ШІ-революція вже тут. Чи витримає економіка цей перехід?

Майкл Бьюррі заробив статки, поставивши проти ринку в 2008-му. Тепер він дивиться на трильйони, що течуть в ШІ-інфраструктуру, і бачить знайомі ознаки бульбашки. Джек Кларк будує цей самий ШІ в Anthropic. Дваркеш Патель - популярний подкастер, який бере інтерв'ю у ключових фігур індустрії - ставить обом незручні запитання. Патрік Маккензі, фінансовий аналітик і автор розсилки Bits About Money, модерує дискусію. Четверо експертів з різними позиціями зібралися, щоб розібратися: ми інвестуємо в майбутнє чи повторюємо помилки доткомів?

Історія ШІ

Патрік Маккензі: Уявіть, що вас найняли істориком останніх кількох років. Коротко розкажіть, що було створено після "Attention Is All You Need" (стаття 2017 року, з якої почалася ера трансформерів). Що у 2025 році здивувало б аудиторію 2017 року? Які прогнози обізнаних людей не справдилися? Розкажіть цю історію так, як розповіли б фахівцеві у вашій галузі - дослідникам, політикам або учасникам ринку.

Джек Кларк: У 2017 році більшість людей робили ставку на те, що шлях до по-справжньому універсальної системи лежить через навчання агентів з нуля на навчальній програмі зі все складніших завдань, і через це - створення універсально здібної системи. Це простежувалося в дослідницьких проєктах усіх великих лабораторій - DeepMind, OpenAI - які намагалися навчити надлюдських гравців в іграх на кшталт Starcraft, Dota 2 та AlphaGo. Я називаю це ставкою на "tabula rasa" (чистий аркуш) - починаєш із чистого агента і "випікаєш" його в якомусь середовищі (або середовищах), доки він не стане розумним.

Звісно, як ми тепер знаємо, це не призвело до створення загального інтелекту - але призвело до появи надлюдських агентів у межах тих конкретних завдань, на яких вони навчалися.

Водночас люди почали експериментувати з іншим підходом - масштабним навчанням на датасетах і спробами будувати моделі, які могли б передбачати та генерувати на основі цих розподілів. Це виявилося надзвичайно ефективним і було прискорене двома ключовими факторами:

• архітектура Transformer з "Attention Is All You Need", яка зробила таке масштабне передтренування набагато ефективнішим, та
• приблизно паралельний розвиток "законів масштабування" - базового розуміння того, що можна моделювати зв'язок між можливостями передтренованих моделей і вкладеними ресурсами (даними, обчисленнями).

Об'єднавши Transformer і розуміння законів масштабування, кілька людей правильно зробили ставку на те, що можна отримати універсальні системи шляхом масивного масштабування даних і обчислень.

Зараз, що досить кумедно, все повертається на свої місця: люди знову починають будувати агентів, але цього разу вони наділені всіма інсайтами, отриманими від передтренованих моделей. Чудовий приклад - стаття SIMA 2 від DeepMind, де вони створюють універсального агента для дослідження 3D-середовищ, і він спирається на базову передтреновану модель Gemini. Інший приклад - Claude Code, кодинг-агент, чиї базові можливості походять від великої передтренованої моделі.

Патрік Маккензі: Завдяки тому, що великі мовні моделі (LLM) програмовані та широко доступні, включно з версіями з відкритим кодом, які обмежені, але все одно потужні порівняно з 2017 роком, ми зараз перебуваємо в точці, коли жодні подальші розробки в галузі можливостей ШІ (або чогось іншого цікавого) ніколи не будуватимуться на гіршому когнітивному субстраті, ніж той, що є у нас зараз. Це "те, що ви бачите сьогодні - це підлога, а не стеля" - одна з речей, яку найкраще розуміють інсайдери і найгірше - політики та широка публіка.

Кожен майбутній ШІ для Starcraft вже прочитав "Мистецтво війни" в оригіналі китайською - якщо тільки його розробники не вирішать, що це робить його гіршим у захисті від зерг-рашів.

Джек Кларк: Так, ми часто кажемо політикам в Anthropic: "Це найгірше, що коли-небудь буде!" - і дуже важко донести до них, наскільки це зрештою важливо. Інша неінтуїтивна річ - як швидко покращуються можливості. Поточний приклад: багато хто зараз грається з Opus 4.5 у Claude Code і каже щось на кшталт "Ого, це настільки краще, ніж було раніше". Якщо ви востаннє працювали з LLM у листопаді, ви зараз сильно відстали від розуміння поточних можливостей.

Майкл Бьюррі: З мого погляду, у 2017 році під ШІ мали на увазі не LLM. Під ШІ мали на увазі штучний загальний інтелект (AGI). Думаю, люди тоді не вважали LLM штучним інтелектом. Я виріс на науковій фантастиці, і там багато чого передбачено, але в жодній книзі "ШІ" не уявлявся чимось на кшталт пошукового чат-бота.

Що стосується "Attention Is All You Need" і введення архітектури Transformer - це все були інженери Google, які використовували Tensor, і в середині 2010-х ШІ не був чужорідною концепцією. Нейромережі, стартапи машинного навчання були звичною справою, і ШІ часто згадувався на зустрічах. У Google вже була велика мовна модель, але вона була внутрішньою. Один із головних сюрпризів для мене - що Google не лідирував увесь цей час, враховуючи їхнє домінування в Search і Android, і в чипах, і в софті.

