Замедление ИИ: изменятся ли капитальные затраты и котировки технологических акций?

Оригинальное название: The bottleneck isn't the model. It never was.
Автор оригинала: Saket Mehrotra, Beta to Alpha

Примечание редактора: Недавно Джейкоб Коксон, ранее занимавшийся предварительным обучением в OpenAI и Anthropic, объявил об уходе из Anthropic и публично призвал ведущие лаборатории ИИ скоординированно ограничить дальнейшее развитие возможностей моделей. Руководитель отдела научного согласования Anthropic Эван Хабингер впоследствии ответил, что согласен с основными оценками рисков Коксона, и оценил вероятность вымирания человечества из-за ИИ в ближайшие десять лет более чем в 10%.

Этот спор переводит обсуждение замедления ИИ из этической сферы в сферу рынков капитала: если передовые лаборатории действительно замедлят разработку моделей, не наступит ли переломный момент и для капитальных затрат на ИИ, которые в последние годы постоянно пересматривались в сторону повышения? И не потребуется ли переоценка технологических акций, получавших премию за счёт нарратива об ИИ?

Автор Beta to Alpha Сакет Мехротра в статье «The bottleneck isn't the model. It never was.» утверждает, что опасения лабораторий по поводу рисков ИИ — это не то же самое, что охлаждение инвестиций в инфраструктуру. Пока компании по-прежнему опасаются отстать в гонке, тревога за безопасность может продолжать подталкивать вложения в вычислительные мощности; в то же время узкое место отрасли постепенно смещается от GPU, HBM и передовой корпусировки к электроэнергии и электросетям.

Это не означает, что замедление ИИ никак не повлияет на рынок. Точнее говоря, влияние зависит от того, на каком уровне произойдёт замедление: если просто удлинятся тесты безопасности и замедлится выпуск моделей, капитальные затраты не обязательно снизятся; если же правительства напрямую ограничат обучающие кластеры, поставки чипов или энергопотребление дата-центров, может фундаментально измениться вся инвестиционная логика.

Ниже представлен перевод оригинала:

Джейкоб Коксон опубликовал в X заявление об уходе, призвав передовые лаборатории ИИ скоординированно замедлить гонку возможностей

Уход Джейкоба Коксона вновь вывел риски передового ИИ на первый план.

Коксон считает, что OpenAI и Anthropic соревнуются в разработке сверхинтеллекта, способного к самосовершенствованию, не принимая при этом достаточно ответственных мер безопасности. Это не единичное мнение внешнего критика. Руководитель отдела научного согласования Anthropic Эван Хабингер впоследствии публично заявил, что согласен с основными выводами Коксона, и оценил вероятность вымирания человечества из-за ИИ в ближайшие десять лет более чем в 10%. Эти заявления также получили освещение в таких СМИ, как WIRED.

Но для инвесторов, возможно, более важен другой вопрос: когда передовые лаборатории начинают обсуждать замедление, последуют ли за этим снижения капитальных затрат технологических компаний на ИИ?

Мехротра считает, что, по крайней мере на данном этапе, между этими вещами нельзя ставить знак равенства. Споры о безопасности ИИ происходят на уровне моделей и управления лабораториями, тогда как ограничения текущего цикла капитальных затрат постепенно смещаются к физической инфраструктуре: чипам, корпусировке, электроэнергии и дата-центрам.

Чем сильнее страх проиграть гонку, тем труднее лабораториям добровольно замедлиться

Согласно описанию Коксона, нельзя сказать, что передовые лаборатории не осознают риски. Настоящая проблема в том, что ни одна лаборатория не хочет первой замедлиться.

Логика здесь следующая: если одна лаборатория решит замедлиться, конкуренты с меньшим вниманием к безопасности могут первыми разработать более мощную модель. Вместо того чтобы позволить недостаточно осторожному сопернику совершить прорыв, лучше продолжать вкладывать ресурсы, чтобы самому стать лидером и постараться контролировать технологию более безопасным способом.

По мнению автора, такой образ мыслей вряд ли приведёт к сокращению капитальных затрат — скорее, он может усилить гонку технологий. Чем сильнее лаборатории верят, что участвуют в решающей технологической конкуренции, тем труднее им сокращать закупки GPU, обучающие кластеры и инвестиции в дата-центры.

Поэтому тревога за безопасность и рост капитальных затрат могут сосуществовать. Это может даже создать самоподдерживающийся цикл: лаборатории опасаются быстрого роста возможностей ИИ, но из-за страха отстать от конкурентов вкладывают ещё больше ресурсов, что ещё сильнее ускоряет гонку возможностей.

Так автор объясняет структуру отраслевой игры, а не результат, подтверждённый планами компаний по капитальным затратам. Чтобы судить, верна ли эта логика, необходимо наблюдать, начнут ли крупные облачные провайдеры и лаборатории ИИ корректировать фактические планы закупок и строительства.

Замедление моделей не означает конец инфраструктурного цикла

Второй вывод Мехротры состоит в том, что основное ограничение индустрии ИИ уже неоднократно смещалось, и каждое смещение повышало капиталоёмкость.

Изначально обучение моделей ограничивали поставки GPU и квоты на чипы; затем узкое место сместилось к памяти HBM и передовой корпусировке; теперь же ограничениями, которые сложнее быстро устранить, становятся электроснабжение, подключение к сетям и строительство дата-центров.

