Нова технологія та реакція ринку
Компанія Google нещодавно представила технологію під назвою TurboQuant — метод квантизації, який обіцяє значно зменшити потребу в пам'яті для роботи моделей штучного інтелекту без суттєвої втрати точності. Ця новина миттєво відобразилася на фондовому ринку: акції компаній, що виробляють чипи пам'яті, зазнали помітного падіння.
Серед постраждалих — такі гіганти, як Micron Technology, SanDisk та Western Digital. Усі вони зафіксували розпродажі, попри те що більшість інших виробників чипів, зокрема AMD та Intel, навпаки демонстрували зростання на тлі очікувань підвищення цін на їхню продукцію. Цікаво, що хвиля продажів не обмежилася американським ринком — південнокорейські гіганти SK Hynix та Samsung також зазнали тиску, повторюючи динаміку своїх американських конкурентів.
Парадокс ефективності
Втім, варто зазначити, що на даний момент TurboQuant залишається переважно концепцією на папері. Комерціалізація цієї технології ще не відбулася, проте сам факт анонсу вже похитнув позиції акцій пам'яті, вибивши ґрунт з-під ніг інвесторів.
Однак існує і протилежна точка зору, яка заслуговує на увагу. Ряд аналітиків вважають, що ситуація є значно складнішою, ніж здається на перший погляд. Хоча технологія квантизації дійсно може усунути деякі вузькі місця у використанні пам'яті, вона водночас відкриває двері для обробки значно більших масивів даних. А це, у свою чергу, може не зменшити, а навпаки — збільшити попит на пам'ять.
Ефект Джевонса у світі ШІ
Це класичний приклад так званого парадоксу ефективності, відомого також як ефект Джевонса: коли технологія стає ефективнішою у використанні певного ресурсу, загальне споживання цього ресурсу може зрости, а не скоротитися. У випадку зі штучним інтелектом це означає, що в міру того, як моделі ШІ стають більш ефективними з точки зору використання пам'яті, їх застосування може масштабуватися настільки, що сукупний попит на пам'ять лише зростатиме.
Таким чином, паніка на ринку акцій пам'яті може виявитися передчасною. Інвесторам варто зважити обидва боки цього рівняння: короткострокове зниження потреби у пам'яті на одну модель — і довгострокове зростання попиту завдяки розширенню можливостей та масштабів використання штучного інтелекту.