Столкновение стратегий | Почему генеральный директор IBM Арвинд Кришна не верит в триллионную мечту Сэма Альтмана – ИИОН на уровне от нуля до одного процента? – Изображение: Xpert.Digital
Общий искусственный интеллект (AGI) и беспощадная математика: почему бум центров обработки данных никогда не окупится.
Пятилетний цикл смерти: недооцененный риск для Nvidia, Microsoft и других.
Пока Кремниевая долина охвачена беспрецедентным инвестиционным ажиотажем, когда триллионы долларов вкладываются в гонку за искусственный суперинтеллект, один из самых опытных в мире руководителей технологических компаний нажимает на экстренный тормоз. Генеральный директор IBM Арвинд Кришна предупреждает: эта игра не окупается.
Мировой технологический сектор охвачен менталитетом золотой лихорадки. Такие корпорации, как Microsoft, Google и Meta, перекупают друг друга, инвестируя в новые центры обработки данных, движимые страхом остаться позади в следующей крупной технологической революции. Видение ясно: разработка общего искусственного интеллекта (ОИИ), равного или превосходящего человеческий интеллект. Но посреди этой эйфории раздаётся мощный голос, и не из рядов критиков технологий, а из самого центра власти: Арвинда Кришны, генерального директора IBM.
В трезвом анализе, основанном на чистой арифметике, Кришна развенчивает устоявшуюся в Кремниевой долине риторику. Его предупреждение столь же просто, сколь и пугающе: расходы на инфраструктуру стремительно растут, а оборудование устаревает быстрее, чем амортизируется. Кришна говорит об инвестициях в размере до восьми триллионов долларов США, которые потребуются для продолжения развития искусственного интеллекта по текущей траектории — сумма, которая может привести к финансовому банкротству даже самых богатых компаний мира, если обещанные астрономические прибыли не будут получены.
Но критика Кришны не ограничивается финансовыми показателями. Он ставит под сомнение технологическую основу самой шумихи. В то время как Сэм Альтман и OpenAI представляют появление сверхразума практически неизбежным, Кришна оценивает вероятность достижения этой цели с помощью современных технологий масштабного моделирования языка в отрезвляющие 0–1%.
Неужели мы столкнулись с крупнейшим в истории экономики провалом инвестиций? Бум искусственного интеллекта — это пузырь, готовый лопнуть, или скептики не видят преобразующего потенциала, скрывающегося за балансовыми отчётами? В данной статье рассматриваются аргументы, неумолимая математика экономики центров обработки данных и фундаментальный конфликт между визионерами подхода «всё или ничего» и сторонниками прагматического реализма.
Подходит для:
Почему генеральный директор IBM предсказывает конец самого дорогого эксперимента в истории технологий
Глобальный технологический сектор, возможно, столкнулся с одним из крупнейших ошибочных инвестиций в истории экономики. В то время как такие корпорации, как Microsoft, Amazon, Meta и Google, вкладывают сотни миллиардов долларов в создание инфраструктуры искусственного интеллекта, из самого сердца ИТ-индустрии раздаётся тревожный голос. Арвинд Кришна, генеральный директор IBM, работающий в компании с 1990 года, представил фундаментальный экономический анализ в интервью подкасту Decoder на The Verge в конце ноября 2025 года, который может развеять эйфорию вокруг искусственного интеллекта.
Его заявления, опубликованные 30 ноября и 1 декабря 2025 года, затрагивают самую суть дискуссии, которая набирает обороты в советах директоров и аналитических кругах. Кришна говорит не о теоретических рисках или философских проблемах, а о конкретных финансовых невозможностях, которые ставят под сомнение текущую модель инвестирования в сектор ИИ. Его расчёты заставляют задуматься даже оптимистично настроенных отраслевых экспертов, поскольку они основаны на простой арифметике и разумных принципах ведения бизнеса.
Подходит для:
Беспощадная математика экономики центров обработки данных
Кришна начинает свой анализ с трезвой оценки текущей ситуации с затратами. Центр обработки данных мощностью один гигаватт по сегодняшним меркам требует капитальных затрат в размере 80 миллиардов долларов США. Эта сумма включает не только физическую инфраструктуру и здания, но и всё техническое оборудование, от серверов и сетевых компонентов до высокоспециализированных графических процессоров, необходимых для вычислений ИИ.
В последние месяцы технологическая индустрия взяла курс на масштабное расширение. Несколько компаний публично объявили о планах строительства от 20 до 30 гигаватт дополнительных вычислительных мощностей. При текущей стоимости за гигаватт это потребует инвестиций не менее 1,5 триллиона долларов. Эта сумма примерно эквивалентна текущей рыночной капитализации Tesla и наглядно демонстрирует масштаб проекта.
Но расчёт становится ещё более радикальным, если учесть амбиции в контексте желаемого общего искусственного интеллекта. Кришна оценивает, что для создания настоящего ИИ потребуется около 100 гигаватт вычислительной мощности. Эта оценка основана на экстраполяции текущих требований к обучению больших языковых моделей и учитывает экспоненциальный рост сложности на каждом этапе разработки. При 80 миллиардах долларов на гигаватт инвестиционные расходы составят колоссальную сумму в восемь триллионов долларов США.
Однако эта сумма инвестиций — лишь половина истории. Кришна указывает на фактор, часто упускаемый из виду в публичном дискурсе: стоимость капитала. При инвестициях в восемь триллионов долларов США компаниям потребуется ежегодно получать около 800 миллиардов долларов прибыли только для покрытия процентов по вложенному капиталу. Эта цифра предполагает консервативную процентную ставку в десять процентов, которая отражает стоимость капитала, премии за риск и ожидания инвесторов.
