Ділан Патель — Дві лабораторії незабаром контролюватимуть більшість робочої сили світу

1г 16хв 375K переглядів 25 сер 2026
Ведучі: Dwarkesh Patel
Гості: Dylan Patel
Канал: Dwarkesh Patel

Чи варто це вашого часу?

Ви отримаєте детальний аналіз того, як передові ШІ-лабораторії придбають фізичну інфраструктуру, фінансують величезні капітальні витрати через борги та концентрують можливості майбутньої робочої сили.

Ця розмова досліджує, як вибухове зростання інфраструктури ШІ змінює глобальні енергетичні ринки, фінансові системи та майбутній розподіл праці. Вона розглядає економічні механізми, які дозволяють кільком приватним лабораторіям поглинути світові обчислювальні потужності та капітал.

Передові лабораторії споживають глобальні обчислення. Ділан Пател (Dylan Patel) очікує, що до 2028 року OpenAI та Anthropic контролюватимуть більшість доступних флопс на Землі, оскільки вони генерують до 50 мільйонів доларів доходу на мегават і можуть перебити ціну решти ринку. Він стверджує, що їхні капітальні витрати перевищать 2 трильйони доларів до 2028 року, причому ці дві лабораторії поглинуть майже половину всіх додаткових глобальних обчислень.

Капітальні витрати та відсоткові ставки. Пател застерігає, що масові запозичення, необхідні для фінансування дата-центрів на трильйони доларів, призведуть до зростання глобальних відсоткових ставок і потенційно спровокують кризу суверенного боргу для країн, що розвиваються. Він стверджує, що традиційні галузі з труднощами конкуруватимуть із ШІ-лабораторіями, готовими платити високі відсотки за капітал, оскільки їхня віддача від обчислень є колосальною.

Концентрація майбутньої праці в сфері ШІ. Пател вважає, що в міру масштабування передових моделей майже вся майбутня праця буде сконцентрована в дуже обмеженій кількості ШІ-компаній. Він підрахував, що ефективна кількість працівників ШІ в цих лабораторіях зростає вдесятеро щороку, що призводить до екстремальної централізації ресурсів, якщо уряди не втрутяться або не сповільнять прогрес.

Дві лабораторії незабаром контролюватимуть більшість обчислень у світі

Світова економіка все більше стає функцією економіки лабораторій і ринку обчислень. До кінця минулого року більша частина зростання ВВП США припадала лише на інфраструктуру AI. Цього року близько третини обчислювальних потужностей, що вводяться в експлуатацію, призначені для таких лабораторій, як OpenAI та Anthropic. Капітальні витрати (CapEx) цього року становлять трохи більше трильйона доларів і перевищать 2 трильйони доларів до 2028 року. Лабораторії еволюціонують від компаній, що витрачають десятки мільярдів на рік, до сотень мільярдів, і прогнозують трильйони до кінця десятиліття.

Anthropic почала отримувати прибуток у другому кварталі, а OpenAI може зробити те саме в третьому кварталі з появою Codex та 5.6. За останні півтора року їхня маржа стрімко зросла. Хоча базова вартість обчислень становить близько 10, 13 або 15 мільйонів доларів за мегават, економіка змінилася. Раніше обслуговування GPT-4 на GPU Nvidia Hopper створювало негативну валову маржу для OpenAI. Тепер, коли OpenAI обслуговує GPT-5.6 або Anthropic обслуговує Opus 5 чи Fable 5, генерація доходу значно перевищила ці додаткові 10-15 мільйонів доларів за мегават; у випадку Anthropic дохід досяг 50 мільйонів доларів за мегават. Це дозволяє їм витрачати 10 баксів на потужності для інференсу, генерувати 50 баксів доходу і витрачати весь цей прибуток на навчання.

