Хуан Жэньсюнь об ИИ-рынке: возлагать всю окупаемость ИИ на две компании неправильно

TL;DR
· Закон Мура мёртв: сегодня удвоение вычислительной мощности стоит вдвое дороже; моя уверенность в результате — 99,99%

· Экстраполировать масштаб всей инфраструктуры по доходам одной-двух лабораторий — заблуждение: передовые лаборатории занимают лишь 25–30% наших вычислений, ещё треть — классические вычисления, и ещё треть — тысячи стартапов
· Земля, электроэнергия, здания и строительные ресурсы станут главными узкими местами
· Когда общая мощность в мегаваттах ограничена, клиенты выбирают самые производительные вычисления, поэтому наша доля фактически растёт; стоимость на гигаватт выросла с $18 млрд до более чем $40 млрд
· Мы хотим, чтобы стоимость интеллекта снижалась в 2 или даже 20 раз в год, потому что потребление интеллекта с лихвой компенсирует этот разрыв

Переломный момент вычислений, модели рассуждений и эпоха агентов

Приближаемся ли мы к грани сингулярности и почему потребность в вычислениях должна вырасти в миллиард раз?

Нам нужно в миллиард раз больше вычислений, чем недавно, и логика здесь довольно ясна. Количество рассуждений, необходимых для обдумывания и решения задач, намного превышает повторение или воспроизведение уже запомненного.

Вы даёте раннему ChatGPT подсказку, и большая часть этих знаний уже закодирована в большой языковой модели, но плохо то, что она галлюцинирует. Следующий шаг — генеративный ИИ, который «заземляет» и ограничивает реальными фактами: он быстро ищет, возвращает факты и объединяет их с предобучением для генерации ответа.

Большинство по-настоящему интересных задач требуют пошагового рассуждения: придумать несколько вариантов, спланировать, смоделировать развитие событий, переосмыслить лучший путь, развернуть план и отсечь лишнее. Великие стратеги любят «стратегические опционы»: не хочется отсекать слишком рано, но ресурсы нужно оптимизировать. ИИ сейчас делает именно это. Он сохраняет стратегические опционы, разворачивает рассуждения, переосмысливает и отсекает. Все эти размышления и исследования требуют гораздо больше вычислений.

Поскольку он может выполнять полезную работу, мы будем использовать его чаще. Эти два фактора — больше вычислений для выполнения работы и найм на новую работу благодаря хорошим результатам — вместе усиливают общий спрос.

Самое важное наблюдение прошлого года: закон масштабирования моделей продолжится, но добавление «обвязки» — экзоскелета большой языковой модели — стало огромным прорывом. Она управляет рабочей памятью, преобразует её в краткосрочную и долгосрочную память и строит граф знаний. Люди делают так же: во сне мы сжимаем информацию, забываем неважное, а важное пересвязывается в автономном режиме.

Ещё один прорыв — использование инструментов. Мы научили ИИ взаимодействовать с важнейшими инструментами, созданными человеком: SPICE, Verilog, различные симуляторы, компиляторы проектирования, Photoshop, AutoCAD и инструменты Siemens. Если робот войдёт в ваш дом, он будет пользоваться вашими инструментами, а не создавать новые с нуля. Агенты должны научиться использовать существующие инструменты.

Как только вы помещаете большие языковые модели в обвязке на предприятия и подключаете их к реальным фактам и существующим инструментам, они начинают делать удивительные вещи. Программирование — самый лёгкий вход, потому что инженеры-программисты привыкли к инструментам, которые, даже если неудобны, приносят огромную пользу.

Следующий этап — рабочие процессы проектирования, творчества и маркетинга. Например, Astra от OpenAI великолепна. Вы фотографируете объект, отдаёте снимок Astra, и она напрямую восстанавливает его в CAD-модель. Нам нужна CAD-модель, чтобы взаимодействовать с ней, вносить правки и тонко настраивать. Это первое применение резко повышает продуктивность дизайнеров, строителей и авторов.

