Ландшафт искусственного интеллекта претерпевает сейсмический сдвиг, отходя от централизованных, облачных моделей, продвигаемых крупными технологическими корпорациями, к более децентрализованному, локализованному подходу. Этот переход обусловлен присущей неэффективностью и неустойчивыми экономическими моделями текущего корпоративного ИИ, наряду с растущими возможностями ИИ с открытым исходным кодом и локализованного оборудования.

Неустойчивая экономика облачного ИИ

Преобладающая корпоративная стратегия в области ИИ, характеризующаяся массивными инвестициями в облачную инфраструктуру и услуги по подписке, оказывается экономически неустойчивой. Оценки в триллионы долларов были основаны на предположении, что компании будут постоянно арендовать возможности ИИ у поставщиков. Однако эта модель терпит неудачу из-за нескольких ключевых факторов:

• Запретительные расходы и неэффективное использование токенов: Сообщается, что сотрудник Microsoft потратил 28 000 долларов на токены ИИ за 28 дней, что подчеркивает непомерные расходы, связанные с текущим использованием ИИ. Эта тенденция усугубляется системами стимулирования, которые вознаграждают высокое потребление токенов, а не ощутимые бизнес-результаты. Внутренний аудит Microsoft выявил, что один сотрудник потратил 28 000 долларов на токены ИИ всего за 28 дней, в среднем 1000 долларов в день.
• Отсутствие измеримого воздействия: Исследования указывают на значительный разрыв между инвестициями в ИИ и бизнес-результатами. Анализ MIT за 2025 год показал, что примерно 95% пилотных программ генеративного ИИ не оказали измеримого влияния на прибыль или убытки. Аналогично, экономисты Гарварда отметили, что, хотя ИИ-агенты для написания кода увеличили объем кода на 30%, компании не выпустили больше программного обеспечения из-за увеличения времени на проверку на 49%, что фактически перевело человеческие ресурсы из разработки в надзор за ИИ.
• Неустойчивые обязательства по инфраструктуре: Компании, такие как Anthropic, сталкиваются с огромным финансовым давлением из-за долгосрочных обязательств по расходам на инфраструктуру, таких как потенциальные 518 миллиардов долларов в течение следующего десятилетия. Эти обязательства часто включают неучитываемые расходы, когда оплата производится независимо от фактического использования. Anthropic сообщила об операционном убытке, превышающем 8 миллиардов долларов за прошлый год, при этом значительная часть ее клиентской базы не связана долгосрочными контрактами.
• Циклические экономические практики: Отношения между поставщиками ИИ и производителями оборудования часто напоминают замкнутый цикл. Например, инвестиции Nvidia в размере 100 миллионов долларов в OpenAI, по сообщениям, предназначались для покупки OpenAI чипов Nvidia, создавая циркуляцию капитала. Аналогично, AMD предоставила OpenAI опционы на акции, чтобы стать клиентом. Предполагаемая сделка Nvidia с OpenAI на 100 миллиардов долларов была письмом о намерениях, а не подписанным контрактом, позже скорректированным до доли в 30 миллиардов долларов.

Сила открытого исходного кода и локализованного ИИ

В отличие от корпоративной модели, открытый исходный код ИИ и локализованное оборудование демонстрируют замечательную эффективность и инновации:

• Демократизация возможностей: Моддеры используют ИИ для обратного инжиниринга сложного программного обеспечения, преобразуя скомпилированные игровые файлы в читаемый исходный код. Этот процесс, на который ранее требовались годы работы команд инженеров, теперь может быть выполнен отдельными лицами за выходные. Эта возможность привела к созданию новых игровых впечатлений, таких как интеграция персонажей и механик из разных игр.
• Разрушение цифровых барьеров: PlayStation 5, некогда считавшаяся высокозащищенной, была взломана с помощью эксплойта под названием Relapse, разработанного при содействии языковых моделей. Эти модели облегчили перевод кода и расшифровку недокументированных систем, что позволило в течение нескольких недель быстро разработать нативный эмулятор PS2 и эмуляцию PS3 на консоли. Это перекликается с делом Kitex 1999 года, когда обратный инжиниринг для обеспечения совместимости был признан судами добросовестным использованием.
• Борьба с программными монополиями: Брэндон Томас разработал Artcraft, набор из семи альтернатив продуктам Adobe с открытым исходным кодом. Используя обратный инжиниринг в чистой комнате, ИИ Artcraft генерирует новый код на основе наблюдаемого поведения программного обеспечения, не имея доступа к проприетарному коду Adobe, что обеспечивает соответствие законодательству. Этот подход отражает стратегию, использованную Compaq в 1980-х годах для создания совместимых с IBM ПК.
• Инновации в аппаратном обеспечении для локального ИИ: Microsoft Surface Laptop Ultra с чипом Nvidia RTX Spark является примером перехода к обработке ИИ на устройстве. Этот процессор на базе ARM со встроенной графикой предназначен для локального запуска ИИ, минуя необходимость в облачной инфраструктуре и обеспечивая повышенную конфиденциальность.

