Автор:Ли Цзя, Wallstreet.cn
ИИ вступает в новую фазу: от «умения отвечать» к «способности выполнять».
Согласно информации от платформы Wind, в последнем отчете Goldman Sachs говорится, что коммерциализация ИИ смещается от «подписки на место» к оплате по объему потребления, объему транзакций и результатам; одновременно агенты превращаются из вспомогательных инструментов в исполнителей рабочих процессов, а ценность отрасли также мигрирует от самих моделей к приватным данным, бизнес-контексту и отраслевой экспертизе.
Это означает, что конкуренция в индустрии ИИ смещается с вопроса «у кого модель мощнее» на вопрос «кто действительно овладеет рабочими процессами». Способности моделей по-прежнему важны, но способность внедриться в производственную среду предприятия, понимать бизнес-контекст и стабильно выполнять задачи станет более критическим конкурентным барьером.
Такой вывод сделан Goldman Sachs по итогам недавнего полевого исследования цепочки создания стоимости ИИ в Силиконовой долине. 18-19 августа аналитики банка в третий год подряд посетили стартапы в области ИИ, ведущие венчурные фонды и исследователей из Стэнфордского университета, Калифорнийского университета в Беркли и Сан-Франциско. По мнению Goldman Sachs, с ускорением внедрения агентов распределение стоимости между передовыми моделями, открытыми моделями, моделями мира, корпоративным ПО и приватными данными будет меняться.
Внедрение агентов: компаниям не хватает не способностей, а «управляемости»
Если раньше ИИ решал задачу «помочь человеку выполнить задачу», то сейчас агенты пытаются решить задачу «самостоятельно довести задачу до конца». Но при массовом развертывании в компаниях главным препятствием может быть уже не способность модели, а распределение ответственности и возможность контролировать весь процесс выполнения.
В отчете цитируются исследователи из Стэнфорда: большинство компаний по-прежнему находятся в режиме ручного контроля. Особенно в таких областях, как право, управление рисками, страхование и аудит, если модель допускает ошибку, вопросы о том, кто несет ответственность, как отследить процесс и можно ли вовремя исправить ошибку, могут быть столь же важны, как и сама способность модели.
Таким образом, рабочие процессы, которые будут автоматизированы в первую очередь, обычно обладают тремя характеристиками: четкие границы принятия решений, результаты можно проверить, ошибки можно откатить. Обработка счетов-фактур — типичный пример. ИИ отвечает за извлечение полей и выполнение проверок, случаи с низкой достоверностью отправляются на ручную проверку, после чего через обратимый процесс ERP проводится учет.
Это также означает, что информационные сервис-провайдеры, обладающие доверенным контентом, проверенными отраслевыми моделями и зрелыми регуляторными отношениями, с большей вероятностью первыми войдут в производственную среду предприятий.
Конкуренция моделей: разделение труда между передовыми и открытыми моделями
Что касается споров вокруг «открытого или закрытого исходного кода», сигнал, полученный Goldman Sachs в ходе этого исследования, заключается не в выборе одного из двух, а в том, что разные модели могут соответствовать разным уровням рабочих процессов.
Сторонники передовых моделей считают, что корпоративные бенчмарки часто недооценивают способности моделей. В реальной производственной среде бизнес-потери из-за снижения точности модели могут значительно превысить экономию на затратах на инференс. Поэтому, хотя многие компании, созданные на основе ИИ, заявляют о применении многомодельной стратегии, в ключевых производственных средах они по-прежнему сильно зависят от передовых моделей.
Другая точка зрения заключается в том, что подавляющему большинству корпоративных рабочих процессов не требуется интеллект уровня передовых моделей. По мере постоянного роста производительности открытых моделей клиенты все больше готовы мириться с ограниченной потерей производительности в обмен на более низкую стоимость инференса. Один венчурный фонд прогнозирует, что в ближайшие 12–18 месяцев около 90% токенов для инференса будут направляться в открытые модели.
Это означает, что в будущем рынок моделей ИИ может сформировать более четкое разделение труда: передовые модели будут отвечать за сложные задачи с высокой стоимостью и высокой надежностью, а открытые модели будут выполнять более масштабные стандартизированные задачи и потреблять большую часть токенов.
Модели мира: вычислительные мощности ИИ могут получить вторую кривую роста
За последние 18 месяцев исследователи все чаще смещают фокус внимания с больших языковых моделей (LLM) на «модели мира».
В отличие от LLM, обученных в основном на данных из интернета, модели мира должны понимать среду, причинно-следственные связи, физические законы и динамическое взаимодействие в реальном мире; их данные в большей степени поступают из физических систем, конкретных отраслей и реальных операционных сценариев. Это означает, что важность приватных данных может еще больше возрасти.
Goldman Sachs считает, что пространство проблем в таких областях, как физика, промышленность, наука и робототехника, гораздо больше, чем в чистой генерации текста, и эти рабочие процессы часто требуют более высоких затрат на вычисления. По мере того как ИИ переходит из цифрового мира дальше в физический мир, спрос на вычислительные мощности для обучения, симуляции и инференса моделей также может показать новую кривую роста.
Goldman Sachs ожидает, что в ближайшие 5 лет спрос на вычислительные мощности может вырасти примерно в 24 раза, напряженность между спросом и предложением, вероятно, сохранится дольше, а компании, предоставляющие облачные вычисления и инфраструктуру для вычислений, такие как Microsoft, Oracle и CoreWeave, получат прямую выгоду.
