10 Minutės
Debatai apie tai, ar dirbtinio intelekto (AI) rinka yra „burbulas“, tapo kasdienybe technologijų sektoriuje. Investuotojai, įmonių vadovai ir mokslininkai sutaria — kažkas vyksta, bet nesutaria, ką tai reiškia: ar tai nauja ekonominė revoliucija, ar perteklinė ir rizikinga spekuliacija, kuri anksčiau ar vėliau sprogs? Šiame tekste išskaidysime pagrindinius argumentus, paaiškinsime techninius resursus, kurie degina didžiules sumas, ir aptarsime, kas labiausiai rizikuoja prarasti pinigus, jei optimizmas pasirodys nepagrįstas.
Kas sukėlė diskusijas apie AI burbulą?
Vasaros pabaigoje pasirodęs tyrimas sulaukė plataus dėmesio: vienoje ataskaitoje teigta, kad daugiau nei 90 % organizacijų, investavusių į generatyvųjį dirbtinį intelektą, negauna jokios apčiuopiamos grąžos. Anksčiau ar vėliau tokie skaičiai tampa pesticidu rinkos nuotaikoms — technologijų akcijos krenta, analitikai kelia klausimus, o žiniasklaida ieško aiškaus atsakymo. Tuo pat metu pramonės lyderiai patys pripažįsta nerimą: OpenAI vadovas Sam Altman viešai užsiminė, kad investuotojų entuziazmas dėl AI gali būti per didelis, palygindamas situaciją su dot-com (internetinių įmonių) burbulu.
Tai nebėra vien pavienių skeptikų balsai. Kiti sektoriaus vadovai – Markas Zuckerbergas, Sundar Pichai, Dario Amodei – taip pat aptaria rizikas, tačiau jų nuomonės skiriasi priklausomai nuo pozicijų. Vieni mato grėsmę dėl per didelių vertinimų ir skolinimosi; kiti mano, kad reikia tęsti investicijas, nes ilgalaikė perspektyva — milžiniška.
Kas konkrečiai „pučia“ bubble?
Pagrindiniai faktoriai, kurie didina burbulo riziką, yra lengvai apibūdinami: nekontroliuojamas kapitalas, milžiniškos vertinimų šuoliai ir didžiulės statybos programos duomenų centrams bei skaičiavimo talpai. Investicijos į AI infrastruktūrą — tiek viešojo, tiek privataus sektorių — yra nepaprastai didelės. Pavyzdžiui, viešai aptariami skaičiai, susiję su OpenAI ir kitų bendrovių planais, įvardijo šimtus milijardų dolerių bei gigavatų skaičių, kurie atrodo beveik epiniai: OpenAI yra minėjęs ketinimus skirti šimtus milijardų dolerių ir iki 250 gigavatų skaičiavimo galios iki 2033 metų, skaičiai, analogiški kai kurių valstybių energetikos poreikiams.
Tokia infrastruktūra reikalauja ne tik kapitalo, bet ir nuolatinio energijos tiekimo, pažangių GPU (grafikos procesorių) užsakymų, specializuotos aušinimo įrangos bei ilgalaikių nuomos ar statybos įsipareigojimų. Kai pelnas neatsiranda taip greitai, kaip pažadėta, susiduriama su dviem problemomis: arba projektai sustabdomi ir kapitalas nuskęsta, arba įmonės bando išspausti pajamas per agresyvius verslo modelius ir rizikuoja reputacija bei finansine tvarumu.
Techninis fonas: kodėl AI „valgo“ tiek resursų?
Didžiausia dalis šiuolaikinio AI reikalavimų kyla iš didelių kalbinių modelių (LLM) ir kitų giluminio mokymosi architektūrų treniravimo bei diegimo. Treniravimas reiškia milijardų parametrų optimizavimą, o tai vyksta per šimtus ar tūkstančius GPU valandų. Kiek tai kainuoja? Ne tik pinigais už GPU – tai ir elektros kaina, aušinimas, patalpų nuoma, darbuotojų išlaidos bei nuolatinė aparatūros atnaujinimo prievarta. Be to, spartinant plėtrą, reikalingi dideli duomenų kiekiai ir saugyklų sprendimai.
GPU, duomenų centrai ir energetika
- GPU: daugiausiai užduočių atliekama specializuotose plokštėse, kurias tiekia kompanijos kaip Nvidia. Šių plokščių paklausa viršija pasiūlą, todėl jos brangsta ir paskirstomos didiesiems klientams.
- Duomenų centrai: statyba ir valdymas reikalauja ilgalaikių įsipareigojimų ir didelės pradinės investicijos.
