Исследователи Высшей школы экономики пришли к выводу, что современный генеративный искусственный интеллект (GenAI) перестал окупаться, рассказали в пресс-службе вуза.
В последние годы компании вкладывают миллиарды долларов в чипы, серверы и инфраструктуру дата-центров. Однако ожидания быстрой экономической отдачи от этих инвестиций могут быть завышены.
Авторы анализа применили метод DEA — модель, которая используется для оценки эффективности сложных экономических систем на базе множества входных и выходных параметров. «Входом» выступали доходы производителей оборудования для ИИ (среди них такие компании, как AMD, Intel, NVIDIA и др.). «Выходом» стали выручка компаний, разрабатывающих и монетизирующих ИИ-решения (Sony, OpenAI, Google DeepMind, Amazon, Apple и др.). Анализ охватывал период с 2016 по 2024 год. Расчеты проводились как в абсолютных показателях, так и с корректировкой на мировой ВВП, что позволило оценить относительную эффективность рынка генеративного ИИ в разные годы.
Анализ показал, что по мере появления и первичной коммерциализации генеративных моделей с 2016 по 2021 год эффективность росла. Но начиная с 2021 года тренд изменился: показатели эффективности снижаются, несмотря на резкий рост инвестиций. После краткосрочного всплеска в 2023-м эффективность вновь снизилась до уровня 2022 года.
«Чисто методологически результаты говорят о том, что рынок ИИ-решений развивается по догоняющей модели: доходы от программных продуктов пока не компенсируют масштабные вложения в аппаратную инфраструктуру. Повышенный спрос на чипы и вычислительные мощности стимулируется развитием больших языковых моделей, но их коммерческая отдача остается ограниченной и не перекрывает стоимости хард-технологий и дальнейших инвестиций в них», — считает старший преподаватель кафедры высшей математики ВШЭ Екатерина Кручинская.
По мнению исследователей, нынешняя модель развития усиливает позиции производителей аппаратного обеспечения, но вычислительные мощности в результате становятся самоцелью. Рынок ИИ-решений и приложений не только сталкивается с ограничениями (высокой стоимостью «железа» и прогонов, дефицитом квалифицированных кадров и технологическими пределами моделей), но и ничего не зарабатывает.
Многие говорят о пузыре на рынке ИИ — процессе, в общем-то, для мировой экономики не новом. Стоит осторожно сказать, что риски пузыря есть. Наша модель открывает инструментальную дискуссию в этом направлении. Важно иметь не только инструмент, но и прикладной план, а он простой. Без роста эффективности прикладных решений, их внедрения и более взвешенного инвестиционного планирования дальше мы не сдвинемся в позитивном направлении
Результаты опубликованы в журнале Foresight and STI Governance.
Ранее Наука Mail рассказывала, что российские ученые обучили большие языковые модели сокращать текст с помощью мата.