На початку цього року OpenAI стартувала з 2 гігават, а Anthropic — з менш ніж 2; до кінця року вони обидва будуть понад 5. Це становить близько 30% обчислювальних потужностей, доданих цього року, а наступного року вони заберуть від 40% до 50%. Великий новий гравець, SpaceX, будує величезний обчислювальний комплекс і, ймовірно, здасть більшу його частину в оренду Anthropic та OpenAI, оскільки вони мають граничну можливість платити найвищу ціну. Крім того, OpenAI створює власні чипи, а Anthropic закуповує TPU у Google і розгортає їх за допомогою Fluidstack. До кінця наступного року половина додаткових обчислювальних потужностей дійде до цих двох лабораторій.

Протягом півтора або двох років більшість обчислювальних потужностей світу належатиме цим двом лабораторіям або обслуговуватиме їхній попит. У той час як світові обчислення в гігаватах можуть подвоюватися щороку, обчислення у передових лабораторіях зростають утричі. Слідуючи цій тенденції, показник зростає з 2 на початку цього року до майже 6 наприкінці, до 18 до кінця 2027 року і до 54 до кінця 2028 року. Якщо додаткові обчислення додадуть 30 гігават цього року, 50 наступного і приблизно 70 через рік, виникає цікавий феномен: новий ват, розгорнутий цього року, значно ефективніший за ті, що були два роки тому. Я розгортаю GB300, TPUv7 та Trainium3, які забезпечують у 3-5 разів вищу продуктивність на ват, ніж чипи попереднього покоління.

Якщо Anthropic та OpenAI заберуть 45% обчислень наступного року, то до грудня 2027 року вони заберуть половину нових додаткових обчислювальних потужностей світу. Оскільки ці нові обчислення мають вищу продуктивність, ніж усе попереднє, якщо ця тенденція збережеться — а я не бачу нічого, що могло б її зупинити, — до кінця 2028 року вони контролюватимуть більшість придатних для використання flops у світі.

6 мільярдів доларів капітальних витрат на заводи забезпечують понад 1 трлн доларів кінцевого доходу

Я не розумію, чому ви вважаєте, що ми додамо лише 80 гігаватів у 2028 році, якщо цінність обчислень так зростає. Коли я брав у вас інтерв'ю кілька місяців тому, ви сказали, що для створення гігавата Vera Rubins потрібно 55 000 пластин N3, 6 тисяч пластин N5 та 170 тисяч пластин DRAM.

Я попросив LLM запустити вашу модель обладнання для виробництва пластин, щоб визначити щорічні витрати на інструменти для створення гігавата обчислень, які вона оцінила у 3-4 мільярди доларів. Включаючи чисті приміщення та корпус, 6 мільярдів доларів CapEx на заводи дозволяють виробляти один гігават щороку. Оскільки гігават наразі генерує 100 мільярдів доларів доходу, 6 мільярдів доларів CapEx створюють гігават, що приносить 100 мільярдів доларів щорічно. За п'ять років перший гігават генерує прибуток протягом п'яти років, другий — протягом чотирьох і так далі. Таким чином, 6 мільярдів доларів CapEx на заводи генерують понад трильйон доларів кінцевого доходу від AI.

Існує стократна різниця між CapEx на заводи та кінцевим доходом, що означає, що ви можете перетворити 1 долар на 100 доларів. Проте ситуація настільки критична, що Anthropic та OpenAI відчувають, що могли б заробити трильйон доларів прямо зараз, якби їх не обмежували дзеркала в машинах ASML. Ви бачили, як люди займаються кумедним арбітражем, купуючи та перепродаючи турбіни, тому що їхня цінність зростає, оскільки вони стали вузьким місцем для дата-центрів.

Якби хтось мав 400 мільйонів доларів і зміг переконати ASML продати їм EUV-інструмент, їм варто було б його купити, а потім продати за суму, що перевищує мільярд доларів.

У Carl Zeiss тепер кажуть, що до кінця десятиліття їм потрібно виготовляти достатньо дзеркал для 100 EUV-інструментів на рік, тоді як під час нашого епізоду на початку цього року вони не вважали, що їм потрібно так багато. Наразі 100 інструментів ASML до 2030 року — це приблизно правильна цифра. Але якби ви дали Carl Zeiss 10 мільярдів доларів на розширення виробництва і зробили б це з кожною компанією в ланцюжку постачання — можливо, через приватну інвестиційну фірму, одержиму ідеєю AGI та максимізацією виробництва — це б змінило справу.

