Зіткнення стратегій | Чому генеральний директор IBM Арвінд Крішна не вірить у бачення Сема Альтмана про трильйон доларів – ЗШІ на рівні від нуля до одного відсотка? – Зображення: Xpert.Digital
Загальний штучний інтелект (ЗШІ) та невблаганна математика: чому бум центрів обробки даних ніколи не окупиться.
5-річний цикл смерті: недооцінений ризик для Nvidia, Microsoft та інших.
Поки Кремнієва долина охоплена безпрецедентним інвестиційним шаленством, коли трильйони доларів вкладаються в гонку за штучним суперінтелектом, один з найдосвідченіших у світі генеральних директорів технологічних компаній зупиняє роботу. Генеральний директор IBM Арвінд Крішна попереджає: ризикована ситуація не окупається.
Глобальний технологічний сектор охопила ментальність золотої лихоманки. Такі корпорації, як Microsoft, Google та Meta, перевершують одна одну в інвестиціях у нові центри обробки даних, керовані страхом залишитися позаду в наступній великій технологічній революції. Бачення чітке: розвиток штучного загального інтелекту (ШЗІ), який дорівнює або перевершує людський інтелект. Але серед цієї ейфорії лунає потужний голос не з лав критиків технологій, а з самого центру влади: Арвінд Крішна, генеральний директор IBM.
У тверезому аналізі, заснованому на чистій арифметиці, Крішна розвінчує панівний наратив Кремнієвої долини. Його попередження настільки ж просте, наскільки й жахливе: витрати на інфраструктуру зростають стрімко, а обладнання застаріває швидше, ніж його можна амортизувати. Крішна говорить про інвестиційні суми до восьми трильйонів доларів США, які будуть необхідні для продовження поточної траєкторії розвитку ЗШІ — суми, яка може призвести до фінансового банкрутства навіть найбагатших компаній світу, якщо обіцяні астрономічні прибутки не матеріалізуються.
Але критика Крішни не обмежується фінансовими цифрами. Він ставить під сумнів технологічну основу самого ажіотажу. Хоча Сем Альтман та OpenAI зображують появу суперінтелекту майже неминучою, Крішна оцінює ймовірність досягнення цієї мети за допомогою сучасної технології моделювання мови у тривожний діапазон від нуля до одного відсотка.
Чи стикаємося ми з найбільшим хибним інвестуванням в історії економіки? Чи є бум штучного інтелекту бульбашкою, яка ось-ось лусне, чи скептики не помічають трансформаційного потенціалу, що лежить за межами балансових звітів? У наступній статті розглядаються аргументи, невблаганна математика економіки центрів обробки даних та фундаментальний конфлікт між прихильниками підходу «все або нічого» та прихильниками прагматичного реалізму.
Підходить для цього:
Чому генеральний директор IBM прогнозує кінець найдорожчого експерименту в історії технологій
Глобальний технологічний сектор може зіткнутися з одним з найбільших хибних інвестицій в економічній історії. Поки такі корпорації, як Microsoft, Amazon, Meta та Google, вкладають сотні мільярдів доларів у створення інфраструктури штучного інтелекту, з серця ІТ-індустрії лунає застережливий голос. Арвінд Крішна, генеральний директор IBM, який працює в компанії з 1990 року, представив фундаментальний економічний аналіз в інтерв'ю подкасту The Verge Decoder наприкінці листопада 2025 року, який може зруйнувати ейфорію навколо загального штучного інтелекту.
Його заяви, опубліковані 30 листопада та 1 грудня 2025 року, торкаються суті дискусії, яка набирає дедалі більшої сили в залах засідань та аналітичних колах. Крішна говорить не про теоретичні ризики чи філософські проблеми, а про конкретні фінансові неможливості, які ставлять під сумнів поточну інвестиційну модель у секторі штучного інтелекту. Його розрахунки змушують задуматися навіть оптимістичних спостерігачів галузі, оскільки вони базуються на простій арифметиці та обґрунтованих бізнес-принципах.
Підходить для цього:
Безжальна математика економіки центрів обробки даних
Крішна починає свій аналіз із тверезої оцінки поточної ситуації з витратами. Центр обробки даних потужністю один гігават потребує капітальних витрат у розмірі 80 мільярдів доларів США за сучасними стандартами. Ця цифра включає не лише фізичну інфраструктуру та будівлі, але й усе технічне обладнання, від серверів та мережевих компонентів до високоспеціалізованих графічних процесорів, необхідних для обчислень штучного інтелекту.
Технологічна галузь зобов'язалася до масштабного розширення в останні місяці. Кілька компаній публічно оголосили про плани будівництва від 20 до 30 гігават додаткових обчислювальних потужностей. За поточних цін на гігават це призведе до загальних інвестицій у розмірі щонайменше 1,5 трильйона доларів. Ця сума приблизно еквівалентна поточній ринковій капіталізації Tesla та ілюструє масштаб цього починання.
Але розрахунок стає ще більш радикальним, якщо врахувати амбіції в контексті бажаного штучного загального інтелекту. Крішна оцінює, що шлях до справжнього ЗШІ вимагатиме приблизно 100 гігават обчислювальної потужності. Ця оцінка базується на екстраполяції поточних вимог до навчання великих мовних моделей та враховує експоненціально зростаючу складність, яка супроводжує кожен крок розробки. При 80 мільярдах доларів на гігават інвестиційні витрати становитимуть приголомшливі вісім трильйонів доларів США.
Однак ця цифра інвестицій – це лише половина історії. Крішна вказує на фактор, який часто ігнорується в публічних дискусіях: вартість капіталу. З інвестиціями у вісім трильйонів доларів США компаніям потрібно було б генерувати приблизно 800 мільярдів доларів США прибутку щорічно, щоб покрити відсотки за інвестованим капіталом. Ця цифра розрахована на основі консервативної процентної ставки в десять відсотків, яка відображає вартість капіталу, премії за ризик та очікування інвесторів.
