Сэм Альтман: оперативная память должна быть в центрах обработки данных, а не на ПК

Сэм Альтман: «Жалко, что оперативная память находится в компьютере пользователя» — так можно передать позицию OpenAI относительно локального запуска моделей ИИ. По мнению генерального директора компании, дефицитную память следует использовать в центрах обработки данных, а не оставлять неиспользуемой на персональных компьютерах.

Альтман высказал эти мысли во время интервью YouTube-каналу Cheeky Pint, опубликованного 30 октября. Он отвечал на мнения тех, кто рассматривает модели с открытым исходным кодом, работающие на персональных компьютерах, как способ снизить зависимость от облачных сервисов.

Почему Альтман против локального вывода

Локальный вывод запускает обученную модель ИИ непосредственно на устройстве. Обработка может использовать аппаратные компоненты, такие как процессор, видеокарта или нейропроцессор компьютера или телефона, вместо отправки данных на сторонние облачные сервисы, такие как ChatGPT и Claude.

Альтман утверждал, что локальный ИИ оставляет большую часть доступной памяти неиспользуемой. Он сказал, что ограниченный объём оперативной памяти распределён между компьютерами пользователей, хотя используется только на 5%. По его мнению, концентрация памяти в центрах обработки данных позволит лучше использовать дефицитные глобальные ресурсы.

Его позиция предполагает, что строительство и расширение центров обработки данных будут продолжаться. Она также предполагает, что непрерывная работа памяти в этих центрах обеспечит большую ценность, чем память, установленная на устройствах пользователей.

Бизнес-модель OpenAI лежит в основе дебатов

OpenAI выпустила несколько моделей с открытым исходным кодом, но её основной бизнес по-прежнему строится на закрытых моделях, работающих в центрах обработки данных. Это делает локальный вывод чем-то большим, чем техническим выбором: он может повлиять на то, как пользователи получают доступ к моделям ИИ и платят за них.

Tom's Hardware охарактеризовал комментарии Альтмана как защиту бизнес-модели OpenAI. По их мнению, персональные компьютеры в настоящее время не угрожают OpenAI, но локальный вывод мог бы снизить то, что пользователи платят за такие модели, как GPT-6 Luna.

Спор, таким образом, охватывает два конкурирующих подхода. Локальные модели сохраняют обработку на аппаратуре пользователей. Облачные модели размещают вычисления и память в центрах обработки данных, принадлежащих компаниям-провайдерам, где компании могут управлять общей производительностью и взимать плату за доступ.

Предложение памяти создаёт давление

Компании инфраструктуры ИИ подписывают долгосрочные контракты на поставку памяти. Micron подписала 26 стратегических соглашений, охватывающих более 35% её прогнозируемого дохода к 2030 году, с авансовыми платежами от клиентов в размере 32 миллиардов долларов.

Samsung, как сообщается, завершает переговоры по контрактам, охватывающим 75–80% её прогнозируемого производства микросхем памяти к 2027 году. SK Hynix также преследует аналогичные соглашения.

Этот цикл отличается от предыдущих периодов высокого спроса на чипы. Производители ранее расширяли заводы, а затем сталкивались с перепроизводством по мере охлаждения спроса. На этот раз они несколько раз повышали цены вместо значительного увеличения производственных мощностей, держа предложение ниже спроса и продлевая ценовое давление.

Аналитики ожидают, что дефицит микросхем памяти продлится как минимум до 2028 года. Это даёт производителям большую переговорную мощь, в то время как компании конкурируют за будущее производство.

Почему цены на компьютеры имеют значение

Стив Бонифилд из The Verge сказал, что результат одинаков, имеет ли Альтман в виду персональные компьютеры пользователей или устройства, используемые разработчиками приложений ИИ. По его мнению, миллиарды долларов, потраченные компаниями на заказы оперативной памяти, способствуют удорожанию компьютеров, телефонов и других технологий.

Этот аргумент делает новость актуальной за пределами OpenAI. Он связывает локальный ИИ, облачные вычисления, распределение памяти и цены на оборудование. Читатели, взвешивающие локальные модели против облачных сервисов, могут ясно увидеть компромисс: локальный вывод использует оборудование, уже принадлежащее пользователям, в то время как облачный вывод концентрирует спрос в центрах обработки данных, которые сейчас активно конкурируют за дефицитную память.