Η επιβράδυνση της ανάπτυξης των ισχυρότερων μοντέλων δεν αφορά μόνο τον φόβο μιας καταστροφής – Μπορεί να εξοικονομήσει εκατοντάδες δισεκατομμύρια δολάρια και να μεταφέρει τη μάχη από την εκπαίδευση νέων μοντέλων στην εμπορική αξιοποίηση όσων ήδη υπάρχουν.
Από τον Κέλσο | Συντακτική ομάδα Greece2Day
Πόσο κοστίζει μια… Αποκάλυψη;
Το ερώτημα μπορεί να ακούγεται υπερβολικό, όμως βρίσκεται πλέον στο επίκεντρο της συζήτησης μεταξύ ορισμένων από τους ισχυρότερους ανθρώπους της παγκόσμιας βιομηχανίας Τεχνητής Νοημοσύνης.
Οι επικεφαλής κορυφαίων εταιρειών AI αρχίζουν να μιλούν ανοιχτά για την ανάγκη να επιβραδυνθεί ο ρυθμός ανάπτυξης των ισχυρότερων συστημάτων, ώστε να περιοριστεί ο κίνδυνος δημιουργίας "frontier models" ικανών να προκαλέσουν τεράστιες οικονομικές ή ακόμη σοβαρότερες επιπτώσεις.
Το ενδιαφέρον είναι ότι μια τέτοια επιβράδυνση δεν χρειάζεται να στηριχθεί αποκλειστικά σε επιχειρήματα ασφάλειας. Θα μπορούσε να έχει και πολύ ισχυρή οικονομική λογική. Και αυτό σημαίνει ότι οι ίδιοι οι επενδυτές των μεγάλων εταιρειών AI μπορεί τελικά να έχουν συμφέρον να υποστηρίξουν το… φρένο.
Η πρόταση Amodei: Η AI πρέπει να αναπτύσσεται με ελεγχόμενο ρυθμό
Ο επικεφαλής της Anthropic, Dario Amodei, υποστήριξε ότι η εξέλιξη της Τεχνητής Νοημοσύνης θα πρέπει να γίνεται με περισσότερο ελεγχόμενο ρυθμό.
Η προσέγγισή του περιλαμβάνει, όπου αυτό είναι δυνατόν, συντονισμό των κυβερνήσεων για τη δημιουργία κοινών προτύπων, αλλά και μεγαλύτερη πρόσβαση ανεξάρτητων ειδικών στα συστήματα των εταιρειών, ώστε να μπορούν να αξιολογούν τους κινδύνους.
Η πολιτική διάθεση στην Ουάσιγκτον για μια τέτοια παρέμβαση φαίνεται περιορισμένη. Αυτό όμως δεν σημαίνει ότι η επιβράδυνση χρειάζεται υποχρεωτικά να επιβληθεί μέσω αυστηρών ρυθμιστικών κανόνων. Για εταιρείες όπως η Anthropic και η OpenAI, μπορεί να υπάρχει ένας πολύ απλούστερος λόγος: τα οικονομικά.
Το τεράστιο κόστος της κούρσας για το ισχυρότερο μοντέλο
Η ανάπτυξη ολοένα ισχυρότερων μοντέλων απαιτεί πρωτοφανείς ποσότητες υπολογιστικής ισχύος και, κατά συνέπεια, τεράστια κεφάλαια. Μια επιβράδυνση θα περιόριζε τον ρυθμό με τον οποίο οι εταιρείες αναγκάζονται να επενδύουν δισεκατομμύρια σε data centers, chips και υποδομές για την εκπαίδευση της επόμενης γενιάς μοντέλων.
Και η διαφορά μπορεί να είναι τεράστια.
Ως παράδειγμα η OpenAI σχεδιάζει δαπάνες περίπου $750 δισ. για υπολογιστική ισχύ έως το 2030. Εάν ένα μέρος αυτών των επενδύσεων μετατεθεί χρονικά, η οικονομική επίπτωση είναι εντυπωσιακή.
