Триллион долларов на веру в AGI: критический анализ текущего пузыря инвестиций в искусственный интеллект

Вчера телеграм-канале «Сиолошная» появился пост с цитатой François Chollet, создателя библиотеки Keras и бенчмарка ARC-AGI, который поднял важные вопросы о финансовой устойчивости индустрии искусственного интеллекта. Автор поста справедливо подверг критике несколько ключевых утверждений Chollet, однако сама дискуссия заслуживает более глубокого анализа с привлечением разносторонних источников. В данной статье я натравил AI-ресёрчера, чтобы он систематически разобрал каждый из шести тезисов, выдвинутых в посте, опираясь на финансовые данные, технические бенчмарки и экспертные оценки из различных источников. Саму заметку можете прочитать по ссылке выше или в конце статьи.

Первое утверждение Chollet касается того, что на вере в близость AGI «завязано более триллиона долларов инвестиций». Это заявление выглядит провокационным, но требует фактической проверки. Проанализировав доступные данные об анонсированных инвестициях в AI-инфраструктуру за 2025 год, картина оказывается ещё более впечатляющей, чем предполагал Chollet.

Stargate Initiative, запущенная OpenAI совместно с SoftBank и Oracle, предусматривает инвестиции в $500 млрд до 2029 года. Microsoft объявила о $80 млрд на AI-дата-центры, Meta планирует потратить до $65 млрд, Amazon — свыше $75 млрд. Google анонсировала $100 млрд на исследования и инфраструктуру AI, Nvidia — $60 млрд на разработку чипов следующего поколения, Samsung — $80 млрд на интеграцию AI в производство. Даже Франция объявила о $112 млрд частных инвестиций в AI.

Консалтинговая компания McKinsey прогнозирует, что к 2030 году мировые инвестиции в дата-центры для AI составят $6,7 триллиона, из которых $5,2 триллиона придётся непосредственно на AI-вычисления. Только в 2025 году ожидается, что расходы на AI-инфраструктуру достигнут $400-600 млрд. OpenAI в 2025 году заключила контракты на общую сумму около $1 триллиона, включая $300 млрд с Oracle на пять лет и $22 млрд с CoreWeave.

График роста выручки OpenAI демонстрирует экспоненциальный рост с 2022 по 2024 год и амбициозные прогнозы на 2025-2030 годы

Эти цифры подтверждают правоту Chollet в базовом утверждении: действительно, на AI завязаны триллионы долларов. Однако это не означает автоматически, что все инвестирующие участники «делают вид» или сознательно лгут. Большинство из них искренне верят в технологический прорыв и экономический потенциал AI, хотя степень этой веры и её обоснованность — предмет для обсуждения.

Автор поста справедливо указал на важное противоречие в аргументации Chollet. С одной стороны, французский исследователь критикует индустрию за «вид, будто AGI вот-вот появится», с другой — сам обновил свой прогноз по достижению AGI с 10 до 5 лет. Это действительно выглядит нелогично и требует объяснения.

Изначально Chollet был одним из наиболее известных «медведей» (скептиков) в отношении быстрого прогресса к AGI. Ещё год назад он говорил о таймлайне в «примерно 10 лет». Однако появление reasoning-моделей OpenAI, особенно o1, радикально изменило его оценку. В интервью с Dwarkesh Patel Chollet признал: «Год назад я бы сказал примерно десять лет, а сейчас, думаю, это будет около пяти».

Что вызвало эту перемену? Chollet объясняет, что reasoning-модели типа o1 демонстрируют качественно новую способность — адаптацию во время выполнения задачи (test-time adaptation). Это не просто масштабирование данных и вычислений, а фундаментально иной подход, при котором модель может эффективно обучаться на новых задачах с минимальными примерами. По его мнению, именно это свойство — способность быстро адаптироваться к новым проблемам — является ключевым для достижения AGI.

Более того, когда в декабре 2024 года OpenAI представила модель o3, которая набрала 87,5% на ARC-AGI (превысив человеческий базовый уровень в 85%), Chollet назвал это «genuine breakthrough» — настоящим прорывом. Он признал, что o3 демонстрирует способность динамически интегрировать различные стратегии, что является именно тем типом адаптивности, который требуется для успеха на ARC-AGI.

