Три мифа об ИИ, которые рухнули на этой неделе 1:20
Недавние события в индустрии искусственного интеллекта опровергли три устоявшихся представления, которые долгое время считались незыблемыми догмами рынка. В ходе обсуждения на канале CNBC эксперты — инвестор Дэн Найлс, главный экономист Ramp Ара Харазян, генеральный директор Handshake Гаррет Лорд, а также руководители Together AI Випул Вед Пракаш и Hugging Face Клеман Деланг — проанализировали, как меняются правила игры в сфере ИИ-технологий и корпоративных расходов.
1. Модель — это не весь бизнес 1:26
Долгое время считалось, что победителем в «гонке вооружений» ИИ станет тот, кто владеет лучшей «фронтирной» моделью. Однако на этой неделе этот тезис был поставлен под сомнение из-за стратегии Meta.
- Новая реальность: Meta рассматривает возможность создания облачного бизнеса для продажи избыточных вычислительных мощностей.
- Экономический сдвиг: По словам Дэна Найлса, компании переходят от стратегии «токен-максимизации» (потребления максимального количества вычислительных ресурсов) к «токен-минимизации».
- Причины: Использование мощных моделей для простых задач (например, суммаризации писем) Дэн Найлс сравнивает с «поездкой в магазин за молоком на Ferrari». Оптимизация расходов и использование более дешевых моделей привели к тому, что у гигантов образуются излишки мощностей.
- Риски: Для рынка инфраструктуры и производителей чипов это может означать замедление роста капитальных затрат (capex), если такие игроки, как Meta, начнут активно предлагать свои излишки мощностей вместо бесконечного наращивания собственных вложений.
2. ИИ не уничтожает рабочие места, а создает их 1:59
Картинка, где компания внедряет ИИ и увольняет сотрудников для оптимизации маржи, оказалась «мультяшной» версией реальности. Новое исследование Ramp и Revelio Labs, охватившее более 21 000 американских компаний, показало иные результаты.
- Данные: Компании, активно внедряющие ИИ, демонстрируют рост штата на 10,2% в течение двух лет после внедрения.
- Молодые специалисты: Ара Харазян отметил неожиданный рост найма персонала начального уровня на 12% в таких фирмах.
- Нюансы: Позитивный эффект наблюдается преимущественно у компаний с «высокой интенсивностью» внедрения — тех, кто использует продвинутые инструменты, API и методы кодинга, а не просто базовую подписку на ChatGPT.
- Совет молодым специалистам: Гаррет Лорд подчеркивает, что молодежи необходимо развивать «ИИ-грамотность»: умение строить агентов, понимать работу различных моделей (Sonnet, Haiku, Opus) и выявлять галлюцинации. При выборе работодателя сегодня лучше отдавать предпочтение компании, которая активно и правильно внедряет ИИ, так как это индикатор более быстрого развития бизнеса.
3. Open Source может быть прибыльным 2:38
Предположение о том, что открытые модели — это дешевый и второстепенный продукт, который невозможно монетизировать, активно разрушается.
- Конвергенция возможностей: Випул Вед Пракаш отмечает, что разрыв между закрытыми и открытыми моделями сократился. Например, по результатам тестов, модель GLM 5.2 показывает 81 балл, в то время как Opus — 85.
- Экономическая эффективность: Стоимость использования открытых решений может быть в 6–60 раз ниже, чем у закрытых аналогов.
- Безопасность и контроль: Открытые модели позволяют компаниям хранить данные внутри защищенных контуров («airgapped environments»), избегая зависимости от одного поставщика («vendor lock-in») и риска передачи коммерческой тайны в чужие системы.
- Успех монетизации: Клеман Деланг привел пример, что 50% компаний из списка Fortune 500 уже используют открытые модели через Hugging Face. Компании вроде Together AI и другие игроки рынка доказывают, что можно выстроить устойчивую бизнес-модель, базирующуюся на поддержке и инфраструктуре для Open Source.