Οι υπολογισμοί δείχνουν ότι για κάθε έτος κατά το οποίο μετατίθεται αυτή η δαπάνη, η παρούσα αξία της μειώνεται κατά σχεδόν $100 δισ. δολάρια. Με άλλα λόγια, το "φρένο" στην AI μπορεί να μετατραπεί σε τεράστια εξοικονόμηση κεφαλαίων.
Τι συμβαίνει όμως με τα έσοδα;
Εδώ η εικόνα γίνεται πιο περίπλοκη. Τα ισχυρότερα μοντέλα μπορούν συνήθως να επιτύχουν υψηλότερες τιμές και καλύτερα περιθώρια κέρδους. Ωστόσο, μεγάλο μέρος των πραγματικών πωλήσεων της αγοράς πιθανότατα προέρχεται ήδη από φθηνότερα μοντέλα και υπηρεσίες.
Παράλληλα, οι εταιρείες AI ανταγωνίζονται όλο και περισσότερο μεταξύ τους και μέσω των τιμών. Αυτό σημαίνει ότι η συνεχής ανάπτυξη του ακριβότερου και ισχυρότερου μοντέλου δεν συνεπάγεται αυτομάτως ανάλογη αύξηση των εσόδων.
Υπάρχει, επομένως, ένα κρίσιμο ερώτημα για τους επενδυτές: Αξίζει να δαπανώνται εκατοντάδες δισεκατομμύρια για να βρίσκεται μια εταιρεία μερικούς μήνες μπροστά από τον ανταγωνισμό;
Ο μεγάλος κίνδυνος: Να προλάβουν οι ανταγωνιστές
Η επιβράδυνση έχει βέβαια και κόστος. Εάν οι σημερινοί πρωταγωνιστές περιορίσουν τον ρυθμό ανάπτυξης, οι εταιρείες που βρίσκονται λίγο πιο πίσω μπορεί να αποκτήσουν την ευκαιρία να καλύψουν τη διαφορά και να διεκδικήσουν μεγαλύτερο μερίδιο αγοράς.
Ιδιαίτερη σημασία έχουν εδώ τα λεγόμενα open-weight models, τα οποία μπορούν να κατεβάσουν οι χρήστες, να λειτουργήσουν στα δικά τους συστήματα και να τροποποιήσουν. Σύμφωνα με το AI Security Institute, αυτά τα μοντέλα βρίσκονται μόλις λίγους μήνες πίσω από την τεχνολογική αιχμή, ενώ η απόσταση συνεχίζει να μειώνεται.
Και εδώ εμφανίζεται ο κινεζικός παράγοντας.
Η Κίνα αποτελεί έναν εξαιρετικά ισχυρό ανταγωνιστή στον συγκεκριμένο τομέα. Ο Amodei εκτιμά, ωστόσο, ότι ο περιορισμός της πρόσβασής της στα πλέον προηγμένα chips και στις κρίσιμες τεχνολογίες AI θα μπορούσε να προσφέρει στη Δύση ένα χρονικό πλεονέκτημα τριών έως πέντε ετών.
Ίσως το πραγματικό χρήμα βρίσκεται στα μοντέλα που έχουμε ήδη
Υπάρχει όμως ένα ακόμη σημαντικό επιχείρημα υπέρ της επιβράδυνσης. Η παγκόσμια οικονομία απέχει ακόμη πολύ από το να έχει αξιοποιήσει πλήρως ακόμη και τις δυνατότητες των σημερινών μοντέλων.
Αντί λοιπόν οι εταιρείες να διοχετεύουν συνεχώς τεράστια ποσά στην κατασκευή της επόμενης γενιάς AI, θα μπορούσαν να επικεντρωθούν περισσότερο στη μετατροπή της υπάρχουσας τεχνολογίας σε πραγματικά προϊόντα και υπηρεσίες.