Навіть якщо провідні лабораторії разом генеруватимуть трильйон доларів доходу наступного року, вони ще не дійшли до того моменту, коли їхні грошові потоки зможуть це профінансувати. Загальний CapEx наступного року значно перевищить 2 трильйони доларів, включаючи 200 мільярдів доларів на ланцюжок постачання обладнання для виробництва пластин, і ще більше на ланцюжки постачання дата-центрів, акселераторів та енергії.

Ціни на обчислення зростуть, якщо лабораторії переб'ють ціну всіх інших

Вони ніколи не дійдуть до цього моменту, тому що ви не захочете, щоб ваші CapEx були вищими за прибутки. Ці гігавати забезпечать у багато разів більшу пропускну здатність і продуктивність до 2028 року, оскільки залізо вдосконалилося; кількість операцій (flops) на ват зросла, а обладнання краще працює з навантаженнями AI. Це може бути складно, враховуючи, що до 2028 року вони заберуть 70-80% додаткових обчислювальних потужностей. Коли Amazon надає моделі Anthropic через Bedrock, у нашому баченні це рахується як обчислення Anthropic, оскільки це фактично дохід для Anthropic, попри розподіл доходів і кредити.

Якщо до 2028 року вони разом досягнуть 100 гігаватів, це спричинить руйнівні зміни на ринку. Сьогодні будь-хто може заробити на обчисленнях за 10-15 мільйонів доларів за мегават: придбати стійку GB300, завантажити ваги Kimi та vLLM або SGLang і налаштувати все за допомогою Codex та Fable. Це вже призвело до зростання цін на обчислення. Щоб досягти 100 гігаватів до 2028 року, ви маєте вірити, що лабораторії зможуть платити за обчислення більше, оскільки будь-хто може заробити при ціні від 10 до 15 доларів. Якщо відбудеться рекурсивне самовдосконалення — коли лабораторії отримають поштовх від внутрішніх моделей, які вони не випускають, — це стає ще ймовірнішим. Вони мають почати платити 25, 30 або 50 мільйонів доларів за мегават, щоб поглинути 70% світових обчислювальних потужностей і досягти цієї агресивної цілі у 100 гігаватів.

Регулювання, якого вони виступають, сповільнює лабораторії сильніше, ніж відкриті китайські мовні моделі. Те, що OpenAI не випускає Astra або призупиняє навчання на два тижні, а Anthropic не випускає Model 2 (яка, як вважають, є наступною версією Mythos), свідчить про те, що вони не випускають свої найкращі моделі. Як наслідок, їхній дохід на мегават стагнує або падає, оскільки інші моделі стають конкурентоспроможними. Їхня здатність купувати додаткові обчислення за вищою ціною зменшується, що потенційно завадить їм досягти 100 гігаватів. Проте вони могли б генерувати 100 мільйонів доларів на мегават або більше і платити 50 мільйонів за мегават.

Для розуміння масштабу: що, якби AI-моделі були настільки ж ефективними, як повністю автоматизовані інженери-програмісти? Офісні працівники заробляють шестизначні суми або більше. Якщо один гігават може забезпечити роботу приблизно мільйона таких працівників, це було б 100 мільярдів доларів. З повноцінним AGI це були б сотні мільярдів доларів на гігават.

Який рівень захопить найбільшу частину надлишку?

Більшість вартості, яку генерують ці моделі, не дістається OpenAI та Anthropic. Jane Street, маючи ексклюзивний контракт на GPT-5.6 Ultrafast mode та будучи одним із найбільших клієнтів Anthropic, отримує від токенів набагато більше вартості, ніж Anthropic отримує прибутку, оскільки вони заробляють на ринку. Подібним чином Meta, про яку ходять чутки, що вона становить до 10% бізнесу Anthropic, заробляє більше грошей, використовуючи ці моделі для оптимізації рекламних алгоритмів та збільшення часу залучення, ніж сама Anthropic.

