Когда AI-агенты начинают приближаться к человеческому интеллектуальному труду или заменять его, как следует переоценить стоимость вычислительных ресурсов?
В последнем блоге известного технологического подкаста Dwarkesh Patel прозвучал смелый сценарий: если доходы лабораторий ИИ продолжат стремительно расти (например, Anthropic достигнет 1 триллиона долларов к концу следующего года), а предложение вычислительных мощностей увеличивается лишь примерно в 3 раза в год, то цена вычислительных мощностей может вырасти более чем в 10 раз.
Цена на кремниевую рабочую силу, H100+AI = 250 000 долларов США, программист из Кремниевой долины
На протяжении последних десятилетий вычислительная мощность рассматривалась как «инструмент». Компьютеры стали быстрее, серверов стало больше, облачные вычисления стали дешевле.
Но в эпоху ИИ происходит смена парадигмы: GPU больше не просто компоненты машин, а могут стать носителями цифровой рабочей силы.
Если один H100 может поддерживать AI-агент, уровень которого приближается к уровню ведущего программиста, то его стоимость больше не следует рассчитывать по цене за «час серверного времени», а следует оценивать по стоимости заменяемого им человеческого труда.
Представьте, что существует цифровой программист, который не спит, мгновенно реагирует и обладает уровнем квалификации, равным лучшим человеческим специалистам — сколько вы готовы платить ему в год?
В Силиконовой долине средняя рыночная годовая зарплата программиста-разработчика превышает 250 000 долларов США. Однако для поддержки агента с аналогичным интеллектуальным уровнем может потребоваться всего лишь вычислительная мощность одной видеокарты NVIDIA H100.
Теперь давайте посчитаем:
Если этот H100 может идеально заменить человеческого программиста с годовой зарплатой в 250 000 долларов США, то с чисто коммерческой и экономической точки зрения теоретическая годовая арендная плата за этот H100 должна быть выше 250 000 долларов США.
Но сейчас рыночная цена аренды H100 в спот-сегменте составляет всего около 16 000 долларов США в год. Разница составляет 15 раз.
Это будет самый большой «черный ход для арбитража труда» в истории человечества.
Когда скорость интеллектуального размножения в виртуальном мире значительно превышает пределы производства в физическом мире, возникает противоречие:
Скорость роста стоимости цифрового интеллекта значительно превышает скорость расширения физической вычислительной инфраструктуры.
Этот 15-кратный разрыв в оценке вызовет мощный откат: в ближайшие годы реальная цена вычислительной мощности может столкнуться с суперинфляцией в 10 раз и выше.
Естественно, возникает вопрос: не сократится ли годовая зарплата программиста в будущем?
Этот вопрос также учитывал Дваркеш Пател:
Но если мы верим стандартной экономической теории о труде, то предельная стоимость вычислительной мощности (а следовательно, и ее предельная цена) должна стать чрезвычайно высокой.
Скорость заработка на ИИ превысила скорость создания ИИ
В последние несколько лет индустрия ИИ следовала простой логике: более крупные модели, больше данных, больше GPU, более сильные возможности.
Но сейчас возникает новое противоречие: скорость роста ИИ превышает скорость роста предложения вычислительных мощностей.
Возьмем в качестве примера Anthropic. За последний год ее коммерческий доход вырос примерно в 10 раз.
При такой скорости роста к концу года его годовой доход может достичь 100–150 миллиардов долларов. Если эта тенденция сохранится, в следующем году ему предстоит решить безумную проблему: как поддержать перспективу в размере триллиона долларов?
Ответ один: больше интеллекта. А больше интеллекта означает: больше обучения, больше выводов, больше GPU.
Однако проблема заключается в том, что предложение вычислительной мощности не растет с той же скоростью.
Физические вычислительные мощности ведущих лабораторий отрасли сейчас могут поддерживать рост примерно в 3 раза в год.