Сравнение результатов AI-моделей на бенчмарке ARC-AGI показывает качественный скачок в возможностях reasoning-моделей o3, впервые превысивших человеческий базовый уровень

Таким образом, позиция Chollet не настолько противоречива, как может показаться. Он не отрицает достижимость AGI — напротив, недавние прорывы убедили его, что AGI может быть ближе, чем он думал ранее. Его критика направлена не на саму цель AGI, а на экономическую модель, при которой текущие расходы на несколько порядков превышают доходы, что ставит под вопрос финансовую устойчивость индустрии.

Одно из центральных утверждений Chollet, процитированное в посте, гласит: «компании тратят 10–15 долларов, чтобы заработать 1 доллар». Автор поста справедливо опроверг эту цифру, указав на соотношение «примерно 2-3 доллара на 1 доллар выручки для OpenAI». Проверка финансовых данных подтверждает правоту автора поста, но с важными нюансами.

По данным The Information, в 2024 году OpenAI получила выручку $3,7 млрд при убытках около $5 млрд, что даёт соотношение примерно $1,35 расходов на каждый доллар выручки (если считать только операционные убытки без учёта капитальных затрат). В первом полугодии 2025 года выручка составила $4,3 млрд, а расходы на R&D и инференс — $6,7 млрд, что даёт около $1,55 на доллар выручки.

Однако эти цифры существенно занижают реальную картину по нескольким причинам. Во-первых, они не включают капитальные затраты (capex) на инфраструктуру. OpenAI планирует потратить $115 млрд в период с 2025 по 2029 год, значительная часть которых придётся на строительство дата-центров и закупку чипов. Во-вторых, значительная часть инференс-затрат субсидируется за счёт бесплатных пользователей: из 800 млн пользователей ChatGPT платят только около 5%, то есть около 40 млн человек.

Если учесть полную стоимость владения инфраструктурой (Total Cost of Ownership), включая амортизацию дата-центров, картина становится гораздо менее радужной. Один из инвестиционных аналитиков, Адам Куппермен (Adam Kupperman), первоначально предполагал 10-летний цикл амортизации AI-дата-центров и на этой основе рассчитал, что индустрия не сможет окупить инвестиции. Позже он пересмотрел свою оценку, узнав, что реальный срок службы AI-дата-центров составляет 3-10 лет, а не 10, из-за быстрого устаревания GPU и специализированной архитектуры.

С учётом этих данных Куппермен рассчитал, что для окупаемости капитальных затрат 2025 года ($400 млрд) индустрии потребуется не $160 млрд, а $320-480 млрд годовой выручки — при нынешних $20 млрд фактической выручки от AI. Это соотношение ближе к утверждению Chollet о 10-15 к одному, хотя и для других компаний, а не конкретно OpenAI.

Итак, утверждение автора поста технически корректно для операционных затрат OpenAI, но не учитывает капитальные затраты и долгосрочную экономику инфраструктуры. В этом смысле Chollet ближе к истине, если рассматривать индустрию в целом и учитывать полную стоимость владения.

Chollet утверждал, что «нужны принципиально более совершенные технологии и приложения, причём нужны они быстро — до того, как нынешние дата-центры устареют, то есть в течение 3–5 лет». Автор поста возражает, что «нынешние датацентры стоят ничего по сравнению с тем, что построят в ближайшие 5 лет» и что время привлечения капитала «идеальнее некуда», так как Chollet сам считает, что до AGI осталось 5 лет.

Этот спор касается темпов устаревания инфраструктуры и синхронизации капитальных затрат с технологическим прогрессом. Исследование вопроса показывает, что правы оба участника дискуссии, но в разных аспектах.

Срок службы AI-дата-центров действительно составляет 3-10 лет, в зависимости от компонента. GPU-чипы устаревают за 3-5 лет, системы охлаждения и питания служат около 10 лет, здания — до 30 лет. Однако ключевая проблема не в физическом износе, а в специализации: AI-дата-центры оптимизированы для тренировки моделей (training), а не для inference или других задач. Они часто расположены вдали от пользователей (чтобы быть ближе к дешёвой энергии), что делает их малопригодными для большинства других применений, требующих низкой задержки.

Гарвардский профессор Shane Greenstein отмечает: «GPU-дата-центр не годится для многого другого. Он не подходит для хранения данных. Не для резервного копирования. Да, он отлично справляется с математикой. Но он не расположен совместно [с пользователями], так что не будет быстрым». В случае краха AI-инвестиций многие дата-центры окажутся stranded assets — застрявшими активами, которые трудно перепрофилировать.

