menu
close

Разходите за обучение на ИИ растат, докато използването му поевтинява, сочи доклад на Станфорд

AI Index 2025 на Станфордския университет разкрива сложна картина на развитието на изкуствения интелект: разходите за обучение на водещи модели като Gemini Ultra на Google достигат приблизително 192 милиона долара. Въпреки нарастващите разходи за обучение, докладът подчертава положителни тенденции: цените на хардуера спадат с 30% годишно, енергийната ефективност се подобрява с 40% всяка година, а разходите за използване на моделите (инференция) са се сринали 280 пъти само за 18 месеца. Въпреки това, екологичният отпечатък остава тревожен – само обучението на Llama 3.1 на Meta е генерирало близо 9 000 тона въглеродни емисии.
Разходите за обучение на ИИ растат, докато използването му поевтинява, сочи доклад на Станфорд

Институтът за изкуствен интелект, ориентиран към човека, към Станфордския университет публикува обширния си AI Index 2025, който предоставя базиран на данни анализ на глобалния пейзаж на изкуствения интелект в областите на научните изследвания, техническата ефективност, икономиката и екологичното въздействие.

Докладът, който надхвърля 400 страници, разкрива поразителен контраст в икономиката на ИИ. Докато обучението на водещи модели става все по-скъпо – обучението на Gemini 1.0 Ultra на Google е струвало приблизително 192 милиона долара – цената за използване на тези модели рязко намалява. Разходите за заявка към модел с производителност на ниво GPT-3.5 са спаднали от 20 долара на милион токени през ноември 2022 г. до едва 0,07 долара на милион токени през октомври 2024 г., което представлява 280-кратно намаление за 18 месеца.

Този драматичен спад в разходите за инференция се дължи на значителни подобрения в хардуерната ефективност. Докладът посочва, че цените на корпоративния ИИ хардуер намаляват с 30% годишно, а енергийната ефективност се подобрява с 40% всяка година. Тези тенденции бързо намаляват бариерите пред внедряването на напреднал ИИ – 78% от организациите вече докладват за използване на ИИ, спрямо 55% през 2023 г.

Въпреки това, екологичният отпечатък от обучението на големи ИИ модели продължава да расте с тревожни темпове. Въглеродните емисии от обучението на водещи ИИ модели се увеличават, като само Llama 3.1 на Meta е генерирала приблизително 8 930 тона CO2 – еквивалентно на годишните емисии на близо 500 средностатистически американци. Това обяснява защо ИИ компаниите все по-често се обръщат към ядрената енергия като надежден източник на безвъглеродна енергия за своите центрове за данни.

Докладът подчертава и променящата се динамика в глобалния ИИ пейзаж. Докато САЩ запазват лидерството си в създаването на значими ИИ модели (40 през 2024 г. срещу 15 за Китай), китайските модели бързо скъсяват разликата в производителността. Разликата между водещите американски и китайски модели се е свила от 9,26% през януари 2024 г. до едва 1,70% през февруари 2025 г.

Докато ИИ продължава да трансформира индустриите, AI Index на Станфорд е ключов ресурс за разбиране на възможностите и предизвикателствата, които тази бързо развиваща се технология носи. Изводите сочат, че макар ИИ да става все по-достъпен и изгоден за внедряване, индустрията трябва да се справи с нарастващите екологични разходи, свързани с разработката на все по-мощни модели.

Source: Ieee

Latest News