Ще один сюрприз - я думав, що спеціалізовані інтегральні схеми (ASIC) будуть прийняті набагато раніше, і малі мовні моделі (SLM) будуть прийняті набагато раніше. Те, що Nvidia залишається чипом для ШІ так далеко в епоху інференсу (виконання моделей) - шокує.

Найбільший сюрприз для мене - що ChatGPT запустив бум витрат. Сценарії використання ChatGPT від самого початку були обмежені - пошук, студенти списують, кодинг. Зараз є LLM кращі для кодингу. Але саме чат-бот запустив витрати на трильйони.

Говорячи про витрати, я вважаю одним із найкращих моментів інтерв'ю Дваркеша із Сатьєю Наделлою визнання того, що всі великі софтверні компанії тепер - хардверні компанії, капіталомісткі, і я не впевнений, що аналітики, які стежать за ними, взагалі знають, що таке капітальні витрати на підтримку.

Дваркеш Патель: Чудові зауваження. Дійсно дивно, наскільки недовговічними поки що виявлялися переваги в ШІ. Звісно, у 2017 році Google був далеко попереду. Пару років тому OpenAI здавався таким, що набагато випереджає інших. Є якась сила (можливо, переманювання талантів, чутки або реверс-інжиніринг), яка поки що нейтралізувала будь-які втікаючі переваги окремої лабораторії. Натомість велика трійка кожні кілька місяців міняється місцями на подіумі. Мені цікаво, чи зможе "рекурсивний надінтелект" реально це змінити, чи нам варто просто очікувати на сильну конкуренцію назавжди.

Джек Кларк: Щодо рекурсії - усі фронтирні лабораторії прискорюють своїх розробників за допомогою інструментів ШІ, але це не дуже гладко. Схоже, що це має властивість "ти швидкий лише настільки, наскільки найслабша ланка в ланцюгу" - наприклад, якщо ти тепер можеш виробляти в 10 разів більше коду, але твої інструменти код-рев'ю покращилися тільки у 2 рази, ти не бачиш масивного прискорення. Велике відкрите питання - чи можливо повністю замкнути цей цикл, і тоді можна побачити якусь накопичувальну перевагу в R&D (дослідженнях і розробках).

Чи справді інструменти ШІ підвищують продуктивність?

Дваркеш Патель: Питання на мільйон доларів - що є найкращим вимірювачем реального прискорення дослідників та інженерів у лабораторіях: дослідження продуктивності METR (яке показує, що розробники, які добре знають свої кодові бази, мали приблизно 20%-ве зниження часу на мердж пул-реквестів при використанні інструментів кодингу) або людино-еквівалентні часові горизонти самодостатніх завдань кодингу (які вже в діапазоні багатьох годин і подвоюються кожні 4-7 місяців). У мене немає прямого досвіду тут, але я б припустив, що ближче до першого, враховуючи, що немає хорошого циклу зворотного зв'язку для верифікації, а критерії відкриті (підтримуваність, смак тощо).

Джек Кларк: Згоден, це критичне питання - і дані суперечливі та мізерні. Наприклад, ми провели опитування розробників в Anthropic і побачили самооцінений приріст продуктивності на 50% у 60% опитаних, які використовували Claude в роботі. Але потім такі речі, як дослідження METR, начебто суперечать цьому. Нам потрібні кращі дані й, конкретно, інструментування для розробників усередині та поза ШІ-лабораторіями, щоб зрозуміти, що відбувається. Якщо дивитися ширше, масове і безпрецедентне прийняття інструментів кодингу передбачає, що люди бачать якусь значну суб'єктивну користь від їх використання - було б дуже неінтуїтивно, якби зростаючий відсоток розробників з ентузіазмом робив себе менш продуктивними.

Дваркеш Патель: Не хочу заглиблюватися в це, але те, що самооцінена продуктивність набагато вища - і потенційно навіть у протилежному напрямку - ніж реальна продуктивність, передбачається дослідженням METR.

Джек Кларк: Так, згоден. Не розкриваючи занадто багато, ми конкретно думаємо про інструментування і з'ясування того, що тут "істина", тому що те, що люди повідомляють про себе, може відрізнятися від реальності. Сподіваюся, у нас будуть якісь дослідницькі результати щодо цього у 2026 році!

Хто виграє?

Майкл Бьюррі: Думаєте, подіум продовжить обертатися? З того, що я чую, Google виграє серед розробників і в AWS, і в Microsoft. І схоже, інерція старого пошукового бізнесу в компанії була подолана.

Дваркеш Патель: Цікаво. Мені здається, конкуренція сильніша, ніж будь-коли. Настрої у Twitter чудові і для Opus 4.5, і для Gemini 3.5 Pro. Не маю думки, яка компанія переможе, але точно не виглядає, що це вирішено.

Джек Кларк: Мені теж здається, конкуренція сильніша, ніж будь-коли!

