DeepSeek повышает расходы ИИ, вопреки убеждениям

Падение фондового рынка в январе, вызванное ажиотажем вокруг прорыва китайской компании DeepSeek AI и её экономичного метода вычислений, может навести на мысль, что компании сокращают инвестиции в чипы и системы для ИИ. Однако мой опыт на конференции по генеративному ИИ в Нью-Йорке, организованной Bloomberg Intelligence, показал иную картину. Энтузиазм по поводу расширения использования генеративного ИИ был ощутим, что говорит о том, что расходы в этой области далеки от замедления.

Также: Что такое DeepSeek AI? Безопасно ли это? Вот всё, что вам нужно знать

Конференция, названная «Генеративный ИИ: Законы масштабирования после DeepSeek», была полна обсуждений, подчёркивающих продолжающийся спрос, который стимулирует рост инвестиций в ИИ.

«У нас сегодня было десять панелей, и ни один человек на этих панелях не сказал, что у нас избыток мощностей», — отметил Мандип Сингх, старший аналитик по технологиям в Bloomberg Intelligence и один из организаторов мероприятия.

«И никто не говорил о пузыре» в инфраструктуре, — добавил Сингх, подчёркивая уверенность отрасли в будущем ИИ.

Строительство инфраструктуры ИИ: На каком этапе мы находимся?

Анураг Рана, коллега Сингха в Bloomberg Intelligence и старший аналитик по ИТ-услугам и программному обеспечению, задал ключевой вопрос: «Самый важный вопрос, который сейчас стоит перед всеми, — это строительство инфраструктуры ИИ. Да. На каком этапе этого цикла мы находимся?»

«Никто точно не знает», — признал Рана. Тем не менее, надежда, вызванная DeepSeek AI, заключается в том, что значительные достижения могут быть достигнуты с меньшими затратами.

«DeepSeek потряс многих», — сказал он. «Если для работы моделей не нужно столько GPU, то зачем нам 500 миллиардов долларов на проект Stargate», — заметил он, имея в виду запланированный американский проект в области ИИ с участием японской SoftBank Group, OpenAI и Oracle.

Рана отметил, что отрасль надеется, что затраты на ИИ резко снизятся, подобно быстрому снижению стоимости облачных вычислений.

Также: Является ли новая модель изображений DeepSeek ещё одним прорывом в сторону более дешёвого ИИ?

«Это снижение кривой затрат, которое, вероятно, заняло шесть, семь, восемь лет, чтобы хранить один терабайт данных в Amazon AWS, когда это начиналось, по сравнению с сегодняшним днём, экономика была хорошей», — сказал он. «И на это все надеются, что на стороне вывода» ИИ, «если кривая затрат упадёт до этого уровня, о боже, темпы принятия ИИ на стороне конечных пользователей или на стороне предприятий будут впечатляющими».

Сингх согласился, отметив, что появление DeepSeek AI «изменило мышление всех в отношении достижения эффективности».

В течение дня многочисленные панели углублялись в корпоративные проекты ИИ, от их зарождения до внедрения. Тем не менее, повторяющейся темой была необходимость радикального снижения затрат на ИИ для расширения его доступности.

«Я не думаю, что DeepSeek стал сюрпризом», — сказал Шон Эдвардс, главный технолог Bloomberg, в интервью Дэвиду Дуайеру, главе Bloomberg Intelligence. «Это заставило меня задуматься, что было бы здорово, если бы можно было взмахнуть волшебной палочкой, и эти модели работали бы невероятно эффективно», — сказал он, представляя будущее, в котором все модели ИИ могли бы работать с такой эффективностью.

Распространение моделей ИИ

Одна из причин, по которой многие участники панелей ожидают увеличения, а не сокращения инвестиций в инфраструктуру ИИ, — это растущее число моделей ИИ. Ключевой вывод дня заключался в том, что не будет единой модели ИИ, которая бы доминировала над всеми.

«Мы используем семейство моделей», — объяснил Эдвардс. «Не существует такой вещи, как лучшая модель».

Участники панелей согласились, что, хотя «основные» или «передовые» большие языковые модели будут продолжать развиваться, отдельные предприятия могут использовать сотни или даже тысячи моделей ИИ.

Также: Рост популярности ИИ-ПК: Как компании перестраивают свои технологии, чтобы не отставать

Эти модели могут быть тонко настроены на проприетарные данные компании, в процессе повторного обучения нейронной сети после её первоначального «предобучения» на общих данных.

«Агенты в предприятиях требуют выбора между моделями», — сказал Джед Догерти, глава стратегии платформы в поддерживаемой венчурным капиталом компании по науке о данных Dataiku. «Им нужна возможность контролировать и создавать, а также иметь проверяемость» моделей ИИ.

«Мы хотим передать инструменты для создания этих вещей в руки людей», — сказал он. «Мы не хотим, чтобы десять докторов наук создавали всех агентов».

В том же духе Adobe, лидер в области инструментов дизайна, делает ставку на пользовательские модели как ключевой сценарий использования для креативщиков. «Мы можем обучать пользовательские расширения моделей для вашего бренда, которые могут помочь в новой рекламной кампании», — сказала Ханна Эльсакр, глава новых бизнес-направлений Adobe, в беседе с ведущим Bloomberg TV Роменом Бостиком.

