Почему ИИ-индустрия не собирается снижать темпы: четыре сигнала

В публичных дискуссиях всё чаще звучит мысль, что развитие искусственного интеллекта упёрлось в потолок: модели становятся больше, а прирост качества замедляется. Однако поведение самой индустрии говорит об обратном. Крупные игроки продолжают увеличивать бюджеты на закупку графических процессоров, заключают долгосрочные контракты на электроэнергию и закладывают новые дата-центры. Это не похоже на подготовку к паузе.

Объяснение простое: обучение больших языковых моделей (LLM) требует экспоненциально растущих вычислительных мощностей. При этом современные модели не просто генерируют ответ, а рассуждают шаг за шагом, тратя на одну задачу значительно больше вычислительных ресурсов, чем год назад. Компании не ждут идеального алгоритма — они уже встраивают текущее поколение моделей в рутинные процессы: поддержка клиентов, анализ документов, подготовка кода. Это создаёт постоянный и растущий спрос на вычисления.

Отдельная история — инференс, то есть использование уже обученной модели. Он растёт быстрее, чем затраты на обучение. Когда модель «думает» над запросом несколько минут, она потребляет заметно больше токенов и энергии. Экономика смещается с разовой тренировки на постоянную эксплуатацию. Поэтому нужны новые чипы, эффективные системы охлаждения и распределённая инфраструктура, способная обрабатывать миллионы параллельных запросов.

Замедление касается скорее ожиданий от научных прорывов, чем от бизнеса. Индустрия переходит от гонки за параметрами к оптимизации: синтетические данные, специализированные ускорители, дообучение под узкие задачи. Это не остановка, а смена структуры расходов и приоритетов развития. Скорость внедрения технологий, вероятно, только увеличится.