П'ятирічний цикл смерті апаратного забезпечення штучного інтелекту
Ключовий момент в аргументації Крішни стосується терміну служби встановленого обладнання. Вся обчислювальна потужність має бути повністю використана протягом п'яти років, оскільки встановлене обладнання потім потрібно буде утилізувати та замінити. Ця оцінка узгоджується зі спостереженнями галузі та є предметом жвавих дискусій у фінансових колах.
Відомий інвестор Майкл Беррі, відомий своїми точними прогнозами фінансової кризи 2008 року, висловлював аналогічні занепокоєння у листопаді 2025 року. Беррі стверджує, що великі технологічні компанії переоцінюють фактичний термін служби свого обладнання штучного інтелекту, таким чином штучно підтримуючи низький рівень амортизації. Він очікує, що графічні процесори та спеціалізовані чіпи штучного інтелекту на практиці залишатимуться економічно життєздатними лише протягом двох-трьох років, перш ніж їх замінять новіші, потужніші покоління.
Швидкий розвиток сектору напівпровідників підтверджує цю точку зору. Nvidia, домінуючий постачальник чипів штучного інтелекту, випускає нові покоління процесорів приблизно кожні 12-18 місяців. Кожне покоління пропонує значні покращення продуктивності, що швидко робить старі моделі неекономічними. Хоча звичайний сервер у центрі обробки даних може легко використовуватися протягом шести років або більше, до обладнання, спеціально розробленого для штучного інтелекту, застосовуються інші правила.
На практиці картина більш нюансована. Деякі компанії скоригували свої терміни амортизації. На початку 2025 року Amazon скоротив розрахунковий термін корисного використання деяких серверів з шести до п'яти років, посилаючись на прискорений розвиток у сфері штучного інтелекту. Це коригування зменшить операційний дохід компанії приблизно на 700 мільйонів доларів у 2026 році. Meta, з іншого боку, продовжила термін амортизації серверів та мережевого обладнання до 5,5 років, що зменшило витрати на амортизацію на 2,9 мільярда доларів у 2025 році.
Ці різні стратегії ілюструють, що навіть компанії, які інвестують мільярди в обладнання для штучного інтелекту, не впевнені щодо того, як довго їхні інвестиції залишатимуться економічно вигідними. П'ятирічний сценарій, описаний Крішною, потрапляє в оптимістичний діапазон цих оцінок. Якщо фактичний термін корисного використання ближчий до двох-трьох років, прогнозованих Беррі, витрати на амортизацію, а отже, і тиск на прибутковість, значно зростуть.
Неможливість отримання прибутку
Зв'язок між цими двома факторами підводить Крішну до його центрального аргументу. Він вважає, що поєднання величезних капітальних витрат і коротких життєвих циклів унеможливлює досягнення розумної рентабельності інвестицій. З огляду на інвестиційні витрати у вісім трильйонів доларів США та необхідність генерувати 800 мільярдів доларів США річного прибутку лише для покриття капітальних витрат, система штучного інтелекту повинна генерувати дохід у масштабах, що значно перевищують те, що зараз здається реалістичним.
Для порівняння, загальний дохід Alphabet, материнської компанії Google, у 2024 році становив приблизно 350 мільярдів доларів. Навіть якщо припустити агресивне зростання на 12 відсотків на рік, дохід зросте приблизно до 577 мільярдів доларів до 2029 року. Загальний дохід, необхідний для виправдання інвестицій у ШІ, значно перевищить цю цифру.
OpenAI, компанія, що стоїть за ChatGPT, прогнозує річний дохід понад 20 мільярдів доларів на 2025 рік і очікує досягти сотень мільярдів доларів до 2030 року. Компанія підписала угоди на суму приблизно 1,4 трильйона доларів протягом наступних восьми років. Але навіть ці амбітні цифри викликають питання. Аналітики HSBC прогнозують, що OpenAI понесе витрати на хмарну та штучний інтелект інфраструктуру в розмірі 792 мільярдів доларів між кінцем 2025 і 2030 роками, а загальні зобов'язання щодо обчислювальної потужності потенційно сягнуть близько 1,4 трильйона доларів до 2033 року.
Аналітики HSBC прогнозують, що сукупний вільний грошовий потік OpenAI залишатиметься негативним до 2030 року, що призведе до дефіциту фінансування у розмірі 207 мільярдів доларів. Цю прогалину необхідно буде заповнити за рахунок додаткового боргу, власного капіталу або більш агресивного генерування доходів. Питання полягає не лише в тому, чи зможе OpenAI стати прибутковим, але й у тому, чи є взагалі життєздатною його бізнес-модель, яка спирається на масштабні інвестиції в центри обробки даних.
Зникаюче мала ймовірність AGI
Крішна додає до своєї економічної критики ще більш фундаментальний технологічний вимір. Він оцінює ймовірність того, що сучасні технології призведуть до появи штучного інтелекту загалом, від нуля до одного відсотка. Ця оцінка є примітною, оскільки вона ґрунтується не на філософських міркуваннях, а на тверезій оцінці технічних можливостей та обмежень моделей великих мов.
Хоча визначення ЗШІ є суперечливим, по суті воно стосується систем штучного інтелекту, які можуть досягти або перевершити людські когнітивні здібності в усьому спектрі. Це означало б, що система не лише демонструє експертні знання в певних галузях, але й здатна переносити знання з однієї галузі в іншу, розуміти нові ситуації, творчо вирішувати проблеми та постійно вдосконалюватися без необхідності перенавчатися для кожного нового завдання.
Крішна стверджує, що великі мовні моделі, які складають основу сучасної революції штучного інтелекту, мають фундаментальні обмеження. Ці моделі базуються на статистичних закономірностях у величезних текстових наборах даних і можуть вражаюче виконувати завдання, пов'язані з використанням мови. Вони можуть генерувати зв'язні тексти, відповідати на запитання і навіть писати програмний код. Але вони насправді не розуміють, що роблять. Їм бракує моделі світу, концепції причинності та справжньої здатності до абстракції.
