Az AI-infrastruktúra gyors bővítése rövid távon olyan kapacitást hozhat létre, amely képes lehet tíz- vagy százmillió, illetve hatékonyságtól függően akár milliárdos nagyságrendű folyamatosan futó AI-ügynöket kiszolgálni. A legsúlyosabb szűk keresztmetszet a nagy sávszélességű memória (HBM) rendelkezésre állása; ebből kiindulva a 2025–2027 közötti HBM-szállítási előrejelzések alapján számolták ki a GB300-nek megfelelő GPU-k lehetséges számát. Az ügynökök munkája óraszámra vetítve meghaladhatja az Egyesült Államok mai tudásmunkásainak összesített munkaidejét, és potenciálisan trilliós nagyságrendű éves bevételeket is jelenthet — feltéve, hogy a kereslet kielégíti a kínálatot.
Mi a vizsgálat lényege?
A kutatás azt vizsgálta, hogy a következő két évben gyártásba kerülő számítási kapacitás mekkora számú, folyamatosan futó AI-ügynököt tudna kiszolgálni ma elérhető, legerősebb modellek mellett, illetve hatékonyabb modellekkel mekkora ügynökszám érhető el. Itt egy ügynök egy olyan, folyamatosan futó munkamenetet jelent, amely egy Claude Code-, OpenAI Codex- vagy Meta’s Muse-szerű modellt használ.
Módszer röviden
- A korlátozó tényezőként a HBM rendelkezésre állását használták; a 2025–2027 közötti HBM-szállításokat vették alapul.
- Ebből számolták ki, hány GB300-egyenértékű GPU gyártható. (A GB300 a vizsgálat referenciaparamétere volt.)
- Ezután minden GPU-hoz hozzárendelték, hogy hány egyidejű ügynök futhat rajta a különböző modell- és hatékonysági feltételezések mellett.
- A számítások figyelembe vették a folyamatos, éjjel-nappali működést, így a heti munkaórák összehasonlíthatóak a teljes munkaidős dolgozók óraszámával.
Főbb eredmények
- A központi számítás szerint a következő két évben előállítható számítási kapacitás mai, legkorszerűbb modellek mellett tíz- és százmilliók közötti egyidejű ügynököket támogatna; egyes feltételezések mellett ez a sáv 140 millió és 700 millió teljes munkaidős alkalmazott heti munkaidejének megfelelő órát biztosítana. Ez a sáv a kutatásban szereplő paraméterek szerint adódott.
- Ha hatékonyabb modelleket használnak, ugyanaz a hardver milliárdos nagyságrendű egyidejű ügynököt is képes lehet kiszolgálni. A DeepSeek V4 Pro szolgálati benchmarkjaira alapozott számítások a központi hardverfeltevés mellett körülbelül 1,9 milliárd egyidejű ügynököt jeleznek. Ezek, ha folyamatosan futnak, nagyjából 8 milliárd teljes munkaidős dolgozó heti munkaidejének felelnek meg.
Összehasonlítás és teljesítmény
- Az Egyesült Államok népessége 342 millió, becsült tudásmunkásai száma körülbelül 100 millió. A fenti összehasonlítások elsősorban a munkaórák mennyiségére koncentrálnak; az ügynökök sokszor gyorsabban is dolgozhatnak az embereknél, bár a munka minősége ettől eltérő lehet.
Gazdasági következmények és bevételi becslés
- A vezető modellfejlesztők bevételei jelenleg rendkívül gyorsan növekednek: ha a közelmúltbeli, évenkénti ötszörös növekedést folytatnák, akkor évesített bevételük körülbelül 1 billió USD lehetne 2027 végére.
- Konzervatívabb feltételezés mellett, ha a teljes számítási kapacitásból csak 20%-ot fordítanak jelenlegi API-árazás mellett bevételt termelő inferenciára, a kutatás központi becslése 2,6–5,3 billió USD közötti éves bevételt jelezhet.
A legnagyobb bizonytalanság: a kereslet
A kutatás hangsúlyozza, hogy nincs garancia arra, hogy az AI-szolgáltatók valóban elérik ezeket a bevételeket. A fő kérdés, hogy a piaci kereslet elég gyorsan növekszik-e ahhoz, hogy elnyelje az exponenciálisan növekvő, digitális ügynökökből álló kínálatot, vagy a kapacitásbővítés túlkínálathoz vezet.
Következtetés
A rendelkezésre álló előrejelzések szerint rövid távon az AI-hardver kapacitás jelentős számú folyamatosan futó ügynök üzemeltetését tenné lehetővé, amely alapjaiban átbillentheti a munkaórák és potenciálisan a bevételek nagyságrendjét. Ugyanakkor a valós piaci kimenetelt a kereslet dinamikája határozza meg; ha a fogyasztás nem követi a kínálatot, a beruházások nem fognak automatikusan magas bevételeket eredményezni.