Если передовые лаборатории в следующем году снова увеличат вычисления в 3–5 раз, каких прорывов вы ожидаете в длительных агентных задачах?

Уравнения Навье–Стокса — отличный пример. OpenAI не решила их на пустом месте, а опиралась на работы множества великих учёных, математиков и предшественников. Мы находимся на пороге прорывов во многих областях. Поскольку огромный объём фундаментальной работы уже выполнен, если мы применим способность ИИ к исчерпывающему исследованию поверх этой базы, мы быстро увидим прорыв за прорывом.

Нам нужно много вычислений, потому что необходимо исследовать огромное пространство поиска. Если бы задачу можно было вывести из первых принципов без поиска в гигантском пространстве, её бы уже давно решили. Многие проблемы висят на краю обрыва и ждут, когда массированное интеллектуальное исследование их решит.

В ближайшие годы стоимость интеллекта будет снижаться довольно быстро. Появляется больше вычислений, модели становятся умнее и эффективнее. Подобно тому как закон Мура в течение тридцати лет ежегодно вдвое снижал стоимость вычислений, мы хотим, чтобы стоимость интеллекта снижалась в 2 или даже 20 раз в год. А потребление интеллекта с лихвой компенсирует этот разрыв. В мире существует огромный вакуум возможностей, который ждёт заполнения.

Наши амбиции расширяются очень быстро. Десять лет назад обучение GPT-1 стоило примерно $10–20 млн; сегодня это можно сделать за сто долларов. В то же время наши амбиции выросли настолько, что мы начинаем обучать модели с 3 трлн, 10 трлн, 30 трлн параметров. За последние десять лет наше использование вычислений выросло примерно в миллион раз, а человеческий спрос на интеллект ненасытен.

Говорят, что ИИ даст нам больше досуга. Я совершенно не согласен. Интеллект откроет больше возможностей, и амбициозные люди захотят их использовать. Каждый раз, когда вы чему-то учитесь, открывается новая дверь; за ней вы видите ещё больше вызовов и задач.

В 1930 году Кейнс предсказал, что через сто лет экономика вырастет в восемь раз, а рабочая неделя сократится до 15 часов. Экономика действительно выросла в восемь раз, но 15-часовой рабочей недели у нас нет. Он ошибся, недооценив человеческий дух: работа и открытия дают чувство смысла, это записано в нашей ДНК.

Физический ИИ, воплощённый интеллект и перестройка отраслей

Почему общественность по-прежнему считает сверхинтеллект далёким и не осознаёт, что он уже вошёл в повседневную жизнь?

ИИ, или сверхинтеллект, — это «мягкая материя»: его нельзя увидеть или потрогать. Весь мир говорит о нём, но он остаётся невидимым. На самом деле люди ежедневно получают от него пользу: при поиске, покупках, просмотре Netflix, походе в Walmart, когда FedEx прокладывает маршруты посылок. Сегодня всё это использует ускоренные вычисления и сверхинтеллект, просто мы плохо умеем рассказывать эту историю. Если бы мы отключили дата-центры и остановили сверхинтеллект на выходные, все сразу бы это заметили.

Вы упомянули, что момент ChatGPT для робототехники наступил. Это рынок на сто миллиардов долларов?

Сто миллиардов — это заниженная оценка. Только за первую половину этого года мы сделали $10 млрд в физическом ИИ. За весь прошлый год — $10 млрд, годом ранее — $5 млрд.

Физический ИИ — это взаимодействие ИИ с физическим миром. Он включает компьютерную томографию с подсчётом фотонов, ультразвук, радары с формированием изображения, сети 5G нового поколения, воспринимающие различные сигналы, автономные автомобили, производственные системы, системы визуального контроля и геопространственные спутники, восстанавливающие мир в трёхмерном пространстве. ИИ работает во всём электромагнитном спектре.

В ИИ есть восприятие, рассуждение, а затем планирование и исполнение. Когда вы доходите до планирования и исполнения, это автономные автомобили, складские роботы-доставщики, захватывающие роботы, способные к самообучению, больничные роботы для доставки лекарств и полностью роботизированные операционные.

