Почему искусственный интеллект такой дорогой

Прошло чуть больше полутора лет с тех пор, как весь мир накрыло волной эйфории от генеративного искусственного интеллекта. За это время крупные технокорпорации успели не просто поверить в магию ИИ, но и возвести её в ранг новой религии. 

Сегодня они заявляют: искусственный интеллект — это не игрушка для стартаперов и не модный фокус для презентаций, а полноценный генератор прибыли. Правда, с одним нюансом: чтобы получить каплю выручки, нужно вылить океан денег.

Microsoft и Google (а точнее, её родительская компания Alphabet) в последнем квартале отчитались: доходы от облачных сервисов идут в гору, и всё благодаря бизнес-клиентам, решившим не отставать от эпохи и активно инвестировать в ИИ-решения. Meta, которая пока отстаёт в гонке монетизации, всё же нашла, чем похвастаться — её алгоритмы уже умеют подсовывать рекламу так, что пользователи даже не успевают понять, когда их мозг включился в игру.

Однако вся эта цифровая магия случается не на волшебстве — а на миллиардах, закопанных в сервера, нейросети и гиперэнергозатратные вычисления. Но технологические гиганты не собираются сбавлять темп — наоборот, инвестиционный разгон только начинается.

Microsoft, например, недавно призналась: её капитальные расходы за квартал составили 14 миллиардов долларов, и эта сумма ещё вырастет — потому что аппетиты ИИ не знают меры. Для сравнения: это почти на 80% больше, чем в предыдущем квартале. Alphabet пошла тем же путём и выложила 12 миллиардов. Рост — почти вдвое по сравнению с тем же периодом годом ранее. Meta вообще решила не мелочиться и переписала свои инвестиционные планы: теперь в повестке от 35 до 40 миллиардов долларов, на 42% больше прошлых расчётов. Все эти суммы — ради ускоренной прокачки ИИ-продуктов и технологий.

Некоторые инвесторы, надо признать, оказались застигнуты врасплох. Особенно когда стало ясно: рекордные затраты Meta не подкреплены столь же впечатляющими доходами. Акции пошли вниз — рынок любит сказки про ИИ, но не любит, когда за них приходит счёт. 

Впрочем, в индустрии давно никто не строит иллюзий: развитие ИИ — удовольствие не для бедных. Стоимость разработки моделей растёт экспоненциально, и чем круче модель, тем дороже её запуск, поддержка и эксплуатация. Мир жаждет ИИ, а значит, придётся строить всё больше дата-центров, пока планета ещё способна выдать электричество под это дело.

Компании, которые только начинают осваивать ИИ-решения, уже сегодня тратят миллионы на настройку продуктов на базе OpenAI или Google. А после запуска расходы не заканчиваются: каждый пользовательский запрос к чат-боту, каждый анализ данных — это дополнительные издержки. Но куда затратнее создание самой архитектуры, на которой работают эти системы.

Перед вами — панорама того, как высокотехнологичный мир вкладывает сегодня средства в завтрашний интеллект.

Крупные языковые модели становятся ещё больше

На сегодняшний день самые яркие достижения в мире искусственного интеллекта — включая, конечно же, прославленный ChatGPT от OpenAI — построены на базе массивных языковых моделей. Эти цифровые титаны питаются безумными объёмами информации: от классических романов и научных трактатов до интернет-форумов и мемов. Именно благодаря такому всепоглощающему «рациону» ИИ может выдавать ответы, которые, хоть и не всегда безупречны, но всё чаще звучат как будто их написал живой человек — да ещё и с опытом. Гиганты индустрии уверены: дорога к сверхразуму, а возможно, и к «цифровому Прометею», лежит через увеличение мощности и масштабов этих моделей.

Но, как это обычно бывает с амбициями в мире технологий, грандиозные идеи требуют не менее грандиозных расходов. Нужны не просто данные — нужны горы данных, вычислительные мощности, которые могли бы тянуть на себе целые цифровые континенты, и колоссальные ресурсы на обучение моделей. Дарио Амодей, CEO компании Anthropic, не стесняясь в цифрах, заявил в недавнем интервью, что натренировать современную ИИ-модель — это уже удовольствие за 100 миллионов долларов. И это, считай, базовая комплектация.

По его словам, те модели, что сейчас на подходе, могут обойтись в миллиард долларов, а с 2025 года — и вовсе в 5–10 миллиардов. Неплохо, да?

Чипы — золото XXI века

И всё это великолепие покоится на крошечных, но невероятно дорогих кусочках кремния. Нет, речь не о стандартных CPU, на которых держатся ноутбуки и телефоны. Мир ИИ крутится вокруг графических процессоров — GPU, способных перерабатывать терабайты информации на скоростях, от которых закружится голова. На пике этой пищевой цепочки — Nvidia. Их H100 — золотой стандарт индустрии, стоимостью около $30 000 за штуку, если не нарвёшься на реселлеров, у которых может быть в два, а то и в три раза дороже.

Марк Цукерберг заявил, что Meta закупит 350 000 таких чипов до конца года. Даже с оптовыми скидками — это не бюджет на кофе для офиса, это миллиарды.

