Dwa. Pieniądze przenoszą się z budowania modeli na ich uruchamianie
Na wykresie opublikowanym w tym tygodniu przez fundusz Social Capital i omówionym przez The Signal wynika, że około dziewięćdziesięciu procent mocy obliczeniowej czołowych laboratoriów idzie dziś na douczanie i wnioskowanie, a nie na trening od zera, przy spadku udziału treningu wstępnego z sześćdziesięciu siedmiu procent na początku 2024 roku do siedmiu procent pod koniec 2026. Zastrzeżenie jest istotne: liczby dotyczą wyłącznie OpenAI i Anthropic, żadne z tych laboratoriów nie publikuje własnego podziału, a Social Capital jest inwestorem z własnym stanowiskiem, więc to teza, nie audytowany pomiar.
Źródło: the-signal
Warto zestawić ją z niezależną analizą ośrodka Epoch AI, który szacuje, że OpenAI na badania, trening i wnioskowanie zużywał pod koniec 2025 roku około dziesięciu do piętnastu procent światowej mocy obliczeniowej, a pięć najlepiej wyposażonych laboratoriów razem prawdopodobnie nie przekraczało połowy zasobów świata. Epoch podaje liczby pokazujące tempo: przychód Anthropic w ujęciu rocznym wzrósł w pierwszym kwartale tego roku z dziewięciu do trzydziestu miliardów dolarów, a prezydent OpenAI Greg Brockman zeznał, że spółka wyda w tym roku pięćdziesiąt miliardów dolarów na moc obliczeniową, trzy razy więcej niż rok wcześniej. Łączne nakłady na układy i centra danych zbliżają się do biliona dolarów rocznie, czyli około trzech procent produktu Stanów Zjednoczonych, a pochłaniają już większość zysku operacyjnego największych operatorów chmury. Sam Epoch zaznacza, że jego szacunki są bardziej prowizoryczne niż standardowe prace ośrodka, więc to rząd wielkości, nie precyzyjna miara.
Źródło: epoch-ai
Do tego obrazu dorzucił w piątek interpretację inwestor Gavin Baker, cytowany przez The Signal. Jego argument jest kontrintuicyjny: darmowe modele o otwartych wagach zbijają to, ile firmy mogą policzyć za dostęp, ale potrzebują mniej więcej tyle samo mocy, by odpowiedzieć, ile podobnej wielkości model płatny. Tania odpowiedź oznacza więc więcej pytań, a każde pytanie i tak trzeba uruchomić na jakimś układzie, co przypomina tanie linie lotnicze, które podcięły zyski starych przewoźników, ale namnożyły pasażerów i wyszły na tym lotniska oraz producenci samolotów. Na darmowych modelach najbardziej zarabiają operatorzy chmury, bo przy modelu płatnym część rachunku wraca do Anthropic lub OpenAI, a przy darmowym nie ma komu płacić. Trwała marża przenosi się więc z tego, kto zbudował model, na tego, kto kontroluje moc obliczeniową i warstwę wdrożenia.
Źródło: the-signal