Пятилетний цикл смерти аппаратного обеспечения ИИ
Ключевой момент в рассуждениях Кришны касается срока службы установленного оборудования. Вся вычислительная мощность должна быть полностью использована в течение пяти лет, поскольку после этого установленное оборудование необходимо будет утилизировать и заменить. Эта оценка согласуется с наблюдениями представителей отрасли и является предметом ожесточённых дискуссий в финансовых кругах.
Известный инвестор Майкл Берри, прославившийся своими точными прогнозами финансового кризиса 2008 года, выразил схожие опасения в ноябре 2025 года. Берри утверждает, что крупные технологические компании переоценивают реальный срок службы своего ИИ-оборудования, тем самым искусственно поддерживая низкий уровень его амортизации. Он предполагает, что графические процессоры и специализированные ИИ-чипы на практике будут экономически выгодны лишь два-три года, после чего устареют из-за появления новых, более мощных поколений.
Стремительное развитие полупроводникового сектора подтверждает эту точку зрения. NVIDIA, ведущий поставщик чипов для ИИ, выпускает новые поколения процессоров примерно каждые 12–18 месяцев. Каждое поколение обеспечивает значительный прирост производительности, что быстро делает старые модели нерентабельными. В то время как обычный сервер в центре обработки данных может легко прослужить шесть лет и более, к оборудованию, предназначенному для ИИ, применяются иные правила.
На практике картина более сложная. Некоторые компании скорректировали сроки амортизации. В начале 2025 года Amazon сократила предполагаемый срок службы некоторых серверов с шести до пяти лет, ссылаясь на ускоренное развитие в области искусственного интеллекта. Эта корректировка сократит операционную прибыль компании примерно на 700 миллионов долларов в 2026 году. Meta, в свою очередь, увеличила срок амортизации серверов и сетевого оборудования до 5,5 лет, что позволило сократить расходы на амортизацию на 2,9 миллиарда долларов в 2025 году.
Эти различные стратегии иллюстрируют, что даже компании, инвестирующие миллиарды долларов в оборудование для ИИ, не уверены в том, как долго их инвестиции будут оставаться экономически жизнеспособными. Пятилетний сценарий, описанный Кришной, попадает в оптимистичный диапазон этих оценок. Если фактический срок службы ближе к двум-трём годам, предсказанным Берри, амортизационные расходы, а следовательно, и давление на рентабельность, значительно возрастут.
Невозможность получения прибыли
Связь между этими двумя факторами подводит Кришну к его центральному аргументу. Он считает, что сочетание огромных капитальных затрат и коротких жизненных циклов делает невозможным достижение разумной окупаемости инвестиций. При инвестиционных затратах в восемь триллионов долларов США и необходимости генерировать 800 миллиардов долларов США годовой прибыли только для покрытия капитальных затрат, система искусственного интеллекта должна будет генерировать доход в масштабах, значительно превышающих то, что в настоящее время кажется реалистичным.
Для сравнения, общий доход Alphabet, материнской компании Google, в 2024 году составил около 350 миллиардов долларов. Даже при условии агрессивного роста на 12 процентов в год, к 2029 году доход увеличится примерно до 577 миллиардов долларов. Общий доход, необходимый для оправдания инвестиций в ИИ, значительно превысит эту цифру.
Компания OpenAI, стоящая за ChatGPT, прогнозирует годовой доход более 20 миллиардов долларов к 2025 году и рассчитывает достичь сотен миллиардов долларов к 2030 году. Компания подписала соглашения на сумму около 1,4 триллиона долларов на следующие восемь лет. Но даже эти амбициозные цифры вызывают вопросы. Аналитики HSBC прогнозируют, что OpenAI понесет расходы на облачную и ИИ-инфраструктуру в размере 792 миллиардов долларов в период с конца 2025 по 2030 год, а общие инвестиции в вычислительные мощности могут достичь около 1,4 триллиона долларов к 2033 году.
Аналитики HSBC прогнозируют, что совокупный свободный денежный поток OpenAI останется отрицательным до 2030 года, что приведет к дефициту финансирования в размере 207 миллиардов долларов. Этот дефицит необходимо будет восполнить за счет привлечения дополнительного долга, акционерного капитала или более активного привлечения доходов. Вопрос не только в том, сможет ли OpenAI стать прибыльной, но и в жизнеспособности всей ее бизнес-модели, основанной на масштабных инвестициях в центры обработки данных.
Исчезающе малая вероятность возникновения ОИИ
Кришна добавляет к своей экономической критике ещё более фундаментальное технологическое измерение. Он оценивает вероятность того, что современные технологии приведут к созданию общего искусственного интеллекта, в диапазоне от нуля до одного процента. Эта оценка примечательна тем, что она основана не на философских соображениях, а на трезвой оценке технических возможностей и ограничений больших языковых моделей.
Хотя определение ИИ является спорным, по сути, оно относится к системам ИИ, способным достичь или превзойти когнитивные способности человека по всему спектру. Это означает, что система не только демонстрирует экспертные знания в определённых областях, но и способна переносить знания из одной области в другую, понимать новые ситуации, творчески решать проблемы и постоянно совершенствоваться без необходимости переобучения для каждой новой задачи.
Кришна утверждает, что большие языковые модели, составляющие ядро современной революции искусственного интеллекта, имеют фундаментальные ограничения. Эти модели основаны на статистических закономерностях в огромных текстовых наборах данных и могут эффективно решать языковые задачи. Они способны генерировать связные тексты, отвечать на вопросы и даже писать программный код. Но они не понимают по-настоящему, что делают. Им не хватает модели мира, концепции причинно-следственной связи и подлинной способности к абстракции.
