Перегони штучного інтелекту зміщуються від більших моделей до дешевших та розумніших систем

Протягом останніх двох років гонку штучного інтелекту було легко оцінити: більші моделі, кращі бенчмарки та будь-яка компанія, яка могла б претендувати на лідерство, принаймні до наступного запуску.

Оскільки компанії переходять від тестування ШІ до його використання в реальних продуктах і робочих процесах, справа вже не в тому, щоб вибрати найкращу модель, а в тому, щоб отримати доступ до тієї, яка найкраще підходить для конкретного завдання, за правильною ціною, з необхідними даними та в обраному середовищі.

Цей зсув відкриває двері для нового виду конкуренції у сфері штучного інтелекту, яка зосереджена менше на розмірі моделі та більше на маршрутизації, вартості, контролі та обчисленнях.

«Модель сама по собі вже не є продуктом», – сказав генеральний директор Perplexity Аравінд Срінівас CNBC. «Це обладнання, система оркестрації, яка поміщає модель у дуже потужне обладнання та поєднує її з багатьма інструментами».

Це означає, що продукти штучного інтелекту стають системами, які можуть вирішувати, яку модель використовувати, коли її використовувати та які зовнішні інструменти чи джерела даних компанії необхідні. Завдання обслуговування клієнтів може не потребувати найдорожчої моделі. Складна проблема кодування може. Рутинний внутрішній робочий процес може виконуватися на дешевшій відкритій моделі. Складніший крок можна ескалувати до потужнішої.

«Відповідь завжди полягає в тому, щоб використовувати те, що найкраще підходить для завдання», – сказав Срінівас.

Поява альтернативних моделей відбувається на тлі того, що корпоративна Америка затягує паски щодо витрат на штучний інтелект, і створює ще один виклик для OpenAI та Anthropic, які процвітали протягом останніх кількох років, продаючи найсучасніші технології.

Цього тижня Perplexity представила нову систему для свого комп’ютерного продукту, побудовану на базі GLM 5.2, відкритої моделі від китайської Z.ai. Система розроблена таким чином, щоб дешевша модель виконувала більше роботи, а потужніша використовувалася лише за потреби.

Такий підхід відображає ширші зміни на ринку. Моделі з відкритою вагою, які компанії можуть завантажувати, налаштовувати та запускати самостійно, стають більш потужними. Вони також дешевші в експлуатації, ніж преміальні власницькі моделі від найбільших лабораторій штучного інтелекту.

Генеральний партнер Benchmark Пітер Фентон сказав, що зміни можуть бути разючими.

«Можливо, суперечлива думка, яка стає консенсусом, полягає в тому, що ми віримо, що понад 90 відсотків створених токенів вийдуть з моделей відкритої ваги протягом наступних 18-24 місяців, можливо, навіть до кінця року», – сказав Фентон CNBC.

Токени – це одиниці даних, які обробляють та генерують моделі штучного інтелекту.

«Я думаю, що межі логічного висновку, отримані компаніями, що розробляють моделі на передовій, будуть під тиском, коли ви зможете запускати їх без надання розмітки, коли у вас буде достатньо хороших моделей з відкритими вагами», – сказав Фентон.

Фентон сказав, що перехід до відкритих моделей пов’язаний не лише з економією грошей. У деяких випадках менші моделі, налаштовані на виконання певного завдання, можуть бути швидшими та працювати краще, ніж більші моделі загального призначення.

Це одна з причин, чому Benchmark інвестувала в Ollama, компанію, яка спрощує для розробників та підприємств завантаження, запуск та керування відкритими моделями.

«Одне питання — звідки взялася модель, де її створили та навчили», — сказав генеральний директор Ollama Джефф Морган. «Але для цих компаній, з якими ми спілкуємося, важливіше, де вона працює і як вона працює».

Морган зазначив, що Ollama впровадили понад 85% компаній зі списку Fortune 500, включаючи компанії в регульованих галузях, таких як авіація, страхування та охорона здоров’я. Він зазначив, що багато компаній починають з менших моделей, що працюють близько до їхніх власних даних, а потім розширюються до більших відкритих моделей, коли їм стає зручніше.

Зростання відкритих моделей також створює стратегічний виклик для США. Багато найконкурентніших моделей з відкритою вагою надходять з китайських лабораторій, включаючи Z.ai та DeepSeek . Це зробило штучний інтелект з відкритим кодом проблемою бізнесу, політики та національної конкурентоспроможності.

Срінівас сказав, що США повинні підтримувати відкриті моделі, оскільки вони роблять штучний інтелект більш доступним та доступним.

«Якщо ви хочете, щоб переваги штучного інтелекту були широко поширені серед малого бізнесу в Америці та країнах-союзниках Америки, тоді вам дійсно потрібно, щоб штучний інтелект був набагато доступнішим», – сказав Срінівас. «І відкритий вихідний код – єдиний спосіб зробити це».

Цей зсув також може вплинути на масштабне будівництво центрів обробки даних, яке зараз триває в технологічній галузі. Поточний бум штучного інтелекту передбачає, що попит продовжуватиме спрямовуватися до великих хмарних центрів обробки даних, заповнених високоякісними чіпами. Срінівас каже, що деякі роботи зі штучним інтелектом зрештою можуть виконуватися локально, на пристроях, що належать споживачам або підприємствам.

Це не усуне потребу в центрах обробки даних, але може створити більш гібридну систему штучного інтелекту, де рутинні завдання виконуються локально, а найскладніша робота передається потужнішій моделі в хмарі.

Для інвесторів питання полягає в тому, чи зможуть найбільші лабораторії штучного інтелекту зберегти свою цінову силу, оскільки відкриті моделі вдосконалюються, а компанії стають більш вибірковими щодо того, що вони використовують.