عرضه هوش مصنوعی بسیار جلوتر از تقاضای هوش مصنوعی است

هزینه‌های بیش از حد بر روی زیرساخت‌های هوش مصنوعی توسط ارائه‌دهندگان ابری تا حدی پیش‌بینی می‌کند که هوش مصنوعی سقوط کند، اما نشانه‌هایی وجود دارد که شرکت‌ها شروع به کار با هوش مصنوعی کرده‌اند.

همه خواهان ورود به رونق هوش مصنوعی هستند. با این حال، در حال حاضر، احتمالاً می‌توانید روی یک طرف تعداد فروشندگانی که پول نقد می‌کنند حساب کنید.

واضح‌ترین آنها انویدیا است. انویدیا برای پردازنده‌های گرافیکی خود (۲۶ میلیارد دلار تنها در سه ماهه اول سال ۲۰۲۴) سطح نقدینگی ایالت ملی به دست آورده است. فراتر از انویدیا، سه فروشنده بزرگ ابر و OpenAI هستند. با این حال، فراتر از این پنج بازیگر، یافتن تعداد زیادی از بازیگران بسیار سخت است – هنوز.

این “هنوز” کلید اینجاست. ما کاملاً در یک دوره کف‌آلود برای هوش مصنوعی هستیم، جایی که فروشندگان «هوپیوم» می‌فروشند و شرکت‌ها به اندازه‌ای خرید می‌کنند که اثبات‌های مفهومی را بدون استفاده زیاد تولید کنند. این تغییر خواهد کرد، به خصوص زمانی که ما از شگفتی های امروزی فراتر می رویم (“وای، نگاه کنید که چگونه چند خط متن می تواند ویدیویی از نظر بصری چشمگیر اما عملا بی فایده ایجاد کند!”).

ما هنوز به موارد استفاده واقعی که شرکت‌های اصلی مایل به خرج کردن در آن باشند، نرسیده‌ایم. با این حال، در حال آمدن است، و این یکی از دلایلی است که فروشندگان به صرف هزینه‌های کلان روی هوش مصنوعی ادامه می‌دهند، حتی اگر هنوز نتیجه‌ای نداشته باشد. اما در حال حاضر، کسی باید به سوال ۲۰۰ میلیارد دلاری Sequoia پاسخ دهد.< /p>

خرج پول هوش مصنوعی برای کسب درآمد با هوش مصنوعی

همانطور که دیوید کان، شریک Sequoia Capital استدلال می کند، انویدیا در سال گذشته تقریباً ۵۰ میلیارد دلار پردازنده گرافیکی فروخت که به نوبه خود ۵۰ میلیارد دلار هزینه انرژی نیاز دارد. این به ۱۰۰ میلیارد دلار هزینه مرکز داده تبدیل می شود. از آنجا که کاربر نهایی GPU نیز باید چیزی کسب کند، ۱۰۰ میلیارد دلار دیگر حاشیه سود (در ۵۰٪) برای آن شرکت ها (به عنوان مثال X، Tesla، OpenAI، GitHub Copilot، استارت آپ های هوش مصنوعی) اضافه کنید. همه اینها به ۲۰۰ میلیارد دلار درآمد اضافه می کند که فقط برای شکستن حتی در آن پردازنده های گرافیکی Nvidia (یعنی حاشیه صفر برای ارائه دهندگان ابری) باید ایجاد شود. با این حال، همانطور که کان نشان می دهد، حتی سخاوتمندانه ترین ریاضیات نیز ما را به درآمد صنعت تنها ۷۵ میلیارد دلار می رساند (که فقط ۳ میلیارد دلار آن به استارتاپ های هوش مصنوعی تعلق می گیرد، به عنوان وال استریت ژورنال اشاره می کند) .

کان می پرسد، “چه مقدار از این افزایش سرمایه با تقاضای واقعی مشتری نهایی مرتبط است، و چه مقدار از آن با پیش بینی تقاضای مشتری نهایی در آینده ساخته می شود؟” او مستقیماً پاسخ نمی دهد، اما مفهوم واضح این است که این ساخت بیش از حد بی رویه زیرساخت ها ممکن است برای برخی خوب باشد، اما تمام پول هوش مصنوعی در حال حاضر در خزانه تعداد انگشت شماری از شرکت ها با ذینفعان واقعی هوش مصنوعی سرازیر می شود. هنوز ظاهر نشده است.

