Stratégiák összecsapása | Miért nem hisz Arvind Krishna, az IBM vezérigazgatója Sam Altman billió dolláros víziójában – az AGI nulla és egy százalék között? – Kép: Xpert.Digital
Mesterséges Általános Intelligencia (AGI) és a könyörtelen matematika: Miért nem térül meg soha az adatközpont-boom?
Az 5 éves halálciklus: Az Nvidia, a Microsoft és mások alábecsült kockázata.
Miközben a Szilícium-völgyet példátlan befektetési őrület sújtja, és billiók özönlenek a mesterséges szuperintelligencia fejlesztéséért folyó versenybe, a világ egyik legtapasztaltabb technológiai vezérigazgatója behúzza a vészféket. Arvind Krishna, az IBM vezérigazgatója figyelmeztet: A kockázat nem kifizetődő.
Az aranyláz mentalitása uralja a globális technológiai szektort. Az olyan vállalatok, mint a Microsoft, a Google és a Meta, egymást felülmúlva licitálnak új adatközpontokba történő beruházásokkal, attól tartva, hogy lemaradnak a következő nagy technológiai forradalomban. A vízió világos: egy olyan mesterséges általános intelligencia (AGI) fejlesztése, amely egyenlő vagy meghaladja az emberi intelligenciát. De eufória közepette egy erőteljes hang emelkedik fel, nem a technológiai kritikusok soraiból, hanem a hatalom középpontjából: Arvind Krishna, az IBM vezérigazgatója.
Egy józan, tiszta számtanon alapuló elemzésben Krishna lerombolja az uralkodó Szilícium-völgyi narratívát. Figyelmeztetése éppoly egyszerű, mint amilyen ijesztő: az infrastrukturális költségek robbanásszerűen emelkednek, miközben a hardverek gyorsabban elavulnak, mint ahogy amortizálódni tudnának. Krishna akár nyolc billió amerikai dolláros beruházási összegekről is beszél, amelyekre szükség lenne az AGI fejlesztésének jelenlegi pályájának folytatásához – ez az összeg még a világ leggazdagabb vállalatait is pénzügyileg csődbe vihetné, ha a megígért csillagászati profit nem valósul meg.
Krishna kritikája azonban nem korlátozódik a pénzügyi adatokra. Magát a felhajtás technológiai alapját is megkérdőjelezi. Míg Sam Altman és az OpenAI a szuperintelligencia megjelenését szinte elkerülhetetlennek állítja be, Krishna a mai nagyméretű nyelvi modellezési technológiával e cél elérésének valószínűségét kijózanítóan nulla-egy százalékra teszi.
Vajon a gazdaságtörténet legnagyobb félrebefektetésével nézünk szembe? Vajon a mesterséges intelligencia-boom egy kipukkadni készülő buborék, vagy a szkeptikusok figyelmen kívül hagyják a mérlegeken túl rejlő transzformatív potenciált? A következő cikk az adatközpont-gazdaságtan érveit, könyörtelen matematikáját, valamint a „mindent vagy semmit” megközelítés vizionáriusai és a pragmatikus realizmus hívei közötti alapvető konfliktust vizsgálja.
Alkalmas:
Miért jósolja az IBM vezérigazgatója a technológiai történelem legdrágább kísérletének végét?
A globális technológiai szektor talán a gazdaságtörténet egyik legnagyobb félrebefektetésével néz szembe. Miközben olyan vállalatok, mint a Microsoft, az Amazon, a Meta és a Google, dollárszázmilliárdokat pumpálnak mesterséges intelligencia infrastruktúra kiépítésébe, egy figyelmeztető hang hallatszik az IT-ipar szívéből. Arvind Krishna, az IBM vezérigazgatója és 1990 óta a vállalatnál dolgozó szakember egy alapvető gazdasági elemzést mutatott be a The Verge Decoder podcastjának adott interjújában 2025 novemberének végén, amely megtörheti a mesterséges általános intelligenciát övező eufóriát.
2025. november 30-án és december 1-jén közzétett nyilatkozatai egy olyan vita középpontjába kerülnek, amely egyre nagyobb lendületet vesz a vezetőségi üléseken és az elemzői körökben. Krishna nem elméleti kockázatokról vagy filozófiai aggályokról beszél, hanem konkrét pénzügyi lehetetlenségekről, amelyek megkérdőjelezik a mesterséges intelligencia szektor jelenlegi befektetési modelljét. Számításai még az optimista iparági megfigyelőket is elgondolkodtatják, mivel egyszerű számtanon és megalapozott üzleti elveken alapulnak.
Alkalmas:
Az adatközpont-gazdaságtan könyörtelen matematikája
Krishna elemzését a jelenlegi költséghelyzet józan értékelésével kezdi. Egy gigawatt kapacitású adatközpont mai mércével mérve 80 milliárd dolláros tőkekiadást igényel. Ez a szám nemcsak a fizikai infrastruktúrát és az épületeket tartalmazza, hanem az összes műszaki berendezést is, a szerverektől és hálózati komponensektől kezdve a mesterséges intelligencia számításaihoz szükséges, magasan specializált grafikus processzorokig.
A technológiai iparág az elmúlt hónapokban hatalmas terjeszkedés mellett kötelezte el magát. Számos vállalat nyilvánosan bejelentette, hogy 20-30 gigawattnyi további számítási kapacitást kíván kiépíteni. A jelenlegi gigawattonkénti költségek mellett ez legalább 1,5 billió dolláros teljes beruházást eredményezne. Ez az összeg nagyjából megegyezik a Tesla jelenlegi piaci kapitalizációjával, és jól mutatja a vállalkozás hatalmas mértékét.
De a számítás még drasztikusabbá válik, ha a kívánt mesterséges általános intelligencia kontextusában figyelembe vesszük az ambíciókat. Krishna becslése szerint a valódi AGI-hoz vezető út körülbelül 100 gigawatt számítási teljesítményt igényelne. Ez a becslés a nagy nyelvi modellek jelenlegi betanítási követelményeinek extrapolációján alapul, és figyelembe veszi az egyes fejlesztési lépésekkel járó exponenciálisan növekvő komplexitást. Gigawattonként 80 milliárd dollárral számolva a beruházási kiadás elképesztő, nyolc billió amerikai dollárt tenne ki.
Ez a befektetési adat azonban csak a történet fele. Krishna egy olyan tényezőre mutat rá, amelyet a közbeszéd gyakran figyelmen kívül hagy: a tőkeköltségre. Nyolcbillió amerikai dolláros befektetéssel a vállalatoknak évente körülbelül 800 milliárd dollár profitot kellene termelniük, csak hogy fedezzék a befektetett tőke kamatait. Ez a szám tíz százalékos konzervatív kamatlábat feltételez, amely tükrözi a tőkeköltséget, a kockázati prémiumokat és a befektetői elvárásokat.