Ці обмеження проявляються в кількох сферах. Мовні моделі регулярно галюцинують, тобто вигадують факти, які звучать правдоподібно, але є хибними. Вони мають труднощі з багатоетапним логічним мисленням і часто зазнають невдачі у завданнях, які є тривіальними для людей, якби ці завдання не були включені до їхнього навчального набору даних. Їм бракує епізодичної пам'яті, і вони не можуть навчатися на власних помилках без перенавчання.
Вчені та дослідники з різних галузей дедалі більше поділяють цей скептицизм. Марк Беніофф, генеральний директор Salesforce, висловив подібний скептицизм щодо ЗШІ у листопаді 2025 року. У подкасті він назвав термін ЗШІ потенційно оманливим і розкритикував технологічну індустрію за те, що вона перебуває під своєрідним гіпнозом щодо неминучих можливостей ШІ. Беніофф наголосив, що хоча сучасні системи вражають, вони не мають ні свідомості, ні справжнього розуміння.
Янн ЛеКун, старший науковець зі штучного інтелекту в Meta, стверджує, що великі мовні моделі ніколи не призведуть до ЗШІ, незалежно від того, наскільки вони масштабовані. Він виступає за альтернативні підходи, які виходять за рамки чистого текстового прогнозування, включаючи мультимодальні моделі світу, які не лише обробляють текст, але й інтегрують візуальну та іншу сенсорну інформацію для побудови внутрішніх уявлень про світ.
Наш досвід у розвитку бізнесу, продажах та маркетингу в США
Наш досвід у розвитку бізнесу, продажах та маркетингу в США - Зображення: Xpert.Digital
Галузевий фокус: B2B, цифровізація (від штучного інтелекту до XR), машинобудування, логістика, відновлювані джерела енергії та промисловість
Детальніше про це тут:
Тематичний центр з аналітичними матеріалами та експертними знаннями:
- Платформа знань про світову та регіональну економіку, інновації та галузеві тенденції
- Збір аналізів, імпульсів та довідкової інформації з наших пріоритетних напрямків
- Місце для експертів та інформації про поточні розробки в бізнесі та технологіях
- Тематичний центр для компаній, які хочуть дізнатися про ринки, цифровізацію та галузеві інновації
Бульбашка штучного інтелекту чи двигун майбутнього? Небезпечний розрив між інвестиціями, споживанням енергії та реальними прибутками.
Необхідний технологічний прорив
Крішна вважає, що досягнення ЗШІ вимагатиме більше технологій, ніж може забезпечити поточний шлях великих мовних моделей. Він припускає, що інтеграція твердих знань з мовними моделями може бути життєздатним підходом. Під твердими знаннями він має на увазі структуровані, явні знання про причинно-наслідкові зв'язки, фізичні закони, математичні принципи та інші форми знань, що виходять за рамки статистичних кореляцій.
Ця перспектива узгоджується з дослідженнями в галузі нейросимволічного ШІ, які прагнуть поєднати сильні сторони розпізнавання образів нейронних мереж з логічними можливостями систем символічного ШІ. Символічний ШІ, заснований на правилах та логічному висновку, домінував у перші десятиліття досліджень ШІ, але в останні роки його витіснили нейронні підходи. Гібридизація обох підходів теоретично може створити системи, здатні як до навчання, так і до логічного мислення.
Інші перспективні напрямки досліджень включають втілений штучний інтелект, де системи навчаються через взаємодію з фізичним або симульованим середовищем; безперервне навчання, де системи можуть розширювати свої можливості, не втрачаючи попередніх знань; та внутрішньо мотивовані системи, які досліджують та навчаються самостійно.
Навіть з цими додатковими технологіями Крішна залишається обережним. Якби його запитали, чи може цей розширений підхід призвести до ЗШІ, він би відповів лише «можливо». Ця обережність підкреслює невизначеність, яка існує навіть серед експертів, які працюють зі ШІ десятиліттями. Розвиток ЗШІ — це не просто питання обчислювальної потужності чи обсягу даних, а може вимагати фундаментальних нових уявлень про природу самого інтелекту.
Підходить для цього:
Парадокс продуктивного ШІ сьогодні
Незважаючи на свій скептицизм щодо ЗШІ та економіки масштабних інвестицій у центри обробки даних, Крішна аж ніяк не песиміст щодо ШІ. Навпаки, він з ентузіазмом говорить про сучасні інструменти ШІ та їхній вплив на світ бізнесу. Він переконаний, що ці технології розкриють трильйони доларів потенціалу продуктивності в компаніях.
Ця відмінність є центральною для розуміння його позиції. Крішна не сумнівається в цінності ШІ як такої, а радше в економічній доцільності конкретного шляху, яким обрала галузь. Сучасні системи ШІ, зокрема великі мовні моделі, вже можуть забезпечити значне підвищення продуктивності в багатьох сферах, не вимагаючи восьми трильйонів доларів США в інфраструктуру.
Сама IBM є яскравим прикладом такого зростання продуктивності. З січня 2023 року компанія комплексно впровадила штучний інтелект та автоматизацію у власній діяльності та очікує досягти зростання продуктивності у розмірі 4,5 мільярда доларів до кінця 2025 року. Ця ініціатива, яку IBM називає «Клієнт Нуль», охоплювала розгортання гібридної хмарної інфраструктури, технологій штучного інтелекту та автоматизації, а також консалтингову експертизу в різних бізнес-підрозділах.
Конкретні результати цієї трансформації вражають. IBM впровадила інструменти на базі штучного інтелекту в службу підтримки клієнтів, які вирішують 70 відсотків запитів і скорочують час вирішення на 26 відсотків. У всіх бізнес-підрозділах приблизно 270 000 співробітників були оснащені агентними системами штучного інтелекту, які керують складними робочими процесами та підтримують працівників-людей.
