Pitanje od $7 biliona

AI industrija na ključnoj prekretnici: granice inovacija, pritisak kapitala i strateški raskol koji preoblikuje budućnost

Muhammed Gider
6 мин читања • 

Pitanje od $7 biliona

Iza sjajnih naslova, AI industrija se suočava sa suštinskim pitanjima o zamahu inovacija, održivosti kapitala i različitim putevima kojima kreću oni koji razvijaju modele i oni koji izrađuju aplikacije.

Tiha prekretnica industrije

Veštačka inteligencija se tokom poslednje tri godine razvijala neviđenom brzinom. Od pokretanja servisa ChatGPT, prihvatanje ove tehnologije među potrošačima oborilo je rekorde, giganti poput kompanija OpenAI i Google predstavljali su modele jedan za drugim, a kompanije sa liste Fortune 500 postavile su AI u središte svojih poslovnih procesa. Ipak, danas se, iza sjajnih naslova, industrija suočava sa suštinski drugačijim pitanjem:

Da li istinske inovacije i dalje napreduju snažnim zamahom ili posmatramo ogromnu mašinu koja nailazi na nevidljive granice?

Da bismo na ovo pitanje odgovorili kako treba, ekosistem moramo posmatrati iz dva različita ugla:

Primarno tržište: Kompanije koje razvijaju temeljne modele poput GPT-4, Claude i Gemini: OpenAI, Anthropic, Google DeepMind, Meta.

Sekundarno tržište: Kompanije koje koriste ove modele i razvijaju rešenja za stvarne probleme korisnika: Perplexity, Cursor, Notion AI, Replit.

Iako oba tržišta pripadaju istoj industriji, njihova dinamika, strukture troškova, profili rizika i očekivanja rasta suštinski se razlikuju. Napetost kojoj danas svedočimo proizlazi upravo iz tog razilaženja.

Naziru se prirodne granice razvoja modela

Četiri osnovna faktora oblikovala su razvoj velikih jezičkih modela tokom poslednjih pet godina:

  • Veličina modela (broj parametara)
  • Podaci za obuku (kvalitet i raznovrsnost)
  • Računarska snaga (GPU/TPU kapacitet)
  • Tehnike obuke (transformatorske arhitekture, mehanizmi pažnje)

Od 2018. do 2023. ova četiri faktora rasla su u istom smeru, omogućavajući ogromne pomake. Tako smo napredovali od modela GPT-2 do GPT-4, od modela BERT do PaLM. Međutim, ova kriva neće se nastaviti unedogled. Podaci za obuku sada su najveće usko grlo industrije.

Izvori kvalitetnih, raznovrsnih i originalnih podataka koje stvaraju ljudi ograničeni su. Obučavate modele na podacima sa Wikipedia, arXiv i GitHub: i šta onda? Troškovi u ovoj oblasti rastu eksponencijalno zbog pitanja autorskih prava, ugovora o vlasništvu nad podacima i ograničenja pristupa. Sklapate dogovore sa platformom Reddit, pregovarate sa platformom Stack Overflow, suočavate se sa tužbama lista The New York Times. Povećavanje modela i dalje je tehnički izvodljivo, ali dostupnost podataka postavlja prirodnu granicu.

Zato je industrija preusmerila fokus sa veličine modela na efikasnost. Rezonovanje kroz lanac misli, učenje potkrepljivanjem na osnovu povratnih informacija od ljudi (RLHF), delotvornije tehnike uzorkovanja, arhitekture mešavine eksperata (MoE): sve je to deo ove transformacije.

Ovi pomaci su značajni, ali sami po sebi nisu održivi. U nekom trenutku i poboljšanja efikasnosti dostižu tačku zasićenja. Industrija počinje da uviđa da su inovacije u oblasti temeljnih modela ušle u sporiju i skuplju fazu.

Pritisak priliva kapitala i sve veća krhkost

Kako tehnološka ograničenja postaju sve opipljivija, rast kapitala nosi još veći rizik.

Kompanije koje razvijaju temeljne modele grade ogromnu računarsku infrastrukturu i daju agresivne ponude u borbi za talente. Ti izdaci nastaju pre nego što su obezbeđeni snažni izvori prihoda. Godišnji troškovi računarskih resursa kompanije OpenAI dostižu milijarde. Anthropic dobija milijarde u investicijama od kompanije Microsoft. Google izdvaja poseban budžet za DeepMind.

Milijarde uložene u centre za podatke, višegodišnji ugovori za GPU, astronomske plate za ljude kao što je Ilya Sutskever: sve to drastično uvećava rashode kompanija.

Ova slika pokazuje da primarno tržište počiva na ekonomski veoma krhkom modelu skaliranja. Troškovi inovacija u oblasti modela daleko nadmašuju stope rasta prihoda.

Tihi uspon aplikativnog sloja

Dok je primarno tržište pod pritiskom, sekundarno tržište beleži relativno zdravu putanju rasta. Ove kompanije koriste temeljne modele i pretvaraju ih u konkretne primene.