Эти ограничения проявляются в нескольких областях. Языковые модели регулярно галлюцинируют, то есть изобретают факты, которые кажутся правдоподобными, но на самом деле ложны. Им трудно строить многоступенчатые логические рассуждения, и они часто не справляются с задачами, которые были бы тривиальны для человека, если бы эти задачи не были включены в их тренировочный набор данных. У них отсутствует эпизодическая память, и они не могут учиться на собственных ошибках без переобучения.
Учёные и исследователи из разных областей всё чаще разделяют этот скептицизм. Марк Бениофф, генеральный директор Salesforce, выразил аналогичный скептицизм в отношении ИИ в ноябре 2025 года. В подкасте он назвал термин «ИИН» потенциально вводящим в заблуждение и раскритиковал технологическую индустрию за то, что она находится под своего рода гипнозом относительно будущих возможностей ИИ. Бениофф подчеркнул, что, хотя существующие системы впечатляют, они не обладают ни сознанием, ни истинным пониманием.
Янн Лекун, старший специалист по искусственному интеллекту в Meta, утверждает, что большие языковые модели никогда не приведут к созданию ИИ, независимо от масштаба. Он выступает за альтернативные подходы, выходящие за рамки чистого текстового предсказания, включая мультимодальные модели мира, которые не только обрабатывают текст, но и интегрируют визуальную и другую сенсорную информацию для построения внутренних представлений о мире.
Наш опыт в развитии бизнеса, продажах и маркетинге в США
Наш опыт в развитии бизнеса, продажах и маркетинге в США — Изображение: Xpert.Digital
Отраслевые направления: B2B, цифровизация (от искусственного интеллекта до расширенной реальности), машиностроение, логистика, возобновляемые источники энергии и промышленность
Подробнее об этом здесь:
Тематический центр с идеями и опытом:
- Платформа знаний о мировой и региональной экономике, инновациях и отраслевых тенденциях
- Сбор анализов, импульсов и справочной информации из наших приоритетных направлений
- Место для получения экспертных знаний и информации о текущих событиях в бизнесе и технологиях
- Тематический центр для компаний, желающих узнать больше о рынках, цифровизации и отраслевых инновациях
Пузырь ИИ или двигатель будущего? Опасный разрыв между инвестициями, потреблением энергии и реальной прибылью.
Необходимый технологический прорыв
Кришна считает, что для достижения AGI потребуется больше технологий, чем позволяет нынешний подход к использованию больших языковых моделей. Он предполагает, что интеграция твёрдых знаний с языковыми моделями может быть жизнеспособным подходом. Под твёрдыми знаниями он подразумевает структурированные, явные знания о причинно-следственных связях, физических законах, математических принципах и других формах знания, выходящих за рамки статистических корреляций.
Эта перспектива согласуется с исследованиями в области нейросимволического ИИ, которые стремятся объединить возможности нейронных сетей в области распознавания образов с логическими возможностями систем символического ИИ. Символический ИИ, основанный на правилах и логическом выводе, доминировал в первые десятилетия исследований ИИ, но в последние годы уступил место нейронным подходам. Гибридизация обоих подходов теоретически может привести к созданию систем, способных как к обучению, так и к логическим рассуждениям.
Другие перспективные направления исследований включают воплощенный ИИ, где системы обучаются посредством взаимодействия с физической или моделируемой средой; непрерывное обучение, где системы могут расширять свои возможности, не теряя предыдущих знаний; и внутренне мотивированные системы, которые исследуют и обучаются самостоятельно.
Даже с учётом этих дополнительных технологий Кришна сохраняет осторожность. На вопрос, может ли этот расширенный подход привести к появлению искусственного интеллекта (ИИ), он отвечает лишь «возможно». Эта осторожность подчёркивает неопределённость, существующую даже среди экспертов, десятилетиями работающих с ИИ. Развитие ИИ — это не просто вопрос вычислительной мощности или объёма данных, но может потребовать фундаментально нового понимания природы самого интеллекта.
Подходит для:
Парадокс продуктивного ИИ сегодня
Несмотря на свой скептицизм в отношении искусственного интеллекта (ИИ) и экономики масштабных инвестиций в центры обработки данных, Кришна ни в коем случае не является пессимистом в отношении ИИ. Напротив, он с энтузиазмом говорит о современных инструментах ИИ и их влиянии на бизнес. Он убеждён, что эти технологии откроют триллионы долларов потенциала повышения производительности в компаниях.
Это различие имеет решающее значение для понимания его позиции. Кришна сомневается не в ценности ИИ как таковой, а скорее в экономической жизнеспособности выбранного отраслью пути. Современные системы ИИ, особенно крупные языковые модели, уже способны обеспечить значительный рост производительности во многих областях, не требуя восьми триллионов долларов США на инфраструктуру.
Сама IBM служит ярким примером такого роста производительности. С января 2023 года компания комплексно внедряет ИИ и автоматизацию в свои операционные процессы и рассчитывает достичь роста производительности на 4,5 миллиарда долларов к концу 2025 года. Эта инициатива, которую IBM называет «Нулевой клиент», включала в себя развертывание гибридной облачной инфраструктуры, технологий ИИ и автоматизации, а также предоставление консалтинговых услуг различным бизнес-подразделениям.
Конкретные результаты этой трансформации впечатляют. IBM внедрила инструменты на базе ИИ в службу поддержки клиентов, которые позволяют обрабатывать 70% запросов и сокращать время их обработки на 26%. Около 270 000 сотрудников всех подразделений компании оснащены агентскими системами на основе ИИ, которые координируют сложные рабочие процессы и поддерживают работу сотрудников.