Так возникает огромное несоответствие:
Цифровой мир хочет пробежать 10 километров, но физический мир может предоставить только 3-километровую дорогу. Что делать с оставшимся расстоянием?
Только три варианта: во-первых, повысить маржинальность. Во-вторых, повысить цену на вычислительную мощность. В-третьих, направить больше вычислительной мощности на задачи вывода.
Третий путь — это то, чего больше всего не хотят видеть многие лаборатории ИИ.
Потому что извлечение прибыли с помощью выводов по сути служит лишь доказательством: «Бизнес-модель ИИ работает.»
Затем продолжить привлечение финансирования, покупать больше GPU и продолжать обучение следующего поколения моделей.
Настоящий цикл Кремниевой долины:
Зарабатывание денег — это не цель, а средство для покупки большего объема вычислительных мощностей.
Потому что всё, во что действительно верят лаборатории, — это то, что самые передовые модели сегодня могут через год оказаться такими же устаревшими, как телефон вчера: мощные, но устаревшие.
Это снова возвращает нас к первым двум вариантам: резкому росту маржи прибыли или росту стоимости единицы хеш-мощности.
Если полностью полагаться на маржу для погашения этой разницы, к концу следующего года маржа Frontier Labs должна достигнуть среднего-высокого уровня около 95%.
В истории бизнеса, за исключением крайне редких случаев абсолютных технологических монополий, это почти фантазия.
Таким образом, все улики и логика в конечном итоге сходятся к одному выводу: цена за единицу хэшрейта вот-вот переживет беспрецедентный рост.
GPU превращаются с серверов в фабрики нового времени
Многие еще не осознали: конкуренция в области ИИ вступает в эпоху инфраструктуры.
В прошлом интернет-войны велись за пользователей, трафик и точки входа. В эпоху ИИ ведется борьба за электричество, чипы, центры обработки данных и супервычислительные кластеры.
Почему? Потому что ведущие лаборатории ИИ не могут полагаться на обычные облачные серверы.
Им требуются: выделенные GPU-кластеры; стабильная сетевая архитектура; высочайшая степень использования; безопасность данных и моделей.
Это уже не аренда обычных серверов, это аренда будущих интеллектуальных производственных линий.
Один из типичных примеров: Google и Anthropic арендуют крупномасштабные ресурсы GPU у SpaceX.
Согласно сообщениям, ежемесячная аренда GPU-кластеров Google, насчитывающих около 110 000 единиц, составляет 900 миллионов долларов.
В пересчете на одну GPU аренда стоит почти вдвое дороже текущей рыночной цены за час. Не забывайте, что текущая цена на现货 уже на 40% выше, чем минимум в начале этого года.
Почему?
Поскольку высокая вычислительная мощность все больше напоминает стратегические ресурсы, такие как энергия и электросети.
Представьте промышленную революцию: одна фабрика имеет паровую машину, а другая — нет.
Их разница составляет не 10%, а целое поколение в производственных методах.
В эпоху ИИ графические процессоры также становятся новым «паровым двигателем».
Почему цена хэшрейта достигла такого непрекращающегося уровня?
Ответ содержится в физической формуле на стороне предложения — эта формула жестко ограничена физическими пределами TSMC и лидеров в области литографических машин.
Миф о «удвоении хэшрейта в три раза ежегодно», который так часто упоминают в отрасли, при детальном анализе оказывается всего лишь неустойчивым сочетанием трех множителей на грани предела:
Годовой рост производительности (3x) ≈ 1,4x (итерация закона Мура) × 1,2x (строительство новых заводов) × 1,8x (захват мощностей передовых технологических процессов).
И каждый из этих мультипликаторов приближается к потолку.
Закон Мура: каждый следующий шаг уменьшения сложнее предыдущего, утечки тока и атомные пределы делают итерации хрупкими.