Цей тип застосування штучного інтелекту не вимагає величезних нових центрів обробки даних, а може базуватися на існуючій інфраструктурі. Він зосереджений на конкретних випадках використання, де штучний інтелект забезпечує помітні покращення, а не на гіпотетичному розвитку загального інтелекту. Це суть аргументації Крішни: технологія є цінною та трансформаційною, але нинішній підхід до інвестування трильйонів у розвиток ЗШІ не є економічно сталим.
Дослідження McKinsey оцінюють, що генеративний ШІ має потенціал створювати від 2,6 до 4,4 трильйона доларів економічної цінності щорічно за 63 проаналізованими варіантами використання. Якщо врахувати вплив вбудовування генеративного ШІ в програмне забезпечення, яке зараз використовується для інших завдань, ця оцінка може приблизно подвоїтися. Таке підвищення продуктивності може збільшити річне зростання продуктивності праці на 0,1-0,6 процентного пункту до 2040 року.
Розбіжні стратегії технологічних гігантів
Хоча Крішна висловлює свої занепокоєння, інші технологічні гіганти подвоюють свої ставки на інфраструктуру штучного інтелекту. Витрати «Великої четвірки» ілюструють масштаб цього інвестиційного циклу. Microsoft планує витратити приблизно 80 мільярдів доларів на будівництво центрів обробки даних на базі штучного інтелекту у 2025 фінансовому році, причому понад половина цих інвестицій призначена для Сполучених Штатів.
Amazon оголосила про капітальні витрати у розмірі приблизно 125 мільярдів доларів на 2025 рік, більшість з яких призначена для штучного інтелекту та пов'язаної з ним інфраструктури для Amazon Web Services. Компанія вже дала зрозуміти, що витрати будуть ще вищими у 2026 році. Meta Platforms очікує капітальних витрат у розмірі від 70 до 72 мільярдів доларів на 2025 рік, що більше, ніж попередня оцінка в 66–72 мільярди доларів. Компанія зазначила, що витрати на 2026 рік будуть значно вищими.
Alphabet, материнська компанія Google, очікує капітальні витрати від 91 до 93 мільярдів доларів на 2025 рік, що більше, ніж попередній прогноз у 85 мільярдів доларів. Разом ці чотири компанії планують витратити від 350 до 400 мільярдів доларів у 2025 році, що більш ніж удвічі перевищує витрати два роки тому.
Ці масштабні інвестиції відбуваються в умовах, коли фактичні доходи від послуг штучного інтелекту все ще значно нижчі за очікувані. OpenAI повідомляє про річний дохід понад 20 мільярдів доларів, але залишається збитковою. Microsoft генерує приблизно 13 мільярдів доларів річного доходу від штучного інтелекту, зі зростанням на 175 відсотків у річному обчисленні, тоді як Meta не може повідомити про жодного долара прямого доходу від штучного інтелекту.
Розбіжність між інвестиціями та доходами вражає. Morgan Stanley оцінює, що до 2028 року індустрія штучного інтелекту витратить приблизно три трильйони доларів США на центри обробки даних. Для порівняння, поточні доходи є незначними. Дослідження MIT від липня 2025 року показало, що приблизно 95 відсотків компаній, які інвестували в штучний інтелект, не отримали жодного прибутку від цієї технології. Сукупні загальні витрати цих компаній оцінюються приблизно в 40 мільярдів доларів США.
Зростаючі голоси скептицизму
Попередження Крішни є частиною зростаючого хору скептичних голосів з різних секторів технологічного та фінансового світу. Ці побоювання зосереджені не лише на негайних економічних вигодах, а й на системних ризиках, що виникають внаслідок поточної інвестиційної динаміки.
Економісти зазначають, що сектор штучного інтелекту забезпечив приблизно дві третини зростання ВВП США у першій половині 2025 року. Аналіз, проведений JPMorgan Asset Management, показує, що витрати на використання штучного інтелекту в центри обробки даних зробили більший внесок в економічне зростання, ніж сукупне споживання сотень мільйонів американських споживачів. Економіст Гарварду Джейсон Фурман підрахував, що без центрів обробки даних зростання ВВП у першій половині 2025 року склало б лише 0,1 відсотка.
Така концентрація зростання в одному секторі несе ризики. Дарон Аджемоглу, економіст Массачусетського технологічного інституту та лауреат Нобелівської премії з економіки 2024 року, стверджує, що фактичний вплив штучного інтелекту може бути значно меншим, ніж свідчать галузеві прогнози. Він оцінює, що, можливо, лише п'ять відсотків робочих місць будуть замінені штучним інтелектом у наступні десять років, що набагато менше, ніж захоплені прогнози деяких лідерів у сфері технологій.
Занепокоєння щодо утворення бульбашки посилюється кількома факторами. Технологічні компанії все частіше використовують фінансові інструменти, відомі як компанії спеціального призначення (SPV), щоб не враховувати витрати на мільярди доларів на своїх балансах. Ці SPV, що фінансуються з Уолл-стріт, служать фіктивними компаніями для будівництва центрів обробки даних. Така практика викликає питання щодо прозорості та фактичного ризику, який несуть компанії.
Сундар Пічаї, генеральний директор Alphabet, в інтерв'ю BBC у листопаді 2025 року назвав сплеск інвестицій у штучний інтелект надзвичайним моментом, але також визнав певну ірраціональність, що супроводжує нинішній бум ШІ. Він попередив, що кожна компанія постраждає, якщо бульбашка ШІ лусне. Навіть Сем Альтман, генеральний директор OpenAI та один із найвідоміших прихильників ШІ, визнав у серпні 2025 року, що ШІ може перебувати в бульбашці, порівнявши ринкові умови з умовами буму доткомів та наголосивши, що багато розумних людей надто захоплюються зернятком правди.
