- Ключевые выводы
- Дефицит микрочипов: почему рынок будет «supply‑limited»
- Энергетический барьер: от наземных дата‑центров к орбитальным решениям
- Энергетически‑экономичные модели: от LLM к Energy‑Based Models
- Цифровые сотрудники и контроль над агентами
- Физический AI и геополитика: почему границы важны
- Будущее поколений: влияние AI на образование и труд
- Справка
Ключевые выводы
- Доступ к передовым микрочипам будет ограничен минимум на пять лет, что замедлит рост крупнейших облачных провайдеров.
- Энергопотребление дата‑центров становится узким местом; компании рассматривают орбитальные решения, но с новыми инженерными проблемами.
- Энергетически‑экономичные модели — energy‑based models (EBM) — могут стать альтернативой громоздким LLM, особенно в задачах, требующих понимания физических законов.
Неделя, когда пять лидеров AI‑цепочки собрались в Беверли‑Хиллз, показала, что индустрия сталкивается с реальными физическими ограничениями: от дефицита чипов до энергетических проблем и геополитических рисков. Их мнения раскрывают, какие стратегии могут спасти рост технологий в ближайшие годы.
Дефицит микрочипов: почему рынок будет «supply‑limited»
Кристоф Фуке, глава голландского гиганта ASML, открыл панель, указав на резкое ускорение производства чипов. Но, по его словам, даже при максимальном расширении фабрик ближайшие 2‑5 лет рынок будет ограничен по поставкам. Фактически, гиперскейлеры — Google, Microsoft, Amazon и Meta* — не получат все заказываемые ими единицы.
Эти слова подкреплены данными от Франсиса деСоуза, операционного директора Google Cloud: за последний квартал выручка подразделения превысила $20 млрд, а «беклог» почти удвоился до $460 млрд. Рост спроса очевиден, а значит, нехватка чипов станет реальной преградой для масштабных проектов.
Важный контекст: ASML единственный производитель экстремального ультрафиолетового (EUV) оборудования, без которого невозможно выпустить современные 5‑нм и 3‑нм процессы. Это дает компании монопольный контроль над самым критическим узлом цепочки поставок.
Пока китайские производители, такие как SMIC, пытаются догнать технологию, у них нет доступа к EUV‑лиитографии, что приводит к отставанию на несколько поколений.
Энергетический барьер: от наземных дата‑центров к орбитальным решениям
Спрос на вычислительные мощности растёт быстрее, чем способность индустрии поставлять энергию. ДеСоуза отметил, что Google уже исследует возможность построения дата‑центров в космосе, где солнечная энергия доступна постоянно.
Однако космический вариант имеет свои сложности. В вакууме отсутствует конвекция, поэтому тепло от серверов может отводиться лишь радиацией — процесс гораздо медленнее, чем традиционное воздушное или жидкостное охлаждение. Это повышает требования к дизайну аппаратуры и удлиняет сроки вывода таких решений в эксплуатацию.
Тем не менее, интегрированный подход Google к AI‑стеку (со‑разработка TPU‑чипов, моделей и агентов) позволяет достичь лучшего показателя FLOPS/Вт по сравнению с «оф‑шельф» системами. Запуск Gemini на собственных TPU демонстрирует, как совместное проектирование аппаратуры и программного обеспечения экономит энергию.
Фуке подчеркнул, что «ничего не может быть бесплатным»: увеличение вычислительной мощности неизбежно влечёт за собой рост затрат на электроэнергию, а значит, компании вынуждены искать более экономичные архитектуры.
Энергетически‑экономичные модели: от LLM к Energy‑Based Models
Ева Бо́дния, соосновательница стартапа Logical Intelligence, представила альтернативный путь — energy‑based models (EBM). В отличие от традиционных больших языковых моделей (LLM), которые предсказывают следующий токен, EBM пытаются понять правила, лежащие в основе данных.
Самая крупная EBM‑модель компании имеет 200 млн параметров, в то время как ведущие LLM используют сотни миллиардов. По заявлению Бо́днии, её система работает в тысячи раз быстрее и может обновлять знание «на лету», без полной переобучения.
