Mustafa Suleyman, dyrektor generalny Microsoft AI, przewiduje, że pojedyncze treningi modeli AI będą kosztować 100 miliardów dolarów w niedalekiej przyszłości — kwota, która postawiłaby rozwój modeli frontier poza zasięgiem wszystkich oprócz garstki firm. Suleyman nie podał harmonogramu, kiedy spodziewa się, że takie treningi staną się standardem, ale jego prognoza wskazuje na rosnącą przepaść między kilkoma firmami, które stać na budowanie w takiej skali, a całą resztą.
Implikacją jest konsolidacja. Jeśli wytrenowanie pojedynczego modelu kosztuje tyle, co duży program infrastrukturalny, liczba organizacji zdolnych do tego szybko się kurczy — a wraz z nią liczba firm decydujących o tym, jak te systemy wyglądają, jak się zachowują i kto ma do nich dostęp.
Cena modelu frontier
Koszty treningu stale rosły wraz z powiększaniem się modeli i ich rosnącym zapotrzebowaniem na dane. Podana publicznie kwota 100 miliardów dolarów przez Suleymana to najwyraźniejszy jak dotąd sygnał, że koszty te nie ustabilizują się szybko. Trening w takiej cenie to nie tylko większy rachunek za moc obliczeniową — to zupełnie inny rodzaj biznesu. Wymaga długoterminowych zobowiązań kapitałowych, dedykowanej mocy energetycznej i infrastruktury data center oraz tolerancji dla wydatków w skali, o jakiej większość firm technologicznych nigdy nie musiała myśleć.
Ta matematyka naturalnie zawęża pole. Firmy bez istniejącej infrastruktury chmurowej, relacji w łańcuchu dostaw chipów i bilansu pozwalającego absorbować lata wydatków będą miały trudności z utrzymaniem się w najwyższej lidze. Niektóre będą partnerować. Niektóre się wyspecjalizują. Inne całkowicie wycofają się z rozwoju frontier i będą budować na modelach wytrenowanych przez kogoś innego.
Mniej graczy, więcej wpływu
Konsolidacja w treningu AI skoncentrowałaby ogromny wpływ. Firmy, które mogą utrzymać treningi za 100 miliardów dolarów, skutecznie wyznaczałyby kierunek techniczny dla całej branży — architektury modeli, praktyki bezpieczeństwa, ceny API i tempo, w jakim nowe możliwości trafiają do opinii publicznej. To inny krajobraz konkurencyjny niż ten, który definiował ostatnie kilka lat, gdy szerszy zakres laboratoriów, startupów i grup badawczych mógł jeszcze wiarygodnie twierdzić, że przesuwa granice.
Mniejsze pole nie jest automatycznie gorsze dla użytkowników. Oznacza jednak mniej niezależnych głosów decydujących o tym, jak najbardziej zaawansowane systemy są trenowane i wdrażane. Regulatorzy i badacze śledzący rozwój AI obserwują tę koncentrację od pewnego czasu; prognoza Suleymana daje im konkretną liczbę, wokół której mogą się organizować.
Tańsze wnioskowanie to druga strona medalu
Trening i wnioskowanie ciągną w przeciwnych kierunkach. Suleyman wskazał również na tańsze wnioskowanie jako siłę, która mogłaby demokratyzować korzystanie z AI — nawet jeśli same modele są budowane przez kurczącą się grupę firm. Wnioskowanie to proces, w którym model odpowiada na zapytanie, generuje obraz lub uruchamia agenta. Gdy staje się tańsze, więcej produktów, firm i indywidualnych deweloperów może wykorzystać AI bez potrzeby samodzielnego trenowania czegokolwiek.
Rezultatem może być dwuwarstwowa branża: niewielka liczba niezwykle kosztownych operacji treningowych na szczycie i znacznie szerszy ekosystem aplikacji zbudowanych na ich podstawie. Bariera wejścia spada dla użytkowników, nawet gdy rośnie dla laboratoriów frontier.
Na co zwrócić uwagę
Pytanie brzmi teraz, jak szybko nadejdzie trening za 100 miliardów dolarów i kto pozostanie na placu boju, gdy to nastąpi. Microsoft już mocno zaangażował się w infrastrukturę AI, a komentarze Suleymana sugerują, że firma oczekuje dalszego wyginania się krzywej wydatków w górę. Konkurenci o porównywalnych zasobach podejmują podobne zakłady. Dla wszystkich innych praktyczną decyzją jest to, czy konkurować na froncie, partnerować z tymi, którzy mogą, czy budować na modelach, które powstaną.
Nie ma opublikowanego harmonogramu treningu w takiej cenie. Prognoza Suleymana to przewidywanie, nie zobowiązanie — ale to rodzaj prognozy, która kształtuje budżety, zatrudnienie i strategię w całej branży na długo przed tym, zanim liczba stanie się rzeczywistością.
