После исследования в Силиконовой долине Goldman Sachs сделал вывод: Agent вступает в эпоху исполнения, конкуренция в области ИИ переходит к рабочим процессам, возникает мировая модель

Автор：Ли Цзя，Уолл-стрит Джорнал

ИИ переходит от стадии "может отвечать" к стадии "может выполнять".

Согласно данным торговой платформы "Chasing Wind", последний отчет Goldman Sachs показывает, что коммерциализация ИИ переходит от "подписки по местам" к оплате за потребление, объем сделок и результаты; в то же время, Agent переходит от вспомогательного инструмента к исполнителю рабочих процессов, а ценность в отрасли смещается от самой модели к собственным данным, бизнес-контексту и отраслевым экспертным знаниям.

Это означает, что конкуренция в индустрии ИИ переходит от "чья модель сильнее" к "кто действительно может управлять рабочими процессами". Возможности модели по-прежнему важны, но способность интегрироваться в производственную среду компании, понимать бизнес-контекст и стабильно выполнять задачи станет более критическим конкурентным барьером.

Этот вывод основан на недавнем полевом исследовании Goldman Sachs цепочки поставок ИИ в Силиконовой долине. С 18 по 19 августа Goldman Sachs в третий раз посетил стартапы в области ИИ, ведущие венчурные капитальные компании, а также исследователей Стэнфордского университета, Калифорнийского университета в Беркли и Университета Сан-Франциско. Goldman Sachs считает, что по мере ускоренного внедрения Agent, распределение ценности между передовыми моделями, открытыми моделями, мировыми моделями, корпоративным программным обеспечением и собственными данными изменится.

Внедрение Agent: компаниям действительно не хватает не способности, а "контролируемости"

Если раньше ИИ решал задачу "помогать людям выполнять задачи", то теперь Agent пытается решить задачу "самостоятельно выполнять задачи". Но в процессе масштабного развертывания в компаниях, самым большим препятствием может стать не способность модели, а то, как распределяются ответственности и может ли весь процесс выполнения быть контролируемым.

Отчет ссылается на исследователей Стэнфорда, которые указывают, что большинство компаний по-прежнему находятся в режиме ручного контроля. Особенно в таких областях, как право, управление рисками, страхование и аудит, когда модель ошибается, кто несет ответственность, как проследить процесс и можно ли быстро исправить ошибку, может быть так же важно, как и способности самой модели.

Поэтому рабочие процессы, которые легче всего автоматизировать, обычно имеют три характеристики: четкие границы принятия решений, результаты, которые можно проверить, и возможность отката ошибок. Обработка счетов является типичным примером. ИИ отвечает за извлечение полей и выполнение проверок, случаи с низкой степенью уверенности передаются на ручную проверку, а затем через обратимый процесс ERP завершаются записью.

Это также означает, что информационные сервисные компании, обладающие надежным контентом, проверенными отраслевыми моделями и зрелыми регулирующими отношениями, с большей вероятностью первыми войдут в производственную среду компаний.

Конкуренция моделей: передовые модели и открытые модели идут к разделению труда

Споры о "открытом или закрытом" не являются выбором между двумя вариантами, а скорее разные модели могут соответствовать различным уровням рабочих процессов.

Сторонники передовых моделей считают, что бенчмаркинг компаний часто недооценивает способности моделей. В реальной производственной среде потери бизнеса из-за снижения точности модели могут значительно превышать сэкономленные затраты на вывод. Поэтому многие компании, работающие в области ИИ, хотя и заявляют о многомодельной стратегии, в своей основной производственной среде по-прежнему сильно зависят от передовых моделей.

С другой стороны, большинство компаний считает, что их рабочие процессы не требуют передового уровня интеллекта. С улучшением производительности открытых моделей клиенты все больше готовы жертвовать ограниченной производительностью ради более низких затрат на вывод. Одна венчурная компания прогнозирует, что в течение следующих 12-18 месяцев около 90% токенов вывода будут направлены на открытые модели.

Это означает, что в будущем рынок моделей ИИ может сформировать более четкое разделение труда: передовые модели будут отвечать за сложные задачи с высокой ценностью и надежностью, а открытые модели возьмут на себя более масштабные стандартизированные задачи и большую часть потребления токенов.

Мировая модель: вычислительная мощность ИИ может встретить вторую кривую роста

За последние 18 месяцев исследователи все чаще переключают свое внимание с LLM на "мировые модели".

В отличие от LLM, которые в основном полагаются на данные из Интернета, мировые модели требуют понимания окружающей среды, причинно-следственных связей, физических законов и динамических взаимодействий в реальном мире, их данные в большей степени поступают из физических систем, конкретных отраслей и реальных операционных сценариев. Это означает, что важность собственных данных может еще больше возрасти.

Goldman Sachs считает, что проблемы в таких областях, как физика, промышленность, наука и робототехника, охватывают гораздо более широкий спектр, чем простая генерация текста, и эти рабочие процессы часто требуют более высоких затрат на вычислительные мощности. По мере того как ИИ переходит из цифрового мира в физический, потребности в вычислительных мощностях для обучения моделей, симуляции и вывода могут также проявить новую кривую роста.

Goldman Sachs прогнозирует, что в течение следующих 5 лет потребность в вычислительных мощностях может вырасти примерно в 24 раза, а напряженность между спросом и предложением, вероятно, сохранится дольше, что принесет прямую выгоду таким компаниям, как Microsoft, Oracle и CoreWeave, занимающимся облачными вычислениями и инфраструктурой вычислительных мощностей.