Исследователи НИУ ВШЭ проанализировали, насколько эффективно мировой рынок генеративного искусственного интеллекта превращает инвестиции в реальные доходы, и пришли к выводу: сегодня искусственный интеллект развивается быстрее, чем окупается.
В последние годы генеративный искусственный интеллект (GenAI) стал одним из главных направлений технологических инвестиций. Компании вкладывают миллиарды долларов в чипы, серверы и инфраструктуру дата-центров, рассчитывая на быстрый экономический эффект от больших языковых моделей.
Однако ожидания рынка могут быть завышены. Научный руководитель НИУ ВШЭ Ярослав Кузьминов и доцент факультета социальных наук, старший преподаватель кафедры высшей математики НИУ ВШЭ Екатерина Кручинская решили оценить, насколько сбалансирован рынок генеративного искусственного интеллекта и существует ли разрыв между инвестициями в инфраструктуру и доходами от технологий ИИ. Результаты опубликованы в журнале Foresight and STI Governance.
Авторы применили метод DEA — модель, которая используется для анализа эффективности сложных экономических систем на базе множества входных и выходных параметров. В данном случае «входом» выступали доходы производителей аппаратного обеспечения для ИИ (чипов, серверов, полупроводников и инфраструктуры дата-центров). Среди них такие компании, как AMD, Intel, NVIDIA и др. «Выходом» — выручка компаний, разрабатывающих и монетизирующих ИИ-решения; среди них Sony, OpenAI, Google DeepMind, Amazon, Apple и др. Эта модель — в буквальном смысле имитация рынка ИИ на «входе» и на «выходе» с допущением, что основную повестку задают эти игроки.
Анализ охватывал период с 2016 по 2024 год. Важно отметить, что годы и были, по сути, единицами анализа, хотя обычно это компании — такова традиция метода. Это было сделано сознательно: авторы хотели проверить эффективность искусственного интеллекта в каждый конкретный год в целом, а не в отдельной компании. Для проверки устойчивости результатов расчеты проводились как в абсолютных показателях, так и с корректировкой на мировой ВВП. Такой подход позволил оценить относительную эффективность рынка генеративного искусственного интеллекта в разные годы.
Анализ показал, что развитие рынка GenAI носит нелинейный характер. По мере появления и первичной коммерциализации генеративных моделей с 2016 по 2021 год эффективность росла. Однако начиная с 2021 года тренд меняется: показатели эффективности снижаются, несмотря на резкий рост инвестиций. После краткосрочного всплеска в 2023 году эффективность вновь снизилась до уровня 2022 года.
«Чисто методологически результаты говорят о том, что рынок ИИ-решений развивается по догоняющей модели: доходы от программных продуктов пока не компенсируют масштабные вложения в аппаратную инфраструктуру. Повышенный спрос на чипы и вычислительные мощности стимулируется развитием больших языковых моделей, но их коммерческая отдача остается ограниченной и не перекрывает стоимости хард-технологий и дальнейших инвестиций в них», — считает Екатерина Кручинская.
По мнению исследователей, текущая модель развития усиливает позиции производителей аппаратного обеспечения, но без отдачи в экономику, потому что вычислительные мощности существуют как самоцель. Рынок таких ИИ-решений и приложений, которые могут влиять на общественные процессы (например, повышать производительность на рынке труда), не только сталкивается с ограничениями — высокой стоимостью железа и прогонов, дефицитом квалифицированных кадров и технологическими пределами моделей, — но и не является рынком зарабатывающим, особенно в сравнении с затратами на него.
«Искусственный интеллект действительно меняет не только экономику и бизнес-модели компаний, но и общественную жизнь. Каждый из нас замечает это ежедневно. При этом его влияние осуществляется и распространяется, но не так быстро, как кажется, и не так продуктивно, как хотелось бы. Многие говорят о пузыре на рынке ИИ — процессе, в общем-то, для мировой экономики не новом. Стоит осторожно сказать, что риски пузыря есть. Наша модель открывает инструментальную дискуссию в этом направлении. Важно иметь не только инструмент, но и прикладной план, а он простой. Без роста эффективности прикладных решений, их внедрения и более взвешенного инвестиционного планирования дальше мы не сдвинемся в позитивном направлении», — отмечает Ярослав Кузьминов.
Авторы подчеркивают, что подобные исследования важны не только для научного мира, но для бизнеса, инвесторов и формирования взвешенной научно-технологической политики в сфере искусственного интеллекта.