На мартовской конференции в Сан-Франциско Дженсен Хуанг, основатель и CEO NVIDIA, поделился видением того, как искусственный интеллект перестраивает национальную экономику. Разговор начался с воспоминаний о скромном IPO 1999 года и дошёл до сегодняшнего дня, когда компьютерные вычисления напрямую определяют выручку компаний и даже ВВП стран. Хуанг описал три ключевые инфлексионные точки ИИ и подчеркнул, почему эффективность производства токенов становится критическим фактором успеха.
Как NVIDIA смогли расти с такой суперскоростью
Хуанг напомнил, что NVIDIA с самого начала фокусировалась на создании новой вычислительной платформы. Успех строился не на отдельных чипах, а на способности интегрировать алгоритмы, архитектуру и экосистему. Ещё в эпоху компьютерной графики и зарождения индустрии видеоигр NVIDIA закладывала подход полного стека — от низкоуровневых алгоритмов до глубокой интеграции в программные движки.
Этот же принцип применили позже при создании первых ИИ-суперкомпьютеров. Культура и организация компании изначально были заточены под ежегодное обновление всего стека — от процессоров и соединений до системной архитектуры. Только полный контроль над всеми уровнями позволяет инновациям внедряться с такой высокой скоростью. Когда компания владеет всей инфраструктурой, она может менять её каждый год, а не тратить силы на согласование компонентов от разных поставщиков.
Три инфлексионные точки ИИ
Инфлексионные точки ИИ — это ключевые моменты резкого качественного и количественного сдвига в развитии и применении искусственного интеллекта. Термин "inflection point" (точка перегиба) означает момент, когда траектория развития меняется кардинально: технология из экспериментальной или нишевой внезапно становится массовой, полезной и экономически значимой, вызывая взрывной рост спроса, инвестиций и применения.
За последние два года ИИ прошёл три инфлексионные точки развития.
Первая точка — генеративный ИИ (generative AI) — это способность переводить информацию из одной формы в другую и автогенерировать токены. Модель GPT-3 долго существовала, пока её не обернули в удобный интерфейс ChatGPT. Однако генеративные системы страдают от галлюцинаций, поскольку не опираются на актуальный контекст и проверенные данные.
Вторая точка связана с появлением рассуждающих моделей типа O1 (reasoning AI). Здесь появилась опора на исследования, факты и RAG (генерация с дополненной выборкой). ИИ научился условной генерации: ответ формируется с учётом контекста и ground truth. Появились самоанализ и самокоррекция в реальном времени. Полезность резко выросла, объём генерируемых токенов увеличился в сотни раз, а потребление вычислений — примерно в тысячу. ChatGPT из развлечения превратился в надёжный инструмент для исследований.
Третья, текущая точка развития ИИ — это агентный ИИ (agentic AI). Теперь ИИ может работать с файлами, инструментами, проводить поиск, планировать и выполнять сложные задачи. Промпты изменились и вместо вопросов «что? когда? кто?» появились команды «создай», «сделай», «построй». Агенты самостоятельно читают документацию, изучают веб и применяют инструменты. Один такой агент потребляет в миллион раз больше токенов, чем прежний чатбот, и работает непрерывно в фоне. OpenClaw стал самым быстрорастущим open-source-проектом в истории и за три недели он обогнал Linux по количеству скачиваний.
Экономика токенов и AI-фабрики
Хуанг предложил смотреть на современные дата-центры не как на хранилища данных, а как на AI-фабрики, главная продукция которых — токены. Чем больше вычислительной мощности, тем больше токенов можно произвести, а значит — выше выручка. Объем вычислительных мощностей напрямую коррелирует с доходами компаний и даже с ВВП стран.
Ключевой метрикой становится количество токенов на 1 Вт (tokens per watt). При ограниченной доступной мощности (часто 1–2 гигаватта на фабрику) эффективность архитектуры определяет, сколько дохода сможет генерировать компания в следующем году. Решение о выборе компьютерной архитектуры теперь принимается на уровне CEO.
Финансирование этого роста, по мнению Хуанга, приведёт к трансформации всей ИТ-индустрии. Сегодня она в основном арендует инструменты. Завтра каждая софтовая компания станет использовать и создавать агентов — будет сочетать открытые и закрытые модели, нанимать «цифровых работников» и сдавать в аренду специализированные токены. Триллионная индустрия, которая почти не потребляла токены, превратится в одного из крупнейших их потребителей. Это создаст огромный новый спрос на вычисления.
Следующий фронтир — физический ИИ
В ближайшие годы разговоры об агентных системах уйдут на второй план — все будут ими пользоваться. На смену придёт физический ИИ, который требует понимания законов физики, причинно-следственных связей, гравитации, инерции и постоянство объектов фундаментальное понимание того, что объекты продолжают существовать, даже когда они исчезают из поля зрения). NVIDIA активно развивает модели в этой области, от симуляции физики до робототехники и цифровой биологии.
Через два-три года, по прогнозу Хуанга, физический ИИ станет главной темой на ближайшее десятилетие. Он откроет применение искусственного интеллекта за пределами дата-центров — в роботах, производстве, автономном транспорте и реальном мире.
Что будет дальше
Хуанг уверен, что сдержать рост вычислений невозможно. Каждая компания в будущем будет нуждаться в вычислительной мощности для генерации выручки, а каждая страна — для поддержания конкурентоспособности национальной экономики. Мы находимся только в начале этого пути. Интернет-индустрия уже перевела весь свой CapEx в ИИ-системы, а отрасль по разработке софта вскоре станет полностью token-driven.
В итоге главный вывод из интервью Дженсена Хуанга — это то, что вычисления перестали быть вспомогательным ресурсом. Они превратились в фундамент новой экономики, где ИИ напрямую влияет на экономический результат.
ссылка на оригинал статьи https://habr.com/ru/articles/1023470/