Exponenciální náklady na vývoj umělé inteligence: Zlatá horečka s vysokými sázkami

Technologičtí giganti, jako jsou Microsoft, Alphabet a Meta, se sice těší z rostoucích příjmů z cloudových služeb poháněných umělou inteligencí, ale zároveň se potýkají s enormními náklady spojenými s posouváním hranic této technologie. Nedávné finanční zprávy těchto společností odhalují obojživelný charakter tohoto trendu: na jedné straně impozantní zisky, na druhé straně závratné výdaje.

Tato situace vedla agenturu Bloomberg k označení vývoje umělé inteligence za "obrovskou finanční jámu", čímž zdůraznila komplexní ekonomickou realitu stojící za současnou revolucí v oblasti AI.

Touha po větších a lepších modelech AI

Srdcem tohoto finančního problému je neustálý tlak na vývoj větších a sofistikovanějších modelů umělé inteligence. Snaha o dosažení umělé obecné inteligence (AGI) vedla společnosti k vytváření stále složitějších systémů, jako jsou například velké jazykové modely typu GPT-4. Tyto modely vyžadují obrovský výpočetní výkon, což žene náklady na hardware do nebývalých výšin.

K tomu se přidává prudký nárůst poptávky po specializovaných čipech pro umělou inteligenci, zejména grafických procesorech (GPU). Nvidia, přední výrobce v tomto odvětví, zaznamenala prudký růst své tržní hodnoty, protože technologické společnosti se předhánějí v zajišťování těchto klíčových komponent. Její grafický čip H100, zlatý standard pro trénování modelů AI, se prodává za odhadovaných 30 000 dolarů, přičemž někteří prodejci jej nabízejí za několikanásobek této částky.

Globální nedostatek čipů tuto situaci ještě zhoršil, přičemž některé firmy čekají měsíce na pořízení potřebného hardwaru. Generální ředitel společnosti Meta, Mark Zuckerberg, dříve uvedl, že jeho společnost plánuje do konce letošního roku pořídit 350 000 čipů H100 na podporu svého výzkumu v oblasti umělé inteligence. I když dostane slevu za hromadný nákup, rychle se to nasčítá na miliardy dolarů.

Závod ve vývoji čipů a datových center

Snaha o pokročilejší AI zároveň vyvolala závod ve vývoji čipů. Společnosti jako Google a Amazon masivně investují do vývoje vlastních procesorů specifických pro AI, jejichž cílem je získat konkurenční výhodu a snížit závislost na dodavatelích třetích stran. Tento trend směrem k vlastnímu křemíku přidává další vrstvu složitosti a nákladů na proces vývoje AI.

Výzva v oblasti hardwaru však nespočívá jen v pořizování čipů. Rozsah moderních modelů AI vyžaduje masivní datová centra, která přinášejí své vlastní technologické překážky. Tato zařízení musí být navržena tak, aby zvládala extrémní výpočetní zátěž a zároveň efektivně řídila odvod tepla a spotřebu energie. S rostoucí velikostí modelů rostou i nároky na energii, což výrazně zvyšuje provozní náklady a dopad na životní prostředí.

Dario Amodei, generální ředitel společnosti Anthropic, konkurenta OpenAI, v podcastovém rozhovoru na začátku dubna uvedl, že současná řada modelů AI na trhu stála kolem 100 milionů dolarů na trénování. "Modely, které se nyní trénují a které vyjdou v různých časech koncem letošního nebo začátkem příštího roku, se blíží nákladům na 1 miliardu dolarů," řekl. "A pak si myslím, že v letech 2025 a 2026 se dostaneme spíše k 5 nebo 10 miliardám dolarů."

Data jako životodárná míza AI

Data, životodárná míza systémů AI, představují svou vlastní technologickou výzvu. Potřeba obrovských a kvalitních datových souborů vede společnosti k vysokým investicím do technologií pro sběr, čištění a anotaci dat. Některé firmy vyvíjejí sofistikované nástroje pro generování syntetických dat, které doplňují data z reálného světa, což dále zvyšuje náklady na výzkum a vývoj.

Rychlé tempo inovací v oblasti umělé inteligence také znamená, že infrastruktura a nástroje rychle zastarávají. Společnosti musí neustále modernizovat své systémy a přetrénovávat své modely, aby zůstaly konkurenceschopné, což vytváří neustálý cyklus investic a zastarávání.

Investice do AI infrastruktury rostou

"Microsoft 25. dubna uvedl, že v posledním čtvrtletí utratil 14 miliard dolarů za kapitálové výdaje a očekává, že tyto náklady 'výrazně vzrostou', částečně v důsledku investic do infrastruktury AI. To byl 79% nárůst oproti stejnému čtvrtletí předchozího roku. Alphabet uvedl, že během čtvrtletí utratil 12 miliard dolarů, což je 91% nárůst oproti předchozímu roku, a očekává, že zbytek roku bude 'na této úrovni nebo nad ní', protože se zaměřuje na příležitosti v oblasti AI," uvádí se v článku Bloombergu.

Bloomberg také poznamenal, že Meta mezitím zvýšila své odhady investic pro tento rok a nyní se domnívá, že kapitálové výdaje budou činit 35 až 40 miliard dolarů, což by na horní hranici rozsahu představovalo 42% nárůst. "Jako důvod uvedla agresivní investice do výzkumu a vývoje produktů v oblasti AI," napsal Bloomberg.

AI jako zdroj příjmů

Zajímavé je, že článek Bloombergu také poukazuje na to, že navzdory těmto obrovským nákladům technologické giganty dokazují, že AI může být skutečným zdrojem příjmů. Microsoft a Alphabet vykázaly výrazný růst svých cloudových podnikání, což se připisuje především zvýšené poptávce po službách AI. To naznačuje, že i když jsou počáteční investice do technologie AI ohromující, potenciální výnosy jsou dostatečně přesvědčivé, aby ospravedlnily tyto výdaje.

Obavy z koncentrace trhu

Vysoké náklady na vývoj AI však vyvolávají obavy z koncentrace trhu. Jak se uvádí v článku, náklady spojené s výzkumem špičkové AI mohou omezit inovace na hrstku dobře financovaných společností, což by mohlo potlačit konkurenci a rozmanitost v tomto odvětví.

Hledání efektivnějších řešení

S ohledem do budoucna se toto odvětví zaměřuje na vývoj efektivnějších technologií AI, aby se vypořádalo s těmito nákladovými výzvami. Výzkum v oblasti technik, jako je few-shot learning, transfer learning a energeticky úspornější architektury modelů, má za cíl snížit výpočetní zdroje potřebné pro vývoj a nasazení AI.

Kromě toho by tlak na edge AI - provozování modelů AI na místních zařízeních namísto v cloudu - mohl pomoci rozložit výpočetní zátěž a snížit tlak na centralizovaná datová centra. Tento posun však vyžaduje vlastní soubor technologických inovací v oblasti návrhu čipů a optimalizace softwaru.

Celkově je zřejmé, že budoucnost AI nebude utvářena jen průlomy v algoritmech a návrhu modelů, ale také naší schopností překonat obrovské technologické a finanční překážky, které přináší škálování systémů AI. Společnosti, které budou schopny tyto výzvy účinně řešit, se pravděpodobně stanou lídry v další fázi revoluce v oblasti umělé inteligence.