По данным портала Statista, за 2023 г. глобальные суммарные расходы на ИТ (по всем странам, по всем направлениям) превысили 4,6 трлн долл. США, а по итогам 2024-го перевалят за 5 трлн. На фоне этой более чем внушительной суммы инвестиции в генеративные модели искусственного интеллекта за прошлый год, которые аналитики Stanford Institute for Human-Centered Artificial Intelligence (HAI) оценили в 25,23 млрд долл., представляются довольно невзрачными. Однако важно иметь в виду, что все предыдущие годы объёмы вложений в генеративный ИИ не превышали 1-4 млрд долл., — так что скачок почти на десятичный порядок величины от 2022 к 2023 г. оказался обусловлен взрывным ростом популярности этого направления ИТ-рынка, ранее развивавшегося достаточно сдержанными темпами.

Исследователи указывают, что стремительное нарастание увлечённости генеративным ИИ сказывается на общемировом ИТ-ландшафте существенно иначе, чем прежние аналогичные рывки по отдельным направлениям, будь то вытеснение персональными компьютерами мэйнфреймов, популяризация облачных вычислений или мода на блокчейн. Как правило, ранние взлёты отдельных отраслей высокотехнологичного рынка строились на реализации различными игроками более или менее схожих подходов, причём обычно с опорой на открытые стандарты: это позволяло экономить средства, отказываясь от вынужденного дублирования базовой функциональности тех или иных платформ.

В случае же генеративного ИИ сегодня, безусловно, превалируют закрытые модели (по совокупности различных тестов модели с открытым кодом откровенно им проигрывают), а это значит, что разработчики вынуждены расходовать доступные средства менее эффективно, чем при наличии общепринятой стандартизации. Опираться же на открытый код ведущие в ИИ-области компании не намерены из опасений «выпустить джинна» противоправного применения генеративных моделей — для создания дипфейков, подмен личности, оказания психологического давления на огромные массы людей через интернет и т. п. В результате затраты только на тренировку передовых ИИ-моделей (обучение их выдавать адекватные ответы на пользовательские запросы, не говоря о самой их разработке и последующей эксплуатации) также растут буквально по экспоненте: если в 2018 г. модель BERT-Lagre натренировали до работоспособного состояния всего за 3,3 тыс. долл., то в 2020-м на тренировку GPT-3 было истрачено 4,3 млн долл., а в 2023-м тренировка модели Gemimi Ultra обошлась уже в 191,4 млн долл.

Кроме того, указывают эксперты, стремительно расширяющаяся ИИ-отрасль вытягивает из других направлений мирового ИТ-рынка ресурсы, начиная от материальных (доля выпускаемых на чипмейкерских фабриках микросхем для облачных ИИ-вычислений всё увеличивается, количество потребляемой дата-центрами обработки ИИ-запросов энергии также уверенно возрастает и т. д.) и заканчивая людскими (ограниченное число выпускаемых ежегодно учебными заведениями ИТ-специалистов всё в большей степени перенацеливается на решение ИИ-задач, что снижает потенциал развития прочих отраслей). В результате развитие генеративного искусственного интеллекта может, при неблагоприятном развитии событий, обернуться торможением темпов прогресса ИТ-отрасли в целом, особенно если глобальный экономический кризис, сдерживающий способность инвесторов поддерживать новые направления с прежней щедростью, затянется ещё на несколько лет.