Недавняя подача документов Anthropic для IPO показала, что в 2023 году разработчик ИИ понес убытки в размере $1,7 млрд, в основном из-за огромных затрат на вычисления, необходимых для обучения его больших языковых моделей, включая серию Claude. Это финансовое раскрытие подчеркивает значительные капитальные затраты, необходимые для конкуренции в области разработки передового ИИ, что напрямую влияет на то, сколько создатели могут платить за доступ к продвинутым моделям и какие функции они получают.
Ключевые выводы
- Anthropic сообщила об убытке в $1,7 млрд в 2023 году, в основном из-за высоких затрат на обучение и разработку моделей ИИ.
- Компания потратила более $1,2 млрд только на вычислительные ресурсы, что подчеркивает капиталоемкость создания современных моделей ИИ, таких как Claude.
- Это финансовое давление предполагает, что разработчики ИИ будут продолжать искать источники дохода для компенсации затрат, потенциально влияя на ценообразование моделей и доступ к функциям для создателей ИИ-арта и персонажей.
- В документах также подчеркиваются значительные инвестиции Anthropic в покупку чипов, включая сделку на $700 млн с Google для обеспечения критически важного оборудования.
Реальная стоимость передовых моделей ИИ
Основная часть убытков Anthropic в 2023 году — более $1,2 млрд — пошла непосредственно на вычислительные ресурсы. Для создателей, генерирующих сложные изображения, видео или запускающих сложные симуляции персонажей, эта цифра является ярким напоминанием об инфраструктуре, лежащей в основе их инструментов. Каждый рендер высокого разрешения, каждая детализированная сцена и каждый нюансированный ответ персонажа зависят от такой необработанной вычислительной мощности. Когда вы запрашиваете у модели сложный архитектурный рендеринг или персонажа с глубокой разговорной памятью, вы используете системы, построенные на миллиардах долларов инвестиций.
Стоимость обучения этих моделей означает, что разработчикам, таким как Anthropic, необходимо окупить свои инвестиции. Это часто приводит к структурам ценообразования, которые различают случайное и профессиональное использование, или базовые и премиум-функции. Например, создатель может столкнуться с более высокими затратами на пакетную обработку, более длинные контекстные окна для ИИ-компаньонов или доступ к передовым моделям с превосходной связностью и детализацией. Эта финансовая реальность подталкивает поставщиков моделей к приоритизации эффективности и монетизации расширенных возможностей, что может напрямую повлиять на бюджет и выбор рабочего процесса создателя.
Гонка за оборудованием и ее влияние
В документах Anthropic также подробно описана существенная сделка на $700 млн с Google по покупке чипов, что подчеркивает продолжающуюся гонку за специализированным оборудованием для ИИ. Речь идет не только о процессорах общего назначения; речь идет о приобретении тензорных процессоров (TPU) и графических процессоров (GPU), специально оптимизированных для рабочих нагрузок ИИ. Дефицит и дороговизна этих чипов могут создавать узкие места в разработке моделей, замедляя выпуск новых, более мощных версий или повышая стоимость существующих услуг. Для создателей это может означать более медленное время вывода для сложных запросов или задержку в доступе к моделям следующего поколения, которые обещают лучшее качество или новые функциональные возможности.
«Самая большая статья расходов для компаний, занимающихся ИИ, — это стоимость вычислений».
— TechCrunch
Когда компания так сильно инвестирует в оборудование, это стратегический шаг для обеспечения возможности продолжать инновации. Это приводит к созданию моделей, которые не только более мощные, но и потенциально более эффективные в долгосрочной перспективе, снижая стоимость генерации для пользователей. По мере того как разработчики, такие как Anthropic, инвестируют в свою собственную инфраструктуру, это может привести к более стабильному и предсказуемому ценообразованию, даже если первоначальные инвестиции огромны. Создателям следует следить за тем, как эти инвестиции в оборудование преобразуются в улучшенную производительность и ценообразование для моделей, таких как Claude, особенно для задач, требующих значительной вычислительной мощности, таких как генерация высококачественных изображений или выполнение обширных диалогов персонажей.
Последствия для рабочих процессов создателей
В конечном итоге эти финансовые реалии формируют инструменты и услуги, доступные создателям ИИ-арта и персонажей. Когда модель становится более эффективной в работе, разработчики могут передать эту экономию или инвестировать в новые функции. И наоборот, если вычисления остаются непомерно дорогими, создатели могут обнаружить, что оптимизируют запросы для повышения эффективности, используют предварительный просмотр с более низким разрешением или полагаются на старые, менее дорогие модели для первоначальной идеи, прежде чем приступить к окончательному высококачественному рендерингу. Понимание этих основных экономических давлений может помочь создателям принимать обоснованные решения о том, какие платформы использовать и как лучше управлять своими бюджетами на генерацию. Это также объясняет, почему платформы постоянно стремятся оптимизировать свои движки вывода и предлагать многоуровневый доступ к различным моделям, что напрямую влияет на ваши творческие возможности и затраты на такие проекты, как создание детализированных ИИ-компаньонов или создание сложных сцен. Вы также можете изучить наши руководства, чтобы оптимизировать свои рабочие процессы запросов и генерации, чтобы максимально использовать свои ресурсы.
