ხელოვნური ინტელექტის სფერო სწრაფი ტემპით განაგრძობს განვითარებას, სადაც ბოლო დროს განვითარებული მოვლენები უკვე დამკვიდრებულ პარადიგმებს ეჭქვეშ აყენებს. 2025 წლის დასაწყისში, ჩინურმა ხელოვნური ინტელექტის ლაბორატორია DeepSeek-მა ახალი მოდელი წარადგინა, რომელმაც მთელი AI ინდუსტრია შოკში ჩააგდო და Nvidia-ს აქციების 17%-იანი ვარდნა გამოიწვია, აგრეთვე ხელოვნური ინტელექტის მონაცემთა ცენტრების მოთხოვნასთან დაკავშირებული სხვა აქციებისაც. ბაზრის ამგვარი რეაქცია ფართოდ გავრცელებული ინფორმაციით, DeepSeek-ის აშკარა უნარს უკავშირდებოდა, რომ მაღალი წარმადობის მოდელები აშშ-ში მოქმედ კონკურენტებზე გაცილებით დაბალ ფასად მიეწოდებინა, რამაც დისკუსია გამოიწვია ხელოვნური ინტელექტის მონაცემთა ცენტრებისთვის მოსალოდნელ შედეგებზე.
DeepSeek-ის გარღვევის კონტექსტის უკეთ გასაგებად, ვფიქრობთ სასარგებლოა განვიხილოთ უფრო ფართო ცვლილება ხელოვნური ინტელექტის სფეროში, რაც დამატებითი სასწავლო მონაცემების სიმცირით არის გამოწვეული. იმის გამო, რომ მსხვილმა ხელოვნური ინტელექტის ლაბორატორიებმა უკვე გაწვრთნეს თავიანთი მოდელები ინტერნეტში არსებული საჯარო მონაცემების უმეტესობაზე, მონაცემების სიმცირე ანელებს წინასწარი მომზადების შემდგომ გაუმჯობესებას. შედეგად, მოდელების პროვაიდერები ეძებენ „ტესტირების დროს გამოთვლას“ (TTC), სადაც მსჯელობის მოდელები (როგორიცაა Open AI-ის „o“ სერიის მოდელები) „ფიქრობენ“ კითხვაზე პასუხის გაცემამდე დასკვნის დროს, როგორც საერთო მოდელის მუშაობის გაუმჯობესების ალტერნატიულ მეთოდს. ამჟამინდელი აზრით, TTC-მ შესაძლოა გამოავლინოს მასშტაბირების კანონის გაუმჯობესებები, რომლებიც ოდესღაც წინასწარ მომზადებას უწყობდა ხელს, რაც პოტენციურად შესაძლებელს გახდის ხელოვნური ინტელექტის ტრანსფორმაციული მიღწევების შემდეგ ტალღას.
ეს მოვლენები ორ მნიშვნელოვან ცვლილებაზე მიუთითებს: პირველი, ლაბორატორიებს, რომლებიც მცირე (გავრცელებული ინფორმაციით) ბიუჯეტებით ფუნქციონირებენ, ახლა უკვე შეუძლიათ უახლესი მოდელების გამოშვება. მეორე ცვლილება არის TTC-ზე ფოკუსირება, როგორც ხელოვნური ინტელექტის პროგრესის შემდეგ პოტენციურ მამოძრავებელზე. ქვემოთ განვიხილავთ ორივე ამ ტენდენციას და პოტენციურ გავლენას კონკურენტულ ლანდშაფტზე და ხელოვნური ინტელექტის უფრო ფართო ბაზარზე.
გავლენა AI ინდუსტრიაზე
ჩვენ გვჯერა, რომ TTC-ისკენ სწრაფვას და მსჯელობის მოდელებს შორის გაზრდილ კონკურენციას შეიძლება ჰქონდეს მთელი რიგი შედეგები AI სფეროზე აპარატურის, ღრუბლოვანი პლატფორმების, ფუნდამენტური მოდელებისა და საწარმოთა პროგრამული უზრუნველყოფის მიმართულებით.