Строительство новых заводов занимает много времени, а поставки высокочисловой EUV-литографической машины замедляют весь процесс — решения не будет как минимум до 2030 года.
За последние два года единственным двигателем роста хэшрейта была конкуренция за производственные мощности — чипы ИИ вытесняли производственные мощности TSMC у смартфонов и ПК.
Но этот множитель скоро обратится в ноль. К концу 2027 года чипы ИИ займут 86% мощностей TSMC N3, с 60% до 86% — это не рост, а физическое абсолютное насыщение, без остаточного пространства.
Три мультипликатора, два уже достигли пика, третий вот-вот столкнётся со стеной. История о предложении хэшрейта уже закончена.
Чем дороже вычислительная мощность, тем меньше людей осмеливаются использовать дешевые модели.
Интуиция говорит: если вычислительная мощность дорогая, стоит использовать легкие модели и открытые усеченные версии, чтобы экономить.
Но экономика ИИ работает совершенно наоборот.
Основная логика — эффект Алчиана-Аллена: когда на все товары накладывается фиксированная дополнительная стоимость, дорогие кажутся более выгодными.
В ИИ эта «дополнительная стоимость» — это амортизация вычислительных мощностей — её нужно платить независимо от используемой модели.
Подсчитаем: H100 стоит 20 долларов в час.
- Самая мощная модель: 1 час, 25 долларов (20 за вычислительную мощность + 5 премия).
- Средняя модель: комиссия за лицензию 0, но недостаток интеллекта привел к многократным попыткам и ошибкам, заняло 2 часа, 40 долларов.
Вывод: использование посредственной модели обходится дороже. Она расходует вычислительные мощности и более ценный ресурс — время — на неэффективные попытки.
Чем дороже вычислительные мощности, тем увереннее самые мощные модели могут требовать огромную надбавку. Раз уж платить за вычислительные мощности всё равно придётся, лучше немного переплатить за самую умную — это настоящая экономия.
Mediocre model, no way out.
В конечном итоге все средства общества будут поглощены, как черной дырой, немногими триллионными монополистами, способными создавать абсолютно самые мощные модели.
Вычислительная мощность — это тоже ресурс, не обязательно подорожает?
Конечно, есть и противники.
В комментариях Эрик Сюй высказал интересное возражение: логика годовой арендной платы в 250 000 долларов США работает только в чисто цифровой сфере. Как только речь заходит о физическом мире — например, о сроках одобрения клинических испытаний или процессах принятия решений в государственных закупках — потолок монетизации ИИ может вообще не достичь 250 000 долларов США, а будет ближе к 50 000.
Старший инженер-программист Тревор отметил: низкокачественный контент не требует топовых моделей — он перейдет на более дешевые альтернативы, а не исчезнет полностью. Другими словами, очищаться может цена, а не сам контент.
История также не на стороне Дваркеша. В 1980 году биолог из Стэнфорда Пол Эрлих и экономист Джулиан Саймон заключили пари на то, что пять металлов подорожают за десять лет.
Десять лет спустя все пять упали, Эрлих сдался и заплатил. «Ресурсы обязательно подорожают» — исторически большинство тех, кто так ставил, проиграли.
Ответ Дваркеша: Эластичность предложения вычислительной мощности намного ниже, чем у сырьевых товаров. Медные рудники могут увеличить добычу под воздействием высоких цен, но EUV-литографические машины — нет — у TSMC просто нет дополнительных мощностей, которые можно было бы освободить. В последние годы, когда предложение растет всего в 3 раза в год, альтернатив не существует.
Интересно, что сам Дваркеш признаёт: эта пророческая модель в истории почти всегда ошибалась.
Возможно, вычислительная мощность однажды станет столь же дешевой, как песок, но до тех пор нам придется пережить самую жестокую гонку вычислительных мощностей и инфляцию вычислительной мощности.
Справочные материалы:
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 «Новости ИИ», автор: АСИ, Откровение; редактор: Дэвид