Якби з'явився мільйон нових інженерів-програмістів, їхня вартість впала б. Якщо ринок досягне рівноваги, ціна обчислень має бути близькою до того, що Anthropic та OpenAI можуть з них отримати, з невеликою націнкою. Зараз дивно, що існує чотирикратна або навіть більша різниця між ціною продажу обчислень і тим, скільки грошей Anthropic заробляє на них. Якщо здатність Anthropic монетизувати гігават подвоїться або потроїться в міру зростання доходу на гігават, було б дивно, якби цей розрив продовжував зростати. Anthropic може взяти щось, що коштує їм 10 доларів, і перетворити це на 100 доларів просто завдяки наявності певних ваг.

Кінцевий користувач генерує найбільшу вартість, тому він і платить так багато. Рівень застосунків поки що створив дуже мало вартості. Рівень моделей, який рік тому мав від'ємну валову маржу, тепер має величезну позитивну валову маржу і йде шляхом до генерування 100 мільйонів доларів на мегават. Рік тому ланцюг постачання обладнання забирав всю валову маржу, тоді як усі інші втрачали гроші. OpenAI, Anthropic та інші стартапи вливали гроші венчурних капіталістів, а гіперскейлери будували інфраструктуру, не знаючи, чи буде віддача. Оскільки токени продавалися дешевше, ніж вартість інфраструктури, рівень моделей створював від'ємну вартість, і вся цінність осідала на рівні чипів та заводів. Спочатку у 2023 році постачальники пам'яті не заробляли на HBM або AI-пам'яті, попри надання колосальної цінності. Тепер TSMC забирає набагато менше вартості, ніж виробники пам'яті. Це переміщення розподілу вартості є захопливим для таких учасників ринку, як Jane Street.

Я думаю, що більшість обчислень продовжуватимуть торгуватися за ціною менше 20 мільярдів доларів за гігават. Якщо Meta, Microsoft, Amazon та SpaceX будують обчислювальні потужності без конкретного замовника, вони контролюють ситуацію. Більшість обчислень контрактуються ще до того, як вони будуть створені, і саме цим скористався Ілон (Elon). Він знав, що Anthropic заробляє понад 60 мільярдів доларів на гігават, тоді як випадкові хмарні провайдери будують обчислення лише після отримання зобов'язань клієнта для виходу на кредитні ринки з метою залучення капіталу.

Meta та SpaceX є єдиними правдоподібними кандидатами на третє місце, тому що вони накопичують обчислювальні потужності, використовуючи свої баланси та можливості для будівництва без кінцевого замовника. Завдяки своїм балансам вони мають доступ до кредитного ринку. Тепер Meta та SpaceX мають можливість вирішити, чи внутрішні сценарії використання принесуть більше грошей, чи їм варто продавати ці потужності Anthropic або OpenAI з шаленим прибутком. Ми увійшли в режим, коли SpaceX та Meta можуть будувати обчислення і здавати їх в оренду за 25, 50 доларів або більше, а не за 13.

Чи сповільнить регулювання дата-центрів розвиток AI?

Я не бачу причин, чому до кінця 27-го року ціна не складе 50 і більше мільйонів за мегават. Вона може бути вищою, можливо, 70 або 80 мільйонів за мегават у середньому по компанії. Якби я був Anthropic, додаткові обчислювальні потужності були б того варті; можливо, я б витратив 40 мільйонів за мегават на обчислення від SpaceX. Якби я був SpaceX, я б подивився на ланцюг постачання і замислився, чому Дженсен (Jensen) не підвищує ціни, особливо враховуючи, що Ілон (Elon) каже, що вони ексклюзивно працюють з Nvidia. Тоді SK Hynix, Micron та Samsung також можуть підняти свої ціни.

Існує ефект хлиста щодо захоплення вартості: TSMC підвищує ціни повільно, але компанії з виробництва пам'яті та підкладок роблять це швидко. Ілон не продавав би, якби ціна була 15, але він продає, тому що вона становить 25+.