Всё, что действительно важно для нас, в конечном счёте соприкасается с физическим миром. Привнести программное обеспечение и интеллект в отрасли, которые исторически были чисто механическими и электрическими, — огромная возможность. Посмотрите, что Илон сделал с автомобильной промышленностью: он превратил её в вычислительную индустрию. Каждый автопроизводитель становится технологической компанией. FedEx, Walmart, телеком-операторы тоже заново становятся технологическими и ИИ-компаниями.

Как NVIDIA с помощью архитектуры «трёх компьютеров» внедряет физический ИИ?

Чтобы построить платформу физического ИИ, нужны три компьютера:

Во-первых, нужен компьютер, создающий «мозг», то есть система обучения.

Во-вторых, ИИ-лаборатории и разработчики должны построить цифрового двойника мира, чтобы агентам не приходилось учиться методом проб и ошибок в физической реальности. Мы создали Omniverse как цифрового двойника складов, зданий и городов. Мы помещаем роботов в цифрового двойника, и они учатся там, как действовать.

В-третьих, вы развёртываете стратегию на компьютере внутри физической машины — в автомобиле, роботе, хирургическом инструменте.

Нужны три компьютера и три полных программных стека. Мы построили полный стек для каждого из них, и мы единственная компания в мире, которая это сделала.

Безопасное выравнивание, инженерные принципы и система государственного управления

Как вы отвечаете на апокалиптические утверждения, что ИИ невозможно идеально выровнять и он в конце концов станет неуправляемым?

Мы обязаны строить технологии ответственно. «Строить» — это инженерный термин. Инженеры, учёные и исследователи должны безопасно создавать эту технологию. Можно ли это сделать? Безусловно, можно, потому что если нельзя, её вообще не следует создавать.

Некоторые говорят, что ИИ неуправляем, потому что идеальное выравнивание невозможно. Выравнивание означает: вы даёте ИИ задачу, но способов её выполнения может быть много. Например, у чёткой математической задачи есть решение через вывод, поиск в учебнике или извлечение ответа из ящика. Но для целей вроде «добиться успеха в жизни» или «приносить пользу обществу» существует бесконечное множество интерпретаций в зависимости от культуры, происхождения и региона. Выравнивание — вечная проблема. Если мы полагаемся на идеальное выравнивание для обеспечения безопасности, мы никогда этого не достигнем.

Инженерный ответ тот же, что и при воспитании детей или адаптации новых сотрудников:

Во-первых, изоляция и нулевое доверие. Когда вы нанимаете человека или сажаете годовалого ребёнка в манеж, вы начинаете с нулевого доверия. Вы строго в рамках текущей задачи даёте ему минимальные права, минимальный доступ к инструментам и минимальный бюджет. По мере роста уверенности в ходе тестов вы постепенно расширяете эти границы.

Во-вторых, внешний мониторинг. Мониторинг должен быть внешним. Если вы говорите разумной сущности: «Я сижу здесь и слежу за каждым твоим шагом», её поведение будет отличаться от поведения без наблюдения. Система мониторинга должна находиться снаружи, наблюдать, не нарушает ли автономная система политики или требования выравнивания, и иметь независимые полномочия в любой момент эскалировать ситуацию или полностью отключить систему.

Это инженерия и технология. Это вполне осуществимо, и недавно мы выпустили это как OpenShell; к этой структуре присоединились уже более 100 компаний.

Когда вы подписывали соглашение в Белом доме, не было ли у лидеров передовых лабораторий безрассудного стремления вперёд?

Технологии безопасности и защиты — часть ИИ. Существует заблуждение, что возможности ИИ и безопасность ортогональны, как будто двигатель автомобиля отделён от тормозов, подушек безопасности и радара. Когда я говорю об ускорении ИИ-технологий, это означает одновременное ускорение технологий безопасности и защиты. Никто не говорит: «Давайте замедлим безопасность». Нельзя разделить функциональность и безопасность.

