Theo는 AI 뉴스를 오늘 밤 바로 시도해볼 수 있는 것들로 바꿔 드립니다.
이 이야기에서 영감을 받으셨나요? 그 아이디어를 단 몇 초 만에 나만의 AI 아트로 만들어 보세요. 무료로 시작할 수 있고, 카드 등록도 필요 없습니다.
무료로 만들기 시작컴패니언을 선택하고 이 소식에 대한 생각을 들어보세요
Anthropic의 최근 IPO 서류 제출에 따르면, 이 AI 개발사는 2023년에 17억 달러의 손실을 기록했으며, 이는 주로 Claude 시리즈를 포함한 대규모 언어 모델 훈련에 필요한 막대한 컴퓨팅 비용 때문입니다. 이러한 재정 공개는 최첨단 AI 개발 분야에서 경쟁하는 데 필요한 상당한 자본 지출을 강조하며, 이는 크리에이터가 고급 모델 액세스 및 제공받는 기능에 대해 지불해야 할 비용에 직접적인 영향을 미칩니다.
Anthropic의 2023년 손실 중 대부분인 12억 달러 이상이 컴퓨팅 리소스에 직접 투입되었습니다. 복잡한 이미지, 비디오를 생성하거나 복잡한 캐릭터 시뮬레이션을 실행하는 크리에이터에게 이 수치는 도구의 기반이 되는 인프라를 상기시키는 중요한 지표입니다. 모든 고해상도 렌더링, 모든 상세한 장면, 모든 미묘한 캐릭터 응답은 이러한 종류의 원시 컴퓨팅 능력에 의존합니다. 복잡한 건축 렌더링이나 깊은 대화 기억력을 가진 캐릭터를 위해 모델에 프롬프트를 입력할 때, 수십억 달러의 투자를 기반으로 구축된 시스템을 활용하는 것입니다.
이러한 모델을 훈련하는 비용은 Anthropic과 같은 개발자들이 투자를 회수해야 함을 의미합니다. 이는 종종 캐주얼 사용과 전문 사용, 또는 기본 기능과 프리미엄 기능 간에 차등을 두는 가격 구조로 이어집니다. 예를 들어, 크리에이터는 일괄 처리, AI 동반자를 위한 더 긴 컨텍스트 창, 또는 우수한 일관성과 세부 정보를 가진 최첨단 모델 액세스에 대해 더 높은 비용을 지불할 수 있습니다. 이러한 재정적 현실은 모델 제공업체가 효율성을 우선시하고 고급 기능을 수익화하도록 유도하며, 이는 크리에이터의 예산 및 워크플로 선택에 직접적인 영향을 미칠 수 있습니다.
Anthropic의 서류 제출은 또한 칩 구매를 위해 Google과 7억 달러 규모의 상당한 계약을 자세히 설명하며, 특수 AI 하드웨어를 확보하기 위한 지속적인 경쟁을 강조합니다. 이는 단순히 범용 프로세서에 관한 것이 아니라, AI 워크로드에 특별히 최적화된 Tensor Processing Unit(TPU) 및 GPU를 확보하는 것에 관한 것입니다. 이러한 칩의 희소성과 비용은 모델 개발에 병목 현상을 일으켜 새롭고 더 유능한 버전의 출시를 늦추거나 기존 서비스 비용을 증가시킬 수 있습니다. 크리에이터에게 이는 복잡한 프롬프트에 대한 더 느린 추론 시간 또는 더 나은 품질이나 새로운 기능을 약속하는 차세대 모델 액세스 지연을 의미할 수 있습니다.
"AI 기업의 가장 큰 비용은 컴퓨팅 비용입니다."
— TechCrunch
회사가 하드웨어에 막대한 투자를 할 때, 이는 혁신을 계속할 수 있도록 하는 전략적 움직임입니다. 이는 더 강력할 뿐만 아니라 장기적으로 잠재적으로 더 효율적인 모델로 이어져 사용자당 생성 비용을 줄일 수 있습니다. Anthropic과 같은 개발자들이 자체 인프라에 투자함에 따라, 초기 투자가 막대하더라도 더 안정적이고 예측 가능한 가격 책정으로 이어질 수 있습니다. 크리에이터는 이러한 하드웨어 투자가 Claude와 같은 모델의 성능 및 가격 책정에 어떻게 반영되는지, 특히 고품질 이미지 생성 또는 광범위한 캐릭터 대화와 같이 상당한 컴퓨팅 능력이 필요한 작업에 대해 주시해야 합니다.
궁극적으로 이러한 재정적 현실은 AI 아트 및 캐릭터 크리에이터가 사용할 수 있는 도구와 서비스를 형성합니다. 모델 실행이 더 효율적이 되면 개발자는 절감액을 전달하거나 새로운 기능에 투자할 수 있습니다. 반대로, 컴퓨팅 비용이 여전히 엄청나게 비싸다면, 크리에이터는 효율성을 위해 프롬프트를 최적화하거나, 저해상도 미리보기를 사용하거나, 최종 고품질 렌더링을 약속하기 전에 초기 아이디어 구상을 위해 오래되고 저렴한 모델에 의존할 수 있습니다. 이러한 근본적인 경제적 압력을 이해하면 크리에이터가 어떤 플랫폼을 사용할지, 생성 예산을 가장 잘 관리하는 방법에 대해 정보에 입각한 결정을 내리는 데 도움이 될 수 있습니다. 또한 플랫폼이 추론 엔진을 지속적으로 최적화하고 다양한 모델에 대한 계층별 액세스를 제공하는 이유를 설명하며, 이는 상세한 AI 동반자 구축 또는 정교한 장면 제작과 같은 프로젝트에 대한 창의적인 옵션 및 비용에 직접적인 영향을 미칩니다. 또한 가이드를 탐색하여 프롬프트 및 생성 워크플로를 최적화하여 리소스를 최대한 활용할 수 있습니다.