Az AI hardverek ötéves halálciklusa
Krishna érvelésének egyik kulcsfontosságú pontja a telepített hardver élettartama. A teljes számítási kapacitást öt éven belül ki kell használni, mivel a telepített hardvert ezután meg kell semmisíteni és ki kell cserélni. Ez az értékelés összhangban van az iparági megfigyelésekkel, és heves vita tárgya a pénzügyi körökben.
A jól ismert befektető, Michael Burry, aki híres a 2008-as pénzügyi válságra vonatkozó pontos előrejelzéseiről, hasonló aggodalmakat fejezett ki 2025 novemberében. Burry azzal érvel, hogy a nagy technológiai vállalatok túlbecsülik mesterséges intelligencia hardvereik tényleges élettartamát, így mesterségesen alacsonyan tartják az értékcsökkenésüket. Arra számít, hogy a grafikus processzorok és a speciális MI-chipek a gyakorlatban csak két-három évig maradnak gazdaságilag életképesek, mielőtt az újabb, erősebb generációk elavulttá tennék őket.
A félvezető szektor gyors fejlődése alátámasztja ezt a nézetet. Az Nvidia, a mesterséges intelligencia chipek domináns szállítója, nagyjából 12-18 havonta ad ki új processzorgenerációkat. Minden generáció jelentős teljesítményjavulást kínál, ami gyorsan gazdaságtalanná teszi a régebbi modelleket. Míg egy hagyományos szerver egy adatközpontban könnyen használható hat évig vagy tovább, a mesterséges intelligenciára jellemző hardverekre más szabályok vonatkoznak.
A gyakorlatban a kép árnyaltabb. Egyes vállalatok módosították az értékcsökkenési időszakokat. 2025 elején az Amazon hatról öt évre csökkentette egyes szerverek becsült hasznos élettartamát, hivatkozva a mesterséges intelligencia területén felgyorsult fejlődésre. Ez a kiigazítás körülbelül 700 millió dollárral csökkenti a vállalat üzemi bevételét 2026-ban. A Meta ezzel szemben 5,5 évre meghosszabbította a szerverek és hálózati berendezések értékcsökkenési időszakát, ami 2,9 milliárd dollárral csökkentette az értékcsökkenési költségeket 2025-ben.
Ezek az eltérő stratégiák azt illusztrálják, hogy még a mesterséges intelligencia hardverekbe milliárdokat fektető vállalatok is bizonytalanok abban, hogy befektetéseik meddig maradnak gazdaságilag életképesek. A Krishna által leírt ötéves forgatókönyv ezen becslések optimista tartományába esik. Ha a tényleges hasznos élettartam közelebb van a Burry által előrejelzett két-három évhez, az értékcsökkenési költségek, és így a jövedelmezőségre nehezedő nyomás jelentősen megnőne.
A nyereséges hozamok lehetetlensége
E két tényező közötti kapcsolat vezeti Krishnát központi érvéhez. Úgy véli, hogy a hatalmas tőkeköltségek és a rövid életciklusok kombinációja lehetetlenné teszi a befektetés ésszerű megtérülésének elérését. Nyolc billió amerikai dolláros beruházási költséggel és a tőkeköltségek fedezéséhez szükséges 800 milliárd dolláros éves profittermelési igényrel egy mesterséges intelligenciarendszernek olyan mértékű bevételt kellene generálnia, amely messze meghaladja a jelenleg reálisnak tűnőt.
Összehasonlításképpen, az Alphabet, a Google anyavállalata, teljes bevétele 2024-ben körülbelül 350 milliárd dollár volt. Még évi 12 százalékos agresszív növekedést feltételezve is, a bevételek 2029-re körülbelül 577 milliárd dollárra emelkednének. A mesterséges intelligencia beruházásainak igazolásához szükséges teljes bevétel messze meghaladná ezt az összeget.
Az OpenAI, a ChatGPT mögött álló vállalat, 2025-re több mint 20 milliárd dolláros éves bevételt prognosztizál, és 2030-ra várhatóan eléri a több százmilliárd dollárt. A vállalat a következő nyolc évben körülbelül 1,4 billió dollár értékű megállapodást írt alá. De még ezek az ambiciózus számok is kérdéseket vetnek fel. A HSBC elemzői modellje szerint az OpenAI 2025 vége és 2030 között 792 milliárd dollárnyi felhő- és mesterséges intelligencia infrastruktúra költséget fog elszenvedni, a teljes számítási kapacitásra vonatkozó kötelezettségvállalások pedig 2033-ra elérhetik az 1,4 billió dollár körüli összeget.
A HSBC elemzői azt jósolják, hogy az OpenAI összesített szabad cash flow-ja 2030-ig negatív marad, ami 207 milliárd dolláros finanszírozási hiányt eredményez. Ezt a hiányt további adóssággal, saját tőkével vagy agresszívabb bevételszerzéssel kellene betölteni. A kérdés nemcsak az, hogy az OpenAI nyereségessé válhat-e, hanem az is, hogy a teljes üzleti modellje, amely hatalmas adatközpont-beruházásokra támaszkodik, egyáltalán életképes-e.
Az AGI eltűnően kicsi valószínűsége
Krishna gazdasági kritikájához egy még alapvetőbb technológiai dimenziót is hozzáad. A jelenlegi technológiák valószínűségét a mesterséges általános intelligencia kialakulásához nulla és egy százalék közé becsüli. Ez a becslés azért figyelemre méltó, mert nem filozófiai megfontolásokon alapul, hanem a nagy nyelvi modellek technikai képességeinek és korlátainak józan értékelésén.
Bár az AGI definíciója ellentmondásos, lényegében olyan mesterséges intelligenciarendszerekre utal, amelyek képesek elérni vagy meghaladni az emberi kognitív képességeket a teljes spektrumban. Ez azt jelentené, hogy egy rendszer nemcsak szakértői tudást mutat bizonyos területeken, hanem képes a tudás átadására egyik területről a másikra, új helyzetek megértésére, kreatív problémamegoldásra és folyamatos fejlődésre anélkül, hogy minden új feladathoz újra kellene képezni.
Krishna szerint a jelenlegi mesterséges intelligencia forradalom magját alkotó nagy nyelvi modellek alapvető korlátokkal rendelkeznek. Ezek a modellek hatalmas szöveges adathalmazokban található statisztikai mintákon alapulnak, és lenyűgözően teljesíthetnek nyelvi alapú feladatokban. Összefüggő szövegeket tudnak generálni, kérdésekre válaszolni, sőt programkódot is tudnak írni. De nem igazán értik, mit csinálnak. Hiányzik belőlük a világmodell, az oksági fogalom és az absztrakció valódi képessége.
Ezek a korlátok számos területen megnyilvánulnak. A nyelvi modellek rendszeresen hallucinálnak, ami azt jelenti, hogy olyan tényeket találnak ki, amelyek hihetőnek tűnnek, de hamisak. Nehezen boldogulnak a többlépcsős logikai gondolkodással, és gyakran kudarcot vallanak olyan feladatokban, amelyek triviálisak lennének az emberek számára, ha ezek a feladatok nem szerepelnének a tanulóadatbázisukban. Hiányzik az epizodikus memória, és nem tudnak tanulni a saját hibáikból újratanítás nélkül.