Підходить для цього:
Енергетичне питання як обмежувальний фактор
Ще одна фундаментальна проблема, яку Крішна прямо не розглядає, але неявно вказана в його розрахунках витрат, стосується енергопостачання. Центр обробки даних потужністю 100 гігават потребуватиме приблизно 20 відсотків від загального обсягу виробництва електроенергії в Сполучених Штатах. Це не тривіальна проблема, а потенційне вузьке місце, яке може поставити під загрозу всю концепцію.
Міжнародне енергетичне агентство прогнозує, що світовий попит на електроенергію з центрів обробки даних може зрости більш ніж удвічі до 2030 року, з приблизно 415 терават-годин у 2024 році до від 900 до 1000 терават-годин. Штучний інтелект може становити від 35 до 50 відсотків споживання електроенергії центрами обробки даних до 2030 року. У Сполучених Штатах очікується, що попит на електроенергію центрами обробки даних зросте з 35 гігават до 78 гігават до 2035 року, що становить 8,6 відсотка споживання електроенергії в країні.
Цей попит виникає в той час, коли багато країн намагаються декарбонізувати свої енергомережі та збільшити частку відновлюваної енергії. Проблема полягає в тому, що центри обробки даних потребують постійного живлення 24 години на добу, 365 днів на рік. Це ускладнює перехід на відновлювану енергію, оскільки вітрова та сонячна енергія працюють нестабільно та потребують рішень для зберігання енергії або резервних потужностей.
Прогнозується, що викиди вуглецю з центрів обробки даних зростуть з 212 мільйонів тонн у 2023 році до потенційно 355 мільйонів тонн до 2030 року, хоча ця цифра значно варіюється залежно від швидкості впровадження рішень у сфері чистої енергії та підвищення ефективності. Один процес генерації зображення за допомогою штучного інтелекту споживає стільки ж електроенергії, скільки й повна зарядка смартфона. Обробка одного мільйона токенів виробляє стільки ж вуглекислого газу, скільки й автомобіль з бензиновим двигуном, що проїжджає від 8 до 32 кілометрів.
Генеративний ШІ потребує приблизно в сім-вісім разів більше енергії, ніж традиційні обчислювальні навантаження. Навчання великих моделей ШІ може споживати стільки ж електроенергії, скільки сотні домогосподарств протягом кількох місяців. Така енергоємність означає, що навіть якби фінансові ресурси для будівництва масивних центрів обробки даних були доступні, фізична інфраструктура для живлення цих об'єктів могла б не бути готова вчасно.
Підходить для цього:
Альтернативні технологічні шляхи та їх значення
Дебати щодо обмежень великомасштабних мовних моделей призвели до посилення дослідницьких зусиль в альтернативних галузях. Квантові обчислення дехто розглядає як потенційний прорив, який міг би подолати поточні обмеження. У жовтні 2025 року Google представила свій квантовий чіп Willow, який досяг перевіреної квантової переваги. Це була віха, яка вийшла за межі класичної фізики та відкрила нові можливості в таких галузях, як медицина, енергетика та штучний інтелект.
Квантові комп'ютери працюють за зовсім іншими принципами, ніж класичні комп'ютери. Вони використовують квантові біти, або кубіти, які можуть існувати в кількох станах одночасно, що дозволяє виконувати паралельні обчислення в масштабі, неможливому за допомогою звичайних систем. Однак квантові комп'ютери стикаються зі значними проблемами, зокрема з декогеренцією, яка впливає на стабільність кубітів.
Нещодавні прориви в стабілізації кубітів свідчать про те, що масштабовані квантові комп'ютери можуть стати реальністю протягом наступних кількох років. Такі компанії, як PsiQuantum, планують ввести в експлуатацію квантові комп'ютери, які в 10 000 разів більші за Willow, до кінця цього десятиліття — комп'ютери, достатньо великі, щоб вирішувати важливі питання про матеріали, ліки та квантові аспекти природи.
Зближення квантових обчислень та штучного інтелекту теоретично може відкрити нові можливості. Квантові алгоритми покращилися більш ніж у 200 разів у моделюванні важливих ліків та матеріалів. Дехто припускає, що поєднання штучного інтелекту та квантових обчислень може бути можливим протягом одного-двох років, а штучний суперінтелект — протягом п'яти років.
Інші перспективні напрямки досліджень включають оптичні обчислювальні архітектури, які використовують світло замість електрики для живлення мікросхем. Архітектура під назвою Parallel Optical Matrix-Matrix Multiplication, представлена в листопаді 2025 року, може усунути одне з найбільших вузьких місць у сучасному розвитку штучного інтелекту. На відміну від попередніх оптичних методів, вона виконує кілька тензорних операцій одночасно за допомогою одного лазерного імпульсу, що може значно збільшити швидкість обробки.
Стратегічне позиціонування IBM
Позиція Крішни особливо цікава, якщо розглядати її в контексті стратегії IBM. В останні роки IBM свідомо змістила свою увагу з бізнесу, що спеціалізується виключно на апаратному забезпеченні та інфраструктурі, на корпоративне програмне забезпечення, хмарні послуги та консалтинг. Компанія продала значну частину свого традиційного ІТ-бізнесу та натомість зосередилася на гібридних хмарних рішеннях та додатках штучного інтелекту для бізнесу.
Цей стратегічний напрямок принципово відрізняється від підходів Microsoft, Amazon, Google та Meta, які всі значно інвестують у створення власної інфраструктури. IBM, натомість, зосереджується на допомозі компаніям розгортати штучний інтелект на власних умовах, з прозорістю, вибором та гнучкістю. Ця філософія відображає переконання, що не кожна компанія використовуватиме єдину публічну хмару, і що, зокрема, регульовані галузі та компанії за межами Сполучених Штатів надаватимуть перевагу гібридним підходам.
Критику Крішною масштабних інвестицій в інфраструктуру можна також розуміти як неявний захист підходу IBM. Якщо прагнення до ЗШІ (загального штучного інтелекту) шляхом інвестицій у центри обробки даних у трильйони доларів справді не є економічно вигідним, то це підтверджує стратегію IBM, яка полягає в зосередженні на конкретних, ціннісних варіантах використання, які можуть базуватися на існуючій або помірно розширеній інфраструктурі.
