის გზა — შესაძლოა, ადამიანზე აღმატებული ბევრ ამოცანაში — ამ ენობრივი მოდელების შემდგომ გაზრდაზე გადის.
ამას მეტი მონაცემები, გამოთვლითი რესურსები და სწავლებისთვის დრო სჭირდება. აპრილის ერთ-ერთ პოდკასტში Anthropic-ის (OpenAI-ს კონკურენტი) ხელმძღვანელმა დარიო ამოდეიმ განაცხადა, რომ ამჟამინდელი მოდელების ბაზარზე სწავლება დაახლოებით 100 მილიონი დოლარი ჯდება.
“მოდელები, რომლებიც ახლა სწავლების პროცესშია და გაყიდვაში გამოჩნდება ამ წლის ბოლოს ან მომავალი წლის დასაწყისში, დაახლოებით 1 მილიარდი დაჯდება”, — დასძინა მან. “ხოლო 2025–2026 წლებში ციფრები 5 ან 10 მილიარდ დოლარამდე აიწევს”.
ჩიპები და გამოთვლითი სიმძლავრეები
ამ ხარჯების მნიშვნელოვანი ნაწილი მიკროსქემებთან არის დაკავშირებული. ეს არ არის ის ცენტრალური პროცესორები (CPU), რომლებმაც Intel Corp. გაუთქვეს სახელი და არც მათი გამარტივებული ანალოგები სმარტფონებში. დიდი ენობრივი მოდელების სასწავლებლად კომპანიები იყენებენ გრაფიკულ პროცესორებს (GPU), რომლებსაც შეუძლიათ მონაცემების კოლოსალური მოცულობების დამუშავება მაღალი სიჩქარით. ამ ჩიპებზე მოთხოვნა მაღალია, ხოლო მწარმოებლები — ერთეულები, თანაც ყველაზე მოწინავე ჩიპებს ძირითადად Nvidia Corp. უშვებს.
Nvidia-ს ფლაგმანი ჩიპი H100, რომელიც ხელოვნური ინტელექტის სასწავლებლად ეტალონად იქცა, დაახლოებით 30 000 დოლარი ღირს, ხოლო გადამყიდველებთან ფასი შეიძლება რამდენჯერმე მაღალი იყოს. მსხვილ ტექნოლოგიურ კომპანიებს ათიათასობით ასეთი ჩიპი სჭირდებათ. Meta-ს ხელმძღვანელმა მარკ ცუკერბერგმა ადრე თქვა, რომ მისი კომპანია წლის ბოლომდე 350 000 ერთეულ H100-ს შეიძენს AI-ის სფეროში კვლევების მხარდასაჭერად. საბითუმო შესყიდვისას ფასდაკლებების გათვალისწინებითაც კი, საუბარია მილიარდობით დოლარის ხარჯებზე.
არსებობს ასეთი ჩიპების დაქირავების შესაძლებლობა, მაგრამ ესეც ძვირია. შედარებისთვის: Amazon.com Inc.-ის ღრუბელში Intel-ის პროცესორების დიდი კლასტერი საათში დაახლოებით 6 დოლარი დაჯდება, ხოლო Nvidia H100 ჩიპების ერთობლიობაში თითქმის 100 დოლარის გადახდა მოგიწევთ.
ერთი თვის წინ Nvidia-მ წარმოადგინა ჩიპის ახალი არქიტექტურა Blackwell, რომელიც რამდენჯერმე უფრო სწრაფად უმკლავდება დიდი ენობრივი მოდელების სწავლებას და, სავარაუდოდ, დაჯდება Hopper-ის ხაზის დონეზე, სადაც შედის H100. Nvidia-ს მონაცემებით, 1,8 ტრილიონი პარამეტრის მქონე მოდელის სასწავლებლად (GPT-4-ის სავარაუდო ზომა, New York Times-ის OpenAI-ს წინააღმდეგ სარჩელის მიხედვით) საჭირო იქნება დაახლოებით 2 000 Blackwell ჩიპი, ხოლო Hopper-ს 8 000 დასჭირდებოდა. მაგრამ იმის გათვალისწინებით, რომ საერთო ტენდენციაა კიდევ უფრო მასშტაბური მოდელების შექმნა, ეს უპირატესობა შეიძლება გაქარწყლდეს.
მონაცემთა ცენტრები
კომპანიებმა, რომლებიც ამ ჩიპებს ყიდულობენ, სადმე უნდა განათავსონ ისინი. Meta, უმსხვილესი ღრუბლოვანი პროვაიდერები (Amazon, Microsoft და Google), ასევე გამოთვლითი სიმძლავრეების სხვა მომწოდებლები ჩქარობენ ახალი მონაცემთა დამუშავების ცენტრების აშენებას. უმეტეს შემთხვევაში, ეს არის სპეციალიზებული კომპლექსები სერვერების რიგებით, საცავებით, გაგრილებისა და ენერგომომარაგების სისტემებით.