Különböző területek tudósai és kutatói egyre inkább osztják ezt a szkepticizmust. Marc Benioff, a Salesforce vezérigazgatója hasonló szkepticizmust fejezett ki az AGI-val kapcsolatban 2025 novemberében. Egy podcastban az AGI kifejezést potenciálisan félrevezetőnek nevezte, és bírálta a technológiai ipart, amiért egyfajta hipnózis alatt áll a mesterséges intelligencia küszöbön álló képességeivel kapcsolatban. Benioff hangsúlyozta, hogy bár a jelenlegi rendszerek lenyűgözőek, sem tudatossággal, sem valódi megértéssel nem rendelkeznek.
Yann LeCun, a Meta vezető mesterséges intelligencia-tudósa szerint a nagy nyelvi modellek soha nem fognak vezetni az általános mesterséges intelligenciához (AGI), függetlenül attól, hogy mennyire skálázódnak. Alternatív megközelítéseket szorgalmaz, amelyek túlmutatnak a puszta szövegpredikción, beleértve a multimodális világmodelleket, amelyek nemcsak a szöveget dolgozzák fel, hanem vizuális és egyéb érzékszervi információkat is integrálnak a világ belső reprezentációinak felépítéséhez.
Amerikai szakértelmünk az üzletfejlesztés, az értékesítés és a marketing területén
Amerikai szakértelmünk az üzletfejlesztés, az értékesítés és a marketing területén - Kép: Xpert.Digital
Iparági fókusz: B2B, digitalizáció (AI-tól XR-ig), gépészet, logisztika, megújuló energiák és ipar
Bővebben itt:
Egy témaközpont betekintésekkel és szakértelemmel:
- Tudásplatform a globális és regionális gazdaságról, az innovációról és az iparágspecifikus trendekről
- Elemzések, impulzusok és háttérinformációk gyűjtése fókuszterületeinkről
- Szakértelem és információk helye az üzleti és technológiai fejleményekről
- Témaközpont olyan vállalatok számára, amelyek a piacokról, a digitalizációról és az iparági innovációkról szeretnének többet megtudni
MI-buborék vagy a jövő motorja? A veszélyes szakadék a beruházások, az energiafogyasztás és a reálprofit között.
A szükséges technológiai áttörés
Krishna úgy véli, hogy az AGI eléréséhez több technológiára lesz szükség, mint amennyit a nagy nyelvi modellek jelenlegi útja kínálni képes. Azt javasolja, hogy a kemény tudás és a nyelvi modellek integrálása életképes megközelítés lehet. Kemény tudás alatt strukturált, explicit tudást ért az ok-okozati összefüggésekről, fizikai törvényekről, matematikai elvekről és más, a statisztikai korrelációkon túlmutató tudásformákról.
Ez a perspektíva összhangban van a neuroszimbolikus mesterséges intelligencia területén végzett kutatásokkal, amelyek a neurális hálózatok mintázatfelismerési erősségeit a szimbolikus mesterséges intelligenciarendszerek logikai képességeivel kívánják ötvözni. A szabályokon és logikai következtetésen alapuló szimbolikus mesterséges intelligencia a mesterséges intelligencia-kutatás első évtizedeiben domináns volt, de az utóbbi években a neurális megközelítések megelőzték. A két megközelítés hibridizálása elméletileg olyan rendszereket hozhatna létre, amelyek képesek mind tanulásra, mind logikus gondolkodásra.
További ígéretes kutatási irányok közé tartozik a megtestesült mesterséges intelligencia, ahol a rendszerek fizikai vagy szimulált környezettel való interakció révén tanulnak; a folyamatos tanulás, ahol a rendszerek a korábbi tudás elvesztése nélkül bővíthetik képességeiket; valamint a belsőleg motivált rendszerek, amelyek önállóan fedeznek fel és tanulnak.
Krishna még ezekkel a további technológiákkal is óvatos marad. Ha megkérdeznék, hogy ez a kibővített megközelítés elvezethet-e az AMI-hez, csak a „talán” választ adná. Ez az óvatosság rávilágít arra a bizonytalanságra, amely még az évtizedek óta mesterséges intelligenciával dolgozó szakértők körében is fennáll. Az AGI fejlesztése nem pusztán a számítási teljesítmény vagy az adatmennyiség kérdése, hanem alapvető új ismereteket igényelhet magáról az intelligencia természetéről.
Alkalmas:
A produktív mesterséges intelligencia paradoxona napjainkban
Az AGI-val és a hatalmas adatközpont-beruházások gazdaságosságával kapcsolatos szkepticizmusa ellenére Krishna semmiképpen sem pesszimista a mesterséges intelligencia terén. Épp ellenkezőleg, lelkesen beszél a jelenlegi MI-eszközökről és azok üzleti világra gyakorolt hatásáról. Meggyőződése, hogy ezek a technológiák több billió dolláros termelékenységi potenciált szabadítanak fel a vállalatokon belül.
Ez a különbségtétel központi szerepet játszik Krishna álláspontjának megértésében. Krishna nem magában a mesterséges intelligencia értékében kételkedik, hanem inkább az iparág által megtett konkrét út gazdasági életképességében. A mai mesterséges intelligencia rendszerek, különösen a nagy nyelvi modellek, már számos területen jelentős termelékenységnövekedést tehetnek lehetővé anélkül, hogy nyolc billió amerikai dolláros infrastruktúrára lenne szükség.
Maga az IBM is szembetűnő példát szolgáltat ezekre a termelékenységnövekedésekre. 2023 januárja óta a vállalat átfogóan bevezette a mesterséges intelligenciát és az automatizálást saját működésében, és 2025 végére 4,5 milliárd dolláros termelékenységnövekedést vár. Ez a kezdeményezés, amelyet az IBM Client Zero-nak nevez, magában foglalta a hibrid felhőinfrastruktúra, a mesterséges intelligencia és az automatizálási technológiák, valamint a tanácsadási szakértelem bevezetését a különböző üzleti egységekben.
Ennek az átalakulásnak a kézzelfogható eredményei lenyűgözőek. Az IBM mesterséges intelligenciával vezérelt eszközöket vezetett be az ügyfélszolgálatban, amelyek a megkeresések 70 százalékát megoldják, és 26 százalékkal javítják a megoldási időt. Az összes üzleti egységben körülbelül 270 000 alkalmazottat szereltek fel ügynöki mesterséges intelligencia alapú rendszerekkel, amelyek összetett munkafolyamatokat irányítanak és támogatják az emberi munkaerőt.
Az ilyen típusú mesterséges intelligenciaalkalmazás nem igényel hatalmas új adatközpontokat, hanem a meglévő infrastruktúrára építhet. Olyan konkrét felhasználási esetekre összpontosít, ahol a mesterséges intelligencia kimutatható javulást eredményez, ahelyett, hogy az általános intelligencia hipotetikus fejlesztésére összpontosítana. Ez Krishna érvelésének lényege: A technológia értékes és transzformatív, de a jelenlegi megközelítés, amely billiókat fektet be az AGI megvalósításába, gazdaságilag nem fenntartható.