В зале заседаний кабинета, где находились президент и лидеры передовых лабораторий, все были конструктивны и продуктивны. Все без исключения стремились безопасно и надёжно развивать эту отрасль. Если система небезопасна, её функциональность никогда не будет развёрнута. Функциональность, возможности, безопасность и защита — всё это высший приоритет.

Нам нужно переопределить, что значит «победа». Победа — это не победа индустрии ИИ-технологий. Победа Америки означает победу каждой отрасли Америки: победу Eli Lilly, победу Walmart, победу FedEx, победу Boeing, победу американской армии, победу наших школ и граждан. Если технология успешна, но никто не может безопасно её развернуть, ни о какой победе речи нет.

Вопрос: эффективна ли на практике «трёхсторонняя» система регулирования, состоящая из проверок Министерства торговли, соглашения Белого дома и рабочих групп по безопасности?

Лучший путь в будущее — действовать быстро. Если мы тратим время на споры о том, что важнее — «совершенство» или «действие», мы будем спорить вечно и никогда туда не попадём.

Мне очень нравится эта «трёхсторонняя» структура: она исполнима, осязаема и действительно действенна. Мы действуем прямо сейчас, потому что это выгодно нашей компании, нашей отрасли и нашему обществу. Я не припомню другой отрасли, которая на этой стадии развития создала бы такой уровень межкорпоративной, государственной и отраслевой координации.

Законодателям я хочу сказать две вещи: во-первых, проведите с нами некоторое время и сначала разберитесь, в чём именно заключаются технические проблемы, прежде чем регулировать. Во-вторых, посмотрите на решения, которые мы уже активно внедряем, и помогите нам сделать их лучше. Пожалуйста, участвуйте конструктивно.

Бум вычислительной инфраструктуры, дефицит электроэнергии и физические узкие места

Отрасль прогнозирует ежегодный ввод более 40 ГВт вычислений. Станут ли физические ограничения, такие как земля и электроэнергия, препятствием?

Спрос определённо существует, и даже больше. Проблема в переходе из цифрового мира в физический. Препятствий много: согласование земли, генерация электроэнергии, подстанции, а также квалифицированные рабочие, необходимые для строительства дата-центра за $50 млрд, — электрики, отделочники, сантехники. Эти навыки незаменимы. Земля, электроэнергия, здания и строительные ресурсы станут главными узкими местами.

NVIDIA смягчает эту проблему за счёт широкой диверсификации. Мы обслуживаем каждого облачного провайдера, Neocloud, а также корпоративных партнёров, таких как Dell, HP и Lenovo, на всём жизненном цикле: обработка данных, обучение, постобучение, инференс и использование агентных инструментов. Если в каком-то штате, сообществе или дата-центре возникает узкое место, мы, поскольку спрос значительно превышает предложение, просто перенаправляем цепочку поставок в другое место.

NVIDIA — глобальная инфраструктура. У нас есть строящиеся проекты в Европе, Австралии (например, анонсированное развёртывание 2 ГВт), Азии, Латинской Америке и на Ближнем Востоке. Если США строят недостаточно быстро, остальной мир горячо желает строить у себя.

Когда доступная электроэнергия и ёмкость сети ограничены, как клиенты выбирают вычислительную архитектуру?

Архитектура NVIDIA выдаёт больше всего токенов на ватт. Когда общая доступная мощность в мегаваттах ограничена, клиенты выбирают самые производительные вычислительные ресурсы, потому что CEO по-прежнему несут высокие целевые показатели выручки перед акционерами.

Наши системы легче всего сдавать в аренду, они наиболее универсальны и долговечны. Поскольку дефицит ресурсов подталкивает покупателей к эффективности, наша доля рынка фактически растёт.

