Стратегия OpenAI, заключающаяся в запуске множества новых продуктов для получения прибыли, кажется контрпродуктивной. В отличие от таких технологических гигантов, как Google, Ф⃰, Apple и Microsoft, которые стали прибыльными, сосредоточившись на ограниченном количестве ключевых продуктов, OpenAI, имея множество моделей и более 300 миллионов пользователей ChatGPT, до сих пор несет убытки. Причина – огромные затраты на обучение и запуск ИИ-моделей, достигающие 700 000 долларов в день, и миллиардные инвестиции в исследования и разработки, которые перевешивают доход в 3,7 миллиарда долларов, а чистый убыток составляет более 5 миллиардов долларов.
Основной проблемой является высокая стоимость каждого запроса, которая возрастает пропорционально числу пользователей и продуктов. Следовательно, увеличение количества продуктов не приближает OpenAI к прибыли, а, наоборот, увеличивает расходы. Необходимо переосмысление подхода к разработке и эксплуатации нейросетей: вместо бесконечного запуска новых моделей, необходимо сосредоточиться на снижении затрат на обучение и работу нейросетей.
Примером такого подхода служит опыт SpaceX, которая добилась значительного снижения стоимости запуска ракет за счет собственного производства, упрощения конструкции и возможности многократного использования. DeepSeek, запуском модели R-1, показал, что такой подход может быть применен и к сфере искусственного интеллекта: модель демонстрирует сопоставимую с OpenAI производительность, но при этом имеет на порядок меньшую стоимость API и обучения.
DeepSeek добилась снижения затрат за счет эффективной оптимизации ресурсов, обучения только важных частей модели, использования меньшего объема памяти и усиленного обучения. Это показывает, что OpenAI необходимо срочно сфокусироваться на инновациях, направленных на снижение себестоимости, а не на бесконечном выпуске новых продуктов и взимании непомерных абонентских плат.
Изображение носит иллюстративный характер
Основной проблемой является высокая стоимость каждого запроса, которая возрастает пропорционально числу пользователей и продуктов. Следовательно, увеличение количества продуктов не приближает OpenAI к прибыли, а, наоборот, увеличивает расходы. Необходимо переосмысление подхода к разработке и эксплуатации нейросетей: вместо бесконечного запуска новых моделей, необходимо сосредоточиться на снижении затрат на обучение и работу нейросетей.
Примером такого подхода служит опыт SpaceX, которая добилась значительного снижения стоимости запуска ракет за счет собственного производства, упрощения конструкции и возможности многократного использования. DeepSeek, запуском модели R-1, показал, что такой подход может быть применен и к сфере искусственного интеллекта: модель демонстрирует сопоставимую с OpenAI производительность, но при этом имеет на порядок меньшую стоимость API и обучения.
DeepSeek добилась снижения затрат за счет эффективной оптимизации ресурсов, обучения только важных частей модели, использования меньшего объема памяти и усиленного обучения. Это показывает, что OpenAI необходимо срочно сфокусироваться на инновациях, направленных на снижение себестоимости, а не на бесконечном выпуске новых продуктов и взимании непомерных абонентских плат.