Дваркеш Патель: Цікава думка всіх із цього приводу: скільки провальних тренувальних запусків/невдалих моделей можуть пережити Anthropic, OpenAI або Google? Враховуючи постійну необхідність залучати кошти (побічне запитання: на що саме?) на основі виручки та настроїв ринку.

Майкл Бьюррі: Секрет пошуку Google завжди був у тому, наскільки він дешевий, тож інформаційні запити, які не монетизуються (а це 80% або більше), не накопичувалися як збитки для компанії. Думаю, це фундаментальна проблема генеративного ШІ та LLM сьогодні - вони дуже дорогі. Важко зрозуміти, яка модель прибутку, або якою буде конкурентна перевага будь-якої конкретної моделі - чи зможе вона брати більше або працювати дешевше?

Можливо, Google зрештою зможе працювати дешевше за всіх і переможе, коли ШІ стане звичайним товаром.

Дваркеш Патель: Чудова думка. Особливо якщо думати, що багато/більшість покращень за останній рік стали результатом масштабування інференсу, що вимагає експоненційного зростання змінних витрат для підтримки.

Зрештою ціна чого-небудь обмежена зверху вартістю його заміни. Тож компанії фундаментальних моделей можуть брати високу маржу (що вони зараз начебто роблять) тільки якщо прогрес продовжує бути швидким і, до зауваження Джека, в підсумку стає самопідсилювальним.

Чому ШІ не відібрав усю нашу роботу?

Дваркеш Патель: Дійсно дивно, скільки всього потрібно для автоматизації роботи і виконання того, що роблять люди. Ми щойно пройшли через стільки інтуїтивних визначень AGI - тест Тюрінга вже навіть не варто коментувати; у нас є моделі, які можуть міркувати і вирішувати складні, відкриті завдання з кодингу та математики. Якби мені показали Gemini 3 або Claude 4.5 Opus у 2017 році, я б подумав, що це залишить без роботи половину білих комірців. І тим не менше вплив ШІ на ринок праці настільки малий, що його потрібно шукати під лупою в таблицях - якщо він взагалі є.

Я також знайшов би дивовижними масштаб і швидкість приватних інвестицій у ШІ. Ще пару років тому люди казали, що AGI має бути державним проєктом у стилі Мангеттена, тому що це єдиний спосіб перетворити економіку на двигун обчислень і даних. І поки схоже, що старі добрі ринки цілком можуть підтримувати інвестиції в ШІ в кілька відсотків ВВП.

Майкл Бьюррі: Гарне зауваження, Дваркеш, про тест Тюрінга - це точно було предметом обговорення певний час. У минулому, наприклад, під час Промислової революції та Революції послуг, вплив на працю був настільки великим, що обов'язкова шкільна освіта була введена і розширена, щоб довше тримати молодих людей поза робочою силою. Ми безумовно не бачили нічого подібного.

Джек Кларк: Так, Дваркеш і Майкл, загальне місце для ШІ-спільноти - вони продовжують будувати нібито складні завдання, які вимірюватимуть істинний інтелект, потім ШІ-системи пролітають ці бенчмарки, і ти виявляєш себе з чимось, що поверхнево дуже здібне, але все ще, ймовірно, робить помилки, які будь-яка людина визнала б дивними або неінтуїтивними. Недавній приклад: LLM показали "надлюдські" результати на низці нібито складних когнітивних завдань за бенчмарками, але були нездатні до самокорекції при помилках. Зараз це покращується, але це ілюстрація того, наскільки неінтуїтивними можуть бути слабкості моделей ШІ. І часто виявляєш їх одночасно з масивними поліпшеннями.

Дваркеш Патель: Цікаво, чи вірно і зворотне - люди надійно роблять класи помилок, які LLM визнала б дивними або неінтуїтивними, лол. LLM реально більш "зубчасті" (з нерівними можливостями), ніж люди, чи просто нерівні по-іншому?

Патрік Маккензі: Запозичуючи спостереження з книги Дваркеша, банальний спосіб, яким LLM надлюдські - вони розмовляють більшою кількістю мов, ніж будь-яка людина, на порядок, який вражає уяву, і з більшою легкістю, ніж майже всі поліглоти коли-небудь досягають. Неймовірно, що це відбувається випадково, навіть без того, щоб лабораторії спеціально тренували на це. Одна з найбільш вражаючих демонстрацій, які я бачив - LLM, навчена на корпусі, який мав містити тільки документи англійською, змогла перекласти новинну статтю CNN японською приблизно на рівні професійного перекладача. З цієї перспективи, LLM, у яку не вбили ввічливість, могла б сказати: "Люди дивні й нерівні; подивіться, скільки з них не розмовляють японською, незважаючи на життя у світі з книжками".

Чому багато працівників не використовують ШІ (поки що)

Патрік Маккензі: Кодинг, схоже, є переднім краєм широкого промислового прийняття ШІ, з метеорним зростанням виручки у таких компаній, як Cursor, технологами зі смаком, що перейшли на інструменти на кшталт Claude Code і OpenAI Codex, і хайпом навколо "вайб-кодингу" (програмування через опис завдання природною мовою). Це створює виражену асиметрію ентузіазму з приводу ШІ, оскільки більшість людей - не кодери. Який сектор зміниться наступним? Яка зміна зробить це видимим у звітності, зайнятості або цінах, а не в демо?

