Внедрение ИИ, Аналогии с 70-ми, Сотрудничество Apple и Intel

Доброе утро,

Компании по развертыванию ИИ

Недавно компания OpenAI объявила о создании новой структуры с начальными инвестициями более 4 миллиардов долларов. Её цель — помогать организациям разрабатывать и внедрять системы искусственного интеллекта. В рамках этой инициативы OpenAI также приобретёт консалтинговую фирму Tomoro для быстрого масштабирования нового подразделения.

OpenAI заявила в понедельник, что создает новую компанию с первоначальными инвестициями более 4 миллиардов долларов, чтобы помочь организациям создавать и развертывать системы искусственного интеллекта, а также приобретет консалтинговую фирму по ИИ, Tomoro, для быстрого масштабирования подразделения. После того как ее ранние модели нашли сильный отклик у потребителей, OpenAI активно работает над заключением корпоративных контрактов и созданием большого присутствия в деловом мире, где ее ИИ будет использоваться в больших масштабах. Предприятие, которое будет принадлежать OpenAI и контролироваться ею, также появляется на фоне того, как конкурент Anthropic пользуется большим успехом в своем корпоративном продвижении ИИ, а его семейство моделей Claude быстро внедряется в бизнесе. Новая фирма, названная OpenAI Deployment Company, поможет создателю ChatGPT внедрять инженеров, специализирующихся на передовом развертывании ИИ, в организации, которые затем будут тесно сотрудничать с различными командами для определения того, где ИИ может оказать наибольшее влияние, заявила OpenAI.

Приобретение Tomoro, консалтинговой фирмы, которая помогает предприятиям развертывать ИИ, принесет около 150 опытных инженеров по ИИ и «специалистов по развертыванию» в новое подразделение с первого дня. Tomoro была основана в 2023 году в альянсе с OpenAI и, согласно ее веб-сайту, считает такие компании, как Mattel, Red Bull, Tesco и Virgin Atlantic, своими клиентами.

Вслед за этим сообщением, по данным The Information, Google во вторник обнародовала планы нанять сотни "передовых инженеров по развертыванию". Эти специалисты войдут в состав нового подразделения Google Cloud и будут помогать клиентам внедрять бизнес-ориентированные ИИ-продукты компании. Это отражает более широкую тенденцию в отрасли, где технологические гиганты активно мобилизуют человеческие ресурсы и налаживают партнёрские отношения для упрощения интеграции ИИ-технологий, направленных на автоматизацию рабочих процессов.

Google планирует нанять сотни инженеров, чтобы помочь клиентам начать использовать ее бизнес-ориентированные продукты ИИ, согласно человеку, знакомому с ситуацией. Новые «передовые инженеры по развертыванию» Google сформируют новую команду в Google Cloud, заявил глава подразделения Томас Куриан в LinkedIn во вторник, не раскрывая масштабов усилий. Мэтт Реннер, главный директор по доходам Google Cloud, заявил в отдельном сообщении, что этот шаг поможет Google «предстать перед нашими клиентами с большим количеством технических ресурсов (вместо просто океана продавцов)».

Это объявление является одним из нескольких в отрасли за последние недели, поскольку технологические компании развертывают армии людей — часто называемых «передовыми инженерами по развертыванию» — и партнерства с консалтинговыми компаниями, чтобы помочь клиентам использовать технологии, управляемые ИИ, предназначенные для автоматизации работы. В понедельник OpenAI запустила «OpenAI Deployment Company» в партнерстве с консалтинговыми и инвестиционными фирмами. На прошлой неделе Anthropic объявила о создании совместного предприятия с частными инвестиционными компаниями для продажи своего ИИ клиентам этих компаний.

Автор отмечает, что, хотя может показаться ироничным видеть, как компании, стремящиеся к созданию общего искусственного интеллекта (AGI), нанимают людей для его внедрения, это полностью соответствует его предыдущим предсказаниям. Внедрение ИИ в реальном мире требует значительного человеческого участия, что подчеркивает динамичность и сложность этого процесса.

Возвращение в 70-е: Аналогия с мейнфреймами

В своей статье 2024 года "Философия предприятий и первая волна ИИ" автор проводил параллель между внедрением ИИ в корпоративной среде и первой волной компьютеризации в 1970-х годах. Тогда мейнфреймы стали основой для автоматизации бизнес-процессов.