Ценность, которую мы предоставляем на гигаватт, намного выше, чем раньше. Мы расширились от GPU до сетей, высокопроизводительных CPU, вычислений для хранения данных и инфраструктуры безопасности, такой как OpenShell. Стоимость на гигаватт выросла с $18 млрд до более чем $40 млрд, и эта цифра продолжает расти.

Среди крупных CSP мы составляем около 40% их капитальных затрат; за пределами CSP, среди предприятий и новых облаков, — около 80%. Оба сегмента удваиваются, поэтому наша доля в мировых капитальных затратах на дата-центры продолжает расширяться.

Маск, кластер xAI и космические дата-центры

Маск всего за несколько месяцев построил кластер Colossus. Беспрецедентна ли скорость расширения вычислений xAI?

Илон раньше относился к нашему корпоративному бизнесу, теперь он входит в наши показатели по CSP. Мне очень нравится работать с Илоном. Он использует наши технологии для обучения моделей, развёртывания Grok, потребление которого стремительно растёт, а также для сдачи инфраструктуры в аренду.

У него есть уникальное преимущество: он любит пересечение вычислений и физического строительства, а в энергетике разбирается лучше всех.

Реалистично ли в 2028–2029 годах с помощью Starship развернуть сотни мегаватт вычислений в космосе?

Наши инженерные команды тесно сотрудничают со SpaceX над созданием новой серверной архитектуры, пригодной для космоса.

NVIDIA обеспечивает лучшую производительность на ватт, но важнее то, что окупаемость наших вычислений не имеет равных. Стоимость запуска чрезвычайно высока, а это значит, что нельзя отправлять на орбиту дешёвые и малоценные вычисления. Нужно отправить самые ценные и производительные вычислительные системы в истории, чтобы оправдать стоимость запуска и получить высокую рентабельность инвестиций.

Спутникам в космосе нужны универсальные вычисления. Если вы запустили спутник, а арендаторов нет, он простаивает. А вычисления NVIDIA полностью универсальны и сдаваемы в аренду для всех закрытых моделей, открытых моделей, стартапов и предприятий по всему миру.

Они также долговечны. Мы единственная аппаратная компания, чьё оборудование, купленное несколько лет назад, сегодня работает быстрее, потому что мы постоянно обновляем программный стек и алгоритмы через CUDA. Пока спутник находится на орбите, мы будем поддерживать и оптимизировать его программное обеспечение, что делает его идеальной полезной нагрузкой для SpaceX.

Развенчание мифа о пузыре капитальных затрат и конец закона Мура

Сможет ли коммерческая монетизация передовых лабораторий обеспечить инфраструктуру на триллионы долларов, и существует ли риск схлопывания пузыря?

Люди пытаются экстраполировать масштаб строительства всей инфраструктуры по доходам одной-двух ИИ-лабораторий. Это неверное понимание текущей ситуации.

NVIDIA занимает около 80% рынка ИИ-инфраструктуры, и наш бизнес делится на три разные части:
Во-первых, классические ускоренные вычисления составляют около трети нашего бизнеса. Это обработка данных, молекулярная динамика, физика, моделирование термоядерного синтеза, квантовая химия, компьютерная графика и классическое машинное обучение, например обнаружение мошенничества с помощью XGBoost в Visa и Mastercard, а также рекомендательные системы. Этот сегмент растёт на 30–40% в год и совершенно не связан с генеративными ИИ-лабораториями.

Во-вторых, передовые ИИ-лаборатории занимают примерно 25–30% наших вычислений. Все говорят только о двух, но мы работаем с пятью-шестью: Meta с Muse, xAI с Grok, Google, запускающий Gemini на наших системах, Anthropic и OpenAI.

В-третьих, оставшаяся треть — это тысячи стартапов и корпоративных облачных арендаторов. Они арендуют вычисления NVIDIA для создания специализированных приложений физического ИИ, биологического ИИ и материаловедения.

Около 80% этих стартапов используют открытые базовые модели. Они не конкурируют напрямую с передовыми лабораториями; они берут открытые модели, такие как Nemotron, дообучают их на собственных проприетарных данных и создают сверхинтеллект в конкретной области.