Этот тип применения ИИ не требует строительства новых огромных центров обработки данных, а может быть реализован на основе существующей инфраструктуры. Он ориентирован на конкретные сценарии использования, где ИИ обеспечивает очевидные улучшения, а не на гипотетическое развитие общего интеллекта. В этом суть аргументации Кришны: технология ценна и способна к преобразованиям, но текущий подход, предполагающий инвестирование триллионов долларов в развитие ИИ, экономически несостоятелен.
Согласно исследованиям McKinsey, генеративный ИИ может ежегодно создавать от 2,6 до 4,4 триллиона долларов экономической стоимости в 63 проанализированных сценариях использования. Учитывая влияние внедрения генеративного ИИ в программное обеспечение, используемое в настоящее время для решения других задач, эта оценка может примерно удвоиться. Такой рост производительности может привести к увеличению ежегодного роста производительности труда на 0,1–0,6 процентных пункта к 2040 году.
Расходящиеся стратегии технологических гигантов
Пока Кришна выражает свою обеспокоенность, другие технологические гиганты удваивают ставки на инфраструктуру ИИ. Расходы «большой четверки» иллюстрируют масштаб этого инвестиционного цикла. Microsoft планирует потратить около 80 миллиардов долларов на создание центров обработки данных с поддержкой ИИ в 2025 финансовом году, при этом более половины этих инвестиций будет направлено в США.
Amazon объявила о капитальных расходах в размере около 125 миллиардов долларов на 2025 год, большая часть которых будет направлена на развитие искусственного интеллекта и связанной с ним инфраструктуры Amazon Web Services. Компания уже заявила, что в 2026 году расходы будут ещё выше. Meta Platforms ожидает, что капитальные расходы в 2025 году составят от 70 до 72 миллиардов долларов, что выше предыдущей оценки в 66–72 миллиарда долларов. Компания заявила, что в 2026 году расходы будут значительно выше.
Alphabet, материнская компания Google, ожидает, что капитальные затраты в 2025 году составят от 91 до 93 миллиардов долларов, что выше предыдущего прогноза в 85 миллиардов долларов. В совокупности эти четыре компании планируют потратить от 350 до 400 миллиардов долларов в 2025 году, что более чем вдвое превышает расходы двухлетней давности.
Эти масштабные инвестиции осуществляются в условиях, когда фактические доходы от услуг ИИ по-прежнему значительно ниже ожиданий. OpenAI сообщает о годовой выручке более 20 миллиардов долларов, но остаётся убыточной. Microsoft ежегодно получает около 13 миллиардов долларов дохода от ИИ, демонстрируя рост на 175% по сравнению с прошлым годом, в то время как Meta не может отчитаться ни об одном долларе прямого дохода от ИИ.
Разница между инвестициями и доходами поразительна. По оценкам Morgan Stanley, к 2028 году индустрия ИИ потратит на центры обработки данных около трёх триллионов долларов США. Для сравнения, текущие доходы ничтожно малы. Исследование Массачусетского технологического института, проведённое в июле 2025 года, показало, что примерно 95% компаний, инвестировавших в ИИ, не получили от этой технологии никакой прибыли. Совокупные расходы этих компаний оцениваются примерно в 40 миллиардов долларов США.
Растущие голоса скептицизма
Предупреждение Кришны – лишь часть растущего хора скептических голосов из различных секторов технологий и финансов. Эти опасения касаются не только немедленных экономических выгод, но и системных рисков, возникающих в связи с текущей динамикой инвестиций.
Экономисты отмечают, что на сектор ИИ пришлось примерно две трети роста ВВП США в первой половине 2025 года. Анализ, проведённый JPMorgan Asset Management, показывает, что расходы на ИИ в центрах обработки данных внесли больший вклад в экономический рост, чем совокупное потребление сотен миллионов американских потребителей. Экономист Гарвардского университета Джейсон Фурман подсчитал, что без центров обработки данных рост ВВП в первой половине 2025 года составил бы всего 0,1%.
Такая концентрация роста в одном секторе несёт в себе риски. Дарон Асемоглу, экономист Массачусетского технологического института и лауреат Нобелевской премии по экономике 2024 года, утверждает, что фактическое влияние ИИ может быть значительно меньше, чем предполагают отраслевые прогнозы. По его оценкам, в ближайшие десять лет ИИ заменит, возможно, лишь пять процентов рабочих мест, что значительно меньше восторженных прогнозов некоторых лидеров в области технологий.
Опасения по поводу пузыря усиливаются несколькими факторами. Технологические компании всё чаще используют финансовые инструменты, известные как компании специального назначения (SPV), чтобы не отражать миллиарды долларов расходов на своих балансах. Эти компании, финансируемые Уолл-стрит, служат подставными компаниями для строительства центров обработки данных. Такая практика ставит под сомнение прозрачность и реальный риск, который несут компании.
Сундар Пичаи, генеральный директор Alphabet, в интервью BBC в ноябре 2025 года назвал всплеск инвестиций в ИИ исключительным событием, но также признал определённую иррациональность, сопровождающую нынешний бум ИИ. Он предупредил, что лопнувший пузырь ИИ затронет все компании. Даже Сэм Альтман, генеральный директор OpenAI и один из самых известных сторонников ИИ, признал в августе 2025 года, что ИИ, возможно, находится в пузыре, сравнив рыночные условия с периодом бума доткомов и подчеркнув, что многие умные люди слишком увлекаются зерном истины.