კვლევითი კომპანია Dell’Oro Group-ის შეფასებით, წელს ასეთი ცენტრების მშენებლობასა და აღჭურვაზე მთელ მსოფლიოში 294 მილიარდი დოლარი დაიხარჯება, 2020 წლის 193 მილიარდის წინააღმდეგ. ამ ზრდის ნაწილი განპირობებულია ციფრული სერვისების გაფართოებით — ვიდეოს სტრიმინგიდან და კორპორატიული მონაცემების ზვავისებური ზრდიდან დაწყებული, სოციალური ქსელებით დამთავრებული. მაგრამ უფრო და უფრო დიდ წილს იკავებს Nvidia-ს ძვირადღირებული ჩიპების და სხვა სპეციალიზებული მოწყობილობების შესყიდვა, რაც აუცილებელია ხელოვნური ინტელექტის განვითარებისთვის.
მონაცემთა ცენტრების რაოდენობამ მსოფლიოში უკვე გადააჭარბა 7 000-ს (სხვადასხვა სტადიაზე არსებული პროექტების გათვალისწინებით), 2015 წლის 3 600-თან შედარებით, იტყობინება ანალიტიკური კომპანია DC Byte. თანაც მათი ზომები იზრდება. ერთი კომპლექსის საშუალო ფართობი ახლა 38 270 კვადრატული მეტრია, რაც თითქმის ხუთჯერ აღემატება 2010 წლის მაჩვენებელს.
გარიგებები და კადრები
მიუხედავად იმისა, რომ ხარჯების ლომის წილი ჩიპებსა და მონაცემთა ცენტრებზე მოდის, ზოგიერთი კომპანია ასევე მილიონებს ხარჯავს გამომცემლებისგან მონაცემების ლიცენზირებაზე.
OpenAI-მ დადო გარიგებები რამდენიმე ევროპულ მედიაჰოლდინგთან, რათა გამოიყენოს მათი მასალები ChatGPT-ში და საკუთარი მოდელების სასწავლებლად. ფინანსური დეტალები არ ხმაურდება, მაგრამ Bloomberg News-ის ინფორმაციით, გერმანელ გამომცემელ Axel Springer SE-თან (Politico და Business Insider) ხელშეკრულების თანხამ ათეულობით მილიონი ევრო შეადგინა. OpenAI ასევე აწარმოებდა მოლაპარაკებებს Time-თან, CNN-თან და Fox News-თან.
მიუხედავად იმისა, რომ OpenAI სხვებზე აქტიურად ისწრაფვის მსგავსი პარტნიორობისკენ, მსხვილი ტექნოლოგიური კომპანიებიც ეძებენ გზებს, რომ მიიღონ წვდომა ენობრივ მონაცემებზე, რომლებიც აუცილებელია AI-სთვის. Reuters-ის ინფორმაციით, Google-მა 60 მილიონი დოლარის ღირებულების გარიგება დადო Reddit-თან კონტენტის შესყიდვაზე, ხოლო Meta, როგორც New York Times იტყობინებოდა, აწარმოებდა მოლაპარაკებებს Simon & Schuster-ის გამომცემლობის შეძენაზე.
ამავე დროს, ტექნოლოგიური გიგანტები სასტიკ ბრძოლას ეწევიან AI-ს სპეციალისტებისთვის. Netflix Inc.-ი, მაგალითად, გასულ წელს, AI პროდუქტების მენეჯერის ვაკანსიას 900 000 დოლარამდე ხელფასით სთავაზობდა.
უფრო იაფი ალტერნატივები
Microsoft-მა, რომელიც აღმოჩნდა ერთ-ერთი მათგანი, ვინც ყველაზე მეტად გაახურა დიდი ენობრივი მოდელების ბაზარი, ცოტა ხნის წინ სხვა სტრატეგია შესთავაზა. კომპანიამ გამოაცხადა სამი კომპაქტური AI მოდელი, რომლებიც უფრო ეკონომიურია გამოთვლითი რესურსების თვალსაზრისით.
Microsoft-ის თქმით, მიუხედავად იმისა, რომ დიდი ენობრივი მოდელები “კვლავ ოქროს სტანდარტად დარჩება მრავალი რთული ამოცანის გადასაჭრელად”, როგორიცაა “მონაცემთა სიღრმისეული ანალიზი და კონტექსტის გაგება”, მცირე მოდელები შეიძლება უკეთესად მოერგოს ცალკეულ კლიენტებსა და სცენარებს. მოდელების შემცირებაზე სხვა კომპანიებიც მუშაობენ, მათ შორის Sakana AI, სტარტაპი, რომელიც Google-ის ორმა ყოფილმა თანამშრომელმა დააარსა.
“თქვენ ყოველთვის არ გჭირდებათ სარბოლო ავტომობილი”, — ამბობს Forrester Research-ის AI-ის საკითხებში უფროსი ანალიტიკოსი როუენ კარანი. “ზოგჯერ საკმარისია მინივენი ან პიკაპი. არ არსებობს ერთი-ერთადერთი მოდელი, რომელიც ნებისმიერი მიზნისთვის გამოდგება”.
თუმცა, AI ინდუსტრიაში საყოველთაოდ მიღებული აზრით, რაც უფრო მასშტაბურია, მით უკეთესია — და ეს სულ უფრო დიდ ხარჯებს იწვევს.
