a16z: ИИ полностью переписал методологию инноваций последних 75 лет

Партнёры a16z считают, что ИИ переписывает базовую экономическую логику инноваций: от инженерных ограничений к ограничениям капитала, и теперь команда из 20 человек может эффективно использовать 1 миллиард долларов. Это суждение напрямую влияет на оценку конкурентной борьбы стартапов и гигантов, логику венчурных инвестиций и даже границы возможностей ИИ. Все трое также признают, что при обучении моделей стоимостью в десятки миллиардов долларов никто по-настоящему не знает, что получится, — «это цифровой продукт, которого человечество ещё никогда не создавало».

Недавно в новом подкасте a16z генеральные партнёры Мартин Касадо, Эрик Торенберг и член совета директоров Стивен Синофски провели глубокую беседу: что означает прорыв ИИ в математике? Переписывается ли базовая логика инноваций? Как будет развиваться конкуренция между стартапами и гигантами?

Трое участников считают, что базовые предположения, на которых держалась вся компьютерная индустрия последние 75 лет, сейчас одно за другим пересматриваются ИИ. Самое ключевое из них — что инновации являются инженерной проблемой, а не проблемой финансирования — уже не работает. ИИ переписывает базовую экономическую логику инноваций: от инженерных ограничений к ограничениям капитала, и теперь команда из 20 человек может эффективно использовать 1 миллиард долларов. Это суждение напрямую влияет на оценку конкурентной борьбы стартапов и гигантов, логику венчурных инвестиций и даже границы возможностей ИИ.

От счётов к ИИ: 75-летний скачок уровней абстракции

Синофски достаёт рекламный буклет IBM 1953 года.

На обложке атомные орбиты окружают человеческую голову, а первая фраза гласит: «Человечеству потребовались миллионы лет, чтобы осознать пользу колеса».

В этом буклете IBM посвятила целую страницу объяснению того, что такое «цифровой компьютер» — ввод, хранение, вычисления, управление, вывод.

Синофски говорит: «Именно так мы понимали компьютер на протяжении 75 лет».

От счётов к логарифмической линейке, от разностной машины к персональному компьютеру, от графического калькулятора к облачным вычислениям — каждый технологический скачок по сути является «подъёмом уровня абстракции». Проблемы нижнего уровня инкапсулируются, и человечество решает новые задачи на более высоком уровне.

Когда появился графический калькулятор TI-85, учителя математики запаниковали: «Нашей профессии конец». Синофски говорит:

Но они не жаловались на появление математического анализа, потому что он для них уже был отправной точкой. Люди реагируют на изменения гораздо острее, чем на базовый уровень.

Паника, вызванная тем, что ИИ решает математические задачи, точно такая же, как в своё время с графическими калькуляторами.

ИИ решает математику: прорыв или «игровой гений»?

Недавно кто-то попросил Claude попытаться решить гипотезу Римана, что вызвало широкую дискуссию в математическом сообществе.

Касадо сразу же остудил пыл.

Если сложить зарплаты всех постдоков, которые когда-либо исследовали эти проблемы, общая сумма окажется не такой уж большой. Это означает, что рынок никогда по-настоящему не считал решение этих задач приоритетом. Поэтому я не уверен, что решение этих задач доказывает, что ИИ преодолел какой-то барьер с серьёзной экономической ценностью.

Он сравнивает математические способности ИИ с чемпионом по StarCraft: «Это сильнейший игрок в StarCraft в истории — впечатляет, но мне трудно напрямую связать это с реальной экономической ценностью».

Синофски предлагает другой взгляд. Он считает, что прорыв в математике, возможно, «порождает новые инструменты абстракции».

Как доказательство теоремы о четырёх красках — не красивое математическое рассуждение, а компьютерный перебор всех конечных случаев, когда ответ получен за счёт вычислительной мощности.

Как только у вас появляется новый уровень абстракции, всем уже не нужно начинать с нуля — можно строить инструменты прямо на этом уровне.

Крупнейший сдвиг парадигмы: от инженерного узкого места к капитальному

Самое важное прозрение этой беседы исходит из мысленного эксперимента Касадо.