Водночас IBM активно займається такими галузями, як квантові обчислення, які потенційно можуть представляти наступну технологічну хвилю. Компанія значно інвестує в розробку квантових комп'ютерів і працює над партнерством з іншими технологічними компаніями для просування цієї технології. Це свідчить про те, що Крішна не проти інновацій чи амбітних технологічних цілей, а радше проти певного підходу, який він вважає економічно нежиттєздатним.
🎯🎯🎯 Скористайтеся перевагами великої, п'ятикратної експертизи Xpert.Digital у комплексному пакеті послуг | BD, R&D, XR, PR та оптимізація цифрової видимості
Скористайтеся перевагами великого, п'ятикратного досвіду Xpert.Digital у комплексному пакеті послуг | Дослідження та розробки, XR, PR та оптимізація цифрової видимості - Зображення: Xpert.Digital
Xpert.digital має глибокі знання в різних галузях. Це дозволяє нам розробити кравці, розроблені стратегії, пристосовані до вимог та проблем вашого конкретного сегменту ринку. Постійно аналізуючи тенденції на ринку та здійснюючи розвиток галузі, ми можемо діяти з передбаченням та пропонувати інноваційні рішення. З поєднанням досвіду та знань ми створюємо додаткову цінність та надаємо своїм клієнтам вирішальну конкурентну перевагу.
Детальніше про це тут:
Продуктивність – так, ЗШІ – ні: чому цільові проекти ШІ можуть бути прибутковішими, ніж мегамоделі
Перспектива лідерства OpenAI
Скептицизм Крішни прямо суперечить публічним заявам Сема Альтмана, генерального директора OpenAI. Альтман неодноразово наголошував, що OpenAI готова зробити величезні інвестиції для досягнення загального штучного інтелекту (ЗШІ). Компанія уклала угоди на загальну суму приблизно 1,4 трильйона доларів протягом наступних восьми років, включаючи значні угоди з Oracle, Broadcom та іншими партнерами.
Альтман прогнозує, що до 2030 року OpenAI досягне річного доходу в сотні мільярдів доларів США. Цей прогноз ґрунтується на припущенні, що попит на послуги штучного інтелекту зростатиме експоненціально, оскільки системи стають потужнішими. Бізнес-модель OpenAI залежить від готовності компаній та приватних осіб платити значні суми за доступ до передових можливостей штучного інтелекту.
Крішна заявив у подкасті, що розуміє точку зору Альтмана, але не поділяє її. Це надзвичайно дипломатичний спосіб висловитися, який натякає на те, що він поважає бачення OpenAI, але робить принципово інші припущення щодо його технологічної доцільності та економічної доцільності. Крішна відповідає на питання, чи може OpenAI генерувати віддачу від своїх інвестицій, чітким «ні».
Ця розбіжність являє собою фундаментальний конфлікт у технологічній галузі між тими, хто вірить у неминучу трансформаційну ЗШІ та готовий інвестувати астрономічні суми, та тими, хто більш скептично налаштований та віддає перевагу поступовому, більш економічно сталому підходу.
Підходить для цього:
Роль амортизаційної політики та бухгалтерських стандартів
Дискусії щодо фактичного терміну корисного використання обладнання штучного інтелекту порушують фундаментальні питання щодо бухгалтерського обліку та прозорості. Спосіб, у який компанії амортизують свої активи, безпосередньо впливає на їхній звітний прибуток і, як наслідок, на ціни акцій та їх оцінку.
Майкл Беррі стверджує, що великі технологічні компанії завищують термін корисного використання своїх чипів штучного інтелекту, щоб утримувати низький рівень амортизації та завищувати прибутки. Наприклад, якщо Meta витратить 5 мільярдів доларів на нову серверну стійку Nvidia Blackwell у 2025 році та амортизуватиме її протягом 5,5 років, річні витрати на амортизацію розподіляться приблизно на 909 мільйонів доларів. Однак, якщо фактичний термін корисного використання становить лише три роки, річна амортизація має становити близько 1,67 мільярда доларів, що є суттєвою розбіжністю.
За оцінками Беррі, ці подовжені терміни служби можуть збільшити прибутки кількох великих компаній на загальну суму 176 мільярдів доларів у період з 2026 по 2028 рік. Nvidia заперечила ці твердження у внутрішній службовій записці в листопаді 2025 року, стверджуючи, що гіперскейлери знецінюють графічні процесори протягом чотирьох-шести років на основі фактичної довговічності та тенденцій використання. Компанія зазначила, що старіші графічні процесори, такі як A100, випущений у 2020 році, продовжують використовуватися з високим рівнем використання та зберігають значну економічну цінність.
Реальність, ймовірно, знаходиться десь посередині. Графічні процесори, безумовно, можуть фізично функціонувати більше трьох років, але їхня економічна цінність може швидко знизитися, коли на ринок вийдуть новіші, ефективніші моделі. Ключовим фактором є каскадне зростання вартості: старі графічні процесори, які вже не оптимальні для навчання найновіших моделей, все ще можуть бути корисними для завдань логічного висновку та запуску вже навчених моделей. Їх також можна використовувати для менш вимогливих програм або продавати на вторинних ринках.
Ці нюанси ускладнюють чітку оцінку. CoreWeave, хмарний постачальник, орієнтований на штучний інтелект, у січні 2023 року продовжив термін амортизації своїх графічних процесорів з чотирьох до шести років. Критики розглядають це рішення як спробу штучно підвищити прибутковість. Прихильники, з іншого боку, стверджують, що фактичне використання обладнання виправдовує довші періоди.
