[Перевод] Грязный секрет ИИ: быть лучшим больше не имеет значения

Как ветеран Nvidia с 20-летним стажем определил момент, когда экономика ИИ перевернулась

Два десятилетия у руля

Гэвин Бейкер начал следить за Nvidia в 2004 году, когда компания производила видеокарты для геймеров. Двадцать лет спустя он наблюдает, как она дирижирует крупнейшим инфраструктурным строительством в истории человечества.

За 85 минут подкаста Invest Like The Best управляющий партнер Atreides Management соединил точки, о существовании которых большинство инвесторов даже не подозревает.

Полное понимание стека от физики кремния до бизнес-стратегии. Техническая глубина в проектировании чипов и сетей. Разведка цепочек поставок через TSMC и Broadcom. Распознавание паттернов на основе наблюдений за тем, как Intel потеряла мобильный рынок, Cisco - дата-центры. Мышление от первых принципов, связывающее маржу Broadcom со стратегией Google и выживанием SaaS.

И эпистемическая скромность: «Если вы не ошибаетесь трижды в день, вы не учитесь».

Когда человек, наблюдавший, как CUDA запускалась под звуки сверчков в 2004 году, говорит: «Впервые в истории быть дешевле важнее, чем быть лучше в технологиях» - стоит прислушаться.

Он видел каждый предыдущий раз, когда люди думали, что это правда. И это было не так.

До декабря 2025 года, когда экономика ИИ полностью перевернулась.

---

Как рассуждающие модели спасли ИИ

Основываясь исключительно на законах масштабирования предобучения, прогресс ИИ должен был умереть в 2024 году.

После того как XAI добилась когерентной работы 200 000 GPU Hopper, наступила стена. Дальше масштабировать невозможно. Нужны чипы следующего поколения. Нужен Blackwell.

Blackwell задержался. Серьезно.

Переход: от воздушного охлаждения к жидкостному, от 450 до 1360 килограммов, от 30 до 130 киловатт на стойку. Представьте, что для обновления iPhone вам нужно перевести дом на 220 вольт, установить Powerwall, добавить генератор, развернуть солнечные панели и укрепить полы. Это и есть Blackwell.

В течение 18 месяцев предобучение должно было застопориться. Модели должны были выйти на плато. Никакие деньги не могли это решить - нужно было ждать производства, отладки, развертывания.

Но этого не произошло.

Появились рассуждающие модели OpenAI. Бенчмарк ARC-AGI вырос с 0-8% за четыре года, а затем с 8 до 95% за три месяца. Два новых закона масштабирования: пост-тренировочное обучение с подкреплением на основе верифицированных наград и вычисления во время инференса. Вместо того чтобы просто делать модели больше при обучении, мы научились заставлять их «думать дольше» во время работы.

---

Принцип Карпатого

Часть про «верификацию» критически важна. Принцип Андрея Карпатого: с ИИ все, что можно проверить, можно автоматизировать.

Конверсия продаж? Проверяемо - сделка состоялась или нет. Решение вопроса в поддержке? Проверяемо - эскалировано или решено. Компиляция кода? Проверяемо. Баланс в бухгалтерии? Двойная запись делает это веками.

Верификация делает возможным обучение с подкреплением. Обучение с подкреплением на верифицированных наградах стало законом масштабирования, который спас ИИ в период задержки Blackwell.

До появления рассуждающих моделей базовые модели были «самыми быстро обесценивающимися активами в истории». Предобучаешь, выпускаешь - готово. Улучшение означало размытые петли обратной связи и надежду.

Рассуждающие модели все изменили. Теперь есть маховик: пользователи взаимодействуют, предпочтения создают верифицируемый обучающий сигнал, сигнал улучшает модель, привлекает больше пользователей. Та же динамика возрастающей отдачи, что сделала доминирующими Netflix и Amazon.

---

Три измерения масштабирования

Когда вышел Gemini 3, он подтвердил нечто важное: исходные законы масштабирования предобучения все еще работают. Обучай на лучшем железе с большими вычислениями - предсказуемый рост возможностей продолжается.

Это важно, потому что никто на Земле не понимает, почему законы масштабирования предобучения работают. Это эмпирические наблюдения, измеренные с необычайной точностью. Древние египтяне могли идеально выравнивать пирамиды по равноденствиям, не понимая орбитальной механики. Мы в том же положении. Измеряем идеально, не постигая механизма.

