На пути развития ИИ стоит множество ограничений. Как они изменят его будущее?

После периода бурного развития искусственного интеллекта сейчас наступает время его практического применения. Как существующие ограничения реального мира могут изменить путь, по которому развиваются системы ИИ, в материале для Project Syndicate рассуждает директор компании MindWorks Capital Джеффри Ву.  

Последние два года доминируют рассуждения о безграничных возможностях искусственного интеллекта. Более мощные модели, обучение с триллионами токенов, рекордные капитальные затраты — все это усиливает ощущение непрерывного ускорения. Но технологические изменения редко развиваются по простому пути, и этот раз — не исключение. Сейчас ИИ переходит от стадии экспериментов к применению в реальной жизни, а там ограничения физического мира, рынков капитала и геополитики явно важнее его теоретического потенциала.

Самое очевидное ограничение — электроэнергия. Это наиболее заметно в США, где, как ожидается, спрос дата-центров на электричество увеличится примерно с 35 ГВт до 78 ГВт к 2035 году. Cеверная Вирджиния, крупнейший в мире кластер облачной инфраструктуры, уже фактически исчерпал доступные мощности энергосистемы. В Аризоне, Джорджии и Огайо энергокомпании предупреждают, что строительство новых подстанций может занять почти 10 лет. Один кампус дата-центра может потреблять 300–500 МВт, а этого достаточно, чтобы обеспечить энергией целый город. Вычислительные мощности можно нарастить быстро, а построить энергетическую инфраструктуру — нет.

Рынки реагируют на это с ожидаемой скоростью и амбициозностью. Техногиганты, которые разрабатывают передовые ИИ-модели на базе постоянно растущих вычислительных мощностей, — гиперскейлеры — вошли в число крупнейших в мире покупателей энергии из возобновляемых источников по долгосрочным контрактам. Частные солнечные и ветроэлектростанции строятся специально для обслуживания центров облачных вычислений. А ряд компаний изучают использование малых модульных атомных реакторов нового поколения, чтобы не зависеть от медленного строительства городской энергосети.

Со временем эти усилия расширят границы возможного, но они не устранят ограничения, а перенаправят их. ИИ-мощности новой волны, скорее всего, сосредоточатся не в Северной Вирджинии или Дублине, а в регионах, где земля, энергия и вода по-прежнему в изобилии — Средний Запад в Америке, Скандинавия, ряд стран Ближнего Востока, западный Китай. Географию ИИ определит физика, а не чьи-то предпочтения.

Следующее ограничение — полупроводники. И здесь ситуация становится более запутанной. Компания Nvidia когда-то казалась универсальной базой для всех ИИ-разработок в мире, но теперь эта эпоха завершается. Важной вехой стало объявление, что компания Google обучала новую большую языковую модель Gemini 3 исключительно на собственных тензорных процессорах TPU. Для схожих целей Amazon разрабатывает чипы Trainium2, Microsoft — Maia и Meta — MTIA. В Китае платформа Ascend от Huawei стала фундаментом для обучения отечественных моделей в ситуации, когда США контролирует экспорт своих чипов.

Этот сдвиг отчасти объясняется естественным созреванием технологий. По мере роста рабочей нагрузки специализированные ускорители оказываются эффективней, чем универсальные графические процессоры GPU, которые изначально адаптировали под цели ИИ. Но не случайно время этих событий.

Дефицит поставок, геополитические противоречия, давление издержек — все это вынудило гиперскейлеров взять на себя роль, которая ранее была зарезервирована за производителями полупроводников. А поскольку отказ от экосистемы CUDA компании Nvidia влечет за собой огромные организационные затраты, растущая готовность нести такие затраты показывает, насколько жестким стало это ограничение. Дальше нас ждет более фрагментированный рынок аппаратного обеспечения, а вместе с ним — более разделенная экосистема ИИ. Как только архитектура начинает различаться на уровне процессоров, она редко затем вновь сближается.

Третье ограничение — капитал — действует менее явно. Инвестпланы гиперскейлеров на 2026 год сейчас превышают $518 млрд, и эта сумма выросла почти на две трети буквально за последний год. Мы наблюдаем за крупнейшей в современной истории стройкой инфраструктуры частным сектором. Компании Meta, Microsoft и Google так часто пересматривают свои прогнозы капзатрат, что аналитики с трудом поспевают за ними.

Но пока еще слишком рано для экономической отдачи. Компания Baidu недавно отчиталась о доходах в размере 2,6 млрд юаней ($369 млн) от применения ИИ, в основном благодаря корпоративным контрактам и предоставлению вычислительных мощностей, а компания Tencent заявляет, что увеличила рентабельность уже зрелых направлений своего бизнеса, повысив эффективность с помощью ИИ. В США же большинство компаний по-прежнему прячут доходы от ИИ внутри более широкой категории облачных вычислений.

Разница между ходом внедрения ИИ и его монетизацией велика, но ситуация знакома. В ходе прошлых технологических волн расходы на инфраструктуру обычно на несколько лет опережали рост производительности. Ограничение возникает не из-за слабого интереса инвесторов, а из-за стратегического давления, которое создает энтузиазм: разные компании по‑разному оценивают выгоду, так как это зависит от их бизнес-моделей и структуры расходов.

Многие отрасли просто не могут внедрять ИИ такими же темпами, с какими появляются новые модели. Например, крупные банки связаны правилами безопасности и комплаенса, которые требуют, чтобы программное обеспечение было полностью проверяемо, изолировано и установлено локально. Эти правила сразу же отрезают их от наиболее передовых моделей, для которых свойственна работа в облаке и быстрые изменения в виде новых версий. В системах здравоохранения действуют такие же ограничения, и их еще больше у правительств. Проблема не в теоретическом потенциале ИИ, а в сложности интеграции таких инструментов в существующие системы, созданные для иной эпохи.

В совокупности эти факторы указывают на будущее, которое сильно отличается от обычно представляемого в прессе. ИИ не движется к некоему единому универсальному рубежу. Региональные и корпоративные решения формируются под влиянием разных ограничений — от дефицита электроэнергии в США до проблем с площадью и возможностями охлаждения в Сингапуре и Японии, «геополитического» дефицита в Китае (экспортный контроль Запада ограничивает доступ к передовым чипам и облачному оборудованию), затрудняющего регулирования в Европе, организационной негибкости в корпоративном мире. Технология может быть глобальной, но ее внедрение — локально.

Хорошо, что эти ограничения реального мира не являются врагами прогресса. Зачастую они формируют базу, вокруг которой появляются новые системы. Переизбыток оптоволокна в конце 90-х сначала высмеивали как пример расточительности, но потом он стал основой для расцвета стриминга, соцсетей и облачных вычислений.

Нынешние ограничения сыграют схожую роль. Дефицит энергии уже меняет географию ИИ. Фрагментация полупроводников создает новые национальные и корпоративные экосистемы. Неравномерное распределение капитала ведет компании к разным стратегическим решениям. Первые случаи реального применения определяются институциональными ограничениями.

Ближайшие 10 лет для ИИ будут временем систем не с наибольшей теоретической мощностью, а тех, кто лучше всего умеет превращать ограничения в преимущества. Возможности задают направление, но именно ограничения определят, какой путь в итоге выберет мир.

Project Syndicate, 2025.

www.project-syndicate.org