A McKinsey tanulmányai becslése szerint a generatív mesterséges intelligencia 63 elemzett felhasználási eset alapján évi 2,6 és 4,4 billió dollár közötti gazdasági értéket képes teremteni. Ha figyelembe vesszük a generatív mesterséges intelligencia más feladatokhoz jelenleg használt szoftverekbe való beágyazásának hatását, ez a becslés nagyjából megduplázódhat. Ezek a termelékenységnövekedések 2040-ig 0,1-0,6 százalékponttal növelhetik az éves munkatermelékenység növekedését.
A technológiai óriások eltérő stratégiái
Míg Krishna aggodalmát fejezi ki, más technológiai óriások megduplázzák a mesterséges intelligencia infrastruktúrájába fektetett tőkéjüket. A Nagy Négyes kiadásai jól mutatják ennek a befektetési ciklusnak a mértékét. A Microsoft nagyjából 80 milliárd dollárt tervez költeni mesterséges intelligencia által támogatott adatközpontok építésére a 2025-ös pénzügyi évben, amelynek több mint a felét az Egyesült Államoknak szánják.
Az Amazon körülbelül 125 milliárd dolláros tőkekiadást jelentett be 2025-re, amelynek nagy részét a mesterséges intelligencia és az Amazon Web Services kapcsolódó infrastruktúrájára szánják. A vállalat már jelezte, hogy a kiadások 2026-ban még magasabbak lesznek. A Meta Platforms 70 és 72 milliárd dollár közötti tőkekiadásokat vár 2025-re, ami a korábbi 66 milliárd dolláros becslésükhöz képest 72 milliárd dolláros növekedést jelent. A vállalat jelezte, hogy 2026-ra a kiadások jelentősen magasabbak lesznek.
Az Alphabet, a Google anyavállalata, 91 és 93 milliárd dollár közötti tőkekiadásokat vár 2025-re, szemben a korábbi 85 milliárd dolláros előrejelzéssel. Ez a négy vállalat együttesen 350 és 400 milliárd dollár közötti kiadást tervez 2025-ben, ami több mint kétszerese a két évvel ezelőtti kiadásoknak.
Ezek a hatalmas beruházások egy olyan környezetben zajlanak, ahol a mesterséges intelligencia szolgáltatásokból származó tényleges bevételek még mindig messze a várakozások alatt maradnak. Az OpenAI éves szinten több mint 20 milliárd dolláros bevételről számol be, de továbbra sem veszteséges. A Microsoft körülbelül 13 milliárd dollár éves mesterséges intelligencia bevételt generál, ami 175 százalékos éves növekedést jelent, míg a Meta egyetlen dollár közvetlen mesterséges intelligencia bevételről sem tud beszámolni.
A befektetések és a bevételek közötti eltérés szembetűnő. A Morgan Stanley becslései szerint a mesterséges intelligencia iparág 2028-ra körülbelül három billió amerikai dollárt fog költeni adatközpontokra. Összehasonlításképpen, a jelenlegi bevételek elhanyagolhatók. Az MIT 2025 júliusi tanulmánya szerint a mesterséges intelligenciába befektető vállalatok nagyjából 95 százaléka nem profitált a technológiából. Ezen vállalatok összesített kiadása körülbelül 40 milliárd amerikai dollárra becsülhető.
A szkepticizmus egyre erősödő hangjai
Krisna figyelmeztetése a technológiai és pénzügyi világ különböző szektoraiból érkező szkeptikus hangok egyre növekvő kórusának része. Ezek az aggodalmak nemcsak az azonnali gazdasági előnyökre, hanem a jelenlegi befektetési dinamikából eredő rendszerszintű kockázatokra is összpontosítanak.
A közgazdászok rámutatnak, hogy a mesterséges intelligencia szektor az amerikai GDP-növekedés nagyjából kétharmadát tette ki 2025 első felében. A JPMorgan Asset Management elemzése szerint az adatközpontokra fordított mesterséges intelligencia-kiadások jobban hozzájárultak a gazdasági növekedéshez, mint több százmillió amerikai fogyasztó együttes fogyasztása. Jason Furman, a Harvard közgazdásza kiszámította, hogy adatközpontok nélkül a GDP növekedése 2025 első felében mindössze 0,1 százalék lett volna.
A növekedésnek ez az egyetlen ágazatra való koncentrációja kockázatokkal jár. Daron Acemoglu, az MIT közgazdásza és a 2024-es közgazdasági Nobel-díjas szerint a mesterséges intelligencia tényleges hatása lényegesen kisebb lehet, mint amit az iparági előrejelzések sugallnak. Becslése szerint a munkahelyeknek talán csak öt százalékát fogja mesterséges intelligencia váltani a következő tíz évben, ami jóval kevesebb, mint egyes technológiai vezetők lelkes jóslatai.
A buborékkal kapcsolatos aggodalmakat számos tényező fokozza. A technológiai vállalatok egyre inkább speciális célú vállalatoknak (SPV-knek) nevezett pénzügyi eszközöket használnak, hogy több milliárd dolláros kiadásokat tartsanak a mérlegükön kívül. Ezek a Wall Street által finanszírozott SPV-k fedőcégekként szolgálnak adatközpontok építéséhez. Ez a gyakorlat kérdéseket vet fel az átláthatósággal és a vállalatok által viselt tényleges kockázattal kapcsolatban.
Sundar Pichai, az Alphabet vezérigazgatója egy 2025 novemberi BBC-interjúban rendkívüli pillanatként jellemezte a mesterséges intelligencia beruházásainak növekedését, de elismerte a jelenlegi mesterséges intelligencia-boommal járó bizonyos irracionalitást is. Figyelmeztetett, hogy minden vállalatot érintene, ha kipukkadna a mesterséges intelligencia-buborék. Még Sam Altman, az OpenAI vezérigazgatója és az egyik legkiemelkedőbb mesterséges intelligencia-párti is elismerte 2025 augusztusában, hogy a mesterséges intelligencia buborékban lehet, a piaci körülményeket a dot-com boom idején uralkodóakhoz hasonlítva, és hangsúlyozva, hogy sok intelligens ember túlságosan izgatottá válik egy igazságmag miatt.
Alkalmas:
- A mesterséges intelligencia-boom rejtett költségei: Vajon most egy áramár-robbanással nézünk szembe?
Az energiakérdés, mint korlátozó tényező
Egy másik alapvető probléma, amelyre Krishna nem tér ki explicit módon, de implicit módon benne van a költségszámításaiban, az energiaellátással kapcsolatos. Egy 100 gigawattos adatközpont az Egyesült Államok teljes villamosenergia-termelésének körülbelül 20 százalékát igényelné. Ez nem egy triviális kihívás, hanem egy potenciális szűk keresztmetszet, amely veszélyeztetheti az egész víziót.
