💸 „Bridgewater“ teigia, kad didžiosios technologijų įmonės 2026 m. galėtų investuoti apie 650 mlrd. dolerių į dirbtinio intelekto infrastruktūrą ↗
„Bridgewater“ iš esmės mojuoja geltona vėliava: dirbtinio intelekto išlaidų bumas auga iki tokio masto, kad gali tapti nepaklusnus. Banknote teigiama, kad bendros „Alphabet“, „Amazon“, „Meta“ ir „Microsoft“ investicijos į dirbtinio intelekto infrastruktūrą siekia maždaug 650 mlrd. JAV dolerių, palyginti su daug mažesne suma ankstesniais metais. ( „Reuters “)
Įdomu tai, kad tai ne tik „daugiau vaizdo plokščių, prašau“. Tai šalutinis poveikis: spaudimas pinigų grąžai, priklausomybė nuo išorinio kapitalo ir rizika, kad dalis šių išlaidų nepakankamai greitai virs pelnu. Pakilimas, kuris vis dar tęsiasi... bet su ryškesniais kraštais, arba bent jau taip atrodo. ( „Reuters“ )
🧑💼 „OpenAI“ pasitelkia konsultantus savo įmonių plėtrai ↗
„OpenAI“ vis labiau orientuojasi į „įgyvendinimo darbe“ etapą – bendradarbiauja su didelėmis konsultacinėmis įmonėmis, kad padėtų didelėms įmonėms žengti toliau nei bandomieji projektai ir eksperimentai. Tai labai korporatyvus žaidimas, bet, tiesą sakant, būtent ten investuojama daug pinigų. ( „TechCrunch “)
Tonas čia mažiau „kieta demonstracija“ ir labiau „diegimo planas, pirkimai, valdymas, mokymai, visa popierizmo sumuštinis“. Jei kada nors matėte, kaip milžiniška organizacija bando diegti naujas technologijas, žinote, kodėl jie pasitelkia suaugusiuosius. („ TechCrunch “)
🧾 „OpenAI“ stiprina partnerystę su konsultavimo gigantais, siekdama išplėsti įmonių dirbtinio intelekto lygį ir ne tik bandomąjį etapą ↗
Tas pats esminis žingsnis, tik daugiau detalių: „OpenAI“ užmezga glaudesnius ryšius su konsultavimo įmonėmis, kad paspartintų diegimą įmonėse ir padėtų įmonėms pereiti etapą „išbandėme viename skyriuje“. Tai yra pagrindiniai veiksniai, reikalingi norint pritraukti ir išlaikyti didžiulius įmonių klientus. ( „Reuters “)
Taip pat slypi subtilus spaudimas: jei ketinate būti numatytąja įmonės platforma, jums reikia ekosistemos, kuri galėtų jus įdiegti dideliu mastu, o ne tik puikaus modelio. Neseksuali santechnika yra svarbi, bet erzina. ( Reuters )
🕵️♀️ Dirbtinio intelekto vaizdų įrankiai privalo laikytis privatumo taisyklių, teigia priežiūros institucijos ↗
Privatumo reguliuotojai vėl atkreipia dėmesį į vaizdų generavimą ir veidų išvestį – iš esmės: jei jūsų sistema gali rodyti realius žmones, duomenų apsaugos įsipareigojimai vis tiek galioja. Ne, „bet tai sintetinis“ stebuklingas apsiaustas. („ The Register “)
Praktinė išvada atrodo kaip didesnis atitikties spaudimas tiekėjams, ypač kalbant apie mokymo duomenis, identifikuojamą panašumo riziką ir produktų diegimo būdus. Tai viena iš tų sričių, kur technologijos sparčiai vystosi, o taisyklės neatsilieka... o tada staiga spurtuoja. ( „The Register “)
🛡️ „NVIDIA“ teikia dirbtiniu intelektu pagrįstą kibernetinį saugumą kritinei pasaulio infrastruktūrai ↗
„Nvidia“ siūlo daugiau dirbtinio intelekto panaudojimo gynybai, taikydama kibernetinio saugumo panaudojimo atvejus, susijusius su kritine infrastruktūra. Žinia gana aiški: sistemoms tampant vis labiau sujungtoms ir labiau remiamoms dirbtiniu intelektu, atakų paviršius tampa sudėtingesnis, todėl gynyba taip pat turi būti tobulinama. ( „NVIDIA Newsroom “)
„Nvidia“ ir toliau plečiasi nuo „mes parduodame lustus“ iki „mes esame platformos istorija“, o tai yra... ambicinga, bet neatsitiktinė. Saugumas yra viena iš nedaugelio sričių, kur dirbtinio intelekto išlaidos gali būti greitai patvirtintos, nes baimė yra galingas biudžeto lubrikantas. ( „NVIDIA Newsroom “)
🚰 „Breakingviews“: didžiosios technologijų įmonės tik iš dalies išspręs dirbtinio intelekto keliamą vandens keliamą riziką ↗
Tai šiek tiek šaltas dušas: naujesni duomenų centrai gali būti efektyvesni vandens naudojimo požiūriu, tačiau didesnė problema yra vieta – klasteriai dažnai būna tose vietose, kuriose jau yra vandens trūkumas. Taigi, efektyvumo padidėjimas padeda, bet nepanaikina pagrindinio apribojimo. ( „Reuters“ )
Argumentuojama iš esmės taip: „technologijų optimizavimas nėra vienintelis sprendimas“. Jei dirbtinio intelekto infrastruktūra ir toliau plėsis, ji virs tiek vietinių išteklių problema, tiek pasauline inovacijų istorija – kaip bandymas perleisti gaisrinę žarną per sodo čiaupą. („ Reuters“ )
DUK
Apie ką „Bridgewater“ perspėja dėl dirbtinio intelekto infrastruktūros išlaidų 2026 m.?
