Вопрос о том, насколько важны фундаментальные модели искусственного интеллекта, всё чаще обсуждается среди AI-стартапов. Если ранее компании, создававшие интерфейсы на основе существующих моделей, таких как ChatGPT, считались второстепенными, то сегодня всё больше команд сосредотачиваются на адаптации моделей к специфическим задачам и разработке пользовательских решений. Фундаментальные модели начинают рассматриваться как стандартный ресурс, который можно изменять в зависимости от потребностей бизнеса.
Об этом сообщает ProIT
Изменение ландшафта в сфере искусственного интеллекта
Одной из причин такой трансформации является то, что преимущества масштабирования во время предварительного обучения крупных AI-моделей заметно уменьшаются. Хотя прогресс в области продолжается, начальный эффект от гигантских моделей исчерпывается, и внимание переходит к дообучению, тонкой настройке и подкрепляющему обучению. Например, если цель — создать лучший инструмент для программирования, эффективнее инвестировать в усовершенствование интерфейса и настройку модели, чем тратить миллиарды долларов на дополнительное предварительное обучение. Успех Claude Code от Anthropic доказывает, что даже лидеры в создании фундаментальных моделей хорошо себя чувствуют в этих новых направлениях, но это преимущество уже не такое устойчивое, как раньше.
Сегодня конкуренция в сфере искусственного интеллекта смещается в сторону прикладных решений — разработки программного обеспечения, корпоративного управления данными, генерации изображений и т.д. Создание фундаментальной модели уже не гарантирует преимущества в этих направлениях. Более того, распространение open source-альтернатив лишает крупные AI-лаборатории ценового преимущества — если они проигрывают в надстройках, их бизнес рискует превратиться в поставщика «сырья» с низкой маржой.
“как продажа кофейных зерен Starbucks.”
Вызовы для лидеров рынка и новые возможности
Это существенное изменение для всей отрасли. Ранее успех искусственного интеллекта ассоциировался с компаниями, которые строили фундаментальные модели — такими как OpenAI, Anthropic или Google. Инвесторы и рынок верили, что именно эти компании получат ключи к будущему технологий. Много лет разработка фундаментальных моделей оставалась единственным видом AI-бизнеса, а темпы развития создавали иллюзию недосягаемого преимущества.
Однако в течение последнего года ситуация усложнилась. Появилось много успешных сервисов на основе AI, но они используют различные фундаментальные модели взаимозаменяемо. Для стартапов больше не имеет значения, какую именно модель — GPT, Claude или Gemini — они используют, и они могут сменить модель даже в процессе выпуска продукта, не вызывая дискомфорта у пользователей. Фундаментальные модели продолжают развиваться, но их преимущество уже не является таким весомым, чтобы определять судьбу всей отрасли.
Как отметил венчурный капиталист Мартин Касадо, OpenAI первой представила модель для программирования и генеративные модели для изображений и видео, но во всех этих направлениях её обошли конкуренты.
“Насколько мы можем судить, в технологическом стеке для AI нет никаких внутренних барьеров,” заключил Касадо.
Тем не менее, рано списывать фундаментальные компании со счетов: у них остаются сильные стороны — узнаваемый бренд, инфраструктурные мощности и значительные финансовые резервы. Некоторые направления, например, потребительский бизнес OpenAI, сложнее повторить, чем отдельные технологические решения. Кроме того, стремительное развитие отрасли может вернуть интерес к предварительному обучению, а гонка за общим искусственным интеллектом ещё может подарить прорывы в фармацевтике или материаловедении, что существенно изменит представление о ценности AI-моделей.
Однако на данный момент стратегия создания всё больших фундаментальных моделей выглядит менее привлекательной, чем год назад, а миллиардные инвестиции Meta в этом направлении начинают вызывать серьёзные сомнения относительно их целесообразности.