A Nemzetközi Energiaügynökség előrejelzése szerint az adatközpontok globális villamosenergia-igénye 2030-ra több mint kétszeresére nőhet, a 2024-es körülbelül 415 terawattóráról 900 és 1000 terawattóra közötti értékre. A mesterséges intelligencia 2030-ra az adatközpontok villamosenergia-fogyasztásának 35-50 százalékát teheti ki. Az Egyesült Államokban az adatközpontok villamosenergia-igénye várhatóan 35 gigawattról 78 gigawattra nő 2035-re, ami az ország villamosenergia-fogyasztásának 8,6 százalékát teszi ki.
Ez az igény egy olyan időszakban jelentkezik, amikor sok ország igyekszik dekarbonizálni az energiahálózatait és növelni a megújuló energia részarányát. A kihívás az, hogy az adatközpontoknak folyamatos áramellátásra van szükségük, a nap 24 órájában, az év 365 napján. Ez bonyolultabbá teszi a megújuló energiára való átállást, mivel a szél- és napenergia időszakos, és tárolási megoldásokat vagy tartalékkapacitást igényel.
Az adatközpontok szén-dioxid-kibocsátása várhatóan 212 millió tonnáról (2023) potenciálisan 355 millió tonnára fog emelkedni 2030-ra, bár ez a szám jelentősen eltérhet a tiszta energiával kapcsolatos megoldások sebességétől és a hatékonyságnöveléstől függően. Egyetlen mesterséges intelligencia által generált képgenerálási folyamat annyi áramot fogyaszt, mint egy okostelefon teljes feltöltése. Egymillió token feldolgozása annyi szén-dioxidot termel, mint egy benzinüzemű autó 8-32 kilométert megtéve.
A generatív mesterséges intelligencia nagyjából hétszer-nyolcszor több energiát igényel, mint a hagyományos számítástechnikai terhelés. A nagyméretű MI-modellek betanítása több hónap alatt annyi áramot fogyaszthat, mint több száz háztartás. Ez az energiaintenzitás azt jelenti, hogy még ha rendelkezésre is állnának a hatalmas adatközpontok építéséhez szükséges pénzügyi források, a létesítmények működtetéséhez szükséges fizikai infrastruktúra esetleg nem készül el időben.
Alkalmas:
Alternatív technológiai útvonalak és jelentőségük
A nagyléptékű nyelvi modellek korlátait övező vita fokozott kutatási erőfeszítésekhez vezetett alternatív területeken. A kvantum-számítástechnikát egyesek potenciális áttörésnek tekintik, amely leküzdheti a jelenlegi korlátokat. 2025 októberében a Google bemutatta Willow kvantumchipjét, amely igazolható kvantumelőnyt ért el. Ez egy olyan mérföldkő volt, amely túllépte a klasszikus fizika határait, és új lehetőségeket nyitott olyan területeken, mint az orvostudomány, az energetika és a mesterséges intelligencia.
A kvantumszámítógépek teljesen más elvek alapján működnek, mint a klasszikus számítógépek. Kvantumbiteket, vagyis qubiteket használnak, amelyek egyszerre több állapotban is létezhetnek, lehetővé téve a párhuzamos számításokat olyan mértékben, ami a hagyományos rendszerekkel lehetetlen. A kvantumszámítógépek azonban jelentős kihívásokkal néznek szembe, különösen a dekoherenciával, amely befolyásolja a qubitek stabilitását.
A qubit stabilizáció terén elért legújabb áttörések arra utalnak, hogy a skálázható kvantumszámítógépek a következő néhány évben valósággá válhatnak. Az olyan cégek, mint a PsiQuantum, azt tervezik, hogy még az évtized vége előtt üzembe helyezik a Willow-nál tízezerszer nagyobb kvantumszámítógépeket – olyan számítógépeket, amelyek elég nagyok ahhoz, hogy fontos kérdéseket foglalkozzanak az anyagokkal, a gyógyszerekkel és a természet kvantummal kapcsolatos aspektusaival.
A kvantum-számítástechnika és a mesterséges intelligencia konvergenciája elméletileg új lehetőségeket nyithat meg. A kvantumalgoritmusok több mint 200-szorosára fejlődtek a fontos gyógyszerek és anyagok szimulációjában. Egyesek szerint az AGI és a kvantum-számítástechnika kombinációja egy-két éven belül lehetséges lehet, ezt követi a mesterséges szuperintelligencia öt éven belül.
További ígéretes kutatási irányok közé tartoznak az optikai számítástechnikai architektúrák, amelyek elektromosság helyett fényt használnak a chipek működtetéséhez. A 2025 novemberében bemutatott Párhuzamos Optikai Mátrix-Mátrix Szorzás nevű architektúra kiküszöbölheti a jelenlegi mesterséges intelligencia fejlesztésének egyik legnagyobb szűk keresztmetszetét. A korábbi optikai módszerekkel ellentétben egyetlen lézerimpulzussal több tenzorműveletet hajt végre egyszerre, ami jelentősen növelheti a feldolgozási sebességet.
Az IBM stratégiai pozicionálása
Krishna álláspontja különösen érdekes az IBM stratégiájának kontextusában. Az elmúlt években az IBM tudatosan elmozdította fókuszát a pusztán hardver- és infrastruktúra-üzletágról a vállalati szoftverek, a felhőszolgáltatások és a tanácsadás felé. A vállalat eladta hagyományos IT-üzletágának nagy részét, és ehelyett a hibrid felhőmegoldásokra és a vállalkozások számára készült mesterséges intelligencia alkalmazásokra koncentrált.
Ez a stratégiai irány alapvetően eltér a Microsoft, az Amazon, a Google és a Meta megközelítéseitől, amelyek mind jelentős összegeket fektetnek be saját infrastruktúrájuk kiépítésébe. Az IBM ehelyett arra összpontosít, hogy segítsen a vállalatoknak a mesterséges intelligencia saját feltételeik szerinti, átlátható, választási lehetőséget biztosító és rugalmas bevezetésében. Ez a filozófia azt a meggyőződést tükrözi, hogy nem minden vállalat fog egyetlen nyilvános felhőt használni, és hogy különösen a szabályozott iparágak és az Egyesült Államokon kívüli vállalatok fogják a hibrid megközelítéseket előnyben részesíteni.
Krishna kritikája a hatalmas infrastrukturális beruházásokkal kapcsolatban ezért az IBM megközelítésének implicit védelmezéseként is értelmezhető. Ha az AGI megvalósítása több billió dolláros adatközpont-beruházásokon keresztül valóban gazdaságilag nem életképes, akkor ez megerősítené az IBM azon stratégiáját, hogy a meglévő vagy mérsékelten bővített infrastruktúrára építhető, specifikus, értékteremtő felhasználási esetekre összpontosít.