Подтверждение того, что законы предобучения остаются в силе - при добавлении двух новых измерений масштабирования - имеет огромное значение. Мы не выбираем один путь вместо дрeгого. Мы в трехмерном режиме масштабирования: лучшие базовые модели, лучшее пост-обучение, более длительные вычисления во время инференса. Все три улучшаются одновременно. Мультипликативно, не аддитивно.

---

Инфраструктурная война: Google атакует

Пока рассуждающие модели спасали ИИ, Google играл в другую игру.

Их расчет: если мы производим токены дешевле всех, давайте работать с ИИ на минус 30% маржи. Сделаем юнит-экономику жесткой. У нас есть Поиск, чтобы субсидировать убытки. OpenAI, Anthropic, XAI нужен внешний капитал. Задушим их.

Это работало.

Преимущество Google: тайминг и вертикальная интеграция. Пока Blackwell буксовал, Google обучал на TPU V6 и V7. В полупроводниковом времени, если Hopper был истребителем P-51 Mustang времен Второй мировой, TPU V6/V7 были F-4 Phantom. Blackwell проектировался как F-35. Но F-35 не имеют значения, когда они не летают.

---

Арбитраж на 15 миллиардов

Стратегия TPU у Google: они делают фронтенд-дизайн чипа, Broadcom занимается бэкендом и управляет TSMC. За это Broadcom получает 50-55% валовой маржи. Если TPU достигнут 30 миллиардов долларов в 2027 году, Google будет платить Broadcom 15 миллиардов ежегодно. Весь OpEx полупроводникового бизнеса Broadcom? 5 миллиардов.

Математика: Google мог бы удвоить зарплату каждому инженеру Broadcom, потратить 5 миллиардов на создание внутренних компетенций и все равно экономить 5 миллиардов в год. При объеме TPU в 50 миллиардов они экономили бы 20 миллиардов ежегодно даже после утроения затрат на инженеров Broadcom.

Google уже посылает предупредительные сигналы, привлекая MediaTek - тайваньскую ASIC-компанию с гораздо более низкой маржой.

Тем временем Nvidia и AMD взяли обязательство выпускать новое поколение GPU ежегодно. Послание Дженсена: «Отлично, делайте свой ASIC. Мы ускоряемся. Вам не угнаться».

---

Заблуждение «чип - это просто»

Что все узнают на горьком опыте: разработка хорошего ИИ-чипа - это 10% задачи. Вам также нужны сетевая карта, CPU, коммутатор для scale-up, протокол scale-up, коммутатор для scale-out, кабели, охлаждение, программный стек, который все это связывает.

Amazon, возможно, имеет лучшую не-GPU ASIC-команду. Инновационную в Nitro и SuperNIC. Но даже Trainium от Amazon только сейчас, в четвертом поколении, приближается к конкурентоспособной производительности.

Требуется минимум три итерации, чтобы сделать хороший чип. Все учатся этому дорогой ценой.

---

GB300 меняет правила игры

GB200 (Blackwell первого поколения) было катастрофически сложно производить. Эти стойки наконец масштабируются после 3-4 месяцев устранения багов, обучения эффективной работе, оптимизации охлаждения.

GB300 (Blackwell второго поколения) - лучший чип с улучшенными характеристиками. Ключевой момент: полностью совместим со стойками GB200. Любой дата-центр, справившийся с GB200 - уже решивший вопросы питания, охлаждения, укрепления полов - может просто вставить GB300.

Внезапно переход перестает быть сложным. Вы не просите клиентов переделывать инфраструктуру. Вы предлагаете путь обновления.

Компании, развертывающие GB300, особенно вертикально интегрированные, не платящие маржу облачным провайдерам, становятся новыми производителями токенов с минимальными издержками. Временное преимущество Google испаряется.

Если Google изменит поведение - перестанет субсидировать агрессивное ценообразование - экономика ИИ драматически улучшится для всех остальных. Экосистема получит кислород.

---

Почему *Meta провалилась

Опыт *Meta поучителен.

В начале 2025 года Марк Цукерберг сделал недвусмысленное предсказание: *Meta будет иметь лучшую модель ИИ к концу года.

Они не вошли даже в топ-100.

Это важно, потому что показывает: то, чего достигли четыре ведущие лаборатории - OpenAI, Anthropic, Google DeepMind, XAI - действительно сложно. *Meta бросила на это огромные ресурсы. Талант мирового класса. Миллиардные бонусы для исследователей ИИ. Янн ЛеКун покинул руководящую должность. Серьезная попытка.