Мене дивує, що ви вважаєте, ніби дохід за гігават не зросте значно більше ніж на 100 за гігават до кінця наступного року. Моя проблема в тому, що найкраща модель у світі була навчена в лютому. OpenAI каже, що вони не тренують моделі протягом двох тижнів, а Astra ще не розгорнута широко всередині компанії. Ви говорите про стрибок від GPT-4o до розміру Mythos 2 до кінця 2027 року. Ми не можемо використовувати це для оптимізації продуктивності інференсу, але це єдиний спосіб, при якому ціна складе лише 100 мільйонів за мегават до кінця наступного року. Поки модель стає кращою, створювана цінність зростає.

Регулювання все більше зводиться до того, що Нью-Йорк забороняє дата-центри, Техас запроваджує мораторії, або Огайо намагається зобов'язати сплачувати податок на нерухомість усіх у певному радіусі. Ці речі зменшать пропозицію та збільшать вартість. У сценарії стрімкого зльоту Anthropic, ймовірно, матиме свою найкращу модель за шість місяців до того, як вона стане доступною зовні. Якщо прогрес прискориться, ця шестимісячна різниця стане ще більшим розривом. Коли ці компанії вийдуть на біржу і стануть підзвітними інвесторам, вони можуть мати майже 20 гігават до кінця наступного року.

Лабораторії перенаправляють обчислення з інференсу на R&D

Якщо 10% обчислень — це 2 гігавати, і лабораторія хоче збільшити потужність для навчання з 60% до 70%, інвестори можуть заперечити, що вони відмовляються від 200 мільярдів доларів доходу, припускаючи, що вони можуть генерувати 100 мільярдів доларів на гігават. Хоча більшість людей вважає, що основна частина обчислень піде на інференс, насправді лабораторії з часом виділятимуть на нього все менше, віддаючи перевагу прямим проходам для навчання.

Якщо сьогодні вони генерують 30-40 мільйонів доларів на мегават і виділяють 40% на інференс, але ця цифра зросте до 60-70 мільйонів, Anthropic та OpenAI — включаючи їхні ради директорів — не просто займатимуться дивідендами та викупом акцій; вони створять AGI, тому що це вигідніше. Вони будуть нарощувати відсоток обчислень, присвячених навчанню, навіть якщо кожен додатковий крок приноситиме більше прибутку, якби був спрямований на інференс. Я б виділив ці ресурси внутрішньо, тому що цінність, яку створює найкраща модель ШІ, набагато вища за ту, яку надає зовнішній користувач. Хоча вони можуть прямо не обчислювати приріст прогресу від спрямування 100 мільйонів доларів на мегават у дослідження ШІ, сенс виділяти більше обчислень внутрішньо є очевидним.

Єдина причина мати такі великі обчислювальні потужності для інференсу — це розширення парку для навчання, що, на мою думку, вони і робили протягом останніх трьох місяців. Щомісяця Anthropic додавала більше обчислень, ніж у попередньому місяці; попри певний шум від угод на кшталт SpaceX, обсяг обчислень зростає за кривою вгору. У січні вони додали менше обчислень, ніж у грудні, проте їхній дохід стрімко злетів. Оскільки вони не додають 25 мільярдів доларів ARR щомісяця, граничний мегават іде на R&D у вищому відсотковому співвідношенні, ніж на інференс. Фактично, сьогодні вони збільшують свої обчислювальні потужності саме для R&D.

Китай отримує менше 10% нових обчислень, але його лабораторіям потрібно менше

Якщо підсумувати цифри, то до кінця 2028 року світові обчислювальні потужності перевищать 200 гігаватів: 30 цього року, 50 наступного і 70 у 28-му, а у 29-му буде порядку 90-100. Думаю, що графік може й надалі йти вгору, хоча передбачити щось на термін понад чотири роки важко. Ми не знаємо, чи перебуваємо ми в режимі RSI, або коли світова економіка зростатиме на 10% на рік, тому що 100+ гігаватів на рік передбачають абсурдне зростання ВВП. