Как следует переоценивать стоимость вычислительных мощностей, когда ИИ-агенты начинают приближаться или даже заменять человеческий интеллектуальный труд?
В своем последнем блоге известный технологический подкастер Дваркеш Патель выдвинул смелую гипотезу: если доходы лабораторий ИИ продолжат стремительно расти (например, доход Anthropic к концу следующего года достигнет 1 триллиона долларов), а поставки вычислительных мощностей будут увеличиваться только примерно в 3 раза в год, то цена на вычисления может вырасти более чем в 10 раз.
Цена кремниевой рабочей силы: H100+ИИ = программист в Кремниевой долине стоимостью 250 тысяч долларов
В течение последних десятилетий вычислительные мощности рассматривались как «инструмент». Компьютеры становились быстрее, серверов — больше, облачные вычисления — дешевле.
Но в эпоху ИИ происходит смена парадигмы: GPU больше не являются просто компонентами машин, а могут стать носителями цифровой рабочей силы.
Если один чип H100 может нести на себе ИИ-агента, приближающегося по уровню к лучшим программистам, то его ценность не следует рассчитывать по «цене за час работы сервера», а скорее по стоимости человеческого труда, который он заменяет.
Представьте себе «цифрового инженера-программиста», который не спит, всегда на связи и обладает техническими навыками уровня лучших людей. Сколько вы были бы готовы платить ему в год?
В Кремниевой долине средняя рыночная годовая зарплата инженера-программиста превышает 250 тысяч долларов. Однако для размещения интеллектуального агента (Agent) сопоставимого уровня, возможно, потребуется лишь вычислительная мощность, эквивалентная одной видеокарте NVIDIA H100.
Теперь давайте посчитаем:
Если этот H100 может идеально заменить программиста с зарплатой 250 тысяч долларов в год, то с точки зрения чистой коммерческой и экономической логики, теоретическая годовая арендная плата за этот H100 должна быть установлена на уровне 250 тысяч долларов или выше.
Но в настоящий момент рыночная цена аренды H100 в год составляет всего около 16 тысяч долларов. Разница — в 15 раз.
Это и есть самая большая в истории человечества «черная дыра арбитража рабочей силы».
Когда скорость размножения интеллекта в виртуальном мире намного опережает производственные возможности физического мира, возникает противоречие:
Ценность цифрового интеллекта растет гораздо быстрее, чем расширяется физическая вычислительная инфраструктура.
Эта разница в оценке в 15 раз вызовет мощную ответную реакцию: в ближайшие несколько лет реальная цена вычислительных мощностей может столкнуться с суперинфляцией в 10 раз или более.
Естественно, возникает вопрос: а не упадет ли в будущем зарплата инженеров-программистов?
Дваркеш Патель также задумался над этим вопросом:
Но если мы верим стандартной экономической теории о рабочей силе, то предельная ценность вычислительных мощностей (и, следовательно, их предельная цена) должна стать чрезвычайно высокой.
ИИ зарабатывает деньги быстрее, чем их создают
В последние годы в индустрии ИИ действовала простая логика: большие модели, больше данных, больше GPU, более высокая производительность.
Но сейчас возникает новое противоречие: скорость роста ИИ превышает скорость роста предложения вычислительных мощностей.
Возьмем Anthropic в качестве примера. За последний год ее коммерческий доход вырос примерно в 10 раз.
При таких темпах роста к концу года ее годовой доход может достичь масштабов 100–150 миллиардов долларов. Если эта тенденция сохранится, в следующем году ей придется столкнуться с сумасшедшей проблемой: как поддержать «денежные перспективы» на уровне триллиона долларов?
Ответ только один: больше интеллекта. А больше интеллекта означает: больше обучения, больше логического вывода, больше GPU.
Однако проблема заключается в том, что предложение вычислительных мощностей не растет с такой же скоростью.
В настоящее время расширение физических вычислительных мощностей в ведущих лабораториях может поддерживать рост лишь примерно в 3 раза в год.