Не смогли достичь фронтира.

Microsoft пытался. Купил Inflection AI, предполагал, что внутренние модели быстро улучшатся. Не произошло. Не в топ-20.

Amazon купил Adept AI, запустил модели Nova. Тоже не конкурентоспособен на фронтире.

---

Скрытый множитель эффективности

Несколько факторов объясняют провалы:

Во-первых, поддерживать когерентность больших GPU-кластеров при высокой утилизации необычайно сложно. Огромная вариация в том, как компании управляют инфраструктурой. Если одна компания достигает 90% аптайма на 100 000 GPU, а конкурент - 30%, они даже не конкурируют. Разрыв в производительности непреодолим независимо от теоретических аппаратных возможностей.

Во-вторых, управлять инфраструктурой, оптимизированной по стоимости, фундаментально отличается от управления инфраструктурой, оптимизированной по производительности и сложности. Обучение фронтирных моделей требует последнего.

В-третьих, «вкус» - интуитивное чутье на то, какие эксперименты проводить, когда нельзя протестировать все. При обучении на 50 000+ GPU каждый крупный эксперимент занимает дни или недели. Альтернативные издержки неверных экспериментов огромны.

В-четвертых, отставая однажды, догонять становится все труднее. У каждой фронтирной лаборатории есть более продвинутые внутренние чекпоинты. Они используют эти чекпоинты для обучения следующего поколения. Без доступа к последним чекпоинтам вы гонитесь за ускоряющейся целью.

---

Китай теряет гонку

Китай допустил значительную стратегическую ошибку с ограничениями на экспорт редкоземельных элементов. Китайские лаборатории вроде DeepSeek уже указали в технических статьях, что недостаточные вычисления - причина их отставания от американских лабораторий. Это политически осторожная формулировка для: «У нас недостаточно продвинутых чипов».

У Китая есть чипы Huawei, приличные по сравнению с устаревшими поколениями Nvidia. Они заставляют китайский ИИ переходить на отечественные ускорители. Но Blackwell уже здесь, и разрыв в производительности вот-вот взорвется.

Когда китайские лаборатории не могут получить доступ к Blackwell и Ruben, разрыв между американскими фронтирными моделями и китайским open-source существенно расширяется. Это дает США значительный геополитический рычаг именно тогда, когда Китай может осознать, что им действительно нужны продвинутые американские чипы.

---

Дата-центры в космосе

Самая безумная идея в разговоре Бейкера также наиболее тщательно аргументирована: дата-центры должны быть в космосе.

Начнем с первых принципов. Каковы фундаментальные входные ресурсы для работы дата-центра? Питание и охлаждение. Все остальное вторично.

В космосе можно держать спутник на солнце 24 часа в сутки. Солнце на 30% интенсивнее в космосе, чем на поверхности Земли. Правильно расположенный спутник получает в шесть раз больше солнечной энергии, чем лучшая наземная солнечная установка.

Батареи не нужны. Солнечные панели на Земле проводят половину времени в темноте, требуя массивных батарейных установок. В космосе непрерывный солнечный свет означает, что вся батарейная инфраструктура исчезает.

Энергия с наименьшими издержками в нашей Солнечной системе - это солнечная энергия в космосе.

Охлаждение в космосе бесплатно. Поставьте радиатор на темной стороне спутника. Температура приближается к абсолютному нулю. Отвод тепла не требует активных систем, охлаждающей жидкости, электричества для вентиляторов.

Вся инфраструктура охлаждения - огромные затраты и сложность - исчезает.

Посмотрите, как сходятся три компании Илона Маска. Tesla строит Optimus. XAI обеспечивает интеллект для Optimus. SpaceX развертывает космическую инфраструктуру, питающую ИИ, который управляет роботом. Каждая компания создает конкурентные преимущества для других в самоусиливающемся цикле.

---

Апокалипсис SaaS

Розничные сети с физическими магазинами совершили катастрофическую ошибку в начале 2000-х. Посмотрели на e-commerce, увидели, что он убыточен, изучили структуру маржи, решили, что он не может быть эффективнее их модели.

Их логика казалась разумной: в наших магазинах покупатели сами оплачивают доставку себя к нам. Как доставка индивидуальных заказов по миллионам адресов может быть эффективнее?