Ugyanakkor az IBM erősen érintett olyan területeken, mint a kvantumszámítástechnika, amely potenciálisan a következő technológiai hullámot képviselheti. A vállalat jelentős összegeket fektet be a kvantumszámítógépek fejlesztésébe, és partnerségeken dolgozik más technológiai vállalatokkal a technológia előmozdítása érdekében. Ez arra utal, hogy Krishna nem az innováció vagy az ambiciózus technológiai célok ellen van, hanem egy olyan konkrét megközelítés ellen, amelyet gazdaságilag életképtelennek tart.
🎯🎯🎯 Profitáljon az Xpert.Digital széleskörű, ötszörös szakértelméből egy átfogó szolgáltatáscsomagban | BD, K+F, XR, PR és digitális láthatóság optimalizálása
Profitáljon az Xpert.Digital széleskörű, ötszörös szakértelméből egy átfogó szolgáltatáscsomagban | K+F, XR, PR és digitális láthatóság optimalizálása - Kép: Xpert.Digital
Az Xpert.Digital mélyreható ismeretekkel rendelkezik a különböző iparágakról. Ez lehetővé teszi számunkra, hogy személyre szabott stratégiákat dolgozzunk ki, amelyek pontosan az Ön konkrét piaci szegmensének követelményeihez és kihívásaihoz igazodnak. A piaci trendek folyamatos elemzésével és az iparági fejlemények követésével előrelátóan tudunk cselekedni és innovatív megoldásokat kínálni. A tapasztalat és a tudás ötvözésével hozzáadott értéket generálunk, és ügyfeleink számára meghatározó versenyelőnyt biztosítunk.
Bővebben itt:
Termelékenység igen, mesterséges intelligencia nem: Miért lehetnek a célzott mesterséges intelligencia projektek jövedelmezőbbek, mint a megamodellek?
Az OpenAI vezetőségének nézőpontja
Krishna szkepticizmusa szöges ellentétben áll Sam Altman, az OpenAI vezérigazgatójának nyilvános kijelentéseivel. Altman többször is hangsúlyozta, hogy az OpenAI hatalmas beruházásokra kész az AGI megvalósítása érdekében. A vállalat a következő nyolc évben körülbelül 1,4 billió dollár értékű megállapodást kötött, beleértve az Oracle-lel, a Broadcommal és más partnerekkel kötött jelentős üzleteket.
Altman előrejelzése szerint az OpenAI 2030-ra több százmilliárd dolláros éves bevételt fog elérni. Ez az előrejelzés azon a feltételezésen alapul, hogy a mesterséges intelligencia iránti szolgáltatások iránti kereslet exponenciálisan fog növekedni, ahogy a rendszerek egyre erősebbek lesznek. Az OpenAI üzleti modellje azon múlik, hogy a vállalatok és a magánszemélyek hajlandóak-e jelentős összegeket fizetni a fejlett mesterséges intelligencia-képességekhez való hozzáférésért.
Krishna a podcastban kijelentette, hogy megérti Altman nézőpontját, de nem osztja azt. Ez egy figyelemre méltóan diplomatikus megfogalmazás, amely azt sugallja, hogy tiszteletben tartja az OpenAI vízióját, de alapvetően eltérő feltételezéseket tesz annak technológiai megvalósíthatóságával és gazdasági életképességével kapcsolatban. Krishna egyértelmű „nemmel” válaszol arra a kérdésre, hogy az OpenAI képes-e megtérülni a befektetéseiből.
Ez a nézeteltérés alapvető konfliktust jelent a technológiai iparban azok között, akik hisznek egy küszöbön álló, transzformatív AGI-ban, és hajlandóak csillagászati összegeket befektetni, valamint azok között, akik szkeptikusabbak, és egy fokozatos, gazdaságilag fenntarthatóbb megközelítést részesítenek előnyben.
Alkalmas:
Az értékcsökkenési szabályzat és a számviteli standardok szerepe
A mesterséges intelligencia hardvereinek tényleges hasznos élettartamát övező vita alapvető kérdéseket vet fel a számvitellel és az átláthatósággal kapcsolatban. Az, hogy a vállalatok hogyan értékcsökkentik eszközeiket, közvetlenül befolyásolja a bejelentett nyereségüket, és ennek következtében a részvényárakat és az értékeléseket.
Michael Burry azzal érvel, hogy a nagy technológiai vállalatok túlbecsülik mesterséges intelligencia chipjeik hasznos élettartamát, hogy alacsonyan tartsák az értékcsökkenést és növeljék a profitot. Például, ha a Meta 2025-ben 5 milliárd dollárt költ egy új Nvidia Blackwell szerverrackre, és 5,5 év alatt értékcsökkenti azt, az éves értékcsökkenési költségek körülbelül 909 millió dollárra oszlanak el. Ha azonban a tényleges hasznos élettartam csak három év, az éves értékcsökkenésnek körülbelül 1,67 milliárd dollárnak kellene lennie – ami jelentős eltérés.
Burry becslése szerint ezek a meghosszabbított élettartamok több nagyvállalat profitját összesen 176 milliárd dollárral növelhetik 2026 és 2028 között. Az Nvidia egy 2025 novemberi belső feljegyzésben vitatta ezeket az állításokat, azzal érvelve, hogy a hiperskálázók a GPU-kat négy-hat év alatt amortizálják a tényleges élettartam és a használati trendek alapján. A vállalat rámutatott, hogy a régebbi GPU-k, mint például a 2020-ban megjelent A100, továbbra is magas kihasználtsági aránnyal használatosak, és jelentős gazdasági értéket képviselnek.
A valóság valószínűleg valahol a kettő között van. A GPU-k fizikailag kétségtelenül több mint három évig is működhetnek, de gazdasági értékük gyorsan csökkenhet, ahogy újabb, hatékonyabb modellek jelennek meg a piacon. Kulcsfontosságú tényező az érték kaszkádszerű terjedése: a régebbi GPU-k, amelyek már nem optimálisak a legújabb modellek betanításához, továbbra is hasznosak lehetnek következtetési feladatokhoz és a már betanított modellek futtatásához. Kevésbé igényes alkalmazásokhoz is használhatók, vagy másodlagos piacokon értékesíthetők.
Ezek az árnyalatok megnehezítik a világos értékelést. A CoreWeave, egy mesterséges intelligenciára összpontosító felhőszolgáltató, 2023 januárjában négyről hat évre meghosszabbította GPU-inak értékcsökkenési időszakát. A kritikusok ezt a döntést a jövedelmezőség mesterséges növelésére tett kísérletnek tekintik. A támogatók ezzel szemben azzal érvelnek, hogy a hardver tényleges használata indokolja a hosszabb időszakokat.
A társadalmi és politikai dimenziók
A mesterséges intelligencia-befektetéseket övező vitának politikai és társadalmi dimenziója is van. David Sacks, kockázati tőkés és a Fehér Ház kriptovalutákkal és mesterséges intelligenciával foglalkozó tanácsadója 2025 novemberében arra figyelmeztetett, hogy a mesterséges intelligencia-befektetési fellendülés megfordulása recesszió kockázatával jár. Megfogalmazása arra utal, hogy a gazdaság annyira függővé vált a mesterséges intelligencia-befektetésektől, hogy a leállás vagy jelentős lassulás jelentős makrogazdasági következményekkel járna.