Και η δυνητική αγορά είναι τεράστια. Σε σχετικές εκτιμήσεις για την αγορά των "enterprise applications" - δηλαδή λογισμικού και υπηρεσιών που ενσωματώνουν την AI σε πραγματικές επιχειρηματικές εφαρμογές – έχουν διατυπωθεί προβλέψεις που ανεβάζουν το δυνητικό μέγεθος της αγοράς σε δεκάδες τρισεκατομμύρια δολάρια.
Οι εκτιμήσεις αυτές μπορεί να αποδειχθούν υπερβολικά αισιόδοξες. Δεν χρειάζεται όμως να επαληθευθούν για να δημιουργηθεί μια τεράστια νέα αγορά.
Deutsche Bank: Αγορά $400 δισ. μόνο από τους εργαζομένους γνώσης
Μια περισσότερο συγκρατημένη εκτίμηση της Deutsche Bank δείχνει το μέγεθος της ευκαιρίας. Εάν έως το 2031 περίπου το 60% των εργαζομένων γνώσης χρησιμοποιεί εφαρμογές που βασίζονται στην Τεχνητή Νοημοσύνη, η συγκεκριμένη αγορά θα μπορούσε να δημιουργεί έσοδα περίπου $400 δισ.
Και ήδη διαμορφώνονται οι πρώτες συμμαχίες που δείχνουν προς αυτή την κατεύθυνση. Η συνεργασία της Anthropic με τη Salesforce, μέσω της οποίας οι δυνατότητες συλλογισμού του Claude ενσωματώνονται στα προϊόντα της εταιρείας λογισμικού, αποτελεί χαρακτηριστικό παράδειγμα.
Η μεγάλη μάχη της AI μπορεί επομένως να μετακινηθεί σταδιακά από το ερώτημα "ποιος διαθέτει το ισχυρότερο μοντέλο;" στο πολύ πιο επιχειρηματικό ερώτημα: "Ποιος μπορεί να βγάλει περισσότερα χρήματα από τα μοντέλα που ήδη υπάρχουν;"
Από το AI arms race στο AI monetisation
Αυτό ίσως αποτελεί και το σημαντικότερο επενδυτικό συμπέρασμα. Μέχρι σήμερα, η αγορά έχει επικεντρωθεί σχεδόν εμμονικά στην τεχνολογική κούρσα: περισσότερα chips, μεγαλύτερα data centers, περισσότερη υπολογιστική ισχύς και ολοένα ισχυρότερα μοντέλα.
Όμως κάποια στιγμή οι επενδυτές θα απαιτήσουν απόδοση πάνω στα πρωτοφανή κεφάλαια που έχουν ήδη επενδυθεί. Μια συντονισμένη επιβράδυνση θα μπορούσε επομένως να αλλάξει την οικονομική εξίσωση της AI: λιγότερο capex για την επόμενη γενιά μοντέλων και περισσότερη προσπάθεια για monetisation της σημερινής τεχνολογίας.
Και αυτό δεν είναι απαραίτητα αρνητικό για τις αποτιμήσεις των εταιρειών. Μπορεί να είναι ακριβώς το αντίθετο.
Και υπάρχει ένας κίνδυνος που δεν αντισταθμίζεται
Για τους επενδυτές της Anthropic – ανάμεσά τους ορισμένα από τα μεγαλύτερα ονόματα της παγκόσμιας επενδυτικής βιομηχανίας – υπάρχει βέβαια και ένας ακόμη λόγος να υποστηρίξουν μια συντονισμένη προσπάθεια περιορισμού των ακραίων κινδύνων.
Ο λόγος αυτός ξεπερνά τα μοντέλα αποτίμησης, τα cash flows και το κόστος κεφαλαίου.
Εάν το ακραίο σενάριο της ανεξέλεγκτης Τεχνητής Νοημοσύνης είναι πράγματι η εξαφάνιση της ανθρωπότητας, τότε πρόκειται για έναν επενδυτικό κίνδυνο απέναντι στον οποίο δεν υπάρχει γνωστό hedge.
Και πιθανότατα δεν θα υπάρχουν ούτε πελάτες για να αποζημιωθούν
Add comment
Comments