Конечно, компании могут не покупать чипы напрямую, а арендовать их в облаке. Но и здесь приятных сюрпризов нет: аренда H100 обойдётся почти в $100 в час, тогда как обычные процессоры Intel — около $6.

Nvidia, не упуская момент, недавно презентовала новый чип Blackwell, в разы мощнее предшественника. На бумаге — чудо техники. По расчётам компании, для обучения модели с 1,8 триллиона параметров (вроде GPT-4) хватит 2 000 чипов Blackwell, вместо 8 000 Hopper. Но радоваться рано: в погоне за масштабом индустрия сама же нивелирует эти улучшения, устремляясь к ещё более громоздким моделям.

Где всё это хранить? В огромных храмах данных

Сверхмощные чипы, как вы понимаете, не могут просто валяться на складе. Им нужны дома — точнее, дата-центры. Именно поэтому Meta, Amazon, Google, Microsoft и другие тяжеловесы ринулись строить новые центры обработки данных, как будто от этого зависит выживание человечества. 

По оценке Dell’Oro Group, только в этом году на строительство и оснащение дата-центров будет потрачено $294 миллиарда. Для сравнения: в 2020-м эта сумма составляла $193 миллиарда. 

Всё это, конечно, объясняется не только потребностями ИИ, но и увеличением цифровой активности в целом — стримы, соцсети, бигдата. Но именно ИИ заставляет вкладываться в дорогостоящие GPU и специализированную инфраструктуру.

DC Byte подсчитала, что по всему миру сейчас более 7 000 дата-центров (в 2015 году их было 3 600). Причём речь идёт не только о количестве — масштабы поражают. Средний дата-центр сейчас — это монстр площадью в 38 000 квадратных метров. Почти в пять раз больше, чем десять лет назад. Храмы нового цифрового мира, не иначе.

Сделки, данные и охота за мозгами

Пока мир ИИ скупает тоннами графические чипы и возводит дата-центры размером с аэропорт, в тени железа разворачивается не менее дорогостоящая битва — за контент и человеческий интеллект. Ведь что такое язык без слов, и что такое ИИ без тех, кто эти слова пишет, редактирует, анализирует и превращает в алгоритмы?

Крупнейшие технологические компании мира давно поняли: одной кремниевой мощи недостаточно. Нужен качественный, проверенный текстовый материал. И они начинают скупать его так же жадно, как раньше — серверные стойки. OpenAI, например, заключила несколько громких сделок с европейскими издательскими домами, предоставив себе доступ к контенту, на котором будет учиться ChatGPT и его будущие собратья. Финансовые подробности, как водится, держатся в секрете, но Bloomberg успел прошептать: только Axel Springer SE — медиахолдинг, владеющий Politico и Business Insider — получит от OpenAI десятки миллионов евро за право использовать их статьи.

И это только начало. На подходе — переговоры с Time, CNN, Fox News. Если раньше новостные издания воевали за клики, теперь они торгуют своими архивациями нейросетям. Google, например, тоже не осталась в стороне и подписала сделку с Reddit на сумму 60 миллионов долларов — всё ради того, чтобы скормить своим моделям бездонные простыни пользовательских обсуждений и мемов. А Meta, как пишут в The New York Times, и вовсе подумывала о покупке гиганта книжного рынка — Simon & Schuster.

Но война за данные — лишь одна половина. Вторая — борьба за таланты. И здесь ставки уже давно ушли в стратосферу. Netflix, например, в прошлом году опубликовал вакансию менеджера по ИИ-продуктам с зарплатой до 900 000 долларов в год. Почти миллион — не за стартап, не за акции, а за «хорошо поработать». Если у тебя голова варит в нейросетевом направлении — тебе сюда.

Маленькие модели — не значит слабые

На этом фоне особенно интересно смотрится поворот Microsoft. Компания, которая буквально подлила масла в огонь ИИ-ажиотажа, неожиданно решила сыграть от обратного. Вместо очередного «монстра на миллиард параметров» она представила три более компактные ИИ-модели. Их главная фишка — скромные аппетиты. Для работы им не нужно выжигать дата-центры и требовать сотни H100, они справляются меньшими силами. И делают это вполне достойно.

В Microsoft подчёркивают: да, большие языковые модели — это всё ещё высшая лига. Они решают сложные задачи, умеют анализировать большие массивы данных, рассуждать и понимать тонкости человеческой речи. Но не всегда нужна тяжёлая артиллерия. Иногда достаточно «дешёвого и сердитого» варианта — особенно если речь идёт о локальных задачах или оптимизации ресурсов в бизнес-приложениях.

Похожим путём пошёл и стартап Sakana AI — его основали выходцы из Google. Ребята делают ставку на то, что меньше — иногда лучше. И это не просто философия, а ответ на растущие расходы и сложности масштабирования.

Роуэн Карран, аналитик Forrester, метко подытожил тренд: «Вам не всегда нужен суперкар. Иногда хватает минивэна или пикапа. Одна модель не покроет все задачи». И действительно, пора признать: универсального солдата среди ИИ пока не существует. И, возможно, никогда не будет. Но, как и в реальной жизни, всему найдётся своё место.

Тем не менее, в индустрии до сих пор живёт святая вера: чем больше, тем лучше. Чем масштабнее — тем умнее. Но чем умнее — тем дороже. А значит, игра продолжается.