1. აპარატურა (GPU-ები, სპეციალიზებული ჩიპები და გამოთვლითი ინფრასტრუქტურა)
მასიური სასწავლო კლასტერებიდან მოთხოვნილ „ტესტირების დროს“ პიკებამდე: ჩვენი აზრით, TTC-ისკენ სწრაფვამ შესაძლოა გავლენა მოახდინოს აპარატურული რესურსების ტიპზე, რომლებიც AI კომპანიებს სჭირდებათ და როგორ იმართება ისინი. იმის ნაცვლად, რომ ინვესტიციები ჩადონ მუდმივად მზარდ GPU კლასტერებში, რომლებიც განკუთვნილია სასწავლო დატვირთვებისთვის, AI კომპანიებმა შესაძლოა გაზარდონ ინვესტიციები დასკვნის შესაძლებლობებში, რათა მხარი დაუჭირონ მზარდ TTC საჭიროებებს. მიუხედავად იმისა, რომ AI კომპანიებს, სავარაუდოდ, კვლავ დასჭირდებათ დიდი რაოდენობით GPU-ები დასკვნის დატვირთვების დასამუშავებლად, განსხვავებები სასწავლო დატვირთვებსა და დასკვნის დატვირთვებს შორის შესაძლოა გავლენას ახდენდეს იმაზე, თუ როგორ კონფიგურირდება და გამოიყენება ეს ჩიპები. კონკრეტულად, იმის გამო, რომ დასკვნის დატვირთვები უფრო დინამიურია (და „პიკური“), სიმძლავრის დაგეგმვა შესაძლოა უფრო რთული გახდეს, ვიდრე პაკეტზე ორიენტირებული სასწავლო დატვირთვებისთვის.
დასკვნისთვის ოპტიმიზებული აპარატურის ზრდა: ჩვენ გვჯერა, რომ TTC-ზე ფოკუსირების ცვლილება, სავარაუდოდ, გაზრდის შესაძლებლობებს ალტერნატიული AI აპარატურისთვის, რომელიც სპეციალიზირებულია დაბალი შეყოვნების დასკვნის დროის გამოთვლებში. მაგალითად, შესაძლოა ვიხილოთ მეტი მოთხოვნა GPU-ების ალტერნატივებზე, როგორიცაა აპლიკაციის სპეციფიკური ინტეგრირებული სქემები (ASIC-ები დასკვნისთვის). მას შემდეგ, რაც TTC-ზე წვდომა სასწავლო სიმძლავრეზე უფრო მნიშვნელოვანი გახდება, ზოგადი დანიშნულების GPU-ების დომინირება, რომლებიც გამოიყენება როგორც სწავლებისთვის, ასევე დასკვნისთვის, შესაძლოა შემცირდეს. ამ ცვლილებამ შესაძლოა სარგებელი მოუტანოს სპეციალიზებული დასკვნის ჩიპების პროვაიდერებს.
2. ღრუბლოვანი პლატფორმები: ჰიპერსკალერები (AWS, Azure, GCP) და ღრუბლოვანი გამოთვლა
მომსახურების ხარისხი (QoS) ხდება საკვანძო განმასხვავებელი ფაქტორი: ერთი საკითხი, რომელიც ხელს უშლის ხელოვნური ინტელექტის დანერგვას საწარმოში, მოდელის სიზუსტის შესახებ შეშფოთებასთან ერთად, არის დასკვნის API-ების არასანდოობა. არასანდო API დასკვნასთან დაკავშირებული პრობლემები მოიცავს რეაგირების დროის ცვალებადობას, სიჩქარის შეზღუდვას და პარალელური მოთხოვნების დამუშავების სირთულეს და API-ის ბოლო წერტილების ცვლილებებთან ადაპტირებას. გაზრდილმა TTC-მ შესაძლოა კიდევ უფრო გაამწვავოს ეს პრობლემები. ამ ვითარებაში, ღრუბლოვანი პროვაიდერი, რომელსაც შეუძლია უზრუნველყოს მოდელები QoS გარანტიებით, რომლებიც ამ გამოწვევებს პასუხობს, ჩვენი აზრით, მნიშვნელოვან უპირატესობას მოიპოვებს.
