Сломанная ИИ экономика
ИТ компании на протяжении всей своей истории отличались крайне низкой концентрацией инфраструктурных расходов в структуре выручки или операционного денежного потока с невероятной способностью к масштабированию.
Затраты на создание цифровой копии интеллектуальной собственности в ИТ компаниях практически всегда были в пределах нуля, т.е. дистрибьюция, распространение никогда ничего не стоили – основные каналы расходов: R&D, маркетинг и смежные ИТ услуги (когда исходная ИТ компания использует продукты других ИТ компании).
Мультиплицирование информации само по себе практически бесплатно (было) – это и сделало ИТ компаниями теме, кем они являются, точнее являлись.
С 2023 начали внедрять LLMs со сломанной экономикой. Проблема не в том, что ИИ бесполезен. Проблема в том, что полезность ИИ пока монетизируется медленнее и менее предсказуемо, чем растёт физическая стоимость его производства.
Запрос на вычислительные ресурсы практически безграничен. Например, переход видео формата от разрешения 720*480 к 1980*1024 требует в 5.9 раз больших вычислительных ресурсов. Да, есть оптимизация в виде апскейлинга (ИИ-аппроксимации для «умного» повышения разрешения при исходной генерации в низком разрешении).
Расширение генерации с 6 до 60 секунд требует в 10 раз больших ресурсов. Усложнение сцены, внедрение множества параметров для управления объектами и сложных зависимостей между сценами требует едва ли на порядок больше вычислений.
Таким образом, исходное видео в разрешении "720" с простым запросом может быть отмасштабировано в короткий, но сценически сложный студийный клип на протяжении 60 секунд и разрешении "1980" с увеличением требований к вычислениям в 400-800 раз!
Этот короткий пример, показывающий безграничной клиенткой прожорливости. Есть менее ресурсно затратные: работа с изображением, аудио, текстом.
Однако, есть комплекс задач, где потребность в вычислительных ресурсах может расти по экспоненте: научно-исследовательские проекты, многоуровневые интеграции с корпоративными базами данных, многокомпонентные, иерархические запросы с множеством зависимостей и параметров, требующих сложных вычислений и работы с большими массивами данных.
Это же касается агентных ИИ систем, представляющих собой набор ИИ инструментов для комплексной автоматизации, как правило, локальных задач и сценариев, но пожирающих огромные вычислительные ресурсы.
В 2023-2024 LLMs выступали, как справочное бюро, но по мере внедрения в реальной экономику потребность в вычислительных ресурсах может расти по экспоненте. Здесь я в полной мере соглашаюсь с тезисами спикеров из бигтехов, которые заявляются, что «спрос системно превышает предложение и растет по экспонент».
Здесь можно выделить несколько триггеров для роста спроса на токены:
Расширение клиентской базы по мере популяризации среди массового потребления и интеграции бизнеса в ИИ-сервисы.
Расширение спектра инструментов (с быстрым переходом от простых текстовых запросов в 2023 к медиаконтенту в 2024-2025 и профессиональным ИИ инструментам и ИИ-агентам с начала 2026 для решения конкретных бизнес-задач).
Значительно усложнение задачи и глубины исследований в рамках одного или серии запросов. Переход от нескольких тысяч токенов контекстного окна до миллиона и больше токенов с возможностью глубоких, иерархических рассуждений.
Почему ИИ экономика сломана?
Да, выручка растет по экспоненте, но до определенного предела – некой условной емкости ИТ бюджетов в компаниях и реального предела эффективности в бизнесе (эффективность от использования ИИ остается под вопросом).
Расходы растут сильно быстрее выручки с тенденцией на увеличение разрыва по мере вовлечения новых клиентов, расширения спектра инструментов и задач с кратным усложнением запросов. Нет признаков улучшения.
Отсутствует пространство для оптимизации расходов на инфраструктуру – тенденция противоположная – цены на чипы, память, сетевую и энергетическую инфраструктуру только растут. Опережающее инфлирование расходов продолжится.
Они, кажется, сами не поняли во что ввязались)