Подходит для:
Энергетическая проблема как ограничивающий фактор
Другая фундаментальная проблема, которую Кришна прямо не рассматривает, но подразумевает в своих расчётах затрат, касается энергоснабжения. Для дата-центра мощностью 100 гигаватт потребуется примерно 20% от общего объёма электроэнергии, вырабатываемой в Соединённых Штатах. Это не тривиальная задача, а потенциальное узкое место, способное поставить под угрозу всю концепцию.
Международное энергетическое агентство прогнозирует, что к 2030 году мировой спрос на электроэнергию в центрах обработки данных может более чем удвоиться: с примерно 415 тераватт-часов в 2024 году до 900–1000 тераватт-часов. На долю искусственного интеллекта может приходиться от 35 до 50 процентов потребления электроэнергии центрами обработки данных к 2030 году. В США ожидается, что спрос на электроэнергию в центрах обработки данных к 2035 году увеличится с 35 до 78 гигаватт, что составит 8,6 процента от общего потребления электроэнергии в стране.
Этот спрос возникает в то время, когда многие страны стремятся декарбонизировать свои энергосети и увеличить долю возобновляемых источников энергии. Проблема заключается в том, что центрам обработки данных требуется постоянное электроснабжение, круглосуточное, 365 дней в году. Это усложняет переход на возобновляемые источники энергии, поскольку ветровая и солнечная энергия работают нестабильно и требуют систем хранения или резервного хранения.
Прогнозируется, что выбросы углерода от центров обработки данных увеличатся с 212 миллионов тонн в 2023 году до 355 миллионов тонн к 2030 году, хотя эта цифра значительно варьируется в зависимости от скорости внедрения решений в области чистой энергии и повышения эффективности. Один процесс генерации изображения с помощью ИИ потребляет столько же электроэнергии, сколько полная зарядка смартфона. Обработка миллиона токенов выбрасывает столько же углекислого газа, сколько автомобиль с бензиновым двигателем, проезжающий от 8 до 32 километров.
Генеративный ИИ требует примерно в семь-восемь раз больше энергии, чем традиционные вычислительные нагрузки. Обучение крупных моделей ИИ может потреблять столько же электроэнергии, сколько сотни домохозяйств в течение нескольких месяцев. Такая энергоёмкость означает, что даже при наличии финансовых ресурсов на строительство крупных центров обработки данных физическая инфраструктура для питания этих объектов может быть не готова вовремя.
Подходит для:
Альтернативные технологические пути и их значение
Споры об ограничениях крупномасштабных языковых моделей привели к активизации исследований в альтернативных областях. Некоторые рассматривают квантовые вычисления как потенциальный прорыв, способный преодолеть существующие ограничения. В октябре 2025 года Google представила свой квантовый чип Willow, который достиг проверяемого квантового преимущества. Это стало важной вехой, которая вышла за рамки классической физики и открыла новые возможности в таких областях, как медицина, энергетика и искусственный интеллект.
Квантовые компьютеры работают по совершенно иным принципам, чем классические. Они используют квантовые биты, или кубиты, которые могут существовать в нескольких состояниях одновременно, что позволяет проводить параллельные вычисления в масштабах, невозможных для традиционных систем. Однако квантовые компьютеры сталкиваются с серьёзными проблемами, в частности, с декогеренцией, которая влияет на стабильность кубитов.
Недавние прорывы в области стабилизации кубитов позволяют предположить, что масштабируемые квантовые компьютеры могут стать реальностью уже в ближайшие несколько лет. Такие компании, как PsiQuantum, планируют до конца этого десятилетия ввести в эксплуатацию квантовые компьютеры, в 10 000 раз превосходящие Willow, — достаточно мощные, чтобы решать важные вопросы, связанные с материалами, медициной и квантовыми аспектами природы.
Конвергенция квантовых вычислений и искусственного интеллекта теоретически может открыть новые возможности. Квантовые алгоритмы более чем в 200 раз улучшили свои показатели в моделировании важных лекарств и материалов. Некоторые предполагают, что объединение ОИИ и квантовых вычислений может стать возможным в течение одного-двух лет, а за ним в течение пяти лет последует искусственный сверхинтеллект.
К другим перспективным направлениям исследований относятся оптические вычислительные архитектуры, использующие свет вместо электричества для питания микросхем. Архитектура, получившая название «Параллельное оптическое умножение матриц-матриц», представленная в ноябре 2025 года, может устранить одно из самых серьёзных узких мест в современных разработках искусственного интеллекта. В отличие от предыдущих оптических методов, она позволяет выполнять несколько тензорных операций одновременно с помощью одного лазерного импульса, что может значительно повысить скорость обработки.
Стратегическое позиционирование IBM
Позиция Кришны особенно интересна в контексте стратегии IBM. В последние годы IBM сознательно сместила фокус с чисто аппаратного и инфраструктурного бизнеса на корпоративное программное обеспечение, облачные сервисы и консалтинг. Компания продала значительную часть своего традиционного ИТ-бизнеса и сосредоточилась на гибридных облачных решениях и ИИ-приложениях для бизнеса.
Это стратегическое направление принципиально отличается от подходов Microsoft, Amazon, Google и Meta, которые активно инвестируют в создание собственной инфраструктуры. IBM же, напротив, фокусируется на помощи компаниям в развертывании ИИ на их условиях, обеспечивая прозрачность, свободу выбора и гибкость. Эта философия отражает убеждение, что не каждая компания будет использовать одно публичное облако и что, в частности, регулируемые отрасли и компании за пределами США предпочтут гибридные подходы.
Таким образом, критику Кришной масштабных инвестиций в инфраструктуру можно также рассматривать как неявную защиту подхода IBM. Если реализация AGI посредством триллионных инвестиций в центры обработки данных действительно экономически нецелесообразна, то это подтверждает стратегию IBM, направленную на конкретные, создающие ценность сценарии использования, которые могут быть основаны на существующей или умеренно расширенной инфраструктуре.