Джек Кларк: У кодингу є хороша властивість - він відносно "замкнутий цикл": ти використовуєш LLM для генерації або доопрацювання коду, який потім валідуєш і пушиш у продакшн. Реально знадобилася поява ширшого набору інструментів, щоб LLM отримали цю властивість "замкнутого циклу" в областях за межами кодингу - наприклад, створення можливостей веб-пошуку і поява таких речей, як підключення по Model Context Protocol (MCP - протокол контексту моделей), дозволило LLM масивно розширити їхню корисність у режимі замкнутого циклу за межами кодингу.

Наприклад, я нещодавно досліджував криві витрат на різні речі (наприклад, долар за масу на орбіту, або долари за ват від сонячної енергії), і це такі речі, які можна було досліджувати з LLM і до цих інструментів, але з величезним тертям і необхідністю ходити туди-сюди між LLM і всім іншим. Тепер це тертя прибрано, і ми бачимо більше прийняття. Тому я очікую, що ми скоро побачимо, як те, що сталося з кодерами, станеться з працівниками знань в цілому - і це повинно проявитися дифузно, але широко в таких галузях, як наукові дослідження, право, академія, консалтинг та інші сфери.

Майкл Б'юррі: Зрештою, ШІ має бути кимось куплений. Хтось там платить за товар або послугу. Це ВВП. І ці витрати зростають темпами ВВП, 2-4% - можливо, з деяким підйомом для компаній з ціновою владою, що не виглядає ймовірним у майбутньому ШІ.

В економік немає пирогів, що магічно розширюються. У них арифметично обмежені пироги. Нічого фантастичного. Весь пиріг софту - SaaS (хмарний софт за передплатою), що запускає всі види корпоративних і креативних функцій - це менше $1 трильйона. Ось чому я весь час повертаюся до співвідношення інфраструктури до додатків - Nvidia продає чіпів на $400 мільярдів при менш ніж $100 мільярдах виручки від ШІ-продуктів для кінцевих користувачів.

ШІ повинен збільшити продуктивність і створити нові категорії витрат, які не канібалізують інші категорії. Це все дуже важко зробити. Чи збільшить ШІ продуктивність достатньо? Це дискусійно. Цикл капітальних витрат заснований на вірі та FOMO (страху втратити вигоду). Ніхто не вказує на цифри, які працюють. Поки що.

Є набагато простіший наратив, що ШІ зробить все настільки кращим, що витрати вибухнуть. Скоріше він їх стисне. Якщо ШІ замінить ліцензію за $500 на місце на $50, це чудово для продуктивності, але дефляційно для витрат на продуктивність. І цей приріст продуктивності ймовірно буде розділений усіма конкурентами.

Дваркеш Патель: Майкле, хіба це не омана ""фіксованої кількості праці""? Що є фіксований обсяг софту, який потрібно написати, і ми можемо обмежити зверху вплив ШІ на софт цим обсягом?

Майкл Б'юррі: Нові ринки виникають, але вони розвиваються повільніше, ніж думають зацікавлені футуристи. Так було завжди. Демографія і загальний адресований ринок (TAM) занадто часто - маркетингові виверти, не засновані на реальності. Населення Китаю скорочується. Населення Європи скорочується. США - єдина велика західна країна зі зростанням, і то через імміграцію, але вона теж політизована. FOMO - до біса сильний наркотик. Якщо подивитися на деякі коментарі Apple або Microsoft, здається, вони це розуміють.

Дваркеш Патель: До речі, кумедно, що ШІ з'являється саме тоді, коли він нам потрібен, щоб врятувати нас від демографічної ями, в яку наші економіки інакше провалилися б у найближчі десятиліття.

Майкл Б'юррі: Так, Дваркеш. У медицині, де є реальний дефіцит, немає надії на те, що людських лікарів буде достатньо в майбутньому. Хороша медична допомога повинна стати дешевшою, і потрібні технології, щоб розширити охоплення та покриття реальної медичної експертизи.

Інженери залишаться без роботи?

Патрік Маккензі: AppAmaGooFaceSoft [Apple, Amazon, Google, Facebook, Microsoft] зараз наймають близько 500 000 інженерів. Назвіть цифру на 2035 рік і поясніть своє мислення - або аргументуйте, що чисельність персоналу - неправильна змінна, і назвіть балансову або продуктивнісну метрику, яку ви б відстежували замість цього.

Майкл Б'юррі: З 2000 року Microsoft додав 18 000 співробітників, поки акції нікуди не рухалися 14 років. Фактично чисельність ледь змінилася в Cisco, Dell та Intel, незважаючи на великі обвали акцій. Так що я думаю, це неправильна змінна. Вона нічого не говорить про створення вартості, особливо для багатих на готівку компаній і компаній у ситуаціях монополії, дуополії або олігополії. Думаю, вона буде нижчою або не набагато вищою, тому що я думаю, ми рухаємося до дуже довгого спаду. Гіперскейлери звільнили співробітників у 2022, коли їхні акції впали, і найняли більшість назад, коли акції зросли. Це за пару років.