Агенты — это не помощники; это заменители. Они выполняют работу вместо людей — для начала, подумайте о колл-центрах и тому подобном — и у них есть все преимущества программного обеспечения: всегда доступны и масштабируются вверх и вниз в зависимости от спроса… Бениофф говорит не о повышении производительности сотрудников, а о компаниях; глагол, который применяется к сотрудникам, — «расширенный», что звучит гораздо приятнее, чем «замененный»; конечная цель также сформулирована: бизнес-результаты. Вот это и есть третья философия технологий: улучшение чистой прибыли для крупных предприятий.

Обратите внимание, насколько хорошо эта формулировка применима к волне мейнфреймов: бухгалтерское программное обеспечение и ERP-системы делали компании более продуктивными и приводили к положительным бизнес-результатам; сотрудники, которые были «расширены», были менеджерами, которые получали гораздо более точные отчеты гораздо быстрее, в то время как сотрудники, которые раньше выполняли эту работу, были заменены. Критически важно, что решение о внесении этого изменения зависело не от изменения способа работы рядовых сотрудников, а от решения руководителей сделать этот шаг.

По мнению автора, новые "компании по развертыванию" не будут просто помогать сотрудникам использовать чат-боты. Скорее, их задачей станет фундаментальное переосмысление бизнес-процессов на уровне топ-менеджмента, что не происходило со времён внедрения мейнфреймов. Это включает в себя активное использование ИИ для сокращения издержек и повышения эффективности, возможно, даже через сокращение штата и замещение человеческого труда ИИ-агентами.

Большинство исторических аналогий ИИ обычно приходят из Интернета, и это понятно: это было как эпохальное изменение, так и гораздо более свежее в нашей коллективной памяти. Моя основная идея здесь, однако, состоит в том, что ИИ действительно является новым способом вычислений, а это означает, что лучшие аналогии относятся к самим вычислениям. Трансформаторы — это транзисторы, а мейнфреймы — это сегодняшние модели. Графический интерфейс, возможно, еще не появился.

В такой степени, это правильно, тогда самая большая возможность заключается в нисходящих корпоративных внедрениях. Корпоративная философия старше двух потребительских философий, о которых я писал ранее: ее мотивация не пользователь, а покупатель, который хочет увеличить доход и сократить расходы, и будет предельно рационален в том, как этого достичь (включая расчет ожидаемой ценности ошибок агентов). Это будет единственный способ оправдать вычислительную мощность, необходимую для масштабирования агентских возможностей, и выполнить годы работы, необходимые для приведения данных в состояние, когда людей можно будет заменить. Выгоды для чистой прибыли — суть корпоративной философии — заставят сделать именно это.

Особое внимание уделяется работе с данными. Автор отмечает, что эффективное внедрение ИИ требует не просто больших объемов данных, но и их качественной структуры. В этом контексте он ранее выражал оптимизм относительно Palantir, чья платформа Foundry глубоко интегрируется в операции предприятий для создания "онтологически управляемой операционной системы". Эта платформа позволяет систематизировать разрозненные данные и сделать их доступными для ИИ-систем.

Однако Томас Куриан, генеральный директор Google Cloud, в недавнем интервью отверг прямые сравнения с Palantir, объяснив подход Google. Google использует свои ИИ-модели, такие как Gemini, для автоматического чтения документов, извлечения информации и сопоставления её с данными в базах, создавая "Каталог знаний". Это позволяет ИИ самостоятельно обрабатывать запросы и предоставлять точные ответы со ссылками на источники.

Все это имеет идеальный смысл, особенно этот фрагмент о Каталоге знаний определенно соответствует тому, как я думал. Я писал об этом несколько лет назад, о важности всего этого слоя и его понимания, это довольно большой подъем, чтобы это внедрить. У вас есть своего рода аналог, скажем, с Palantir, который внедряет свою онтологию. У них есть FDE на месте, многомесячные проекты по этому. OpenAI говорит о Frontier, их агентском слое, и они сотрудничают со всеми технологическими консультациями, чтобы это построить. Потребует ли это много человеческих ресурсов, чтобы этот граф заработал и функционировал таким образом, чтобы ваши агенты могли эффективно работать с ним?

ТК: Мы не конкурируем с Palantir, мы не строим семантический словарь или онтологию. Что мы делаем, так это сегодня я приведу вам ближайшую аналогию.

Хорошо.

ТК: Сегодня, когда вы используете модель, скажем, Gemini, и задаете вопрос, Gemini проходит через рассуждения, а затем показывает вам цитату. Цитата — это «Как я ответил на вопрос и какой источник я использовал?». А теперь представьте, что эта цитата была запросом, который должен был поступить в папку, например, в систему хранения, потому что там есть какие-то документы, и в базу данных, потому что, например, в номере детали, просто подумайте, есть документ с номерами деталей, который находится на диске, и затем этот номер детали вам нужно извлечь, чтобы сказать, что это модем, который придет ремонтировать парень, и это сопоставлено с таблицей в базе данных.