С другой стороны, автор поста прав в том, что основные инвестиции ещё впереди. McKinsey прогнозирует, что из $6,7 трлн инвестиций к 2030 году значительная часть будет потрачена в 2026-2029 годах. OpenAI только начинает строительство инфраструктуры Stargate, первые $100 млрд из $500 млрд будут потрачены в 2026 году. Таким образом, «часы» действительно начинают тикать с 2026 года, а не с 2025-го, что даёт отрасли время до 2029-2031 годов для достижения окупаемости.

Однако это не отменяет фундаментальную проблему, на которую указывает Chollet: если AGI не будет достигнуто или не приведёт к взрывному росту выручки к концу десятилетия, индустрия столкнётся с массовым списанием активов. Временное окно действительно узкое, и риски велики.

OpenAI проецирует рост выручки до $200 млрд к 2030 году с текущих $13 млрд (прогноз на 2025 год). Это означает рост в 15,4 раза за 5 лет, или среднегодовой темп роста около 72%. Насколько реалистичен этот прогноз?

С одной стороны, OpenAI демонстрирует впечатляющую траекторию: выручка выросла с $28 млн в 2022 году до $3,7 млрд в 2024-м (рост в 132 раза за два года) и, вероятно, достигнет $13 млрд в 2025-м (рост в 3,5 раза). База пользователей растёт быстро: 800 млн недельных активных пользователей в октябре 2025 года против 500 млн в марте. Число корпоративных пользователей превысило 5 млн.

OpenAI планирует диверсифицировать источники дохода. К 2030 году компания ожидает получать около $90 млрд от ChatGPT (подписки), $25 млрд от API, $25 млрд от AI-агентов и $60 млрд от бесплатных пользователей (реклама, комиссии с покупок). Монетизация бесплатных пользователей предполагает достижение валовой маржи в 80-85% — на уровне рекламного бизнеса Meta.

Однако существует ряд серьёзных вызовов. Во-первых, конверсия бесплатных пользователей в платящих остаётся низкой: из 800 млн пользователей платят только 5%, и OpenAI надеется увеличить этот показатель до 10%. Но даже 10% — это всё ещё 90% бесплатных пользователей, обслуживание которых обходится очень дорого.

Во-вторых, данные US Census Bureau за последние месяцы показывают снижение внедрения AI крупными компаниями. Если этот тренд сохранится, корпоративный сегмент, на который делает ставку OpenAI, может не оправдать ожиданий.

В-третьих, Goldman Sachs оценивает совокупный потенциал AI-рынка в США в $8 трлн дисконтированной приведённой стоимости будущих доходов. Если OpenAI рассчитывает на $200 млрд годовой выручки, это означает захват значительной доли этого рынка — что требует доминирующей позиции и отсутствия серьёзных конкурентов.

Наконец, стоимость предоставления услуги остаётся высокой. Даже подписка ChatGPT Pro за $200/месяц убыточна, так как пользователи используют продукт интенсивнее, чем ожидалось. OpenAI планирует повышать цены: ChatGPT Plus вырастет с $20 до $44/месяц к 2030 году. Но это может оттолкнуть пользователей или стимулировать переход к конкурентам.

В целом, прогноз $200 млрд выглядит чрезвычайно амбициозным, но не полностью нереалистичным при условии достижения существенных улучшений в моделях (приближения к AGI), снижения затрат на инференс и успешной монетизации массовой пользовательской базы. Однако риски провала этих предпосылок очень высоки.

Финальный вопрос касается технического прогресса. Автор поста отмечает, что «François считает, что до AGI осталось 5 лет», что совпадает с горизонтом инвестиций. Это действительно так, но требует понимания, что именно Chollet подразумевает под AGI и какие данные поддерживают его обновлённый прогноз.

ARC-AGI benchmark, разработанный Chollet в 2019 году, представляет собой набор из 800 головоломок, требующих абстрактного рассуждения и способности к обобщению. Задачи тривиальны для людей, но долгое время были чрезвычайно сложными для AI. До недавнего времени лучшие модели набирали менее 25% на этом тесте.

Прорыв произошёл с появлением reasoning-моделей OpenAI:

• GPT-4o: 9% (базовая модель без reasoning)
• o1-mini: 12,8%
• Claude 3.5 Sonnet: 21%
• o1-preview: 21,2%
• o3 (low compute): 76%
• o3 (high compute): 87,5% (превышает человеческий базовый уровень в 85%)

Модель o3 стала первой AI-системой, превысившей человеческий уровень на ARC-AGI. Это достижение особенно впечатляет, учитывая, что Chollet специально разработал бенчмарк так, чтобы его было невозможно решить простым запоминанием — каждая задача требует уникального подхода.