Я б відстежував повну вартість компенсації на основі акцій (SBC), перш ніж говорити, що продуктивність б'є рекорди. У Nvidia я підрахував, що приблизно половина прибутку знищується компенсацією, прив'язаною до акцій, які передали вартість цим співробітникам. Ну, якщо половина співробітників тепер коштує $25 мільйонів, то який приріст продуктивності на цих співробітниках? Не кажучи вже про те, що маржа з точними витратами на SBC була б набагато нижчою.

Міра, яка б'є всі міри - це рентабельність інвестованого капіталу (ROIC), і ROIC був дуже високим у цих софтверних компаній. Тепер, коли вони стають капіталомісткими хардверними компаніями, ROIC точно впаде, і це буде тиснути на акції в довгостроковій перспективі. Ніщо не пророкує довгострокові тренди на ринках краще, ніж напрямок ROIC - вгору або вниз, і з якою швидкістю. ROIC падає дуже швидко у цих компаній зараз, і так буде до 2035 року.

В інтерв'ю з Дваркешем Сатья Наделла сказав, що він хоче, щоб софт зберіг ROIC через важкий цикл капітальних витрат. Я не бачу цього, і навіть для Наделли це звучить тільки як надія.

Дваркеш Патель: Наївне запитання, але чому ROIC важливіший за абсолютні доходи? Я б вважав за краще володіти великим бізнесом, який може продовжувати рости і рости (нехай як менша частка інвестицій), ніж маленьким бізнесом, який по суті друкує гроші, але обмежений зверху за розміром.

Стільки великих технологічних компаній мають нижчий ROIC, але їхній адресований ринок на наступні два десятиліття збільшився від реклами ($400 мільярдів виручки на рік) до праці (десятки трильйонів виручки на рік).

Майкл Б'юррі: Рентабельність інвестованого капіталу - і, що важливіше, її тренд - це міра того, скільки можливостей залишилося в компанії. З моєї точки зору, я бачив багато roll-up'ів (консолідацій через поглинання), де компанії ставали більшими в основному через купівлю інших компаній у борг. Це робить ROIC критично важливим показником. Якщо дохідність цих покупок виявляється нижчою за вартість боргу, компанія зазнає невдачі подібно до WorldCom.

У якийсь момент ці витрати на будівництво ШІ повинні мати повернення на інвестиції вище вартості цих інвестицій, інакше просто немає доданої економічної вартості. Якщо компанія більша, тому що вона позичила набагато більше або витратила весь свій грошовий потік на щось низькодохідне, це не приваблива якість для інвестора, і мультиплікатор впаде. Є багато нетехнологічних компаній, що друкують гроші без реальних перспектив зростання крім його купівлі, і вони торгуються приблизно по 8x прибутку.

Куди йдуть гроші?

Патрік Маккензі: З точки зору циклу капіталу, де ми знаходимося в будівництві ШІ - раннє переінвестування, середина циклу з відсівом, або щось структурно відмінне від минулих технологічних бумів? Що змінило б вашу думку?

Майкл Б'юррі: Я бачу це відмінним від попередніх бумів, за винятком того, що капітальні витрати напрочуд недовговічні. Чіпи змінюються щороку; дата-центри сьогодні не будуть справлятися з чіпами через кілька років. Можна майже аргументувати, що багато з цього має списуватися як витрати, а не капіталізуватися. Або амортизуватися за два-три-чотири роки.

Інша велика відмінність - приватний кредит фінансує цей бум настільки ж, якщо не більше, ніж публічні ринки капіталу. Цей приватний кредит - мутна зона, але невідповідність термінів кидається в очі - багато з цього сек'юритизується, ніби активи служать два десятиліття, при цьому даючи гіперскейлерам виходи кожні 4-5 років. Це просто напрошується на проблеми. Застряглі активи.

Звичайно, ті, хто витрачає - найбагатші компанії на землі, але з готівки чи з ринків капіталу, великі витрати - це великі витрати, і заплановані витрати пригнічують баланси і грошові потоки навіть сьогоднішніх масивних гіперскейлерів.

Також незавершене будівництво (CIP) тепер стало бухгалтерським трюком, який, я вважаю, вже використовується. Капітальне обладнання, ще не ""введене в експлуатацію"", не починає амортизуватися або враховуватися у витратах. І може перебувати там вічно. Я уявляю, що багато застряглих активів буде ховатися в CIP для захисту прибутку, і я думаю, ми вже бачимо цей потенціал.

В інтерв'ю Дваркеша Наделла сказав, що він відступив від деяких проєктів і сповільнив будівництво, тому що не хотів застрягти з 4-5 роками амортизації на одному поколінні чіпів. Це красномовне визнання проблеми.

Ми зараз в середині циклу - пройшли точку, де акції будуть винагороджувати інвесторів за подальше будівництво, і входимо в період, коли реальні витрати і відсутність виручки почнуть проявлятися.

У минулих циклах акції і ринки капіталу досягали піку приблизно на півдорозі, а решта капітальних витрат відбувалася в міру того, як все більш песимістичний або реалістичний погляд опускався на активи.

Дваркеш Патель: Думаю, це настільки залежить від того, чи продовжить ШІ покращуватися швидкими темпами. Якби можна було реально запустити найпродуктивніші людські уми на B200 (GPU Nvidia B200), то ми очевидно масивно недоінвестуємо. Думаю, виручка від прикладного шару поки менш інформативна, ніж сирі прогнози про прогрес у можливостях ШІ.