Видение Amazon: в конечном счете мы достигнем такой плотности маршрутов, что доставка станет чрезвычайно эффективной.

Традиционные ритейлеры не инвестировали в e-commerce, потому что им не нравилась структура маржи. Сегодня у североамериканского ритейла Amazon маржа выше, чем у многих массовых ритейлеров. Большинство сетей физических магазинов борются за выживание или мертвы.

---

Ловушка маржи

Софтверные компании совершают точно такую же ошибку с ИИ.

У них прекрасная валовая маржа 70-90% от традиционного SaaS. Написал код однажды, распространяешь широко почти с нулевыми предельными издержками. Лучшая бизнес-модель в истории.

ИИ фундаментально другой. Пересчитывай ответ каждый раз. Хорошая ИИ-компания может иметь 40% валовой маржи, может 50%, если отличные операторы. Вычислительные затраты неизбежны.

SaaS-компании смотрят на эту маржу и говорят: «Не можем это принять. Нужно сохранить 80% валовой маржи».

Это гарантирует провал.

ИИ-нативные компании строят агентов с валовой маржой ниже 35%. Их это устраивает, потому что они генерируют кэш раньше, чем традиционный SaaS когда-либо мог - не из-за высокой маржи, а потому что у них почти нет сотрудников-людей. ИИ делает работу.

Если вы SaaS-компания, сохраняющая 80% маржи на ИИ-продуктах, вы гарантируете, что ИИ-нативные конкуренты обойдут вас по цене, дадут лучшую ценность и в конечном счете заменят вас.

---

Вопрос жизни и смерти

Ни одна SaaS-компания в сфере приложений не могла бы не вести успешную агентскую стратегию. У них массивные преимущества над ИИ-нативными стартапами: существующие отношения с клиентами, проприетарные данные, налаженная дистрибуция, генерирующий кэш традиционный бизнес.

Сценарий прямолинеен: создайте отдельную отчетность для ИИ-выручки с другими ожиданиями по марже. Покажите, что валовая маржа ИИ составляет 40-50%, пока традиционный SaaS сохраняет 75-80%. Продемонстрируйте рост общих валовых долларов прибыли даже при изменении микса.

CRM-компания? Ваши клиенты используют вас для общения со своими клиентами. Постройте агента, ведущего продажи и клиентскую поддержку. Продавайте доступ за 10-20% от стоимости человеческого труда.

Прямо сейчас агенты, построенные другими компаниями, получают доступ к вашим системам через API, вытягивают данные на свои платформы, делают работу, которую должен делать ваш софт. В конечном счете клиенты спрашивают: «Зачем мне нужна ваша платформа, если ИИ-агент делает всю работу?»

Единственное, что мешает этой очевидной стратегии: «Но мы хотим сохранить наши 80% валовой маржи».

Почти каждая SaaS-компания, кроме Microsoft, проваливает этот вопрос.

Пока гиганты решают, как адаптировать свои бизнес-модели, возможность использовать ИИ для реальных задач доступна уже сейчас.

Делегируйте часть рутинных задач вместе с BotHub!

Для доступа к сервису не требуется VPN, и можно использовать российскую карту.

---

Все, что нужно ИИ, ИИ получает

Паттерн, на который стоит обратить внимание: всякий раз, когда ИИ сталкивается с ограничением, которое может замедлить прогресс, это ограничение решается с замечательной скоростью.

Электричество должно было стать ограничением. Общественное мнение о ядерной энергии изменилось быстрее, чем по любому американскому вопросу в истории. Внезапно мертвые проекты становятся жизнеспособными.

Редкоземельные элементы должны были ограничить продвинутые чипы. DARPA запустило программы, стимулирующие новые методы извлечения и переработки. Месторождения в дружественных США странах внезапно стали экономически жизнеспособны.

Blackwell был катастрофически сложен в производстве и развертывании. Занял больше времени, чем кто-либо хотел. Но теперь масштабируется. Переход на GB300 будет гладким. Ruben уже проектируется с учетом уроков Blackwell.

Каждое узкое место атакуется чрезвычайными ресурсами и вниманием. Капитал течет к решениям. Регуляторные барьеры падают.

---

От интеллекта к полезности

При определенных уровнях возможностей неэксперты с трудом воспринимают улучшения фронтирных моделей. Для большинства применений модели уже впечатляюще способны.

Сдвиг сейчас: от того, чтобы делать модели более интеллектуальными, к тому, чтобы делать их более полезными. Это требует решения других проблем.