Мощности по чипам и корпусировке можно нарастить за счёт расширения производственных линий, но проблемы с электроэнергией обычно требуют строительства или перезапуска генерирующих объектов, увеличения производства газовых турбин и трансформаторов, а также модернизации систем передачи и подключения к сети. Такие проекты требуют более крупных инвестиций и более длительных сроков строительства, и их нельзя решить одним обновлением программного обеспечения.

Поэтому, даже если частота выпуска передовых моделей снизится, уже подписанные заказы на чипы, соглашения о закупке электроэнергии и проекты строительства дата-центров не обязательно немедленно остановятся. Между разработкой моделей и строительством инфраструктуры существует временной лаг, и капитальные затраты обычно не корректируются синхронно с изменением общественного мнения или темпа исследований.

В то же время замедление не обязательно означает естественное снижение спроса на вычислительные мощности. Более длительные тесты безопасности, более сложные процессы инференса, а также развёртывание существующих моделей в корпоративных и потребительских сценариях всё ещё могут потреблять значительные вычислительные ресурсы.

Поэтому автор считает, что инвесторам не следует сосредотачиваться только на уровне моделей, где в социальных сетях идут самые жаркие споры; вместо этого стоит искать новые узкие места, формирующиеся в ближайшие 18 месяцев. Согласно этой концепции, наиболее важный дефицитный ресурс постепенно смещается от «интеллекта моделей» к электроэнергии и связанной с ней инфраструктуре.

Технологические акции ИИ могут перейти от общего роста к дифференциации

Если замедление моделей не равно остановке капитальных затрат, его влияние на технологические акции не будет простым всеобщим негативом, а скорее проявится как переоценка в цепочке поставок.

Во-первых, компании, зависящие от постоянных прорывов передовых моделей и быстрой монетизации продуктов, могут пострадать сильнее. Как только итерация моделей замедлится, рыночные предположения о темпах роста выручки, сроках коммерциализации и мультипликаторах оценки, возможно, придётся скорректировать.

Во-вторых, у компаний, владеющих GPU, сетевым оборудованием, системами электроснабжения, охлаждения и ресурсами дата-центров, перспективы заказов не обязательно ухудшатся одновременно. Пока облачные провайдеры продолжают расширять инфраструктуру или узкое место вычислительных мощностей продолжает смещаться к электроэнергии, соответствующие инвестиции могут сохранять значительную инерцию.

В-третьих, рынку необходимо различать обучение и инференс. Даже если лаборатории скоординированно ограничат сверхмасштабное передовое обучение, спрос на инференс существующих моделей, корпоративное развёртывание и распространение приложений ИИ всё ещё могут стимулировать потребление вычислительных мощностей. В таком случае капитальные затраты могут претерпеть структурные изменения, а не резкое сокращение.

Это означает, что замедление ИИ в первую очередь может изменить не направление роста всей технологической отрасли, а ситуацию, при которой разные активы оцениваются по одной и той же логике ИИ. Раньше модельные компании, облачные провайдеры, производители полупроводников и поставщики энергетической инфраструктуры могли получать премию от нарратива об ИИ; если гонка возможностей моделей замедлится, рынок может начать более строго различать технологическое лидерство, способность к коммерциализации и исполнение заказов.

Переменная, которая действительно меняет логику капитальных затрат, — это регулирование

Мехротра считает, что по-настоящему прервать текущий цикл капитальных затрат на ИИ может не очередной дефицит в цепочке поставок, а жёсткие ограничения, установленные правительствами извне системы.

Нехватка GPU, HBM, электроэнергии и трансформаторов по своей сути является узким местом, которое можно смягчить за счёт увеличения инвестиций. Они могут отложить запуск дата-центров, но также направят капитал в новые дефицитные звенья.

Регулирование — другое дело. Если правительства напрямую ограничат закупки высококлассных чипов, размер обучающих кластеров, вычислительные мощности, необходимые для обучения моделей, или энергопотребление дата-центров, компаниям будет трудно преодолеть ограничения только за счёт увеличения инвестиций. В таком сценарии ожидания по капитальным затратам облачных провайдеров, заказы на инфраструктуру и оценки технологических акций, связанных с ИИ, могут одновременно подвергнуться пересмотру в сторону понижения.

Однако в оригинале такая ситуация рассматривается как маловероятный хвостовой риск, а не базовый сценарий. Это суждение также требует постоянной проверки и не должно пониматься как исключение регуляторного риска. По мере того как внутренние опасения лабораторий ИИ становятся публичными, внешнее политическое давление всё ещё может возрасти.

Далее рынку действительно нужно наблюдать не за расплывчатым лозунгом «замедление ИИ», а за тремя более конкретными сигналами: включат ли передовые лаборатории замедление в официальные планы исследований, сократят ли крупные облачные провайдеры заказы на дата-центры и начнёт ли регулирование напрямую затрагивать чипы, вычислительные мощности и энергоснабжение.

Уход Коксона доказывает, что споры о безопасности передового ИИ перешли от внешней критики внутрь лабораторий. Но между выражением обеспокоенности исследователями и фактическим сокращением капитальных затрат технологическими компаниями всё ещё находятся конкурентное давление, инерция строительства и нехватка инфраструктуры.

Замедление ИИ, возможно, не сразу завершит цикл капитальных затрат, но оно может положить конец этапу, на котором все активы ИИ разделяют одну и ту же логику роста.