В то же время IBM активно участвует в таких областях, как квантовые вычисления, которые потенциально могут представлять собой следующую технологическую волну. Компания вкладывает значительные средства в разработку квантовых компьютеров и работает над партнёрством с другими технологическими компаниями для продвижения этой технологии. Это говорит о том, что Кришна выступает не против инноваций или амбициозных технологических целей, а скорее против конкретного подхода, который он считает экономически нецелесообразным.
🎯🎯🎯 Воспользуйтесь преимуществами обширного пятистороннего опыта Xpert.Digital в комплексном пакете услуг | BD, R&D, XR, PR и оптимизация цифровой видимости
Воспользуйтесь преимуществами обширного пятистороннего опыта Xpert.Digital в комплексном пакете услуг | НИОКР, XR, PR и оптимизация цифровой видимости — Изображение: Xpert.Digital
Xpert.Digital обладает глубокими знаниями различных отраслей. Это позволяет нам разрабатывать индивидуальные стратегии, которые точно соответствуют требованиям и задачам вашего конкретного сегмента рынка. Постоянно анализируя тенденции рынка и следя за развитием отрасли, мы можем действовать дальновидно и предлагать инновационные решения. Благодаря сочетанию опыта и знаний мы создаем добавленную стоимость и даем нашим клиентам решающее конкурентное преимущество.
Подробнее об этом здесь:
Производительность — да, искусственный интеллект — нет: почему целевые проекты в области искусственного интеллекта могут быть прибыльнее мегамоделей
Перспектива лидерства OpenAI
Скептицизм Кришны резко контрастирует с публичными заявлениями Сэма Альтмана, генерального директора OpenAI. Альтман неоднократно подчёркивал, что OpenAI готова вложить значительные средства в создание AGI. Компания заключила соглашения на общую сумму около 1,4 триллиона долларов на ближайшие восемь лет, включая крупные сделки с Oracle, Broadcom и другими партнёрами.
Альтман прогнозирует, что к 2030 году годовой доход OpenAI достигнет сотен миллиардов долларов США. Этот прогноз основан на предположении, что спрос на услуги ИИ будет расти экспоненциально по мере повышения мощности систем. Бизнес-модель OpenAI основана на готовности компаний и частных лиц платить значительные суммы за доступ к передовым возможностям ИИ.
Кришна заявил в подкасте, что понимает точку зрения Альтмана, но не разделяет её. Это удивительно дипломатичный способ выражения, подразумевающий, что он уважает видение OpenAI, но делает принципиально иные предположения о его технологической осуществимости и экономической целесообразности. На вопрос о том, сможет ли OpenAI окупить свои инвестиции, Кришна отвечает однозначным «нет».
Это разногласие отражает фундаментальный конфликт в технологической отрасли между теми, кто верит в неизбежность преобразующего ИИ и готов инвестировать астрономические суммы, и теми, кто настроен более скептически и предпочитает постепенный, более экономически устойчивый подход.
Подходит для:
Роль амортизационной политики и стандартов бухгалтерского учета
Споры вокруг фактического срока службы оборудования ИИ поднимают фундаментальные вопросы бухгалтерского учёта и прозрачности. То, как компании амортизируют свои активы, напрямую влияет на их отчётную прибыль и, следовательно, на цены акций и их оценку.
Майкл Берри утверждает, что крупные технологические компании переоценивают срок службы своих ИИ-чипов, чтобы снизить амортизацию и увеличить прибыль. Например, если Meta потратит 5 миллиардов долларов на новую серверную стойку Nvidia Blackwell в 2025 году и будет амортизировать её в течение 5,5 лет, годовые амортизационные расходы составят примерно 909 миллионов долларов. Однако, если фактический срок службы составляет всего три года, годовая амортизация должна составить около 1,67 миллиарда долларов — существенная разница.
По оценкам Бьюрри, увеличение срока службы может увеличить прибыль нескольких крупных компаний в общей сложности на 176 миллиардов долларов в период с 2026 по 2028 год. Nvidia оспорила эти заявления во внутренней служебной записке в ноябре 2025 года, утверждая, что гиперскейлеры обесценивают графические процессоры в течение четырёх-шести лет, исходя из фактического срока службы и тенденций использования. Компания отметила, что старые графические процессоры, такие как A100, выпущенные в 2020 году, продолжают использоваться с высокой степенью загрузки и сохраняют значительную экономическую ценность.
Реальность, вероятно, лежит где-то посередине. Графические процессоры, безусловно, могут физически работать более трёх лет, но их экономическая ценность может быстро снижаться по мере выхода на рынок новых, более эффективных моделей. Ключевым фактором является каскадное наращивание ценности: старые графические процессоры, уже не оптимальные для обучения новейших моделей, всё ещё могут быть полезны для задач логического вывода и запуска уже обученных моделей. Их также можно использовать для менее требовательных приложений или продавать на вторичном рынке.
Эти нюансы затрудняют однозначную оценку. CoreWeave, поставщик облачных услуг, ориентированный на ИИ, в январе 2023 года увеличил срок амортизации своих графических процессоров с четырёх до шести лет. Критики рассматривают это решение как попытку искусственного повышения рентабельности. Сторонники же, напротив, утверждают, что фактическое использование оборудования оправдывает более длительные сроки.
Социальные и политические аспекты
Дебаты вокруг инвестиций в ИИ также имеют политическое и социальное измерение. Дэвид Сакс, венчурный капиталист и советник Белого дома по криптовалютам и ИИ, в ноябре 2025 года предупредил, что сворачивание бума инвестиций в ИИ грозит рецессией. Его формулировка предполагает, что экономика настолько зависима от инвестиций в ИИ, что остановка или существенное замедление приведут к существенным макроэкономическим последствиям.