Ez a függőség felveti a kérdést, hogy a társadalom vajon belemanőverezte-e magát egy olyan helyzetbe, ahol kénytelen folytatni a beruházásokat, gazdasági életképességétől függetlenül, pusztán azért, hogy elkerüljön egy hirtelen sokkot. Ez egy klasszikus buborékdinamika lenne, ahol a racionális gazdasági megfontolásokat beárnyékolja a buborék kipukkadásának következményeitől való félelem.
A mesterséges intelligenciára irányuló beruházások és erőforrások koncentrációja a lehetőségköltségekkel kapcsolatos kérdéseket is felveti. Az MI adatközpontokba áramló billiók elméletileg más társadalmi prioritásokra is felhasználhatók lennének, az oktatási rendszerek fejlesztésétől és a megújuló energia bővítésétől kezdve az infrastrukturális hiányosságok kezeléséig. E hatalmas erőforrás-elosztás indokoltsága attól függ, hogy az ígért előnyök valóban megvalósulnak-e.
Ugyanakkor a mesterséges intelligencia már kimutathatóan pozitív hatásokat mutat. Németországban az IBM 2025 novemberi tanulmánya szerint a vállalatok kétharmada jelentős termelékenységnövekedésről számolt be a mesterséges intelligencia révén. A legnagyobb mesterséges intelligenciával kapcsolatos termelékenységnövekedést mutató területek a szoftverfejlesztés és az informatika, az ügyfélszolgálat és az üzleti folyamatok automatizálása. Németországban a vállalatok körülbelül egyötöde már elérte megtérülési céljait mesterséges intelligencia által vezérelt termelékenységi kezdeményezések révén, és csaknem a fele tizenkét hónapon belül megtérül a befektetés.
Ezek a számok azt mutatják, hogy a mesterséges intelligencia valóban gazdasági értéket teremt, de alátámasztják Krishna azon érvelését is, hogy ez az érték nem feltétlenül a több billió dolláros beruházással megvalósított mesterséges intelligencia (AMI) törekvéséből, hanem inkább a célzottabb, konkrétabb alkalmazásokból ered.
A technológiai átalakulások történelmi perspektívája
A jelenlegi helyzet perspektívába helyezéséhez hasznos a történelmi párhuzamok vizsgálata. Az 1990-es évek végi dot-com fellendülést gyakran intő példaként emlegetik. Abban az időben hatalmas összegek áramlottak az internetes cégekbe, azon a jogos hiten alapulva, hogy az internet átalakító erejű lesz. Ezen befektetések közül sok tévesnek bizonyult, és amikor a buborék 2000-ben kipukkadt, a piaci érték billiói eltűntek.
Mindazonáltal az alapul szolgáló technológia valóban átalakítónak bizonyult. Az olyan vállalatok, mint az Amazon és a Google, amelyek túlélték a válságot, a globális gazdaság domináns erőivé váltak. A fellendülés során kiépített infrastruktúra, beleértve a csődbe ment vállalatok infrastruktúráját is, képezte a következő évtizedek digitális gazdaságának alapját. Ebben az értelemben azt lehetne állítani, hogy még a mesterséges intelligencia infrastruktúrájába történő túlzott beruházás is hosszú távon előnyös lehet, még akkor is, ha a jelenlegi szereplők közül sokan kudarcot vallanak.
Azonban egy kulcsfontosságú különbség a tőkeigényességben rejlik. Az első generációs internetes vállalatok viszonylag alacsony beruházással tudtak növekedni, miután az alapvető infrastruktúra létrejött. Egy weboldal vagy online szolgáltatás, miután kifejlesztették, minimális többletköltséggel több millió felhasználót érhetett el. A mesterséges intelligencia, különösen a jelenlegi gyakorlatában, nem követi ezt a mintát. Minden egyes nagy nyelvi modellhez intézett lekérdezés jelentős számítási költségekkel jár. A mesterséges intelligencia szolgáltatásainak skálázása az infrastruktúra arányos növelését igényli, ami alapvetően megváltoztatja a gazdaságot.
Egy másik történelmi összehasonlítás az elektromosság fejlődésével kapcsolatos. Amikor az elektromos energia először elérhetővé vált, évtizedekbe telt, mire a vállalatok megtanulták, hogyan tervezzék át termelési folyamataikat, hogy teljes mértékben kiaknázhassák az új lehetőségeket. Kezdetben a gyárak egyszerűen lecserélték a gőzgépeket elektromos motorokra, de egyébként megtartották régi elrendezéseiket és folyamataikat. Az igazi termelékenységi növekedés csak akkor jött el, amikor a mérnökök és a vezetők megtanulták a gyárakat a nulláról megtervezni, kihasználva az elektromos energia rugalmasságát.
Ugyanez igaz lehet a mesterséges intelligenciára is. A jelenlegi alkalmazások talán csak a felszínt kapargatják a lehetőségeknek, és a valódi átalakulások csak akkor következhetnek be, ha a szervezetek megtanulják alapvetően átszervezni magukat a mesterséges intelligencia képességeinek kihasználása érdekében. Ez időbe telne, akár évekbe vagy évtizedekbe is telne, és nem világos, hogy a jelenlegi beruházási dinamika megengedheti-e magának ezt a türelmet.
Az AI fejlesztésének jövője
Minden szkepticizmus és figyelmeztetés ellenére a mesterséges intelligencia fejlesztése folytatódni fog. A kérdés nem az, hogy fontos-e a mesterséges intelligencia, hanem az, hogy melyik út a legígéretesebb és gazdaságilag legfenntarthatóbb. Krishna közbelépése a stratégia újraértékelésére irányuló kérésként értelmezhető, nem pedig a mesterséges intelligencia kutatásának leállítására való felhívásként.
A legvalószínűbb fejlemény a megközelítések diverzifikációja. Míg egyes vállalatok továbbra is jelentős összegeket fognak befektetni a nagy nyelvi modellek skálázásába, mások alternatív utakat fognak keresni. A neuroszimbolikus megközelítések, a multimodális rendszerek, a megtestesült intelligencia, a folyamatos tanulás és más kutatási irányok párhuzamosan fognak megvalósulni. A hardveres áttörések, a kvantum-számítástechnikától az optikai számítástechnikai architektúrákig és a neuromorf chipekig, megváltoztathatják az egyenletet.
Kulcsfontosságú tényező lesz a tényleges piaci elfogadottság. Ha a vállalkozások és a fogyasztók hajlandóak jelentős összegeket fizetni a mesterséges intelligencia szolgáltatásokért, akkor még a magas infrastrukturális költségek is indokoltak lehetnek. Ez azonban eddig nagyrészt nyitott kérdés. A ChatGPT és hasonló szolgáltatások több millió felhasználót vonzottak, de a jelentős összegek fizetésére való hajlandóság korlátozott. A legtöbb felhasználó ingyenes vagy erősen támogatott verziókat használ.