قبل از اینکه این اتفاق بیفتد، ممکن است شاهد یک شکستگی هوش مصنوعی باشیم. به عنوان Economist مشاهده می‌کند، «اگر گذشته راهنما باشد، رکود در راه است و بنگاه‌ها چنان وزنی را در بازار سهام حمل می‌کنند که اگر هیجان بیش از حد آنها منجر به تولید بیش از حد ظرفیت شود، عواقب آن بسیار زیاد خواهد بود.» این تحلیل نیمه خالی لیوان است. کان، VC، دیدگاه نیمه پر لیوان را ارائه می‌کند و استدلال می‌کند که در چرخه‌های رونق گذشته، «ساخت بیش از حد زیرساخت‌ها اغلب سرمایه را سوزانده است، در حالی که در عین حال با کاهش هزینه‌های نهایی توسعه محصول جدید، نوآوری‌های آینده را آزاد می‌کند».

به عبارت دیگر، هزینه‌های بیش از حد شرکت‌های زیرساختی بزرگ روی هوش مصنوعی ممکن است در نهایت ترازنامه‌های آن‌ها را کاهش دهد، اما منجر به توسعه کم‌هزینه نوآوری واقعی و متمرکز بر مشتری خواهد شد. این در حال حاضر شروع به رخ دادن است، اگر به آرامی انجام شود.

در همین حال، به دنیای واقعی بازگشتیم

دارم می بینم که شرکت ها هوش مصنوعی را برای بارهای کاری خسته کننده در نظر می گیرند، که شاید نشانه نهایی واقعی بودن هوش مصنوعی باشد. این‌ها «هیجان‌بازی» نیستند! این LLM ها شگفت انگیز هستند!» برنامه‌هایی که نمایش آنلاین عالی را ایجاد می‌کنند، اما کاربرد محدودی در دنیای واقعی دارند. در عوض، اینها برنامه‌های نسل افزایش یافته بازیابی (RAG) هستند که از داده‌های شرکتی برای بهبود مواردی مانند جستجو استفاده می‌کنند. به شرکت‌های رسانه‌ای فکر کنید که ابزارهایی می‌سازند تا به روزنامه‌نگاران خود اجازه دهند کل پوشش تاریخی خود را جستجو کنند، یا ارائه‌دهندگان مراقبت‌های بهداشتی جستجوی داده‌های مربوط به بیمار را که از منابع متعدد به دست می‌آیند، بهبود می‌بخشند، یا شرکت‌های حقوقی که تماس، قرارداد و سایر داده‌ها را برای بهبود جستجو بردار می‌کنند.

هیچ یک از اینها شبکه های رسانه های اجتماعی را روشن نمی کند. با این حال، هر یک به شرکت‌ها کمک می‌کند تا کارآمدتر کار کنند، و از این رو احتمال بیشتری برای دریافت تایید بودجه دارند.

ما در یک لحظه انتظار عجیب و غریب برای هوش مصنوعی در شرکت قرار داشتیم، اما من معتقدم که به پایان آن دوره نزدیک می شویم. مطمئناً اقتصاد رونق و رکودی که کان برجسته می‌کند به مقرون به صرفه‌تر شدن هوش مصنوعی کمک می‌کند، اما از قضا، محرک بزرگ‌تر ممکن است انتظارات را کاهش دهد. زمانی که شرکت‌ها بتوانند از این تفکر واهی عبور کنند که هوش مصنوعی به طرزی جادویی روش انجام همه کارها را در تاریخ نامشخصی در آینده متحول می‌کند و در عوض راه‌های عملی برای به کار انداختن آن در حال حاضر پیدا می‌کند، شروع به سرمایه‌گذاری خواهند کرد. نه، آنها قرار نیست چک های ۲۰۰ میلیارد دلاری بنویسند، اما باید هزینه هایی را که در حال حاضر با فروشندگان مورد اعتماد خود انجام می دهند، جبران کند. برندگان، فروشندگان مستقری خواهند بود که از قبل روابط محکمی با مشتریان دارند، نه مشتاقان راه حل.

مثل دیگران، اطلاعات آنیتا راماسوامی پیشنهاد می‌کند که «شرکت‌ها [ممکن است] از تعهدات نرم‌افزاری بزرگ خودداری کنند، با توجه به این احتمال که هوش مصنوعی آن نرم‌افزار را در چند سال آینده کمتر ضروری کند. سال ها.” این بعید به نظر می رسد. به احتمال زیاد، همانطور که جمین بال در وضعیت تاریک اقتصادی قرار داریم دوره و هوش مصنوعی هنوز به باد دم تبدیل نشده است. این باد در حال آمدن است، اما با نسیم ملایم و رو به رشدی از برنامه‌های کاربردی RAG سازمانی کم‌کلید و غیرجذاب شروع می‌شود، و نه آن‌طور که در نمایش‌های نمایشی LLM در توییتر دیده می‌شود.