ღრუბლოვანი ხარჯების ზრდა ეფექტიანობის ზრდის მიუხედავად: ხელოვნური ინტელექტის აპარატურაზე მოთხოვნის შემცირების ნაცვლად, შესაძლებელია, რომ დიდი ენობრივი მოდელის (LLM) სწავლებისა და დასკვნის უფრო ეფექტიანმა მიდგომებმა შესაძლოა ჯევონსის პარადოქსი გამოიწვიოს, ისტორიული დაკვირვება, როდესაც გაუმჯობესებული ეფექტიანობა უფრო მაღალ საერთო მოხმარებას იწვევს. ამ შემთხვევაში, ეფექტიანმა დასკვნის მოდელებმა შესაძლოა წაახალისოს მეტი AI დეველოპერი, გამოიყენონ მსჯელობის მოდელები, რაც, თავის მხრივ, გაზრდის მოთხოვნას გამოთვლაზე. ჩვენ გვჯერა, რომ მოდელის ბოლო მიღწევებმა შესაძლოა გამოიწვიოს ღრუბლოვანი AI გამოთვლის მოთხოვნის ზრდა როგორც მოდელის დასკვნისთვის, ასევე მცირე, სპეციალიზებული მოდელის სწავლებისთვის.
3. ფუნდამენტური მოდელის პროვაიდერები (OpenAI, Anthropic, Cohere, DeepSeek, Mistral)
გავლენა წინასწარ გაწვრთნილ მოდელებზე: თუ ახალ მოთამაშეებს, როგორიცაა DeepSeek, შეუძლიათ კონკურენცია გაუწიონ წამყვან AI ლაბორატორიებს გავრცელებული ინფორმაციით გაცილებით დაბალ ფასად, საკუთრების წინასწარ გაწვრთნილი მოდელები შესაძლოა ნაკლებად დაცული გახდეს, როგორც თხრილი. ჩვენ ასევე შეგვიძლია ველოდოთ შემდგომ ინოვაციებს TTC-ში ტრანსფორმატორული მოდელებისთვის და, როგორც DeepSeek-მა აჩვენა, ეს ინოვაციები შესაძლებელია მომდინარეობდეს უფრო დამკვიდრებული AI ლაბორატორიების გარეთ არსებული წყაროებიდან.
4. საწარმოთა AI დანერგვა და SaaS (აპლიკაციის ფენა)
უსაფრთხოებისა და კონფიდენციალურობის საკითხები: იმის გათვალისწინებით, რომ DeepSeek-ის წარმოშობა ჩინეთია, სავარაუდოდ, გაგრძელდება ფირმის პროდუქტების კრიტიკული შესწავლა უსაფრთხოებისა და კონფიდენციალურობის კუთხით. კერძოდ, ფირმის ჩინეთში დაფუძნებული API და ჩეთბოტის შეთავაზებები ნაკლებად სავარაუდოა, რომ ფართოდ გამოიყენონ საწარმოთა AI მომხმარებლებმა აშშ-ში, კანადაში ან სხვა დასავლურ ქვეყნებში. გავრცელებული ინფორმაციით, მრავალი კომპანია ბლოკავს DeepSeek-ის ვებსაიტისა და აპლიკაციების გამოყენებას. ჩვენ ვვარაუდობთ, რომ DeepSeek-ის მოდელები კრიტიკის წინაშე აღმოჩნდებიან მაშინაც კი, როდესაც მათ მესამე მხარეები მასპინძლობენ აშშ-სა და სხვა დასავლურ მონაცემთა ცენტრებში, რამაც შესაძლოა შეზღუდოს მოდელების საწარმოთა დანერგვა. მკვლევარები უკვე მიუთითებენ უსაფრთხოების შეშფოთების მაგალითებზე ჯეილბრეიკინგთან, მიკერძოებასთან და მავნე კონტენტის გენერირებასთან დაკავშირებით. მომხმარებელთა ყურადღების გათვალისწინებით, შესაძლოა ვიხილოთ DeepSeek-ის მოდელების ექსპერიმენტები და შეფასება საწარმოში, მაგრამ ნაკლებად სავარაუდოა, რომ საწარმოთა მყიდველები ინკუმბენტებისგან გადავიდნენ ამ შეშფოთების გამო.
