Ситуация на рынке оперативной памяти может стать еще более критической, и парадоксально, но катализатором этого процесса выступает инновация от Google, от которой многие ожидали обратного эффекта. Речь идет об алгоритме TurboQuant, который, по мнению ряда экспертов, вместо ожидаемого снижения нагрузки на инфраструктуру, спровоцирует взрывной рост спроса на чипы памяти.
На текущий момент TurboQuant позиционируется как передовой алгоритм сжатия данных для нейросетей, способный уменьшить потребление памяти при обучении моделей в четыре-восемь раз. После анонса этой технологии акции производителей чипов закономерно просели, так как рынок опасался падения объемов продаж. Однако аналитики призывают не спешить с выводами.
Профессор Университета Сонгюнкван в Сеуле Квон Сок-джун отмечает, что хотя технология действительно снижает порог входа для эксплуатации больших языковых моделей, итоговый результат может быть обратным ожиданиям инвесторов:
«Значительно более низкая стоимость вывода данных открывает доступ к задачам, выполнение которых ранее было слишком дорогостоящим, что приводит к увеличению, а не к снижению общей потребности в вычислительных ресурсах».
К числу таких ресурсоемких задач эксперт относит работу ИИ-помощников в режиме реального времени и одновременный запуск массивов автономных ИИ-агентов. С этим согласен и исследователь Хан Ин-су, принимавший участие в создании TurboQuant. По его словам, алгоритм станет ключом к реализации принципиально новых сценариев: от обработки сверхдлинных контекстов на слабых устройствах до внедрения высокопроизводительного ИИ непосредственно в мобильные гаджеты без потери точности.
Аналитик Ким Ён-гун проводит историческую параллель с технологией контейнеризации Google Kubernetes. Когда она появилась, рынок также опасался снижения закупок серверов из-за повышения эффективности их использования. Однако на практике произошло обратное: доступность ресурсов привела к их повсеместному внедрению, что кратно увеличило спрос на оборудование.
«Рынок в значительной степени неправильно оценил TurboQuant. Мы по-прежнему считаем, что по мере развития моделей ИИ и продвижения инноваций потребуется все больше памяти как для обучения, так и для вывода результатов», — подчеркивает аналитик.
Текущая ситуация напоминает классический эффект Джевонса: технологический прогресс, повышающий эффективность использования ресурса, ведет не к его экономии, а к росту потребления из-за массовости использования.
Стоит отметить, что алгоритм еще не успел оказать влияние на реальный сектор. Его полноценное тестирование независимыми специалистами начнется после официальной презентации на Международной конференции по обучению представлениям в Бразилии, которая пройдет в конце апреля.