Контекстные окна: чтобы забронировать столик в ресторане, ИИ нужен минимальный контекст. Чтобы спланировать целый отпуск, учитывая предпочтения нескольких членов семьи - огромный объем информации.

Длина задачи: бронирование ресторана - короткая задача. Квартальное закрытие финансов - очень длинная. По мере увеличения емкости для длинных задач экономическая ценность растет нелинейно.

Надежность: 80% правильно - это уровень фокусов в салоне. 99,5% правильно - это production-grade. Разрыв между «впечатляющей демо» и «я могу доверить этому представлять мою компанию» огромен.

Компании из Fortune 500 вне технологий сообщают о конкретном, количественном влиянии ИИ на бизнес. C.H. Robinson - фрахтовый брокер - сообщил о росте прибыли примерно на 20% благодаря ИИ.

Раньше расчет цены и доступности грузовых мощностей занимал 15-45 минут, можно было рассчитать только 60% входящих запросов. С ИИ: расчет 100% запросов за секунды.

Это не демо. Измеримая бизнес-ценность в индустрии на 400 миллиардов долларов.

---

Главный медвежий сценарий

Наиболее правдоподобный сценарий драматического снижения спроса на облачные ИИ-вычисления - не в том, что модели перестанут улучшаться. А в том, что они станут достаточно хороши для локальной работы на устройствах.

Через три года, на большем, более громоздком телефоне с большим объемом DRAM и меньшим временем работы батареи, вы, вероятно, будете запускать урезанную версию Gemini 5 или Grok 4 со скоростью 30-60 токенов в секунду. Достаточно быстро, чтобы ощущаться отзывчиво. Достаточно сложно для большинства повседневных задач.

И это будет бесплатно. Никаких API-вызовов. Никаких данных, покидающих устройство. Полная приватность.

Это явно стратегия Apple: стать дистрибьютором ИИ, сделать его безопасным для приватности, запускать на устройстве. Обращаться к «божественным моделям» в облаке только для сложных вопросов.

Если 30-60 токенов в секунду на уровне «эквивалента IQ 115» достаточно хороши для 80% случаев использования, это значительный медвежий сценарий для спроса на дата-центры.

---

Что произойдет дальше

Первые модели, обученные на Blackwell, появятся в начале 2026 года. XAI, вероятно, первыми - они строят дата-центры быстрее всех, развертывают Blackwell в масштабе быстрее, работают с Nvidia быстрее над отладкой и оптимизацией.

Эти модели должны быть существенно лучше текущего фронтира. Gemini 3 подтвердил, что законы масштабирования предобучения работают. Blackwell - драматически лучший чип, чем Hopper.

«Красный код» OpenAI становится более понятным в этом контексте. Они платят маржу провайдерам вычислений, которые могут быть не лучшими операторами GPU. Они производители токенов с высокими издержками, конкурирующие с вертикально интегрированными игроками с лучшим железом на подходе.

Разрыв между американскими фронтирными лабораториями и всеми остальными, похоже, расширяется, а не сужается. Создание фронтирных моделей действительно сложно. Эти компетенции нелегко воспроизвести даже с неограниченным капиталом.

---

Поиск истины

Философия инвестирования Бейкера сосредоточена на убежденности, сбалансированной с гибкостью. Смелость придерживаться дифференцированных взглядов в сочетании со скромностью менять свое мнение, когда поступает новая информация.

Он построил культуру в Atreides, где ошибаться не наказывается - это ожидается. Если вы не ошибаетесь трижды в день, вы не учитесь. Он празднует, когда люди говорят ему, что он неправ.

Прямо сейчас истина выглядит так:

Мы в трехмерном режиме масштабирования. Прогресс продолжается по всем трем измерениям. Компании, понимающие, как они взаимодействуют - и имеющие операционное совершенство для исполнения - наращивают свое преимущество.

Инфраструктурные ограничения, которые могли бы замедлить прогресс, продолжают решаться. Делать ставку против решения ограничений неразумно.

Экономическая отдача от ИИ уже положительна для крупнейших покупателей. Фаза ROI начинается, а не заканчивается.

SaaS-компании, отказывающиеся адаптировать структуру маржи, совершают ту же ошибку, что ритейлеры с e-commerce.

И крупнейшее инфраструктурное строительство в истории человечества только начинается.

---

*Meta и Facebook признаны экстремистскими организациями и запрещены в РФ