Краткое содержание анализа
В последнее время искусственный интеллект (ИИ) перешагнул границы простых чат-ботов и превратился в интеллектуальных агентов, способных выполнять рабочие задачи подобно «цифровым сотрудникам», что вызвало бум строительства ИИ-инфраструктуры по всему миру. Производители чипов, такие как Тайваньская компания TSMC, заявляют, что спрос на их продукцию превышает возможности производства; компании, продавающие серверы, например Dell и Lenovo, получили огромное количество заказов на ИИ-решения. Однако для широкого распространения ИИ-агентов в различных отраслях предстоит преодолеть ряд препятствий, связанных с высокими затратами на обработку данных, сложностью оценки коммерческой ценности и несоответствием технологий потребностям отраслей.
I. ИИ-агенты становятся популярными: заказы на серверы у Dell и Lenovo растут
С появлением спроса на ИИ-агенты первыми ощущают положительные последствия производители серверов:
- Dell: доход от продаж ИИ-серверов в последнем квартале вырос на 757% (более чем в семь раз); объем полученных заказов составил 24,4 миллиарда долларов, а неисполненные заказы превысили 51,3 миллиарда долларов. В результате годовые ожидаемые доходы компании были увеличены с 50 миллиардов до 60 миллиардов долларов.
- Lenovo: доход от ИИ-решений вырос на 84% и составляет почти 40% от общего объема продаж; количество неисполненных заказов на ИИ-серверы также достигло 21 миллиарда долларов.
Почему компании получают такие высокие результаты? Потому что ИИ требует не только обучения, но и применения знаний для решения практических задач, а производители серверов могут интегрировать в свои продукты высокопроизводительные чипы, системы жидкого охлаждения и эффективные источники питания, что делает их решения привлекательными для клиентов.
II. Изменяется спрос: ИИ-инфраструктура требует более широкого спектра услуг
Раньше основной акцент делался на вычислительных мощностях для обучения моделей ИИ, но теперь спрос расширился до всего цикла разработки и внедрения решений:
- необходимы не только мощности для обучения, но и возможности для применения знаний в практической деятельности, новые облачные сервисы (Neocloud), внутреннее развертывание систем в компаниях и строительство данных центров.
Эксперты считают, что преимущества от использования отдельных чипов уменьшаются; целые серверные шкафы становятся новым видом «суперчипов» — поскольку потребление энергии серверами растет, для эффективного охлаждения требуются технологии жидкого охлаждения и высокопроизводительных источников питания. Компании, способные правильно интегрировать эти компоненты, могут получить большие прибыли.
III. Какие отрасли смогут извлечь выгоду из развития ИИ-агентов?
Руководители компаний NVIDIA и Qualcomm заявляют о наступлении эры ИИ-агентов, что способствует росту интереса к нескольким нишевым сегментам рынка:
1. Источники питания: серверам требуются мощные и надежные источники питания, особенно решения на базе высоковольтного постоянного тока; компании, занимающиеся производством таких устройств, получат выгоду.
2. Жидкое охлаждение: традиционные методы охлаждения с вентиляторами достигли своего потолка; компании, разрабатывающие системы жидкого охлаждения (с использованием воды и других жидкостей), имеют большие возможности для роста.
3 Высокоскоростные сети: для эффективной передачи данных между устройствами в центрах обработки информации необходимы высокоскоростные технологии связи; компании, занимающиеся их разработкой, смогут получить прибыль.
4. Специализированные чипы: помимо графических процессоров (GPU), компании, производящие чипы для выполнения вычислительных задач и интегрированные решения, также найдут свое место на новом рынке.
5 Высококлассные печатные платы: ИИ-устройства требуют более сложных электронных схем; производители и поставщики таких плат получат выгоду.
IV. Препятствия на пути к распространению ИИ-агентов
Несмотря на общий интерес к ИИ-агентам, существует множество проблем, мешающих их широкому внедрению:
1. Высокие затраты на обработку данных: компании тратят миллионы долларов в месяц на использование ИИ-технологий (например, руководитель компании UCloud сообщает о расходах в 600 тысяч долларов в неделю), но результаты от их применения не всегда очевидны.
2. Сложность оценки коммерческой ценности: для многих ИИ-решений ценность не может быть точно определена, что снижает желание клиентов платить за них.
3. Недостаточная надежность технологий: в таких отраслях, как медицина, требуется 100%-ная точность работы ИИ-систем, однако существующие большие модели ИИ все еще допускают ошибки, что ограничивает их широкое использование.
4Недостаток квалифицированных специалистов и организационных ресурсов: компаниям необходимы сотрудники, разбирающиеся как в ИИ, так и в особенностях конкретных отраслей; кроме того, требуется изменение бизнес-процессов и управления данными.
По данным IDC, большинство ИИ-проектов пока не достигли масштабов коммерческого успеха; Gartner прогнозирует, что к 2027 году 40% проектов по использованию ИИ-агентов будут отменены из-за высоких затрат и неясности коммерческой перспектив.
В целом, ИИ-агенты представляют собой важную тенденцию развития технологий, но для их широкого применения необходимо решить ряд практических проблем: снизить затраты на инфраструктуру, определить эффективные бизнес-модели и адаптировать технологии под потребности отраслей. Только тогда ИИ-агенты смогут перейти от концепции к практическому использованию.