- Energetika: didžiulė skaičiavimo galia reiškia didelį elektros suvartojimą; tam reikia tiek tinklo pajėgumų, tiek angliavandenių bei atsinaujinančios energijos balansavimo.
Tokios sąnaudos akivaizdžiai formuoja verslo modelio spaudimą: arba AI turi generuoti tiesioginę ir didelę grąžą, arba investicijos tampa nebeatgaunamos. Štai kodėl analitikai skaičiuoja, jog norint pagrįsti tokias investicijas reikės trilijonų dolerių metinių pajamų per ateinančius kelerius metus — sumos, kurios viršija daugelio technologijų gigantų metinį pajamų lygį kartu sudėjus.
.avif)
Kas yra labiausiai pažeidžiami?
Ne visos įmonės išgyvena brangų infrastruktūros statymą. Daugiausiai rizikuoja:
- Startuoliai, kurie pervertinti rinkoje ir turi didelius įsipareigojimus ar ribotus pajamų šaltinius;
- Įmonės su didele skola arba greitai augančiomis išlaidomis, kurios neatsveria pajamos;
- 供应davimo grandinės dalyviai, kurių verslo modeliai remiasi nuolatiniu dideliu pardavimu (pvz., chip supplier–AI company pirkimo bei finansavimo susitarimai);
- Investuotojai, kurie pervertina technologijos greitį ir neįvertina laiko, reikalingo pelningumui pasiekti.
Tarp viešai žinomų pavyzdžių — didelės privataus kapitalo injekcijos startuoliams, kurių pajamų kelias ir klientų pritraukimas yra labai neaiškus. Sam Altman net pats atkreipė dėmesį, kad yra „absurdu“, kai trys žmonės su idėja gauna dideles investicijas aukštu vertinimu; tai rodiklis, kad rinkoje yra spekuliacijos elementas.
Kaip burbulas galėtų sprogt?
Yra keletas scenarijų, kaip rinka gali koreguotis arba „sprogti“:
- Pajamų trūkumas: įmonės, kurios įsipareigojo ilgalaikėms investicijoms į duomenų centrus, negauna pakankamo augimo, kad padengtų sąnaudas. Tada projektai stabdomi arba įmonės bankrutuoja.
- Rinkos likvidumo sutrikimai: jei privačios investicijos pradeda trauktis, vertinimai mažėja, o kompanijos negali refinansuoti savo įsipareigojimų.
- Technologiniai siužetai: jei būtinas kitas proveržis — pvz., nauja architektūra ar energijos efektyvumo radikalias pagerinimas — neįvyksta, dabartiniai modeliai gali pasirodyti per brangūs ir neefektyvūs.
Istorijoje matėme panašią dinamiką: dot-com bumo metu daugybė įmonių žlugo, bet keletas išgyveno ir tapo milžinais — Amazon yra tas pavyzdys. Todėl krizės atveju pasekmės būna skirtingos: dalis rinkos nukentės labai smarkiai, o kiti žaidėjai išlygins nuostolius ir galiausiai gaus ilgalaikę naudą.
Ekonominiai skaičiai ir istorinės paralelės
Vertinant riziką, svarbu žiūrėti į konkrečius skaičius. Kai kurios prognozės rodo, kad iki 2029 metų OpenAI gali sudeginti šimtus milijardų dolerių, o kitos kertinės įmonės taip pat prognozuoja dešimt- arba šimtamilijardines sąnaudas. Istoriškai Amazon, Tesla ar Uber irgi pastebimai degino kapitalą prieš tampant pelningomis; tai reiškia, kad kapitalo „praradimas“ nėra naujiena technologijų cikle. Tačiau skirtumas šįkart — mastas ir centralizuoti infrastruktūros reikalavimai, kurie reikalauja labai didelių imčių kapitalo.
Goldman Sachs ir kiti ekonomistai mato panašius bruožus į tuos, kurie buvo viršūnėje 1997–1999 metais: investicijų pikas, korporaciniai nuostoliai, auganti įmonių skola, vėliau vykstantys palūkanų pakeitimai ir kredito skirtumų plėtra. Jei keli iš šių rodiklių pradeda sutapti, rinkos korekcija tampa tikėtina.
Technologinis neapibrėžtumas: ar tikrai žinome, ko reikia AGI?
Vienas iš pagrindinių klausimų yra technologinis: kokių papildomų proveržių reikia, kad AI pasiektų dirbtinį generalinį intelektą (AGI) arba bent jau reikšmingai prekės ženklintų pasaulinius darbo procesus? LLM (dideli kalbiniai modeliai) išlieka kertiniais komponentais daugelyje pažangesnių sistemų, tačiau nėra vienintelis elementas. Kai kurie lyderiai lažinasi už agentinį AI, gebantį sąveikauti su fiziniu pasauliu, kiti — už mokymosi metodų, kurie leistų AI įsisavinti žinias panašiai kaip žmonės.