Эти свойства делают EBM привлекательными для задач, где важны физические законы, а не только языковые шаблоны: робототехника, управление автономными транспортными средствами, симуляция физических процессов. Пример: система, управляющая беспилотным грузовиком, должна понимать закон инерции, а не просто распознавать паттерны в датасетах.
Появление EBM поднимает вопрос, достаточно ли масштабировать LLM, или стоит задуматься о новых архитектурах, способных решать задачи «понимания мира» более эффективно.
Цифровые сотрудники и контроль над агентами
Дмитрий Шевеленко, главный бизнес‑директор Perplexity, рассказал о трансформации компании от поиска к «цифровым работникам». Продукт Perplexity Computer позиционируется как «персональный ассистент», который можно назначать на выполнение задач внутри корпоративных систем.
Ключевой момент — градация прав доступа. Администраторы могут задавать не только, какие инструменты агент может использовать, но и разрешать ему только чтение или полное изменение данных. При выполнении действий агент предлагает план и ждёт подтверждения пользователя.
Такой подход помогает смягчить опасения CISO, особенно после того, как Шевеленко присоединился к совету директоров Lazard. Прозрачность и контроль становятся «кровью» безопасного внедрения AI‑агентов в критические бизнес‑процессы.
Физический AI и геополитика: почему границы важны
Касар Юнис, со‑основатель Applied Intuition, отметил, что автономные системы (самоуправляемые автомобили, дроны, сельхозтехника) – это уже физический AI, который появляется в реальном мире. Это меняет правила игры: государства теперь обеспокоены тем, что такие системы могут работать в их территории под контролем иностранных компаний.
Юнис сравнил ситуацию с ранними интернет‑традициями, когда американские технологические гиганты лишь предлагали «приложения» (Uber, DoorDash). Сейчас физический AI напрямую влияет на безопасность и суверенитет стран.
Фуке добавил, что несмотря на быстрый прогресс Китая (например, запуск модели DeepSeek), китайским производителям всё ещё недоступна самая продвинутая EUV‑литография. Это создаёт технологический разрыв на уровне полупроводников, который нельзя покрыть программным обеспечением.
Будущее поколений: влияние AI на образование и труд
В конце сессии зрители спросили, не уничтожит ли AI способность молодёжи к критическому мышлению. ДеСоуза ответил, что мощные инструменты помогут решать такие глобальные задачи, как нейродегенеративные болезни или удаление углекислого газа.
Шевеленко отметил, что хотя базовые рабочие места могут исчезнуть, доступ к «цифровому сотруднику» делает любые проекты более доступными. Единственное ограничение — уровень любознательности и желания учиться.
Юнис указал, что в сельском хозяйстве уже наблюдается дефицит работников: средний возраст фермеров — 58 лет. Физический AI заполняет эту пустоту, а не вытесняет готовых специалистов.
Справка
ASML — голландская компания, основанная в 1984 г., монопольный поставщик EUV‑литографических машин. Без их оборудования невозможно выпускать чипы 5 нм и меньше.
Google Cloud — облачный бизнес Google, выросший до $20 млрд выручки за квартал. Активно инвестирует в собственные TPU‑чипы и эксперименты с орбитальными дата‑центрами.
Applied Intuition — стартап 2017 года, специализирующийся на симуляции и автопилотах для автономных транспортных средств. Оценен в $15 млрд, работает с автопроизводителями и оборонными подрядчиками.
Perplexity AI — компания, создавшая поисковый сервис Perplexity и «цифрового сотрудника» Perplexity Computer. Превращает поиск в интерактивный агент, способный выполнять действия в корпоративных системах.
Logical Intelligence => стартап, основанный квантовым физиком Евой Боднией. Разрабатывает energy‑based models (EBM), которые «понимают» правила мира, а не только повторяют языковые паттерны.
Панель показала, что AI‑индустрия стоит на пороге серьёзных физических и геополитических ограничений. Проблемы с чипами и энергией заставляют компании искать новые архитектуры и более гибкие бизнес‑модели. Те, кто уже начинает переходить к энергоэкономичным типам моделей и интегрированным решениям, получат конкурентное преимущество в ближайшие годы.