Передовые лаборатории будут строить общий интеллект, а вертикальные компании — достигать сверхинтеллекта в конкретных областях. Ожидать, что всего две передовые лаборатории сгенерируют триллионы долларов дохода для поддержки глобальной инфраструктуры, и не нужно, и неправильно.

Почему даже без генеративного ИИ мировые расходы на вычислительную инфраструктуру всё равно вырастут до триллионов долларов?

Несколько лет назад я прогнозировал, что к концу десятилетия расходы на инфраструктуру достигнут $3–4 трлн в год, из которых около $1,5 трлн придётся чисто на вычисления.

До появления генеративного ИИ капитальные затраты на дата-центры уже составляли $500 млрд в год. Поверх этого естественного роста есть ещё один факт: закон Мура мёртв.

Раньше, если вы хотели вдвое больше транзисторов, вы ждали год, и цена не менялась. Сегодня, если вы хотите вдвое больше вычислительной мощности, вы должны заплатить вдвое больше, потому что масштабирование универсальных CPU остановилось. Поскольку миру каждый год нужно больше вычислений, необходимо добавить значительный множитель, чтобы компенсировать конец закона Мура. Даже без ИИ полупроводниковая отрасль и так находилась на пути к тому, чтобы стать крупнейшей отраслью в мире.

Ограничения цепочки поставок, конкурентный ров и новые бизнес-модели

Разрыв между спросом и предложением огромен. Каковы сейчас самые главные физические ограничения в цепочке поставок?

У нас огромные портфели заказов от каждого CSP, нового облака и OEM-производителя. Мы работаем с клиентами по циклам планирования от одного до двух лет. И объёмы, которые мы сейчас выделяем клиентам, намного меньше, чем они хотят.

Вниз по цепочке ограничениями являются земля, электроэнергия и здания. Вверх по цепочке главное узкое место — материалы для передовой упаковки. Подложки становятся больше, чтобы вместить больше кремния. Эти крупные органические материалы трудно изготовить с нужной нам точностью. По мере увеличения упаковки управление коэффициентом теплового расширения, короблением и производственными дефектами требует исключительно сильных партнёров. Кремниевая фотоника также ограничена по предложению. Мы каждую неделю наращиваем объёмы производства, но портфель заказов растёт быстрее предложения.

Почему клиенты готовы размещать заказы на $50–100 млрд ещё до презентации продукта? Почему ваш ров расширяется?

Если компания должна разместить заказ на закупку следующего поколения платформы на $50 или даже $100 млрд, не видя продукта, кому она может доверять?

Клиенты знают, что Vera Rubin будет лучше Blackwell, так же как Blackwell лучше Hopper. Рабочие нагрузки на этих суперкомпьютерах чрезвычайно сложны, и нельзя просто запустить быстрый бенчмарк на одном чипе. Чтобы протестировать систему за $50 млрд, нужен целый дата-центр и годы интеграционной работы.

Это та же логика, по которой мы отдаём 100% нашего контрактного производства TSMC. TSMC — единственная компания, с которой я могу планировать на пять лет вперёд, не видя продукта, и быть уверенным, что транзисторы будут поставлены, что у них достаточно масштаба для наших огромных колебаний спроса и что у них есть все необходимые технологии упаковки, логики и кремниевой фотоники.

NVIDIA — инфраструктурная компания этой планеты. Технологии меняются быстро: от первых моделей GPT к FlashAttention, к шардингу моделей через NVLink 72, к гибридным диффузионным моделям SSM и Transformer. Всё это бесшовно работает на CUDA.

Специализация — враг универсальности и долговечности. Если вы делаете заказные ASIC-чипы, им не хватает гибкости. Поскольку системы NVIDIA могут выполнять все рабочие нагрузки, модели и фреймворки, дата-центр за $50 млрд может легко выполнять обучение, постобучение или инференс агентов, а также быть пересдан в аренду другим клиентам. Универсальность и долговечность дают сдаваемость в аренду, высокую утилизацию и минимальную совокупную стоимость владения (TCO).

