Инвестиции в ИИ меняют вектор: от обучения LLM к поисковой инфраструктуре

В статье на Habr ML (https://habr.com/ru/articles/1079102/) авторы проанализировали, как крупные технологические компании перераспределяют капиталы в сфере искусственного интеллекта. По данным аналитической фирмы Tractica, в 2023‑2025 гг. расходы на обучение LLM в среднем упали на 28 %, тогда как инвестиции в инфраструктуру поиска, доставки и фильтрации данных выросли на 42 %.

Главный драйвер – растущее понимание того, что реальная ценность модели определяется не только её оценкой в бенчмарках, а способностью быстро и точно находить нужную информацию в огромных датасетах. По словам руководителей исследовательских подразделений Google и Microsoft, «модель без эффективного поискового слоя – это просто большой набор параметров, который трудно использовать в продакшене».

Статистика инвестиций подтверждает эту тенденцию: в 2022 году 60 % всех AI‑бюджетов крупных игроков шло на обучение моделей, а к 2025 году доля сократилась до 35 %. При этом проекты, связанные с retrieval‑augmented generation (RAG), получили более 50 % всех новых AI‑инвестиций.

Перемены ощущаются и на рынке труда. По данным LinkedIn, вакансии, требующие навыков search‑engine optimization for AI, data retrieval, knowledge‑graph engineering выросли в среднем на 67 % за последний год, тогда как позиции «LLM trainer» сократились на 15 %. Специалисты, умеющие сочетать машинное обучение с построением масштабируемых поисковых систем, становятся новыми «звёздами» рынка.

Таким образом, фокус индустрии смещается от «чистого» обучения моделей к построению эффективных систем поиска и фильтрации данных, что меняет как инвестиционные стратегии, так и требования к профессионалам в сфере ИИ.