Таким образом, возникает огромное несоответствие:
Цифровой мир хочет пробежать 10 километров, но физический мир может предоставить дорогу только на 3 километра. Что делать с оставшимся расстоянием?
Есть только три варианта: Во-первых, повысить маржу прибыли. Во-вторых, поднять цены на вычислительные мощности. В-третьих, направить больше вычислительных мощностей на бизнес по логическому выводу.
Третий путь, по сути, является самым нежелательным для многих лабораторий ИИ.
Потому что заработок на логическом выводе, по сути, лишь доказывает: «Бизнес-модель ИИ работает».
Затем — продолжать привлекать финансирование, продолжать покупать больше GPU, продолжать обучать следующее поколение моделей.
Настоящий цикл в Кремниевой долине выглядит так:
Заработок — не конечная цель, он нужен только для покупки большего количества вычислительных мощностей.
Потому что все лаборатории действительно верят в одно: самая передовая модель сегодня через год может стать как вчерашний телефон — мощным, но устаревшим.
Это заставляет вернуться к первым двум вариантам: резкий рост маржи прибыли или рост цены за единицу вычислительной мощности.
Если полностью полагаться на маржу прибыли для компенсации этой разницы, то к концу следующего года маржа прибыли ведущих лабораторий должна достичь уровня примерно 95% в средне-высоком диапазоне.
В истории бизнеса, за исключением редких случаев абсолютной технологической монополии, это почти фантазия.
Таким образом, все ключи и логика в конечном итоге сходятся в одном направлении: цена за единицу вычислительной мощности вскоре столкнется с беспрецедентным скачком.
GPU превращаются из серверов в фабрики новой эры
Многие еще не осознали: конкуренция в сфере ИИ вступает в эпоху инфраструктуры.
В прошлом интернет-войны велись за: пользователей, трафик, точки входа. В эпоху ИИ борьба идет за: электроэнергию, чипы, центры обработки данных, суперкомпьютерные кластеры.
Почему? Потому что ведущие лаборатории ИИ не могут полагаться на обычные облачные серверы.
Им нужно: выделенные кластеры GPU; стабильная сетевая структура; чрезвычайно высокий коэффициент использования; безопасность данных и моделей.
Это уже не аренда обычных серверов, это аренда будущих интеллектуальных производственных линий.
Типичный пример: Google и Anthropic арендуют крупномасштабные ресурсы GPU у SpaceX.
По сообщениям, кластер из примерно 110 тысяч GPU Google стоит 9 миллиардов долларов в месяц.
В пересчете на один GPU, арендная плата за час почти вдвое превышает текущую рыночную спотовую цену. И не забывайте, что текущая спотовая цена сама по себе уже на 40% выше минимумов начала этого года.
Почему?
Потому что передовые вычислительные мощности все больше напоминают стратегические ресурсы, такие как энергия, электросети.
Представьте себе промышленную революцию: у одной фабрики есть паровая машина, у другой — нет.
Разница между ними не 10%, а разница в поколениях всего производственного процесса.
GPU в эпоху ИИ также становятся таким новым «паровым двигателем».
Почему цена на вычислительные мощности может выйти из-под контроля до такой степени?
Ответ кроется в физических формулах на стороне предложения — эти формулы жестко ограничены физическими пределами TSMC и производителей литографического оборудования.
Миф об «увеличении вычислительной мощности в 3 раза в год», которым восхищается индустрия, при детальном рассмотрении — всего лишь слабое сочетание трех множителей на грани пределов:
Годовой рост вычислительной мощности (3x) ≈ 1,4x (итерация закона Мура) × 1,2x (строительство новых заводов по производству пластин) × 1,8x (захват мощностей передовых технологических процессов).
И каждый из этих трех множителей приближается к потолку.
Закон Мура: каждый шаг миниатюризации сложнее предыдущего, утечки тока и атомарные пределы делают итерации невероятно трудными.
Строительство новых заводов по производству пластин — длительный цикл, скорость поставок литографов EUV с высокой числовой апертурой (High-NA EUV) тормозит всю цепочку, и это не решится по крайней мере до 2030 года.