Tai reiškia, kad gali būti didelis rizikos elementas, jog investicijos eina į dabartines architektūras, o ateities laimėtojai gali būti tie, kurie sugebės integruoti naujus metodus ar radikaliai pagerinti efektyvumą. Kitaip tariant, galima „palaikyti neteisingą arkliuką“ — investuoti į sprendimus, kurie ilgainiui nebus esminiai ar ekonomškai efektyvūs.
Verslo modelių problema: ar prenumeratos užteks?
Reklamos ekonomika didžiąja dalimi išlaikė interneto milžinus pastaruosius du dešimtmečius: milijardai vartotojų akys generuoja duomenis ir pajamas. AI ekonomikoje tokių paprastų mechanizmų yra mažiau. Prenumeratos modeliai gali generuoti stabilias pajamas, bet nepakaks padengti arčiausiai trilijoninių infrastruktūros sąnaudų, kurios šiandien planuojamos. Todėl kompanijoms reikia naujų pajamų šaltinių — agentinių paslaugų, įmonių licencijų, specializuotų sprendimų arba visiškai naujų prekybos modelių.
Be to, vartotojų priėmimas ne visada yra tiesinis: net jei technologija veikia, verslo integracija, teisiniai apribojimai, etikos klausimai ir pasitikėjimo trūkumas gali stabdyti greitą monetizaciją.
Expert Insight
Dr. Rasa Petrauskaitė, dirbtinio intelekto inžinerė ir vyresnioji tyrėja viename Europos technologijų institute, sako: "Mes stovime tarp dviejų tiesų: technologija turi transformacinį potencialą, bet finansinės rizikos yra realios. Infrastruktūros investicijos dažnai matomos kaip būtina sąlyga, bet jų mastas turi būti proporcingas aiškiems, pasiekiamiems verslo rezultatams. Kitaip tariant, reikia geresnės rizikos valdymo kultūros ir skaidresnės duomenų apie grąžą atskaitomybės."
Pasak jos, vienas iš praktinių žingsnių būtų įdiegti daugiau eksperimentavimo etapų su mažesnėmis infrastruktūromis, kol neatsiranda patikimos monetizacijos grandinės. "Tai panašu į hipotezių tikrinimą mokslinėje eksperimentacijoje: reikalingi aiškūs kriterijai, kada plėsti investicijas."
Reguliavimas, etika ir visuomenės interesas
Be finansinių ir techninių klausimų, AI burbulas kelia ir platesnius visuomeninius klausimus. Reguliuotojai visame pasaulyje pradeda svarstyti, kaip kontroliuoti AI plėtrą: nuo duomenų apsaugos iki atsakomybės už klaidas, saugumo ir karinio panaudojimo. Jei rinkos korekcija sutaps su griežtesnėmis reguliavimo priemonėmis, poveikis gali būti daug didesnis, nes investuotojų lūkesčiai prisideda prie greitos įtakos vertinimams.
Etiškai jautrūs sprendimai — pvz., kaip vertinti klaidas medicinoje ar teisingumo srityje, kaip užtikrinti, kad AI neatstotų žmonių ten, kur reikalingas žmogiškas vertinimas — gali pristabdyti diegimo tempus ir sukelti papildomų sąnaudų, kurių ne visos įmonės yra pasirengusios prisiimti.
Išvados
Mes esame „tarp“ fazių: daugelis sutinka, kad AI turės didžiulį ilgalaikį poveikį ekonomikai ir visuomenei, bet tuo pačiu daugeliui akivaizdu, jog rinkoje yra per daug entuziazmo, keliant per aukštus vertinimus ir finansinius įsipareigojimus. Tai reiškia, kad būsimi metai greičiausiai bus audringi: kai kurie projektai žlugs, kiti sustiprės, o visuomenė ir reguliuotojai bandys rasti balansą tarp inovacijų skatinimo ir rizikų mažinimo.
Galutinis rezultatas priklausys nuo daugelio veiksnių: technologinių proveržių, verslo modelių gebėjimo kurti pajamų srautus, reguliavimo politikos ir — labai svarbu — investuotojų kantrybės. Vienas iš teisingiausių vertinimų, kurį esame girdėję iš pramonės lyderių, yra toks: AI vienu metu yra ir reali pertvarka, ir potencialus burbulas. Reikia pasirengti abiem galimybėms.
Komentarai
koduota
Ar čia tikrai taip? >90% investicijų negrąža skamba neįtikima, bet daug kas jau pervertinta. reikia daugiau duomenų, faktų..
Palikite komentarą