Generální ředitel Microsoft AI Mustafa Suleyman očekává, že jednotlivé tréninkové běhy AI budou v blízké budoucnosti stát 100 miliard dolarů, což by vývoj špičkových modelů posunulo mimo dosah všech kromě hrstky společností. Suleyman neuvedl časový rámec, kdy očekává, že se tyto běhy stanou standardem, ale jeho projekce ukazuje na rostoucí propast mezi několika málo firmami, které si mohou dovolit budovat v takovém měřítku, a všemi ostatními.
Důsledkem je konsolidace. Pokud trénink jednoho modelu stojí tolik jako velký infrastrukturní program, počet organizací schopných jej provést rychle klesá — a s ním i počet společností, které rozhodují o tom, jak tyto systémy vypadají, jak se chovají a kdo k nim má přístup.
Cena za špičkový model
Náklady na trénink neustále rostou, jak se modely zvětšují a jsou náročnější na data. Suleymanova částka 100 miliard dolarů, veřejně uvedená, je dosud nejjasnějším signálem, že tyto náklady se brzy nevyrovnají. Běh za takovou cenu není jen vyšší účet za výpočetní výkon — je to jiný druh podnikání. Vyžaduje dlouhodobé kapitálové závazky, vyhrazenou kapacitu napájení a datových center a toleranci utrácet v měřítku, o kterém většina technologických společností nikdy nemusela uvažovat.
Tato matematika přirozeně zužuje pole. Firmy bez existující cloudové infrastruktury, vztahů v dodavatelském řetězci čipů a rozvahy schopné absorbovat roky výdajů budou jen těžko zůstávat v nejvyšší lize. Některé budou partnerovat. Některé se specializují. Jiné zcela opustí vývoj na špičce a postaví se na modelech trénovaných někým jiným.
Méně hráčů, větší vliv
Konsolidace v tréninku AI by soustředila značný vliv. Společnosti, které dokážou udržet běhy za 100 miliard dolarů, by fakticky určovaly technický směr průmyslu — architektury modelů, bezpečnostní postupy, ceny API a tempo, jakým se nové schopnosti dostávají k veřejnosti. To je jiná konkurenční krajina než ta, která definovala posledních několik let, kdy širší škála laboratoří, startupů a výzkumných skupin mohla stále věrohodně tvrdit, že posouvají hranice.
Menší pole není automaticky horší pro uživatele. Znamená to však méně nezávislých hlasů rozhodujících o tom, jak jsou nejschopnější systémy trénovány a nasazovány. Regulátoři a výzkumníci, kteří sledují vývoj AI, tuto koncentraci pozorují již nějakou dobu; Suleymanova projekce jim dává konkrétní číslo, kolem kterého se mohou organizovat.
Levnější inference je druhá polovina příběhu
Trénink a inference táhnou opačným směrem. Suleyman také poukázal na levnější inferenci jako na sílu, která by mohla demokratizovat používání AI — i když samotné modely staví stále se zmenšující skupina společností. Inference je to, co se děje, když model odpovídá na dotaz, generuje obrázek nebo spouští agenta. Jak se to zlevňuje, více produktů, podniků a individuálních vývojářů může AI využít, aniž by sami museli cokoli trénovat.
Výsledkem by mohl být dvouvrstvý průmysl: malý počet extrémně drahých tréninkových operací na vrcholu a mnohem širší ekosystém aplikací postavených na nich. Bariéra vstupu klesá pro uživatele, i když roste pro laboratoře na špičce.
Na co se zaměřit
Otázkou nyní je, jak rychle běh za 100 miliard dolarů přijde a kdo v té době ještě bude stát. Microsoft se již silně zavázal k AI infrastruktuře a Suleymanovy komentáře naznačují, že společnost očekává další ohýbání křivky výdajů vzhůru. Konkurenti srovnatelných zdrojů uzavírají podobné sázky. Pro všechny ostatní je praktickým rozhodnutím, zda soutěžit na špičce, partnerovat s těmi, kdo mohou, nebo stavět na modelech, které z toho vzejdou.
Neexistuje žádný zveřejněný harmonogram pro běh za takovou cenu. Suleymanova projekce je předpověď, nikoli závazek — ale je to ten druh předpovědi, který formuje rozpočty, nábor a strategii v celém odvětví dlouho předtím, než se to číslo stane skutečností.
