- Apple сократила ежедневные лимиты расходов на ИИ для некоторых инженеров с $300 до $200.
- Дальнейшие сокращения бюджетов на ИИ планируются для нескольких команд.
- Эти меры являются частью инициативы гендиректора Джона Тернуса по снижению издержек на фоне роста R&D расходов.
Apple сокращает расходы на ИИ для инженеров
По информации Bloomberg, компания Apple приступила к значительному сокращению ежедневных бюджетов на использование искусственного интеллекта для своих инженерных команд. В прошлом месяце лимит расходов для некоторых инженеров был уменьшен с $300 до $200, и ожидается, что эти сокращения продолжатся и затронут другие подразделения.
Инициатива Джона Тернуса по оптимизации затрат
Данные меры являются частью более широкой стратегии, проводимой генеральным директором Apple Джоном Тернусом, направленной на повышение эффективности и оптимизацию расходов внутри компании. Отмечается, что расходы Apple на исследования и разработки (R&D) значительно выросли, увеличившись на 32%, что частично связано с инвестициями в технологии искусственного интеллекта и инфраструктуру.
В условиях растущих затрат на разработку и внедрение ИИ, компании по всему миру ищут способы балансировать инновации с финансовой дисциплиной. Недавно Valve столкнулась с задержками одобрения игр в Steam из-за наплыва ИИ-проектов, что подчеркивает растущее влияние ИИ на различные аспекты индустрии.
Детали сокращений
| Параметр | До сокращения | После сокращения | Комментарий |
|---|---|---|---|
| Ежедневный лимит на ИИ | $300 | $200 | Для некоторых инженеров |
| Тип сокращений | - | Дальнейшие планы | Затронут несколько команд |
| Причина | Инициатива гендиректора по снижению издержек | На фоне роста R&D расходов на 32% | |
Сокращение бюджетов на ИИ в Apple может привести к более строгому контролю над ресурсами, используемыми для обучения и тестирования моделей ИИ. Инженеры будут вынуждены более эффективно управлять своими ежедневными расходами, что потенциально может стимулировать оптимизацию процессов и повышение эффективности использования вычислительных ресурсов. Для индустрии это может стать сигналом к более тщательному планированию инвестиций в ИИ, особенно в условиях, когда затраты на исследования и разработки продолжают расти.
Сам активно использую облачные ИИ-сервисы для своих проектов, и эти лимиты — это боль. У меня тоже были ограничения, и поначалу это сильно замедляло работу, особенно когда нужно обучать большие модели. Приходилось постоянно оптимизировать запросы и искать более дешевые аналоги. В итоге, это заставило меня глубже погрузиться в тонкости настройки и использовать локальные решения для прототипирования. Главное — заранее планировать потребление и кэшировать результаты, чтобы не тратить бюджет на повторные запросы.