Niedawne zgłoszenie IPO Anthropic ujawniło, że deweloper AI poniósł 1,7 miliarda dolarów strat w 2023 roku, głównie z powodu ogromnych kosztów obliczeniowych wymaganych do szkolenia jego dużych modeli językowych, w tym serii Claude. To ujawnienie finansowe podkreśla znaczące nakłady kapitałowe niezbędne do konkurowania w przestrzeni rozwoju zaawansowanej AI, bezpośrednio wpływając na to, ile twórcy mogą zapłacić za dostęp do zaawansowanych modeli i jakie funkcje otrzymają.
Kluczowe wnioski
- Anthropic odnotował stratę w wysokości 1,7 miliarda dolarów w 2023 roku, przypisywaną głównie wysokim kosztom szkolenia i rozwoju modeli AI.
- Firma wydała ponad 1,2 miliarda dolarów wyłącznie na zasoby obliczeniowe, podkreślając kapitałochłonność budowania najnowocześniejszych modeli AI, takich jak Claude.
- Ta presja finansowa sugeruje, że deweloperzy AI będą nadal szukać strumieni przychodów w celu pokrycia kosztów, potencjalnie wpływając na ceny modeli i dostęp do funkcji dla twórców sztuki AI i postaci.
- Zgłoszenie podkreśliło również znaczące inwestycje Anthropic w zakup chipów, w tym umowę o wartości 700 milionów dolarów z Google na zabezpieczenie kluczowego sprzętu.
Prawdziwy koszt najnowocześniejszych modeli AI
Większość strat Anthropic w 2023 roku — ponad 1,2 miliarda dolarów — poszła bezpośrednio na zasoby obliczeniowe. Dla twórców generujących złożone obrazy, wideo lub uruchamiających skomplikowane symulacje postaci, ta liczba jest wyraźnym przypomnieniem o infrastrukturze leżącej u podstaw ich narzędzi. Każde renderowanie w wysokiej rozdzielczości, każda szczegółowa scena i każda subtelna odpowiedź postaci opiera się na tego rodzaju surowej mocy obliczeniowej. Kiedy prosisz model o skomplikowane renderowanie architektoniczne lub postać z głęboką pamięcią konwersacyjną, korzystasz z systemów zbudowanych na miliardach dolarów inwestycji.
Koszt szkolenia tych modeli oznacza, że deweloperzy tacy jak Anthropic muszą odzyskać swoje inwestycje. Często przekłada się to na struktury cenowe, które rozróżniają użytkowanie okazjonalne od profesjonalnego, lub podstawowe funkcje od premium. Na przykład, twórca może zauważyć wyższe koszty za przetwarzanie wsadowe, dłuższe okna kontekstowe dla towarzyszy AI lub dostęp do najnowocześniejszych modeli o doskonałej spójności i szczegółowości. Ta rzeczywistość finansowa zmusza dostawców modeli do priorytetowego traktowania wydajności i monetyzacji zaawansowanych możliwości, co może bezpośrednio wpłynąć na budżet twórcy i wybory dotyczące przepływu pracy.
Wyścig sprzętowy i jego wpływ
Zgłoszenie Anthropic szczegółowo opisało również znaczącą umowę o wartości 700 milionów dolarów z Google na zakup chipów, podkreślając trwający wyścig o zabezpieczenie specjalistycznego sprzętu AI. Nie chodzi tu tylko o procesory ogólnego przeznaczenia; chodzi o pozyskanie jednostek przetwarzania tensorowego (TPU) i procesorów graficznych (GPU) specjalnie zoptymalizowanych pod kątem obciążeń AI. Niedobór i wysokie koszty tych chipów mogą tworzyć wąskie gardła w rozwoju modeli, spowalniając wydawanie nowych, bardziej wydajnych wersji lub podnosząc koszty istniejących usług. Dla twórców może to oznaczać wolniejsze czasy wnioskowania dla złożonych promptów lub opóźnienie w dostępie do modeli nowej generacji, które obiecują lepszą jakość lub nowe funkcjonalności.
„Największym kosztem dla firm AI jest koszt obliczeń.”
— TechCrunch
Kiedy firma tak mocno inwestuje w sprzęt, jest to strategiczny ruch, aby zapewnić sobie możliwość dalszego innowowania. Przekłada się to na modele, które są nie tylko potężniejsze, ale także potencjalnie bardziej wydajne w dłuższej perspektywie, zmniejszając koszt generacji dla użytkowników. Ponieważ deweloperzy tacy jak Anthropic inwestują we własną infrastrukturę, może to prowadzić do bardziej stabilnych i przewidywalnych cen, nawet jeśli początkowa inwestycja jest ogromna. Twórcy powinni obserwować, jak te inwestycje w sprzęt przekładają się na poprawę wydajności i cen modeli takich jak Claude, szczególnie w przypadku zadań wymagających znacznej mocy obliczeniowej, takich jak generowanie obrazów o wysokiej wierności lub prowadzenie obszernych dialogów z postaciami.
Implikacje dla przepływów pracy twórców
Ostatecznie te realia finansowe kształtują narzędzia i usługi dostępne dla twórców sztuki AI i postaci. Kiedy model staje się bardziej wydajny w działaniu, deweloperzy mogą przekazać te oszczędności lub zainwestować w nowe funkcje. I odwrotnie, jeśli obliczenia pozostają zaporowo drogie, twórcy mogą znaleźć się w sytuacji optymalizowania promptów pod kątem wydajności, używania podglądów o niższej rozdzielczości lub polegania na starszych, tańszych modelach do początkowej ideacji, zanim zdecydują się na ostateczne, wysokiej jakości renderowanie. Zrozumienie tych podstawowych presji ekonomicznych może pomóc twórcom w podejmowaniu świadomych decyzji dotyczących platform do użycia i najlepszego zarządzania budżetami na generowanie. Wyjaśnia to również, dlaczego platformy nieustannie dążą do optymalizacji swoich silników wnioskowania i oferują warstwowy dostęp do różnych modeli, bezpośrednio wpływając na Twoje opcje twórcze i koszty projektów, takich jak budowanie szczegółowych towarzyszy AI lub tworzenie skomplikowanych scen. Możesz również zapoznać się z naszymi przewodnikami, aby zoptymalizować swoje promptowanie i przepływy pracy generowania, aby jak najlepiej wykorzystać swoje zasoby.