Ограничения физического мира и уязвимости безопасности

Зависимость от массивных, централизованных центров обработки данных для облачного ИИ создает значительные ограничения физического мира и уязвимости безопасности:

• Энергетические потребности и ограничения энергосистемы: Строительство центров обработки данных для ИИ опережает возможности энергосистем. 20-летняя сделка Microsoft на покупку электроэнергии у перезапущенного реактора на Три-Майл-Айленд, запланированная на 2027 год, подчеркивает эту проблему. Несмотря на возрождение реактора, модернизация линий электропередачи ожидается не ранее декабря 2030 года, что потребует заимствования подключений к сети у других электростанций.
• Задержки в цепочке поставок и получении разрешений: Проект центра обработки данных ИИ Oracle "Project Jupiter" в Нью-Мексико столкнулся с задержками из-за задержки с газопроводом и ожидания разрешений на выбросы в атмосферу, что привело к тому, что компания применила пункт о форс-мажоре. Этот инцидент подчеркивает распространенное в Кремниевой долине убеждение, что процессы физического мира подчиняются временным рамкам программного обеспечения, что часто опровергается бюрократическими и логистическими реалиями.
• Риски физической безопасности: Централизованные центры обработки данных представляют собой единые точки отказа. Атаки на физическую инфраструктуру, такую как электрические подстанции или системы охлаждения, могут вывести из строя огромные объемы вычислительной мощности. Нарушение работы центров обработки данных Amazon в ОАЭ беспилотниками во время ирано-израильского конфликта, приведшее к значительным финансовым потерям и длительному времени ремонта, иллюстрирует уязвимость этих объектов к физическим атакам.

Будущее ИИ: Локальное и Децентрализованное

Текущая траектория развития предполагает отход от модели «империи облачных вычислений стоимостью в триллион долларов» в сторону локализованного ИИ. Этот сдвиг обусловлен следующими факторами:

• Экономическая целесообразность: Локальный ИИ предлагает более экономичную и эффективную альтернативу, что продемонстрировали модели с открытым исходным кодом, такие как Deepseek, которые достигли сопоставимой производительности с ведущими американскими моделями при значительно более низких затратах на обучение. Реакция рынка на это развитие, когда Nvidia потеряла 590 миллиардов долларов рыночной капитализации за один день, сигнализирует о признании Уолл-стрит этого сдвига парадигмы.
• Повышенная конфиденциальность и безопасность: Обработка данных на устройстве гарантирует, что данные остаются локальными, снижая риски утечки интеллектуальной собственности и повышая конфиденциальность пользователей.
• Трансформация рабочих мест, а не их устранение: Хотя ИИ будет автоматизировать определенные задачи, особенно связанные с повторяющимся кодированием и написанием текстов, маловероятно, что он заменит сложные роли, требующие критического мышления, решения проблем и ответственности. Вместо этого ИИ, вероятно, будет служить инструментом для расширения человеческих возможностей, что приведет к трансформации рабочих мест, а не к их полному устранению. Например, хотя ИИ может генерировать код, человеческий надзор остается решающим для проверки и валидации, как показало исследование Гарварда. Аналогично, в таких областях, как системы управления многомиллионным оборудованием, ожидается, что ИИ будет инструментом для инженеров, а не их заменой, по крайней мере, в течение двух десятилетий.

Будущее ИИ представляется локальным, децентрализованным и основанным на открытых инновациях, что бросает вызов существующим монополиям, основанным на облачных технологиях, и открывает новую эру доступного и мощного искусственного интеллекта.