„Bridgewater“ atkreipia dėmesį, kad dirbtinio intelekto kapitalinių išlaidų bumas gali išaugti pakankamai didelis, kad sukeltų antros eilės problemų, o ne tik paspartintų modelių pažangą. Banknote numatoma, kad „Alphabet“, „Amazon“, „Meta“ ir „Microsoft“ bendros dirbtinio intelekto infrastruktūros investicijos 2026 m. sieks maždaug 650 mlrd. USD. Įspėjama, kad mastas gali padidinti riziką, jei grąža vėluoja, finansavimas sumažės arba paklausa neatitiks plėtros tempo.
Kaip didžiulės išlaidos dirbtinio intelekto infrastruktūrai galėtų paveikti atpirkimus, dividendus ir pinigų grąžą?
Kai įmonės didina išlaidas dirbtinio intelekto infrastruktūrai, jos dažnai turi mažiau laisvų pinigų srautų, skirtų akcininkų grąžai, pavyzdžiui, atpirkimams ir dividendams. „Bridgewater“ teigia, kad toks išlaidų lygis gali sumažinti pinigų grąžą ir padidinti priklausomybę nuo išorinio kapitalo. Jei projektų įgyvendinimas užtrunka ilgiau, investuotojai gali tapti jautresni terminams, maržoms ir atsipirkimo prielaidoms.
Kodėl kai kurios investicijos į dirbtinio intelekto infrastruktūrą gali greitai neatsipirkti?
Pirkti daugiau skaičiavimo įrenginių nereiškia gauti iš jų didesnį pelną. Jei įmonės didina pajėgumus prieš gaudamos aiškias, keičiamo dydžio pajamas, atotrūkis tarp išlaidų ir atsipirkimo gali padidėti. Akcentuojama rizika yra laiko klausimas: bumas gali likti bumu, tačiau su ryškesniais kraštais, jei monetizavimas neatsilieka. Daugelyje ciklų problema yra ne paklausos išnykimas, o vėlesnė nei tikėtasi grąža.
Kaip „OpenAI“ bendradarbiavimas su konsultacinėmis įmonėmis padeda įmonėms žengti toliau nei bandomieji projektai?
Tikslas – „kietus demonstracinius“ eksperimentus paversti diegimais, kurie atlaikytų viešųjų pirkimų, valdymo, mokymo ir kasdienės veiklos iššūkius. Konsultacinės firmos padeda didelėms organizacijoms standartizuoti diegimo planus, suderinti suinteresuotąsias šalis ir valdyti pokyčius visuose skyriuose. „Reuters“ ir „TechCrunch“ tai apibūdina kaip ekosistemos raumenį: norint būti numatytąja įmonės platforma, diegimas dideliu mastu yra toks pat svarbus, kaip ir pats modelis.
Ką privatumo priežiūros institucijos turi omenyje sakydamos, kad dirbtinio intelekto vaizdų įrankiai vis dar patenka į privatumo taisyklių taikymo sritį?
Reguliavimo institucijos signalizuoja, kad „sintetinis“ automatiškai nepanaikina duomenų apsaugos įsipareigojimų, kai rezultatai atrodo kaip tikri žmonės. Praktiniai klausimai apima duomenų kilmės mokymą, riziką, susijusią su atpažįstamu panašumu, ir tai, kaip vaizdo įrankiai naudojami produktuose. Išvada – didesnis atitikties spaudimas paslaugų teikėjams ir vartotojams, ypač tais atvejais, kai realistiški veidai ar į asmenį panašūs rezultatai gali sukelti privatumo ir sutikimo problemų.
Kodėl duomenų centrų vandens keliama rizika tampa dirbtinio intelekto diskusijų dalimi?
Net jei naujesni duomenų centrai pagerina vandens naudojimo efektyvumą, didesnis apribojimas gali būti vieta. „Reuters Breakingviews“ teigia, kad klasteriai dažnai atsiranda regionuose, kuriuose jau yra vandens trūkumas, todėl dirbtinio intelekto augimas tampa vietine išteklių problema. Efektyvumas padeda, tačiau jis gali nekompensuoti didelio masto statybos netinkamose vietose poveikio. Vietos pasirinkimas gali būti toks pat svarbus kaip ir techninis optimizavimas.