Kiszámíthatatlan költségek, ingatag üzleti modellek
A legnagyobb MI-vállalatok, mint például az OpenAI, döbbenetes pénzeket költenek GPU-k beszerzésére és üzemeltetésére, miközben a bevételeik nem tudnak lépést tartani a kiadásokkal. A ChatGPT- és API-előfizetésekből származó bevételek nem fedezik a felhasználói lekérdezéseken elúszó GPU-perceket: minden egyes kérdés komoly költséget jelent, így az erőforrások fenntartása gyakorlatilag veszteségessé válik. Az újabb modellek képzése milliárdokat emészt fel, miközben a haszon hónapokat vagy akár éveket is késhet.
Ez azonban csak a jéghegy csúcsa
Kevesen sejtik, hogy a temérdek pénzen vásárolt vállalati GPU-k 95 százaléka kihasználatlanul marad. A felhőszolgáltatóktól – mint az AWS, az Azure és a GCP – gyűjtött adatok szerint a több ezer vállalati klaszterben foglalt, kifizetett kapacitás szinte soha nem termel értéket. Az MI-ipar vezető szereplői a GPU-hiány narratíváját erőltetik, amivel mesterségesen magasan tartják az árakat, miközben valójában több tízmilliárd forintnyi számítási kapacitás hever parlagon.
Strukturális hibák és makacs készletezés
A cégek tipikusan a legrosszabb eshetőségre vásárolnak be GPU-tömegeket: olyan, mintha az autópályát csak a csúcsidőszakhoz igazítanánk, majd a nap 23 órájában üresen állna. Ráadásul a hardvert presztízskérdésként halmozzák, hogy jól mutasson a mérlegben, hiába nincs tényleges igény a folyamatos használatra. Az MI-modellek képzése erős, de időszakos terhelést jelent: pár hétig csúcsterhelés van, aztán hónapokig pihen a géppark, miközben senki mást nem engednek hozzá a gépparkhoz.
Zárva marad a kapu a kis cégek előtt
Ez a túlhevült rendszer kiszorítja az innovatív startupokat, scale-upokat, egyetemeket szerte a világban: Londonban, Lagosban vagy Nairobiban is fizethetetlen az elérhető kapacitás. Pedig ezek a csapatok fordítanák le az MI-t a hétköznapok nyelvére – ők fejlesztenének a helyi igényekhez igazított alkalmazásokat, amelyek több milliárd embert érinthetnének.
Léteznek működő, elosztott alternatívák
Az üresen hagyott GPU-k folyamatos jelenléte új modellt követel: a hagyományos, centralizált infrastruktúra helyett elosztott számítási hálózatok kötik össze a hardvertulajdonosokat azokkal, akik valóban ki tudnák használni az erőforrást. Akár adatközpont, akár vállalat, akár magánszemély: mindenki csatlakozhat, az MI-igényt egyszerűen a hálózat rendeli hozzá a megfelelő kapacitáshoz. Így olcsóbban jut GPU-időhöz a fejlesztő, a hardvertulajdonos pedig plusz bevételhez jut. Az ilyen elosztott rendszerek csökkentik a piaci kockázatokat is, hiszen nem függnek egy-egy óriáscég működésétől.
Elkerülhetetlen az elszámolás órája
Az MI-iparágnak előbb-utóbb szembe kell néznie a valósággal: a könyvekben feltüntetett eszközértékek csak teljes kihasználtsággal lennének indokolhatók, csakhogy az átlagos kihasználtság mindössze 5 százalék. Amikor a valós iparági teljesítmény megjelenik a mérlegekben, a centralizált óriások lesznek az elsők, akik megérzik a korrigálást – a rugalmasabbak és az elosztott hálózatokra kapcsolódók felé gyorsan átterelődhet az MI-innováció súlypontja. Az infrastruktúra és az igény már most adott – a kérdés csak az, hány milliárdos leírás után vált stratégiát az iparág.