  • Perplexity: Preoblikuje iskustvo pretrage
  • Cursor & Replit: Transformišu proces programiranja
  • Notion AI: Čini alate za produktivnost inteligentnim
  • Dvina: Povezuje se sa 120+ aplikacija radi upravljanja celokupnim digitalnim životom iz jednog inteligentnog sloja

Prednost ovih kompanija je u tome što su najbliže korisniku. Stvarna vrednost nastaje neposredno kroz korisničko iskustvo. Pretraga, programiranje, stvaranje sadržaja, produktivnost, obrada informacija: sve ove oblasti nude skalabilne i razumljive modele prihoda.

Zato su mnogi proizvođači temeljnih modela počeli da prelaze u aplikativni sloj. OpenAI je pretvorio ChatGPT u proizvod, Anthropic je pretvorio Claude u ponudu za krajnje korisnike, a Google je integrisao Gemini. Strategija vertikalne integracije brzo se proširila.

Ali ova strategija je imala i neželjene posledice: troškovi akvizicija vrtoglavo su porasli, a procene vrednosti na sekundarnom tržištu su naduvane. Činjenica da je sekundarno tržište — jedina oblast sposobna da stvara prihod — postalo toliko skupo dodatno povećava rizik ulaganja kapitala u ovaj sektor.

Istorijski ciklusi i ono što današnju situaciju čini drugačijom

Veštačka inteligencija je u prošlosti doživela dva velika pada: krajem 1970-ih i početkom 1990-ih. Tim periodima bili su zajednički visoka očekivanja, spor tempo inovacija i sve manja spremnost za ulaganje.

Današnja situacija je drugačija. Tehnološke inovacije se nastavljaju, ali se tempo proboja usporava. Priliv kapitala, međutim, raste u dosad neviđenim razmerama. Sam Altman govori o fondu za računarske resurse vrednom $7 biliona, a Elon Musk ulaže milijarde u xAI.

Zato ono kroz šta prolazimo nije klasična „AI zima“. Pre je reč o periodu krhkosti izazvane raspodelom kapitala: procene vrednosti se naduvavaju, troškovi rastu sve brže, ali tempo inovacija ne ispunjava očekivanja.

Nova era: neće pobediti veći modeli, već pametniji pristupi

Najvažnija razlika danas je sledeća: više nije presudno stvarati još veće modele dodavanjem više parametara.

Prava transformacija dogodiće se u ovim oblastima:

  • Povećanje efikasnosti parametara
  • Postizanje višeg kvaliteta uz manje modele
  • Razvoj novih tehnika treniranja
  • Strateškije i efikasnije korišćenje podataka
  • Radikalno smanjenje troškova treniranja

Jedan od najupečatljivijih primera u poslednje vreme bio je DeepSeek. Ovaj kineski startap razvio je model koji postiže rezultate na nivou GPT-4, ali uz znatno niže troškove treniranja. Arhitektura zasnovana na mešavini eksperata, optimizacija parametara, tehnike treniranja usmerene na efikasnost. Tržište je snažno reagovalo.

Nakon objave kompanije DeepSeek, tržišna kapitalizacija kompanije NVIDIA pala je za 600 milijardi dolara u jednom danu. To je pokazalo da investitori sada prate ne samo trku za većim modelima već i trku za efikasnošću i arhitektonskim inovacijama.

Ali ni to još nije dovoljno. Ako sektor doživi istinski iskorak, on će doći kroz nove arhitektonske paradigme. Nešto što prevazilazi arhitekturu transformera. Možda neuromorfno računarstvo, možda hibridni modeli, a možda i potpuno drugačiji okvir učenja.

Ovakve radikalne transformacije obično ne dolaze iz velikih kompanija. One posluju oprezno zbog pritisaka koje donosi veličina poslovanja, troškova infrastrukture i korporativnog upravljanja rizicima. Pravi proboji često dolaze iz malih, agresivnih i ambicioznih startapa spremnih da preuzmu rizik.

Današnji AI ekosistem verovatno čeka upravo takav preokret.

Zaključak: Neće pobediti resursi, već pristup

AI sektor danas osciluje između dve suprotstavljene sile: s jedne strane, strategije skaliranja modela koja se približava svojim granicama; s druge, rastućih kapitalnih rizika i tržišta aplikacija čija vrednost brzo raste.

Ova slika pokazuje da je osnovni problem sada pristup, a ne kapacitet. Pobednici sutrašnjice neće biti oni koji prave veće modele, već oni koji razvijaju pametnije metode. Efikasnost, nova arhitektonska rešenja i optimizovane tehnike treniranja postaju ono što zaista razdvaja aktere u sektoru.

U budućnosti će presudan biti kvalitet pristupa, a ne snaga resursa. A verovatnoća da će ovu promenu pristupa pokrenuti vizionarski startapi, a ne velike kompanije, prilično je velika.

Pridružite se platformi Dvina

Registrujte se besplatno i objedinite sve svoje alate u jednom jednostavnom radnom prostoru.

Истражи још