Джек Кларк: Згоден з цим - обсяг прогресу в можливостях за останні роки був глибоко дивним і призвів до масивного зростання використання ШІ. У майбутньому можуть бути подальші стрибкоподібні збільшення можливостей моделей, і вони можуть мати надзвичайно значні ефекти на економіку.

У чому ринок помиляється

Патрік Маккензі: Де акумулюється вартість у ланцюжку поставок ШІ? Чим це відрізняється від недавніх або історичних технологічних проривів? У чому, на вашу думку, ринок зараз найбільше помиляється?

Майкл Б'юррі: Ну, вартість акумулюється, історично, у всіх галузях, у тих, хто має стійку конкурентну перевагу, що проявляється або як цінова влада, або як недосяжна перевага у витратах чи дистрибуції.

Не ясно, що витрати тут призведуть до цього.

Воррен Баффетт володів універмагом наприкінці 1960-х. Коли універмаг через дорогу поставив ескалатор, йому теж довелося. У підсумку жоден не виграв від цього дорогого проєкту. Ніякого стійкого поліпшення маржі або витрат, і обидва опинилися в тому ж самому місці. Так буде з більшістю впроваджень ШІ.

Ось чому трильйони доларів витрат без ясного шляху до використання реальною економікою так турбують. Більшість не виграє, тому що їхні конкуренти виграють тією ж мірою, і ні в кого не буде конкурентної переваги через це.

Думаю, ринок найбільше помиляється щодо двох головних символів ШІ: Nvidia і Palantir. Це дві найбільш удачливі компанії. Вони добре адаптувалися, але їм пощастило, тому що коли все це почалося, жодна не розробляла продукт для ШІ. Але їх використовують як такий.

Перевага Nvidia не стійка. SLM і ASIC - це майбутнє для більшості сценаріїв використання ШІ. Вони будуть зворотно сумісні з CUDA [паралельна обчислювальна платформа і модель програмування Nvidia], якщо взагалі знадобиться. Nvidia - це енерговитратне, брудне рішення, що тримає оборону, поки конкуренція не прийде з абсолютно іншим підходом.

CEO Palantir порівняв мене з [поганими акторами] через уявну ставку на мільярд доларів проти його компанії. Це не впевнений CEO. Він маркетингує щосили, щоб підтримувати це, але це зісковзне. Практично немає прибутку після компенсації на основі акцій.

Дваркеш Патель: Ще належить побачити, чи зможуть ШІ-лабораторії досягти стійкої конкурентної переваги від ефектів типу рекурсивного самополіпшення. Але якщо Джек правий і ШІ-розробники вже повинні бачити величезні прирости продуктивності, то чому зараз все більш конкурентно, ніж будь-коли? Або таке внутрішнє ""поїдання власної їжі"" (тестування продукту на собі) не може підтримати конкурентну перевагу, або прирости продуктивності від ШІ менші, ніж здаються.

Якщо виявиться, що (1) ніхто у всьому стеку ШІ не може робити божевільні прибутки і (2) ШІ все одно виявиться великою справою, тоді очевидно, що вартість дістається клієнту. Що, на мій слух, звучить чудово.

Майкл Б'юррі: У прикладі з ескалатором єдина вартість дісталася клієнту. Так завжди буває, якщо виробники або провайдери не можуть стягувати монопольну ренту.

Що змінило б їхню думку

Патрік Маккензі: Який заголовок 2026 року - технологічний або фінансовий - здивував би вас і змусив би переглянути загальні погляди на прогрес ШІ або оцінки? Ретроспективно, що було найбільшим сюрпризом або переглядом на сьогоднішній день?

Майкл Б'юррі: Найбільший сюрприз, який змусив би мене переглянути погляди - автономні ШІ-агенти, що витісняють мільйони робочих місць у найбільших компаніях. Це шокувало б мене, але не обов'язково допомогло б зрозуміти, де стійка перевага. Знову той приклад з ескалатором Баффетта.

Інший - виручка прикладного шару, що досягає $500 мільярдів або більше завдяки поширенню проривних додатків.

Прямо зараз ми побачимо одне з двох: або чіпи Nvidia служать 5-6 років і людям тому потрібно менше, або вони служать 2-3 роки і прибуток гіперскейлерів обвалиться, а приватний кредит буде знищений.

Ретроспективно, найбільші сюрпризи на сьогодні:

• Google не лідирував весь час - вісім авторів ""Attention Is All You Need"" були співробітниками Google; у них був Search, Gmail, Android, і навіть LLM і чіпи, але вони упустили це і дали шанс конкурентам з набагато меншим. Google наздоганяє стартап в ШІ: це вражає.
• ChatGPT - чат-бот запустив інфраструктурну гонку на багато трильйонів доларів. Це як якби хтось побудував прототип робота і кожен бізнес у світі почав інвестувати в роботизоване майбутнє.
• Nvidia зберігала домінування так далеко в епоху інференсу. Я очікував, що ASIC і SLM будуть домінувати до цього моменту, і що ми вже давно пішли б за межі prompt engineering. Можливо, захоплення Nvidia реально стримувало гравців. Або антиконкурентна поведінка Nvidia.