A vállalati szektorban némileg más a helyzet. Itt kimutatható a fizetési hajlandóság olyan MI-megoldásokért, amelyek konkrét üzleti problémákat oldanak meg. A Microsoft erős növekedésről számol be a vállalkozásoknak nyújtott MI-szolgáltatásai terén. A kérdés az, hogy ezek a bevételi források elég gyorsan tudnak-e növekedni ahhoz, hogy indokolják a hatalmas beruházásokat.
Alkalmas:
Többdimenziós elemzés eredményei
Arvind Krishna Decoder podcastban felvetett aggályai a történelem egyik legjelentősebb gazdasági és technológiai szerencsejátékának lényegét érintik. Érvelése szilárd gazdasági elveken és műszaki ismereteken alapul. A hatalmas tőkeköltségek, a rövid hardver-életciklusok és a jelenlegi technológiák AGI-hoz (automatizált intelligencia generálása) vezető alacsony valószínűségének kombinációja meggyőző érvet jelent a jelenlegi befektetési stratégia ellen.
Krishna álláspontja ugyanakkor nem mentes az ellenérvektől. A hatalmas mesterséges intelligencia-beruházások hívei azzal érvelnének, hogy az átalakító technológiák gyakran hatalmas előzetes beruházásokat igényelnek, hogy a számítási egységenkénti költség folyamatosan csökken, hogy új, még nem előre látható üzleti modellek jelennek meg, és hogy egy potenciálisan világmegváltó technológiában való lemaradás kockázata nagyobb, mint a túlzott beruházások pénzügyi kockázata.
Az igazság valószínűleg valahol e két szélsőséges álláspont között rejlik. A mesterséges intelligencia kétségtelenül egy fontos és transzformatív technológia, amely jelentős gazdasági értéket fog teremteni. A jelenlegi nyelvi modellek és a mesterséges intelligencia alkalmazásai már most is lenyűgöző képességeket mutatnak, és számos területen mérhető termelékenységi növekedést eredményeznek. Ugyanakkor az az elképzelés, hogy a jelenlegi megközelítések egyszerű felskálázása mesterséges általános intelligenciához vezet, egyre vitatottabb, még a vezető MI-kutatók körében is.
A gazdasági elemzés sokat elárul. A szükséges beruházások puszta mérete és a hatalmas profit rövid idő alatti elérésének szükségessége példátlan kihívást jelent. Ha Krisna számításai akár távolról is pontosak, nehéz elképzelni, hogyan lehet fenntartható a jelenlegi befektetési stratégia.
Ez azonban nem feltétlenül jelenti azt, hogy a katasztrófa küszöbön áll. A piacok képesek alkalmazkodni. A befektetési folyamatok megváltozhatnak, az üzleti modellek fejlődhetnek, és a technológiai áttörések alapvetően megváltoztathatják a gazdaságot. A technológia története tele van olyan példákkal, ahol a kezdeti szkepticizmust megcáfolták, és a látszólag lehetetlen kihívásokat is leküzdötték.
Valószínűnek tűnik egy konszolidáció és újraértékelés időszaka. A mesterséges intelligencia-befektetések jelenlegi növekedési üteme nem tartható a végtelenségig. Egy bizonyos ponton a befektetők és az üzleti vezetők a tényleges megtérülés bizonyítékait akarják látni. Azok a vállalatok fognak virágozni, amelyek meggyőző felhasználási eseteket és kimutatható gazdasági értéket tudnak felmutatni. Másoknak esetleg módosítaniuk kell stratégiájukat, vagy ki kell lépniük a piacról.
Krisna közbelépése fontos figyelmeztetés az óvatosságra egy olyan környezetben, amelyet az eufória és a lépéstartás kényszere jellemez. Szavait évtizedes tapasztalata a technológiai szektorban, valamint a világ egyik legrégebbi és legrégebbi informatikai vállalatának élén betöltött pozíciója hangsúlyozza. Az idő majd eldönti, hogy igaza van-e. Az azonban biztos, hogy az általa felvetett kérdéseket komolyan kell venni és alaposan meg kell vitatni, mielőtt további billiókat fektetnének egy olyan stratégiába, amelynek sikere korántsem garantált.
A digitális átalakulás új dimenziója a „menedzselt MI” (mesterséges intelligencia) segítségével - Platform és B2B megoldás | Xpert Consulting
A digitális átalakulás új dimenziója a „menedzselt MI” (mesterséges intelligencia) segítségével – Platform és B2B megoldás | Xpert Consulting - Kép: Xpert.Digital
Itt megtudhatja, hogyan valósíthat meg vállalata testreszabott mesterséges intelligencia megoldásokat gyorsan, biztonságosan és magas belépési korlátok nélkül.
Egy menedzselt MI platform egy átfogó, gondtalan csomag a mesterséges intelligencia területén. Ahelyett, hogy komplex technológiával, drága infrastruktúrával és hosszadalmas fejlesztési folyamatokkal kellene bajlódnia, egy specializált partnertől kap egy az Ön igényeire szabott, kulcsrakész megoldást – gyakran néhány napon belül.
A legfontosabb előnyök áttekintése:
⚡ Gyors megvalósítás: Az ötlettől a gyakorlati alkalmazásig napok, nem hónapok alatt. Gyakorlati megoldásokat szállítunk, amelyek azonnal értéket teremtenek.
🔒 Maximális adatbiztonság: Érzékeny adatai Önnél maradnak. Garantáljuk a biztonságos és megfelelő feldolgozást anélkül, hogy megosztanánk az adatokat harmadik felekkel.
💸 Nincs pénzügyi kockázat: Csak az eredményekért fizet. A hardverbe, szoftverbe vagy személyzetbe történő magas előzetes beruházások teljesen elmaradnak.
🎯 Koncentráljon a fő üzleti tevékenységére: Koncentráljon arra, amiben a legjobb. Mi kezeljük AI-megoldásának teljes technikai megvalósítását, üzemeltetését és karbantartását.
📈 Jövőálló és skálázható: A mesterséges intelligencia veled együtt növekszik. Biztosítjuk a folyamatos optimalizálást és skálázhatóságot, és rugalmasan igazítjuk a modelleket az új követelményekhez.
Bővebben itt:
Az Ön globális marketing- és üzletfejlesztési partnere
☑️ Üzleti nyelvünk angol vagy német
☑️ ÚJ: Levelezés az Ön nemzeti nyelvén!
Konrad Wolfenstein
Szívesen szolgálok Önt és csapatomat személyes tanácsadóként.
Felveheti velem a kapcsolatot az itt található kapcsolatfelvételi űrlap kitöltésével , vagy egyszerűen hívjon a +49 89 89 674 804 (München) . Az e-mail címem: wolfenstein ∂ xpert.digital
Nagyon várom a közös projektünket.