Рост потребности в вычислениях

Как и в случае с моделями ИИ, распространение агентов ИИ внутри компаний увеличивает потребности в вычислениях, предположили многие спикеры.

«Вы не будете втискивать весь процесс в одного агента, вы разделите его на части», — сказал Рэй Смит, глава отдела агентов и автоматизации Copilot Studio в Microsoft.

Смит предсказал, что через единый интерфейс, такой как Copilot, «мы будем взаимодействовать с сотнями агентов — это просто приложения в новом мире» программирования.

«Мы дадим агенту бизнес-процесс, скажем, что мы хотим достичь», и агент выполнит задачи. «Агентные приложения — это просто новый способ организации рабочего процесса», — сказал он.

Также: Nvidia доминирует в тестах генеративного ИИ, обходя двух конкурирующих чипов ИИ

Такие повседневные сценарии «технологически возможны», отметил Смит, «вопрос только в темпах их реализации».

Стремление внедрить агентов ИИ для большего числа людей в организациях ещё больше требует снижения затрат, сказал Джеймс МакНивен, глава управления продуктами в компании-производителе микропроцессоров ARM Holdings, в беседе с Хайдом из Bloomberg.

«Как обеспечить доступ на всё большем числе устройств», — задался он вопросом. «Мы видим модели на уровне докторских задач», — сказал он.

МакНивен предположил, что такие агенты должны служить помощниками людям, проводя параллель с тем, как платёжные системы были внедрены в развивающихся странах через мобильные телефоны десятилетие назад: «Как передать эту возможность людям, которые могут её использовать?»

Распространение базовых моделей

Даже универсальные базовые модели распространяются с поразительной скоростью.

Amazon AWS предлагает 1800 различных моделей ИИ, рассказал Дэйв Браун, глава отдела вычислений и сетей AWS, ведущей Bloomberg TV Кэролайн Хайд. Компания «много делает для снижения стоимости» работы моделей, сказал он, включая разработку пользовательских чипов ИИ, таких как Trainium.

AWS «использует больше собственных процессоров, чем процессоров других компаний», — сказал Браун, намекая на Nvidia, AMD, Intel и других поставщиков чипов общего назначения.

Также: Новый генератор изображений ChatGPT превзошёл мои ожидания — и теперь он бесплатен для тестирования

«Клиенты делали бы больше, если бы стоимость была ниже», — сказал Браун.

AWS ежедневно работает с Anthropic, создателями семейства языковых моделей Claude, отметил Браун. Майкл Герстенхабер, глава отдела интерфейсов программирования приложений Anthropic, в той же беседе с Хайдом отметил, что «модели мышления потребляют много мощностей», имея в виду тенденцию так называемых моделей рассуждений, таких как DeepSeek R1 и GPT-o1, выдавать подробные утверждения о доводах для своих окончательных ответов.

Anthropic тесно сотрудничает с AWS над способами сокращения вычислительного бюджета, такими как «кэширование запросов», хранение вычислений из предыдущих ответов.

Несмотря на эту тенденцию, он сказал, «Anthropic нужны сотни тысяч ускорителей», то есть чипов, ориентированных на ИИ, «в множестве дата-центров» для работы своих моделей.

Кроме того, возрастающие энергетические затраты на питание ИИ не показывают признаков замедления, сказал Браун. Текущие дата-центры потребляют сотни мегаватт, отметил он, и в конечном итоге им потребуется гигабайты. «Энергия, которую потребляет» ИИ, «велика, и его присутствие значительно во многих дата-центрах».

Также: Глобальные вычисления ИИ будут использовать энергию, эквивалентную «нескольким Нью-Йоркам», к 2026 году, говорит основатель

Экономическая неопределённость и инвестиции в ИИ

Несмотря на амбициозные сценарии, один фактор может нарушить все сценарии использования и инвестиционные планы: экономика.

Когда конференция подходила к концу в среду вечером, участники панелей и гости следили за падением фондового рынка после закрытия торгов. Президент США Дональд Трамп только что объявил о глобальном пакете тарифов, которые оказались более масштабными и всеобъемлющими, чем ожидало большинство на Уолл-стрит.

Традиционные области инвестиций в технологии, такие как серверы и хранилища, а не ИИ, могут стать первыми жертвами любого экономического спада, сказал Рана из Bloomberg.

«Ещё одна важная вещь, на которой мы сосредоточены, — это расходы на технологии, не связанные с ИИ», — сказал он о тарифах. «Когда мы смотрим на таких, как IBM, Accenture, Microsoft и других, если на секунду отложить ИИ в сторону, это будет проблемой в этом сезоне отчётности».

Финансовые директора крупных компаний могут отдавать приоритет ИИ и перераспределять средства, даже если им придётся сокращать бюджеты на фоне экономической неопределённости и потенциальной рецессии, предположил Рана.

Однако такой оптимистичный прогноз не гарантирован.

«Самое интересное, что я хочу выяснить, — это сохранят ли все эти крупные компании свои цели по капитальным расходам», — сказал Рана, включая дата-центры ИИ, «или они скажут: знаете что? Слишком неопределённо».