NORBERT BIEDRZYCKI

Modele bazowe: kolejna zmiana platformy w sztucznej inteligencji

Modele bazowe: kolejna zmiana platformy w sztucznej inteligencji

Kilka dni temu OpenAI udostępniło publicznie chatbota. W niecały tydzień zarejestrowało się ponad milion osób. Dzieje się coś strukturalnego i inwestorzy potrzebują do tego ram.

W zeszłym roku badacze ze Stanfordu opublikowali obszerny artykuł, który wprowadził szybko rozprzestrzeniający się termin: modele bazowe (foundation models). Idea jest prosta, ale potężna. Zamiast trenować osobny system uczenia maszynowego do każdego zadania, trenuje się jeden bardzo duży model na ogromnej ilości ogólnych danych, a potem dostosowuje go do wielu zadań stosunkowo niewielkim dodatkowym wysiłkiem.

GPT-3, PaLM od Google, Chinchilla od DeepMind, Stable Diffusion, a teraz ChatGPT to przykłady tego podejścia. ChatGPT, uruchomiony 30 listopada, jest pod wieloma względami interfejsem użytkownika nałożonym na istniejący model. Jego odbiór pokazuje jednak, że brakującym elementem był właśnie interfejs. Po raz pierwszy miliony osób bez wiedzy technicznej bezpośrednio korzystają z ogólnego systemu AI, prosząc go o napisanie maila, wyjaśnienie pojęcia, szkic kodu czy streszczenie dokumentu.

Dlaczego to zmiana platformy

W swojej karierze przeżyłem kilka zmian platformy: klient–serwer, internet, mobile, chmurę. Każda przebiegała według podobnego wzorca. Pojawiała się nowa warstwa, która radykalnie obniżała koszt budowy pewnych rodzajów aplikacji. Wartość była potem dzielona między właścicieli platformy, tych, którzy kontrolowali dystrybucję do klientów, i aplikacje zbudowane na wierzchu.

Modele bazowe mają cechy takiej warstwy. Jeden model może obsługiwać obsługę klienta, tworzenie treści, programowanie, badania prawne, edukację i wyszukiwanie w firmie. Krańcowy koszt zbudowania nowej aplikacji AI gwałtownie spadł, bo programiści nie muszą już zbierać danych treningowych i budować modeli od zera do każdego zastosowania.

Pytanie o kapitał

Zmiany platformy nie są jednak darmowe. Wytrenowanie modelu z czołówki wymaga tysięcy specjalistycznych chipów pracujących tygodniami, rzadkiego rodzaju talentów badawczych i dostępu do ogromnych ilości danych. Szacunki kosztu wytrenowania modelu takiego jak GPT-3 sięgają milionów dolarów za jeden przebieg treningu, a każde nowe pokolenie jest znacznie większe. To oznacza, że sama warstwa platformy może być dostępna tylko dla garstki organizacji z bardzo głębokimi kieszeniami.

To prowadzi do pytania strategicznego, które uważam za najciekawsze. Kto będzie właścicielem wartości?

Jeden scenariusz zakłada, że niezależni twórcy modeli staną się nowymi firmami platformowymi, odpowiednikiem dostawców systemów operacyjnych. Drugi, że wartość popłynie głównie do dostawców chmury, bo każdy model potrzebuje mocy obliczeniowej, a należy ona do firm chmurowych. Trzeci, że modele z czasem staną się towarem, podobnie jak bazy danych, a prawdziwa wartość będzie u firm aplikacyjnych, które mają relacje z klientami i kontrolują przebieg pracy.

Dziś nie potrafię powiedzieć, który scenariusz zdominuje. Podejrzewam, że wszystkie trzy będą współistnieć w różnych częściach rynku. Ale jestem przekonany, że relacje między twórcami modeli a dostawcami chmury będą jednymi z najważniejszych sojuszy strategicznych nadchodzących lat.

Co inwestorzy powinni zrobić teraz

Dla inwestorów wczesnego etapu to moment szansy i zagrożenia. Szansy, bo możliwe staje się całe pokolenie nowych aplikacji. Zagrożenia, bo wiele z tych aplikacji będzie cienkimi nakładkami na model, którego nie kontrolują, bez obronnej pozycji w chwili, gdy dostawca modelu postanowi wejść wyżej w łańcuchu.

Dla private equity i zarządów firm pilniejsze jest pytanie, jak modele bazowe zmienią strukturę kosztów i pozycję konkurencyjną istniejących biznesów. Jeśli dużą część pracy opartej na wiedzy da się wspierać takimi systemami, konsekwencje dla usług profesjonalnych, obsługi klienta i tworzenia oprogramowania będą znaczące.

Pytanie inwestycyjne: Kto będzie właścicielem kolejnego pokolenia platform AI: twórcy modeli, dostawcy chmury czy firmy aplikacyjne?

Czytaj także

  1. Fizyczna AI: inwestowanie poza oprogramowaniem

    seria The Business of AI, napisana w 2026

  2. OpenAI i firmy doradcze: ostatnia mila AI jest organizacyjnaLinkedIn

    Kiedy OpenAI ogłosiło partnerstwa z McKinsey, BCG, Accenture i Capgemini, nie wyglądało to na przełom. Na pierwszy rzut oka był to kolejny przewidywalny ruch: wielka technologia łączy siły z wielkim doradztwem.

  3. Déjà vu Solowa: AI widać wszędzie, tylko nie w statystykach produktywnościLinkedIn

    Uczestniczę w rewolucjach technologicznych od początku kariery, a w AI – od chwili, gdy dało się ją wdrażać na skalę w prawdziwym biznesie. A jednak coraz częściej mam poczucie déjà vu. W 1987 roku Robert Solow powiedział: „Erę komputerów widać wszędzie, tylko nie w statystykach produktywności”.