За последние два года единственным двигателем роста вычислительных мощностей был захват производственных мощностей — чипы ИИ буквально отнимали передовые технологические процессы TSMC у мобильных телефонов и ПК.
Но последний множитель скоро сведется к нулю. К концу 2027 года чипы ИИ поглотят 86% мощностей TSMC по процессу N3, с 60% до 86% — это не рост, а физическое абсолютное насыщение, больше нет места для маневра.
Три множителя, два уже достигли предела, последний вот-вот упрется в стену. История с предложением вычислительных мощностей закончена.
И чем дороже вычислительные мощности, тем меньше кто-то осмелится использовать дешевые модели.
Интуиция подсказывает: если вычислительные мощности дорогие, следует использовать облегченные модели, обрезанные открытые версии, экономить.
Но экономика ИИ работает с точностью до наоборот.
Основная логика — эффект Алчиана-Аллена: когда ко всем товарам добавляются фиксированные дополнительные затраты, более дорогие кажутся более выгодными.
В ИИ эти «дополнительные затраты» — это амортизация вычислительных мощностей — их придется платить независимо от используемой модели.
Посчитаем: H100 стоит 20 долларов в час.
- Самая мощная модель: справляется за 1 час, 25 долларов (20 за мощность + 5 премии).
- Посредственная модель: лицензионный сбор 0, но интеллекта не хватает, многократные попытки и ошибки затягивают на 2 часа, 40 долларов.
Вывод: использование посредственной модели обходится дороже. Она будет сжигать вычислительные мощности и более ценный ресурс — время — в бесплодных попытках.
Поэтому, чем дороже вычислительные мощности, тем увереннее самая мощная модель может брать огромную премию. Раз уж в любом случае приходится платить за мощность, потратить немного больше на использование самого умного — это настоящая экономия.
Посредственным моделям нет пути к выживанию.
В конечном счете, средства всего общества, подобно черной дыре, будут притягиваться к горстке триллионных олигополий, способных создавать абсолютно самые мощные модели.
Вычислительные мощности — тоже ресурс, но будут ли они дорожать?
Конечно, есть и противники.
В комментариях Эрик Сюй выдвинул интересное возражение: логика годовой арендной платы в 250 тысяч долларов работает только в чисто цифровой сфере. Как только дело касается физического мира, например, сроков утверждения клинических испытаний, процессов принятия решений в государственных закупках, потолок монетизации ИИ может вообще не достигать 250 тысяч долларов, а быть ближе к 50 тысячам.
Старший инженер-программист Тревор указывает: для некачественного контента не нужны топовые модели, они перейдут на более дешевые альтернативы, а не исчезнут совсем. Другими словами, очистке может подвергнуться цена, а не сам контент.
История также не на стороне Дваркеша. В 1980 году биолог Стэнфорда Пол Эрлих и экономист Джулиан Саймон заключили пари о том, подорожают ли пять металлов за десять лет.
Десять лет спустя все пять подешевели, Эрлих признал поражение и заплатил. «Ресурсы обязательно подорожают» — те, кто так ставил в истории, чаще всего проигрывали.
Ответ Дваркеша таков: эластичность предложения вычислительных мощностей гораздо ниже, чем у сырьевых товаров. Медный рудник можно увеличить при высоких ценах, а литограф EUV — нет — у самого TSMC нет свободных мощностей для выпуска. В эти несколько лет, когда предложение растет лишь в 3 раза в год, нет альтернативы.
Интересно, что сам Дваркеш признает: этот прогноз, и подобные ему в истории, почти всегда были ошибочными.
Возможно, однажды вычислительные мощности станут дешевыми, как песок, но до того дня нам придется пережить самую жестокую гонку вычислительных вооружений и инфляцию вычислительных мощностей.
Источники:
https://www.dwarkesh.com/p/why-compute-might-get-10x-more-expensive
https://x.com/dwarkesh_sp/status/2082482530209411419
Эта статья взята из официального аккаунта WeChat «Новая Эра Искусственного Интеллекта», автор: ASI Апокалипсис; редактор: Давид
