Czy boom na AI zmarginalizuje liderów rynku? Nowa strategia w świecie sztucznej inteligencji

Na dynamicznym rynku sztucznej inteligencji, krajobraz konkurencyjny ulega gwałtownym zmianom. Firmy, które dotychczas postrzegano jako „nakładki na GPT”, czyli budujące interfejsy na istniejących modelach AI, zyskują na znaczeniu. Skupiają się one na dostosowywaniu modeli do konkretnych zadań i optymalizacji interfejsów. W tym kontekście, modele bazowe traktowane są coraz częściej jako wymienny towar.

Taka strategia była widoczna podczas konferencji Boxworks, gdzie główny nacisk położono na oprogramowanie użytkowe, zbudowane na bazie istniejących modeli AI. Coraz wyraźniej widać, że korzyści skali związane z wstępnym trenowaniem – procesem uczenia modeli AI na ogromnych zbiorach danych – ulegają spowolnieniu. Nie oznacza to, że postęp w AI ustał, jednak początkowe zalety hiper-skalowanych modeli bazowych wyczerpały swój potencjał. Uwaga przenosi się na uczenie po treningowe i uczenie ze wzmocnieniem, jako źródła dalszego rozwoju.

Dla przykładu, chcąc stworzyć lepsze narzędzie do kodowania AI, bardziej opłaca się skupić na precyzyjnym dostrajaniu i projektowaniu interfejsu, niż na wydawaniu kolejnych miliardów dolarów na czas serwerów potrzebny do wstępnego trenowania. Sukces Claude Code od Anthropic pokazuje, że firmy tworzące modele bazowe radzą sobie całkiem dobrze w innych dziedzinach, ale nie jest to już tak trwała przewaga, jak kiedyś.

Od AGI do specjalizacji

Przyszłość AI rysuje się jako mozaika wyspecjalizowanych firm, skoncentrowanych na konkretnych zadaniach: rozwoju oprogramowania, zarządzaniu danymi przedsiębiorstw, generowaniu obrazów i tak dalej. Poza korzyścią wynikającą z bycia pionierem, budowanie modelu bazowego niekoniecznie daje przewagę w tych obszarach. Co gorsza, dostępność alternatyw open-source oznacza, że modele bazowe mogą stracić przewagę cenową, jeśli przegrają konkurencję na poziomie aplikacji. W takim scenariuszu, firmy takie jak OpenAI i Anthropic staną się dostawcami zaplecza w biznesie o niskiej marży – jak ujął to jeden z przedsiębiorców, „będą sprzedawać ziarna kawy do Starbucksa”.

Koniec dominacji gigantów?

Trudno przecenić, jak dramatyczna byłaby to zmiana dla biznesu AI. Podczas obecnego boomu, sukces AI był nierozerwalnie związany z sukcesem firm budujących modele bazowe, zwłaszcza OpenAI, Anthropic i Google. Optymizm wobec AI oznaczał wiarę, że transformacyjny wpływ sztucznej inteligencji uczyni z tych firm potęgi na skalę pokoleniową. Można było spierać się, która z nich zwycięży, ale jasne było, że któraś z nich zdobędzie klucze do królestwa.

Przez lata rozwój modeli bazowych był jedynym istniejącym biznesem AI, a szybkie tempo postępu sprawiało, że ich przewaga wydawała się nie do pokonania. Dolina Krzemowa zawsze darzyła szczególną sympatią przewagę platformy. Zakładano, że niezależnie od tego, jak modele AI będą zarabiać, lwią część korzyści zgarną firmy budujące modele bazowe, które wykonały najtrudniejszą do powtórzenia pracę.

Ostatni rok skomplikował tę narrację. Istnieje wiele udanych usług AI firm trzecich, ale zazwyczaj korzystają one z modeli bazowych zamiennie. Dla startupów nie ma już znaczenia, czy ich produkt opiera się na GPT-5, Claude czy Gemini. Oczekują one możliwości przełączania się między modelami w trakcie aktualizacji, bez wpływu na wrażenia użytkowników. Modele bazowe wciąż robią postępy, ale wydaje się mało prawdopodobne, by jakakolwiek firma utrzymała wystarczająco dużą przewagę, by zdominować branżę.

Brak trwałej przewagi

Wiele wskazuje na to, że korzyść pioniera nie jest tak duża, jak się spodziewano. Jak zauważył Martin Casado z a16z, OpenAI jako pierwsze wypuściło model do kodowania, a także modele generatywne dla obrazu i wideo – tylko po to, by przegrać we wszystkich trzech kategoriach z konkurencją. „Z tego, co widzimy, nie ma żadnej wrodzonej fosy w stosie technologicznym dla AI” – podsumował Casado.

Oczywiście, nie powinniśmy jeszcze skreślać firm tworzących modele bazowe. Mają one po swojej stronie szereg trwałych atutów, w tym rozpoznawalność marki, infrastrukturę i niewyobrażalnie ogromne rezerwy gotówki. Biznes konsumencki OpenAI może okazać się trudniejszy do skopiowania niż jego biznes związany z kodowaniem, a wraz z dojrzewaniem sektora mogą pojawić się inne atuty. Biorąc pod uwagę szybkie tempo rozwoju AI, obecne zainteresowanie uczeniem po treningowym może łatwo się odwrócić w ciągu najbliższych sześciu miesięcy. Najbardziej niepewna jest jednak droga do ogólnej inteligencji, która może zaowocować nowymi przełomami w farmacji lub inżynierii materiałowej, radykalnie zmieniając nasze wyobrażenia o tym, co czyni modele AI wartościowymi.

Jednak na chwilę obecną, strategia budowania coraz większych modeli bazowych wygląda znacznie mniej atrakcyjnie niż w zeszłym roku – a miliardowe wydatki Mety zaczynają wyglądać na wyjątkowo ryzykowne.