Соціальні та політичні виміри
Дебати навколо інвестицій у ШІ також мають політичний та соціальний вимір. Девід Сакс, венчурний капіталіст та радник Білого дому з питань криптовалют та ШІ, попереджав у листопаді 2025 року, що зміна буму інвестицій у ШІ загрожуватиме рецесією. Його формулювання говорить про те, що економіка стала настільки залежною від інвестицій у ШІ, що зупинка або значне уповільнення матиме суттєві макроекономічні наслідки.
Ця залежність ставить питання про те, чи не довело суспільство до ситуації, коли воно змушене продовжувати інвестувати, незалежно від своєї економічної доцільності, просто щоб уникнути раптового шоку. Це була б класична динаміка бульбашок, де раціональні економічні міркування затьмарюються страхом перед наслідками лопання бульбашки.
Концентрація інвестицій та ресурсів на штучному інтелекті також викликає питання щодо альтернативних витрат. Трильйони, що надходять у центри обробки даних зі штучним інтелектом, теоретично можна було б використати для інших суспільних пріоритетів, від покращення систем освіти та розширення відновлюваної енергетики до вирішення дефіциту інфраструктури. Обґрунтування такого величезного розподілу ресурсів залежить від того, чи справді матеріалізуються обіцяні переваги.
Водночас, штучний інтелект вже має очевидний позитивний вплив. У Німеччині, згідно з дослідженням IBM від листопада 2025 року, дві третини компаній повідомляють про значне підвищення продуктивності завдяки ШІ. Галузі з найбільшим зростанням продуктивності, пов'язаним зі ШІ, включають розробку програмного забезпечення та ІТ, обслуговування клієнтів та автоматизацію бізнес-процесів. Приблизно п'ята частина компаній у Німеччині вже досягла своїх цільових показників рентабельності інвестицій (ROI) завдяки ініціативам щодо підвищення продуктивності на основі ШІ, і майже половина очікує повернення інвестицій протягом дванадцяти місяців.
Ці цифри показують, що ШІ справді створює економічну цінність, але вони також підтверджують аргумент Крішни про те, що ця цінність не обов'язково є результатом прагнення до ЗШІ з трильйонами доларів інвестицій, а радше є результатом більш цілеспрямованих, конкретних застосувань.
Історична перспектива технологічних трансформацій
Щоб оцінити поточну ситуацію в перспективі, корисно розглянути історичні паралелі. Бум доткомів кінця 1990-х років часто наводять як повчальну історію. У той час величезні суми грошей стікали в інтернет-компанії, виходячи з обґрунтованої віри в те, що інтернет буде трансформаційним. Багато з цих інвестицій виявилися помилковими, і коли бульбашка луснула у 2000 році, трильйони ринкової вартості були знищені.
Тим не менш, базова технологія виявилася справді трансформаційною. Такі компанії, як Amazon та Google, які пережили кризу, стали домінуючими силами у світовій економіці. Інфраструктура, побудована під час буму, включаючи інфраструктуру компаній, що зазнали невдачі, сформувала основу для цифрової економіки наступних десятиліть. У цьому сенсі можна стверджувати, що навіть надмірні інвестиції в інфраструктуру штучного інтелекту можуть бути корисними в довгостроковій перспективі, навіть якщо багато нинішніх гравців зазнають невдачі.
Однак ключова відмінність полягає в капіталомісткості. Інтернет-компанії першого покоління могли масштабуватися з відносно невеликими інвестиціями після створення базової інфраструктури. Веб-сайт або онлайн-сервіс, після розробки, могли охопити мільйони користувачів з мінімальними додатковими витратами. Штучний інтелект, особливо в тому вигляді, в якому він застосовується зараз, не дотримується цієї схеми. Кожен запит до великої мовної моделі тягне за собою значні обчислювальні витрати. Масштабування послуг ШІ вимагає пропорційного збільшення інфраструктури, що фундаментально змінює економіку.
Ще одне історичне порівняння — це розвиток електрики. Коли електрична енергія вперше стала доступною, компаніям знадобилися десятиліття, щоб навчитися перепроектовувати свої виробничі процеси, щоб повною мірою використати нові можливості. Спочатку фабрики просто замінювали парові двигуни електродвигунами, але в іншому зберігали свої старі схеми та процеси. Справжнє підвищення продуктивності відбулося лише тоді, коли інженери та менеджери навчилися проектувати фабрики з нуля, використовуючи гнучкість електричної енергії.
Те саме може стосуватися і штучного інтелекту. Поточні програми можуть лише поверхнево відкривати можливості, а справжні трансформації можуть не відбутися, доки організації не навчаться фундаментально реорганізуватися, щоб використовувати можливості штучного інтелекту. Це займе час, можливо, роки чи десятиліття, і незрозуміло, чи зможе поточна динаміка інвестицій дозволити собі таке терпіння.
Майбутнє розвитку ШІ
Незважаючи на весь скептицизм і попередження, розвиток ШІ продовжуватиметься. Питання не в тому, чи важливий ШІ, а в тому, який шлях є найперспективнішим та економічно сталим. Втручання Крішни можна розуміти як заклик до переоцінки стратегії, а не як заклик до припинення досліджень ШІ.
Найбільш ймовірним розвитком є диверсифікація підходів. Хоча деякі компанії продовжуватимуть інвестувати значні кошти в масштабування великих мовних моделей, інші досліджуватимуть альтернативні шляхи. Нейросимволічні підходи, мультимодальні системи, втілений інтелект, безперервне навчання та інші напрямки досліджень будуть розвиватися паралельно. Прориви в апаратному забезпеченні, від квантових обчислень до оптичних обчислювальних архітектур та нейроморфних чіпів, можуть змінити рівняння.
Ключовим фактором буде фактичне сприйняття ринком. Якщо підприємства та споживачі готові платити значні суми за послуги штучного інтелекту, навіть високі витрати на інфраструктуру можуть бути виправдані. Однак поки що це питання залишається здебільшого відкритим. ChatGPT та подібні сервіси залучили мільйони користувачів, але готовність платити за них значні суми обмежена. Більшість користувачів використовують безкоштовні або значно субсидовані версії.