20 лет назад, если дать стартапу из 10 человек 1 миллиард долларов, они просто не смогли бы его потратить. Купили бы серверы — и деньги закончились.

10 лет назад, если дать 1 миллиард долларов, вы нанимаете инженеров, пишете код, но закон Брукса реален — чем больше людей, тем медленнее.

Сейчас, если дать 20 людям 1 миллиард долларов, они действительно могут эффективно его потратить.

Его вывод:

Мы превратили эту отрасль из проблемы инженерного узкого места в проблему капитального узкого места. Это фундаментальное отличие. Такого состояния у нас раньше никогда не было.

Синофски добавляет, что это не первый случай капитального узкого места — первые 30–40 лет компьютерной индустрии как раз были эпохой капитальных ограничений. «Если вы хотите что-то сделать с помощью компьютера, первый шаг — достать сам компьютер».

Затем наступила эпоха инженерного узкого места, а теперь мы снова вернулись к капитальному.

Почему стартапы ещё не раздавлены гигантами?

По логике вещей, Microsoft, Google и Meta, обладая капиталом, данными и каналами дистрибуции, должны были бы сокрушить всех.

Но реальность такова: Cursor, Anthropic и OpenAI растут «со скоростью метеора».

Касадо называет две причины.

Во-первых, ИИ решил проблему дистрибуции.

Раньше вы не знали, куда уходит маркетинговый бюджет и есть ли от него эффект. Теперь спрос на вычислительные мощности и GPU безграничен, и вы можете напрямую решать, сколько вложить для стимулирования роста.

Во-вторых, стартапы теперь могут привлечь достаточно денег, чтобы действительно встать на одну стартовую линию с гигантами.

А что же гиганты? Синофски говорит прямо:

Microsoft больше беспокоится о том, что делают Amazon и Google, чем о каком-либо стартапе. Стартапы не атакуют гигантов напрямую, а гиганты не замечают стартапы.

Он также раскрыл деталь: в некоторых крупных компаниях, чтобы приоритетно снабжать вычислительными мощностями корпоративных клиентов, внутренние продуктовые команды оказались в состоянии «ИИ-голода», «а среди их конкурентов нет ни одного голодающего».

Синофски приводит пример из собственного опыта в Microsoft. Когда он принёс первый Surface руководителям Intel, те, услышав, что внутри стоит ARM-чип, сразу охладели.

Они считали, что это чип для принтеров. Они занимались только законом Мура, как Google занимается только гипермасштабом — если ИИ сместится на периферию, это не их дело.

Синофски резюмирует:

Суть разрушения — это культурные константы крупных компаний. Система показателей, система продаж, структура вознаграждения, исторический багаж, обязательства перед клиентами — всё это невозможно изменить. Это закон физики.

Вложили 20 миллиардов — никто не знает, что получится

В конце беседы трое коснулись более глубокой неизвестности.

Касадо признался, что раньше совершил ошибку:

Я думал, что рекурсивное самоулучшение и стремительный взлёт не произойдут, и это было верно. Но я не ожидал, что мы можем бесконечно вкладывать деньги, и закон масштабирования продолжает действовать.

Вы берёте 20 миллиардов долларов и вкладываете их в модель. Мы вдвоём смотрим на неё, тестируем как попало — и я не думаю, что мы можем понять, что это значит. Столько вычислительной мощности, столько данных — я не знаю, на что она способна.

Синофски соглашается и сравнивает это с экспоненциальным ростом: «Никто не может смоделировать экспоненту».

Он также приводит конкретный сценарий: полный перебор белковых комбинаций раньше был «бесконечной проблемой», а теперь может стать «проблемой, решаемой капиталом».

Мы можем превратить ранее бесконечные проблемы в конечные с помощью капитала. Это очень странная вещь.

Касадо говорит, что именно поэтому он больше не пытается предсказывать верхний предел возможностей ИИ:

Я решил, что не могу предсказать, где находятся границы возможностей того, что создано за 20 миллиардов долларов.