Итак, что делает граф, мы используем Gemini, поэтому нам не нужны люди, мы используем Gemini, чтобы сказать: «Эй, иди и прочитай все эти документы на этих дисках и извлеки из них информацию, а затем сопоставь это с таблицей базы данных, которая содержит ссылку на номер детали», и затем, когда Gemini поворачивается и говорит: «Я получил этот запрос о том, сколько модемов у них в инвентаре», первое, что он делает, это говорит: «Хорошо, иди в Каталог знаний, и он говорит, что модем — это номер один, два, три, четыре, пять», а затем он говорит: «Кстати, таблица в базе данных, которая содержит информацию об инвентаре этого номера детали, это эта таблица, вот SQL», это затем повышает качество того, что мы генерируем, а затем, когда он отвечает на вопрос, он показывает обратно — к вашему «Доверяйте моим данным», он показывает подтверждающую цитату, говоря: «Вот откуда мы это взяли».

Несмотря на это, автор с юмором отмечает, что потребность в "передовых инженерах по развертыванию" всё равно существует. Это подтверждает, что, хотя чистый интеллект ИИ впечатляет, реальный мир гораздо более динамичен, и интеграция таких систем в уже существующие структуры требует гибкости и человеческого участия. Компании вроде OpenAI и Anthropic нуждаются в доходах, предприятиям требуется воображение для трансформации, а Google стремится удержать свои позиции на рынке.

Apple и Intel: Изменение ландшафта чипов

По данным Wall Street Journal, Apple и Intel достигли предварительной договорённости, согласно которой Intel будет производить некоторые чипы для устройств Apple. Интенсивные переговоры между двумя гигантами длились более года, и окончательная сделка была заключена в последние месяцы. Хотя пока неясно, для каких именно продуктов Apple Intel будет производить чипы, ранее аналитик Минг-Чи Куо сообщал, что Intel будет выпускать базовые процессоры M-серии Apple на своём передовом 18A-процессе.

Apple и Intel достигли предварительного соглашения о том, что Intel будет производить некоторые чипы, используемые в устройствах Apple, согласно источникам, знакомым с этим вопросом. Интенсивные переговоры между двумя компаниями продолжались более года, и в последние месяцы они заключили официальную сделку, говорят эти люди. Bloomberg News ранее сообщал о переговорах. До сих пор неясно, для каких продуктов Apple Intel будет производить чипы, говорят эти люди. Apple ежегодно поставляет более 200 миллионов iPhone, а также миллионы iPad и компьютеров Mac.

Хотя Wall Street Journal упоминает возможное давление администрации Трампа, а Bloomberg — риски концентрации Apple на TSMC и Тайване, наиболее очевидной причиной такого соглашения, если оно действительно существует, является экономическая. В течение последних двух кварталов Apple неоднократно заявляла, что не может удовлетворить спрос из-за нехватки производственных мощностей у TSMC. Генеральный директор Тим Кук подчёркивал эту проблему, особенно в отношении Mac mini, Mac Studio и MacBook Neo, отмечая, что дефицит сохранится в течение нескольких месяцев.

Ограничение в мартовском и июньском кварталах, основное ограничение — это доступность передовых узлов, на которых производятся наши SoC, а не память. И поэтому я не хочу предсказывать совпадение спроса и предложения, потому что, если я посмотрю на это реалистично, я думаю, что на Mac mini и Mac Studio потребуется несколько месяцев, чтобы достичь баланса спроса и предложения. И поэтому мы не на той стадии, когда говорим, что это скоро закончится. И это не из-за какой-либо проблемы как таковой, кроме того, что мы просто недооценили спрос. И здесь есть сроки выполнения, как вы хорошо понимаете, и на исправление этого требуется время. И основное ограничение с точки зрения продукта, или большая его часть для этого квартала, для июньского квартала будет на Mac. И это Mac mini, Mac Studio и MacBook Neo. Это все они.

Это соответствует предыдущим рассуждениям автора о "риске TSMC". Он предполагал, что нежелание TSMC инвестировать достаточно агрессивно в расширение своих мощностей в конечном итоге приведёт к тому, что крупные клиенты, такие как Apple, будут искать альтернативы. Этот шаг может стать критически важным для Intel, предоставив ей самого важного клиента — компанию, которая во многом способствовала становлению TSMC лидером рынка.