У корпоративному секторі ситуація дещо інша. Тут спостерігається очевидна готовність платити за рішення зі штучним інтелектом, які вирішують конкретні бізнес-проблеми. Microsoft повідомляє про значне зростання своїх послуг зі штучним інтелектом для бізнесу. Питання полягає в тому, чи можуть ці потоки доходів зростати достатньо швидко, щоб виправдати масштабні інвестиції.
Підходить для цього:
Результати багатовимірного аналізу
Занепокоєння, висловлені Арвіндом Крішною в подкасті Decoder, торкаються суті однієї з найважливіших економічних і технологічних авантюр в історії. Його аргументація ґрунтується на обґрунтованих економічних принципах і технічному розумінні. Поєднання величезних капітальних витрат, коротких життєвих циклів обладнання та низької ймовірності того, що сучасні технології призведуть до AGI (автоматизованого генерування інтелекту), є переконливим аргументом проти поточної інвестиційної стратегії.
Водночас, позиція Крішни не позбавлена контраргументів. Прихильники масштабних інвестицій у штучний інтелект стверджуватимуть, що трансформаційні технології часто вимагають величезних початкових інвестицій, що вартість обчислювальної одиниці постійно знижується, що з'являться нові бізнес-моделі, які ще не передбачувані, і що ризик відставання у технології, яка потенційно може змінити світ, більший, ніж фінансовий ризик надмірних інвестицій.
Істина, ймовірно, лежить десь посередині між цими крайніми позиціями. Штучний інтелект, безсумнівно, є важливою та трансформаційною технологією, яка створить значну економічну цінність. Сучасні мовні моделі та програми ШІ вже демонструють вражаючі можливості та призводять до помітного підвищення продуктивності в багатьох сферах. Водночас ідея про те, що просте масштабування сучасних підходів призведе до загального штучного інтелекту, стає дедалі суперечливішою, навіть серед провідних дослідників ШІ.
Економічний аналіз говорить сам за себе. Величезний розмір необхідних інвестицій та необхідність отримання величезних прибутків за короткий проміжок часу створюють безпрецедентний виклик. Якщо розрахунки Крішни хоч трохи точні, важко уявити, як поточна інвестиційна стратегія може бути сталою.
Однак це не обов'язково означає, що катастрофа неминуча. Ринки мають здатність адаптуватися. Інвестиційні потоки можуть змінюватися, бізнес-моделі можуть розвиватися, а технологічні прориви можуть фундаментально змінити економіку. Історія технологій сповнена прикладів, коли початковий скептицизм спростовувався, а здавалося б, неможливі виклики долали.
Ймовірним видається період консолідації та переоцінки. Поточні темпи зростання інвестицій у штучний інтелект не можуть тривати нескінченно. У певний момент інвестори та бізнес-лідери захочуть побачити докази фактичної прибутковості. Компанії, які можуть запропонувати переконливі варіанти використання та демонстровану економічну цінність, процвітатимуть. Іншим, можливо, доведеться скоригувати свої стратегії або вийти з ринку.
Втручання Крішни слугує важливим попередженням про необхідність бути обережним в середовищі, яке характеризується ейфорією та бажанням не відставати. Його багаторічний досвід у технологічному секторі та посада на чолі однієї з найстаріших та найвідоміших ІТ-компаній світу надають ваги його словам. Час покаже, чи він правий. Однак, безперечно, що питання, які він порушує, потрібно сприймати серйозно та ретельно обговорювати, перш ніж ще трильйони будуть вкладені в стратегію, успіх якої далеко не гарантований.
Новий вимір цифрової трансформації з «керованим ШІ» (штучним інтелектом) – платформа та рішення B2B | Xpert Consulting
Новий вимір цифрової трансформації з «керованим ШІ» (штучним інтелектом) – платформа та рішення B2B | Xpert Consulting - Зображення: Xpert.Digital
Тут ви дізнаєтеся, як ваша компанія може швидко, безпечно та без високих бар'єрів входу впроваджувати індивідуальні рішення на основі штучного інтелекту.
Керована платформа штучного інтелекту — це ваш універсальний та безтурботний пакет для штучного інтелекту. Замість того, щоб мати справу зі складними технологіями, дорогою інфраструктурою та тривалими процесами розробки, ви отримуєте готове рішення, адаптоване до ваших потреб, від спеціалізованого партнера — часто протягом кількох днів.
Основні переваги з першого погляду:
⚡ Швидке впровадження: від ідеї до операційного застосування за лічені дні, а не місяці. Ми пропонуємо практичні рішення, які створюють негайну цінність.
🔒 Максимальна безпека даних: Ваші конфіденційні дані залишаються з вами. Ми гарантуємо безпечну та відповідність вимогам обробку без передачі даних третім особам.
💸 Без фінансових ризиків: Ви платите лише за результат. Повністю виключаються значні початкові інвестиції в обладнання, програмне забезпечення чи персонал.
🎯 Зосередьтеся на своєму основному бізнесі: Зосередьтеся на тому, що ви робите найкраще. Ми беремо на себе повне технічне впровадження, експлуатацію та обслуговування вашого рішення на основі штучного інтелекту.
📈 Орієнтований на майбутнє та масштабований: Ваш ШІ зростає разом з вами. Ми забезпечуємо постійну оптимізацію та масштабованість, а також гнучко адаптуємо моделі до нових вимог.
Детальніше про це тут:
Ваш глобальний партнер з маркетингу та розвитку бізнесу
☑ Наша ділова мова - англійська чи німецька
☑ Нове: листування на вашій національній мові!
Konrad Wolfenstein
Я радий бути доступним вам та моїй команді як особистого консультанта.
Ви можете зв’язатися зі мною, заповнивши тут контактну форму або просто зателефонуйте мені за номером +49 89 674 804 (Мюнхен) . Моя електронна адреса: Вольфенштейн ∂ xpert.digital
Я з нетерпінням чекаю нашого спільного проекту.