ვერტიკალური სპეციალიზაცია იმპულსს იძენს: წარსულში, ვერტიკალური აპლიკაციები, რომლებიც იყენებდნენ ფუნდამენტურ მოდელებს, ძირითადად ორიენტირებული იყო სპეციფიკური ბიზნეს საჭიროებისთვის შექმნილი სამუშაო პროცესების შექმნაზე. ისეთი ტექნიკები, როგორიცაა მოძიებაზე გაძლიერებული გენერაცია (RAG), მოდელის მარშრუტიზაცია, ფუნქციის გამოძახება და დამცავი მექანიზმები მნიშვნელოვან როლს თამაშობდნენ ამ განზოგადებული მოდელების ამ სპეციალიზებული გამოყენების შემთხვევებისთვის ადაპტირებაში. მიუხედავად იმისა, რომ ამ სტრატეგიებმა მნიშვნელოვანი წარმატებები გამოიწვია, მუდმივი შეშფოთება არსებობდა, რომ ძირითადი მოდელების მნიშვნელოვანმა გაუმჯობესებამ შესაძლოა ეს აპლიკაციები მოძველებული გახადოს. როგორც სემ ალტმანმა გააფრთხილა, მოდელის შესაძლებლობებში მნიშვნელოვანმა გარღვევამ შესაძლოა „ორთქლზე გადაატაროს“ აპლიკაციის ფენის ინოვაციები, რომლებიც აგებულია ფუნდამენტური მოდელების გარშემო, როგორც გარსები.
თუმცა, თუ სასწავლო დროის გამოთვლებში მიღწევები მართლაც სტაბილურდება, სწრაფი ჩანაცვლების საფრთხე მცირდება. სამყაროში, სადაც მოდელის მუშაობის გაუმჯობესება TTC ოპტიმიზაციიდან მოდის, შესაძლოა ახალი შესაძლებლობები გაიხსნას აპლიკაციის ფენის მოთამაშეებისთვის. დომენზე სპეციფიკური შემდგომი მომზადების ალგორითმების ინოვაციებმა — როგორიცაა სტრუქტურირებული მოთხოვნის ოპტიმიზაცია, შეყოვნებისადმი მგრძნობიარე მსჯელობის სტრატეგიები და ეფექტიანი შერჩევის ტექნიკები — შესაძლოა მნიშვნელოვანი წარმადობის გაუმჯობესება უზრუნველყოს მიზნობრივ ვერტიკალებში.ნებისმიერი წარმადობის გაუმჯობესება განსაკუთრებით რელევანტური იქნება მსჯელობაზე ორიენტირებული მოდელების კონტექსტში, როგორიცაა OpenAI-ის GPT-4o და DeepSeek-R1, რომლებიც ხშირად მრავალწამიან რეაგირების დროს ავლენენ. რეალურ დროში აპლიკაციებში შეყოვნების შემცირებამ და დასკვნის ხარისხის გაუმჯობესებამ მოცემულ დომენში შესაძლოა კონკურენტული უპირატესობა უზრუნველყოს. შედეგად, აპლიკაციის ფენის კომპანიებმა დომენის ექსპერტიზით შესაძლოა გადამწყვეტი როლი ითამაშონ დასკვნის ეფექტიანობის ოპტიმიზაციაში და გამომავალი შედეგების დახვეწაში.
DeepSeek აჩვენებს მუდმივად მზარდი წინასწარი მომზადების მოცულობის, როგორც მოდელის ხარისხის ერთადერთი მამოძრავებლის, შემცირებულ აქცენტს. სამაგიეროდ, განვითარება ხაზს უსვამს TTC-ის მზარდ მნიშვნელობას. მიუხედავად იმისა, რომ DeepSeek-ის მოდელების პირდაპირი დანერგვა საწარმოთა პროგრამულ აპლიკაციებში გაურკვეველი რჩება მიმდინარე კრიტიკული განხილვის გამო, მათი გავლენა სხვა არსებული მოდელების გაუმჯობესების წახალისებაზე უფრო ნათელი ხდება.
ჩვენ გვჯერა, რომ DeepSeek-ის მიღწევებმა წამყვანი AI ლაბორატორიები აიძულა, ანალოგიური ტექნიკები შეეტანათ თავიანთ საინჟინრო და კვლევით პროცესებში, შეავსონ თავიანთი არსებული აპარატურული უპირატესობები. მოდელის ხარჯების შედეგად მიღებული შემცირება, როგორც მოსალოდნელი იყო, როგორც ჩანს, ხელს უწყობს მოდელის გაზრდილ გამოყენებას, რაც შეესაბამება ჯევონსის პარადოქსის პრინციპებს.
დამუშავებულია ასინეთა AI-ის მიერ.
გსურთ კომენტარის დატოვება?
კომენტარის დასატოვებლად საჭიროა ავტორიზაცია
შესვლა რეგისტრაციაკომენტარები არ არის
იყავით პირველი, ვინც დატოვებს კომენტარს