Дваркеш Патель: Найбільші сюрпризи для мене були б:

• Сукупна виручка ШІ-лабораторій за 2026 рік нижче $40 мільярдів або вище $100 мільярдів. Це б означало, що все значно прискорилося або сповільнилося в порівнянні з тим, що я очікував.
• Безперервне навчання вирішене. Не так, як GPT-3 ""вирішив"" навчання в контексті, але так, що GPT-5.2 реально майже людиноподібний у здатності розуміти з контексту. Якщо робота з моделлю - як реплікація досвідченого співробітника, який працює з тобою пів року, а не отримання його праці в першу годину роботи, думаю, це становить величезний стрибок у можливостях ШІ.
• Думаю, терміни до AGI значно звузилися з 2020 року. У той момент можна було присвоїти якусь ймовірність масштабуванню GPT-3 в тисячу разів і досягненню AGI, і якусь ймовірність тому, що ми повністю на неправильному шляху і доведеться чекати до кінця століття. Якщо прогрес відхилиться від лінії тренда і вкаже на появу істинних людинозамінних інтелектів у найближчі 5-20 років, це було б найбільшим сюрпризом для мене.

Джек Кларк: Якщо ""масштабування впреться в стіну"", це було б дійсно дивно і мало б дуже значні наслідки як для базової дослідницької парадигми, так і для ширшої ШІ-економіки. Очевидно, будівництво інфраструктури, включаючи величезні інвестиції в об'єкти для навчання майбутніх моделей ШІ, передбачає, що люди ставлять інакше.

Інша річ, яка мене здивувала б - якби був технологічний прорив, що поліпшив ефективність розподіленого навчання, і якісь гравці зібрали б достатньо комп'ютерів для навчання дуже потужної системи. Якби це сталося, це передбачало б, що можна мати не тільки моделі з відкритими вагами, але і форму відкритої розробки моделей, де не потрібна одна величезна організація (на кшталт великої компанії) для навчання фронтирної моделі. Це змінило б політичну економію ШІ і мало б надзвичайно нетривіальні політичні наслідки, особливо навколо поширення фронтирних можливостей. У Epoch є хороший аналіз розподіленого навчання, на який варто подивитися.

Як вони реально використовують LLM

Патрік Маккензі: Якою була ваша остання професійно значуща взаємодія з LLM? Приберіть деталі, якщо потрібно. Як ві ставилися до LLM у цій взаємодії?

Майкл Б'юррі: Я використовую Claude для створення всіх своїх графіків і таблиць тепер. Я знаходжу вихідний матеріал, але не витрачаю час на створення або дизайн професійної таблиці, графіка або візуалізації. Я все ще не довіряю цифрам і повинен їх перевіряти, але цей креативний аспект в минулому для мене. Крім того, я використовую Claude зокрема для пошуку вихідних матеріалів, оскільки так багато вихідних матеріалів сьогодні не знаходяться просто в SEC або в мейнстрімному звіті.

Патрік Маккензі: Думаю, люди поза фінансами не розуміють, скільки мільярдів доларів було витрачено на утримання одних із найбільш високооплачуваних, найкраще освічених людей у світі, зайнятих як фахівці з Microsoft PowerPoint та Excel. У цьому все ще є цінність, поки що, і можливо статусна цінність вміння працювати зі зведеними таблицями та VLOOKUP() протримається довше, ніж вони самі, але моя презентація в Банку Англії теж використовувала LLM для всіх графіків. Здається майже дивним, що ми колись просили людей витрачати години на їхнє ретельне підлаштування.

Дваркеш Патель: Вони тепер мої персональні репетитори сам-на-сам. Я реально намагався наймати людських репетиторів з різних предметів, які я готую, і виявив, що швидкість відгуку LLM просто дає якісно набагато кращий досвід. Я отримую цифровий еквівалент того, як люди готові платити величезні премії за Waymo замість Uber. Це наводить мене на думку, що надбавка за живу людину в багатьох професіях буде не просто низькою, а від'ємною — люди будуть надавати перевагу ШІ.

Майкл Бьюррі: Щодо цього — багато хто вказує на робітничі спеціальності як ШІ-захищений вибір. З огляду на те, скільки я тепер можу зробити в електриці та інших галузях по дому просто з Claude під рукою, я не такий впевнений. Якщо я середній клас і переді мною рахунок на $800 від сантехніка або електрика, я, можливо, просто використаю Claude. Мені подобається, що я можу сфотографувати та зрозуміти все, що потрібно зробити для ремонту.

Ризик, влада і як формувати майбутнє

Патрік Маккензі: Спектр поглядів на ризики ШІ серед відносно поінформованих людей простягається від "це може викликати неприємності в соцмережах" до "було б шкода, якби Китай випередив США в дуже корисній технології, що розвивається, з потенційними військовими застосуваннями" до "ризики включають буквальний кінець всього дорогого людству". Що найбільше не дає вам спати ночами? Окремо, якби у вас було п'ять хвилин із високопоставленими політиками, який новий розподіл уваги та ресурсів ви б запропонували?