Однако Chollet и другие исследователи предупреждают о важных ограничениях. Во-первых, стоимость вычислений для o3 на ARC-AGI оценивается в $3500 за задачу в режиме high compute. Это делает систему экономически непрактичной для большинства применений. Во-вторых, o3 в высокой степени использует brute-force search — перебор огромного количества вариантов решений. Это не тот тип «понимания», который демонстрируют люди.

В январе 2025 года Chollet отметил в интервью, что o3 (и reasoning-модели в целом) представляют собой «парадигмальный сдвиг от "запоминай ответы" к "запоминай рассуждения"», но это всё ещё не выход за рамки общей парадигмы «улучшения точности модели путём включения большего в распределение для предобучения». Другими словами, o3 всё ещё зависит от того, что было в тренировочных данных, хотя и на более абстрактном уровне.

Тем не менее, прогресс неоспорим. Опросы AI-исследователей показывают, что медианный прогноз достижения AGI сдвинулся с 2060 года (опросы до 2020) до 2040 года (опросы 2022-2023). Предприниматели ещё более оптимистичны, называя даты около 2030 года. Один из анализов предсказаний на платформе Metaculus показал, что средний прогноз AGI сместился с 50 лет (в 2020) до 5 лет (в 2022).

Важно понимать, что AGI не является бинарной категорией. Это спектр возможностей, и разные исследователи используют разные определения. Для экономических целей OpenAI не обязательно нужно «настоящее» AGI в философском смысле — достаточно систем, способных автоматизировать большинство задач умственного труда и генерировать достаточную стоимость для окупаемости инвестиций. В этом смысле прогресс reasoning-моделей и агентов может быть достаточным для обоснования текущих инвестиций.

Разбор всех шести тезисов показывает, что ситуация с AI-инвестициями гораздо сложнее, чем представлено как в оригинальном посте Chollet, так и в критике автора телеграм-канала. Истина, как часто бывает, находится где-то посередине.

Что подтверждается фактами:

1. В AI действительно инвестируются триллионы долларов — от $1 трлн в краткосрочных контрактах до $6,7 трлн прогнозируемых вложений к 2030 году
2. Текущие unit economics OpenAI негативны, но не в соотношении 10-15:1, как утверждал Chollet, а скорее 1,5-2:1 по операционным затратам (при этом капитальные затраты делают общую картину значительно хуже)
3. Срок службы AI-инфраструктуры действительно короток (3-10 лет), что создаёт жёсткие временные рамки для окупаемости
4. François Chollet не отрицает достижимость AGI — напротив, он сократил свой прогноз с 10 до 5 лет после появления reasoning-моделей
5. Технический прогресс реален и впечатляющ: модель o3 впервые превысила человеческий уровень на бенчмарке ARC-AGI

Что остаётся под вопросом:

1. Сможет ли OpenAI достичь $200 млрд выручки к 2030 году (требуется рост в 15 раз за 5 лет)
2. Приведут ли улучшения моделей к достаточному снижению затрат на inference для обеспечения прибыльности
3. Оправдаются ли $6,7 трлн инвестиций в дата-центры экономическими выгодами от AI
4. Является ли текущая волна инвестиций рациональной ставкой на технологическую революцию или спекулятивным пузырём, аналогичным dot-com или тюльпаномании

Критика Chollet, несмотря на некоторые неточности в цифрах, поднимает легитимные вопросы о финансовой устойчивости AI-бума. Автор поста справедливо опровергает конкретные утверждения о соотношении расходов к выручке, но это не отменяет общей обеспокоенности масштабом отрицательных денежных потоков и зависимостью индустрии от непрерывного привлечения капитала.

Ключевой вопрос не в том, достижим ли AGI, а в том, достижим ли он достаточно быстро и в достаточно полезной форме, чтобы оправдать триллионы долларов инвестиций с очень коротким окном окупаемости. История технологических бумов показывает, что даже реальные инновации могут сопровождаться финансовыми пузырями, если оценки и инвестиции опережают фактические возможности монетизации.

На данный момент индустрия балансирует между двумя сценариями: либо мы находимся на пороге технологической революции масштаба промышленной революции или интернета, либо мы строим самый дорогой в истории замок на песке. Следующие 3-5 лет покажут, какой из этих сценариев реализуется. Но независимо от исхода, критическое обсуждение экономической обоснованности AI-инвестиций необходимо и своевременно.

Источник: https://t.me/seeallochnaya/3008