Эта зависимость поднимает вопрос: не загнало ли общество себя в ситуацию, когда оно вынуждено продолжать инвестиции, независимо от экономической целесообразности, просто чтобы избежать внезапного шока. Это была бы классическая динамика пузыря, где рациональные экономические соображения отступают на второй план перед страхом перед последствиями лопнувшего пузыря.
Концентрация инвестиций и ресурсов на ИИ также поднимает вопросы об издержках упущенных возможностей. Триллионы долларов, поступающие в центры обработки данных ИИ, теоретически могли бы быть использованы на другие общественные приоритеты, от улучшения систем образования и развития возобновляемой энергетики до решения проблем дефицита инфраструктуры. Обоснованность такого масштабного выделения ресурсов зависит от того, будут ли обещанные выгоды реализованы на практике.
В то же время ИИ уже даёт ощутимые положительные результаты. В Германии, согласно исследованию IBM, проведённому в ноябре 2025 года, две трети компаний сообщают о значительном росте производительности благодаря ИИ. К областям с наибольшим ростом производительности, связанным с ИИ, относятся разработка программного обеспечения и ИТ, обслуживание клиентов и автоматизация бизнес-процессов. Примерно пятая часть компаний в Германии уже достигла своих целевых показателей рентабельности инвестиций (ROI) благодаря инициативам по повышению производительности на основе ИИ, и почти половина ожидает окупаемости инвестиций в течение двенадцати месяцев.
Эти цифры показывают, что ИИ действительно создает экономическую ценность, но они также поддерживают аргумент Кришны о том, что эта ценность не обязательно является результатом стремления к ИИ с триллионами долларов инвестиций, а скорее результатом более целенаправленного, конкретного применения.
Историческая перспектива технологических преобразований
Чтобы оценить текущую ситуацию в перспективе, полезно провести исторические параллели. Бум доткомов конца 1990-х годов часто приводят в качестве предостерегающего примера. В то время огромные суммы денег хлынули в интернет-компании, основанные на обоснованной вере в преобразующую силу интернета. Многие из этих инвестиций оказались ошибочными, и когда пузырь лопнул в 2000 году, триллионы долларов рыночной стоимости были уничтожены.
Тем не менее, лежащая в основе технология оказалась поистине преобразующей. Такие компании, как Amazon и Google, пережившие кризис, стали доминирующими силами мировой экономики. Инфраструктура, созданная во время бума, в том числе и обанкротившимися компаниями, легла в основу цифровой экономики последующих десятилетий. В этом смысле можно утверждать, что даже чрезмерные инвестиции в инфраструктуру ИИ могут быть выгодны в долгосрочной перспективе, даже если многие из нынешних игроков потерпят неудачу.
Однако ключевое отличие заключается в капиталоёмкости. Интернет-компании первого поколения могли масштабироваться с относительно небольшими инвестициями после создания базовой инфраструктуры. Веб-сайт или онлайн-сервис, будучи разработанным, мог охватить миллионы пользователей с минимальными дополнительными затратами. ИИ, особенно в его нынешнем виде, не следует этой схеме. Каждый запрос к большой языковой модели влечёт за собой значительные вычислительные затраты. Масштабирование сервисов ИИ требует пропорционального увеличения инфраструктуры, что кардинально меняет экономику.
Ещё одно историческое сравнение – развитие электричества. Когда электроэнергия впервые стала доступной, компаниям потребовались десятилетия, чтобы научиться перестраивать свои производственные процессы и в полной мере использовать новые возможности. Поначалу фабрики просто заменяли паровые двигатели электродвигателями, но в остальном сохраняли прежние схемы и процессы. Реальный рост производительности произошёл только тогда, когда инженеры и менеджеры научились проектировать фабрики с нуля, используя гибкость электроэнергии.
То же самое может произойти и с ИИ. Текущие приложения могут лишь поверхностно отражать возможности, и реальные преобразования могут не произойти, пока организации не научатся фундаментально реорганизоваться для использования возможностей ИИ. На это потребуется время, возможно, годы или десятилетия, и неясно, позволит ли текущая динамика инвестиций такое терпение.
Будущее развития ИИ
Несмотря на весь скептицизм и предостережения, разработка ИИ будет продолжена. Вопрос не в том, важен ли ИИ, а в том, какой путь наиболее перспективен и экономически устойчив. Вмешательство Кришны можно воспринимать как призыв к переосмыслению стратегии, а не как призыв к прекращению исследований в области ИИ.
Наиболее вероятным направлением развития является диверсификация подходов. В то время как некоторые компании продолжат активно инвестировать в масштабирование крупных языковых моделей, другие будут изучать альтернативные пути. Нейросимволические подходы, многомодальные системы, воплощенный интеллект, непрерывное обучение и другие направления исследований будут развиваться параллельно. Прорывы в области аппаратного обеспечения, от квантовых вычислений до архитектур оптических вычислений и нейроморфных чипов, могут изменить ситуацию.
Ключевым фактором станет фактическое принятие рынком. Если компании и потребители готовы платить значительные суммы за услуги ИИ, даже высокие затраты на инфраструктуру могут быть оправданы. Однако пока этот вопрос остаётся открытым. ChatGPT и аналогичные сервисы привлекли миллионы пользователей, но готовность платить за них значительные суммы ограничена. Большинство пользователей используют бесплатные или сильно субсидируемые версии.