Джек Кларк: Головне, про що я турбуюся — чи вдасться людям "будувати ШІ, який будує ШІ" — повністю замкнути цикл на R&D ШІ (іноді званий рекурсивно самовдосконалюваним ШІ). Щоб було зрозуміло, я присвоюю практично нульову ймовірність існуванню рекурсивно самовдосконалюваних систем ШІ на планеті в січні 2026 року, але ми бачимо дуже ранні ознаки того, що ШІ стає кращим у компонентах досліджень ШІ, від розробки обчислювальних ядер до автономного дотренування моделей із відкритими вагами.

Якщо це продовжить покращуватися і ви побудуєте систему ШІ, яка може будувати себе, то розробка ШІ різко прискориться і, ймовірно, стане важчою для розуміння людьми. Це створить низку значних політичних проблем і також, ймовірно, призведе до безпрецедентного стрибка в економічній активності світу, що приписується системам ШІ.

Інакше кажучи, якби у мене було п'ять хвилин із політиком, я б по суті сказав: "Самовдосконалюваний ШІ звучить як наукова фантастика, але немає нічого в технології, що говорить, що це неможливо, і якби це сталося, це було б величезною справою, і ви повинні звертати на це увагу. Ви повинні вимагати прозорості від ШІ-компаній про те, що саме вони тут бачать, і переконатися, що у вас є треті сторони, яким ви довіряєте, які можуть тестувати системи ШІ на ці властивості."

Майкл Бьюррі: Джеку, я уявляю, що до вас дослухаються політики, і сподіваюся, вони слухають.

ШІ в його нинішньому вигляді не дуже турбує мене з погляду ризиків для людства. Я думаю, чат-боти мають потенціал робити людей дурнішими — лікарі, які використовують їх занадто багато, починають забувати власні накопичені медичні знання. Це не добре, але не катастрофічно.

Катастрофічні занепокоєння про AGI або штучний надінтелект (ASI) не надто турбують мене. Я виріс у Холодній війні, і світ міг вибухнути будь-якої хвилини. У нас були шкільні навчання на цей випадок. Я грав у футбол із гелікоптерами, що розпилювали Малатіон над усіма нами. І я дивився "Термінатора" понад 30 років тому. "Червоний світанок" здавався можливим. Я думаю, люди адаптуються.

Якби до мене дослухалися високопоставлені політики, я б попросив їх узяти трильйон доларів (раз трильйони тепер розкидаються як мільйони) і обійти всі протести та регуляції і засіяти всю країну малими ядерними реакторами, одночасно будуючи абсолютно нову, сучасну електромережу для всіх. Зробити це якомога швидше і захистити все від атак за допомогою новітньої фізичної та кібербезпеки; можливо, навіть створити спеціальні Сили ядерної оборони, які захищають кожен об'єкт, що фінансуються федерально.

Це єдина надія отримати достатньо енергії, щоб не відстати від Китаю, і це єдина надія для нас як країни вирости достатньо, щоб у підсумку розплатитися з боргом і гарантувати довгострокову безпеку, не дозволяючи енергії бути обмежувальним фактором нашої інновації.

Джек Кларк: Повністю згоден щодо енергії (хоча у нас може бути різний суб'єктивний рівень занепокоєння з приводу інших речей!). ШІ відіграватиме значущу роль в економіці, і він фундаментально залежить від базової інфраструктури для ефективної та дешевої доставки бізнесам і споживачам — аналогічно тому, як у минулому країни вирішували проводити масштабну електрифікацію, будівництво доріг, каналізації тощо (масивні проєкти капітальних витрат!). Нам терміново потрібно зробити те саме для енергії.

Я також думаю, що великомасштабні ШІ-дата-центри — дуже корисні тестові клієнти для нових енергетичних технологій, і особливо в захваті від поєднання попиту ШІ на енергію та ядерних технологій у майбутньому. Ширше, я думаю, "економічна безпека — це національна безпека", тож створення інфраструктури для побудови ШІ-економіки матиме непрямі позитивні ефекти на нашу індустріальну базу та загальну стійкість.

Про учасників

Майкл Бьюррі — колишній керуючий хедж-фондом і письменник, який публікує інвестиційний аналіз і коментарі про ринки у своєму Substack "Cassandra Unchained". Найбільш відомий передбаченням кризи субстандартної іпотеки, як показано у "Грі на пониження", і останнім часом висловлював скептицизм з приводу ринкової ейфорії навколо ШІ.

Джек Кларк — співзасновник і голова відділу політики в Anthropic, де він працює над безпекою ШІ, управлінням і соціальними наслідками фронтирних моделей. Також веде Import AI, розсилку, що давно виходить, з аналізом досягнень у штучному інтелекті, державній владі та технологічних ризиках.

Дваркеш Патель — засновник і ведучий Dwarkesh Podcast, де він бере інтерв'ю у провідних мислителів про ШІ, економіку та науковий прогрес. Також публікує есе та інтерв'ю у своєму Substack, фокусуючись на довгострокових технологічних траєкторіях, безпеці ШІ та цивілізаційних ризиках.

Патрік Маккензі — письменник і софтверний підприємець, найбільш відомий своєю розсилкою Bits About Money, де він пояснює фінанси, ринки та інститути. Також веде подкаст Complex Systems і раніше працював у технологіях та платежах, зокрема в Stripe.