Помимо продажи оборудования, какие две новые высокомаржинальные бизнес-модели открывает NVIDIA?

Большая часть нашего финансирования и экосистемного партнёрства создаёт две новые бизнес-модели:

Во-первых, лицензирование корпоративного программного обеспечения. Чтобы эксплуатировать эти огромные дата-центры как промышленные ИИ-фабрики, требуется чрезвычайно обширный программный стек. У гиперскейлеров CSP есть собственные программные стеки, поэтому мы предоставляем им программное обеспечение с открытым исходным кодом, чтобы они интегрировали его самостоятельно. Но у традиционных предприятий нет внутренних ИТ- или программных команд для управления такой сложностью. Им нужно, чтобы NVIDIA с гарантиями SLA обслуживала, поддерживала и эксплуатировала эти фабрики на протяжении всего жизненного цикла. Взимание ежегодной лицензионной платы, например несколько тысяч долларов за GPU в год, при том что предприятия развёртывают миллионы GPU, станет очень крупным регулярным программным бизнесом.

Во-вторых, разделение доходов от облака. Некоторые региональные новые облака получают землю, электроэнергию и здания, но полагаются на NVIDIA в предоставлении полной инфраструктуры полного стека, программной поддержки и поглощения клиентской экосистемой. В таких партнёрствах мы делаем первоначальные инвестиции, получаем первоначальный доход от продаж и продолжаем делить доход в течение 4–10 лет.

Обе кривые роста обусловлены масштабом нашей глобальной установленной базы и объёмом программной экосистемы, а не просто объёмом поставок оборудования.

Логика распределения капитала и уверенность 99,99%

Вы направляете более 50% свободного денежного потока на обратный выкуп акций. Какова логика такого распределения капитала?

В прошлом квартале мы вернули более 60% свободного денежного потока через обратный выкуп акций.

Мы продолжим делать стратегические инвестиции в высококачественные компании в нашей экосистеме. Мы находимся в центре информационных потоков, работаем с выдающимися основателями и можем реально помогать портфельным компаниям добиваться успеха.

Однако по сравнению с нашей общей способностью генерировать денежные средства доля внешних инвестиций будет быстро снижаться. Такие возможности, как ранние инвестиции в OpenAI или Anthropic, на том этапе больше не повторятся, а наше общее генерирование свободного денежного потока расширяется с поразительной скоростью.

Заглядывая на пять лет вперёд, насколько вы уверены, что мир станет заметно лучше?

К концу десятилетия глобальное строительство инфраструктуры и циклы обновления оборудования легко достигнут $4–10 трлн в год. Каждый раз, когда общество потребляет токены и использует интеллект, эта вычислительная фабрика должна работать. Если интеллектуальный труд составляет $50 трлн мирового ВВП, а ИИ даёт 20% прироста производительности, это создаёт $10 трлн дополнительного экономического продукта. Реинвестировать небольшую часть этой ценности в капитальные затраты на генерацию интеллекта логически совершенно обоснованно.

Я на 99,99% уверен, что результат будет в подавляющей степени позитивным. Слишком много людей чрезвычайно заинтересованы в том, чтобы сделать это правильно. Сосредоточенные исследователи и инженеры в разных отраслях, вне поля зрения общественности, каждый день делают выдающуюся работу, обеспечивая ответственное продвижение этой технологии.

Беспокоиться — это хорошо, и мы должны высказывать свои опасения. Но предсказывать конец света — значит серьёзно недооценивать человеческую приспособляемость, устойчивость и креативность. Считать, что без руководства нескольких комментаторов всё пойдёт не так, — это высокомерие. Замечательные люди в этой отрасли каждый день поступают правильно.

Мы должны нести ответственность перед собой, но нам следует ожидать оптимистичного будущего. Мы вполне можем остановиться, но если мы остановимся сегодня, мы откажемся от возможности построить более безопасный, здоровый и процветающий мир.