В корпоративном секторе ситуация несколько иная. Здесь наблюдается явная готовность платить за ИИ-решения, решающие конкретные бизнес-задачи. Microsoft сообщает о значительном росте объёмов своих ИИ-сервисов для бизнеса. Вопрос в том, смогут ли эти источники дохода расти достаточно быстро, чтобы оправдать масштабные инвестиции.
Подходит для:
Результаты многомерного анализа
Опасения, высказанные Арвиндом Кришной в подкасте «Decoder», затрагивают суть одной из самых значительных экономических и технологических авантюр в истории. Его аргументация основана на здравых экономических принципах и техническом понимании. Сочетание огромных капитальных затрат, короткого жизненного цикла оборудования и низкой вероятности того, что современные технологии приведут к созданию искусственного интеллекта (AGI), является убедительным аргументом против текущей инвестиционной стратегии.
В то же время позиция Кришны не лишена контраргументов. Сторонники масштабных инвестиций в ИИ утверждают, что преобразующие технологии часто требуют огромных первоначальных вложений, что стоимость вычислительной единицы постоянно снижается, что появятся новые бизнес-модели, которые пока невозможно предвидеть, и что риск отставания в технологии, способной изменить мир, выше, чем финансовый риск чрезмерных инвестиций.
Истина, вероятно, лежит где-то посередине между этими крайностями. ИИ, несомненно, является важной и преобразующей технологией, которая создаст значительную экономическую ценность. Современные языковые модели и приложения ИИ уже демонстрируют впечатляющие возможности и обеспечивают ощутимый рост производительности во многих областях. В то же время идея о том, что простое масштабирование существующих подходов приведёт к созданию общего искусственного интеллекта, вызывает всё больше споров даже среди ведущих исследователей в области ИИ.
Экономический анализ говорит о многом. Огромный объём необходимых инвестиций и необходимость получения огромной прибыли за короткий период времени представляют собой беспрецедентную задачу. Если расчёты Кришны хотя бы отдалённо точны, трудно представить, как текущая инвестиционная стратегия может быть устойчивой.
Однако это не обязательно означает неминуемую катастрофу. Рынки способны адаптироваться. Инвестиционные потоки могут меняться, бизнес-модели – развиваться, а технологические прорывы – кардинально менять экономику. История технологий полна примеров, когда первоначальный скептицизм был опровергнут, а, казалось бы, непреодолимые задачи были преодолены.
Вероятнее всего, наступит период консолидации и переоценки. Текущие темпы роста инвестиций в ИИ не могут продолжаться бесконечно. В какой-то момент инвесторы и руководители компаний захотят увидеть доказательства реальной отдачи. Компании, способные предложить убедительные примеры использования и очевидную экономическую ценность, будут процветать. Другим, возможно, придётся скорректировать свои стратегии или уйти с рынка.
Вмешательство Кришны служит важным предостережением о необходимости проявлять осторожность в условиях эйфории и стремления не отставать. Десятилетия его опыта в технологическом секторе и положение во главе одной из старейших и наиболее авторитетных IT-компаний мира придают вес его словам. Время покажет, прав ли он. Однако несомненно то, что поднятые им вопросы следует отнестись серьёзно и тщательно обсудить, прежде чем вкладывать ещё триллионы в стратегию, успех которой далеко не гарантирован.
Новое измерение цифровой трансформации с «Управляемым ИИ» (искусственным интеллектом) — платформа и решение B2B | Xpert Consulting
Новое измерение цифровой трансформации с «Управляемым ИИ» (искусственным интеллектом) – платформа и решение B2B | Xpert Consulting - Изображение: Xpert.Digital
Здесь вы узнаете, как ваша компания может быстро, безопасно и без высоких барьеров для входа внедрять индивидуальные решения на основе ИИ.
Управляемая платформа ИИ — это ваш комплексный и простой в использовании пакет решений для искусственного интеллекта. Вместо того, чтобы разбираться со сложными технологиями, дорогостоящей инфраструктурой и длительными процессами разработки, вы получаете готовое решение, адаптированное под ваши потребности, от специализированного партнера — часто в течение нескольких дней.
Краткий обзор основных преимуществ:
⚡ Быстрое внедрение: от идеи до внедрения в эксплуатацию — всего за несколько дней, а не месяцев. Мы предлагаем практичные решения, которые приносят мгновенную пользу.
🔒 Максимальная безопасность данных: Ваши конфиденциальные данные остаются у вас. Мы гарантируем безопасную и соответствующую требованиям обработку данных без передачи третьим лицам.
💸 Отсутствие финансового риска: вы платите только за результат. Высокие первоначальные вложения в оборудование, программное обеспечение или персонал полностью исключены.
🎯 Сосредоточьтесь на своей основной деятельности: сосредоточьтесь на том, что у вас получается лучше всего. Мы возьмём на себя всю техническую реализацию, эксплуатацию и обслуживание вашего ИИ-решения.
📈 Перспективность и масштабируемость: ваш ИИ растёт вместе с вами. Мы обеспечиваем постоянную оптимизацию и масштабируемость, а также гибко адаптируем модели к новым требованиям.
Подробнее об этом здесь:
Ваш глобальный партнер по маркетингу и развитию бизнеса
☑️ Наш деловой язык — английский или немецкий.
☑️ НОВИНКА: Переписка на вашем национальном языке!
Konrad Wolfenstein
Я был бы рад служить вам и моей команде в качестве личного консультанта.
Вы можете связаться со мной, заполнив контактную форму или просто позвоните мне по телефону +49 89 89 674 804 (Мюнхен) . Мой адрес электронной почты: wolfenstein ∂ xpert.digital
Я с нетерпением жду нашего совместного проекта.
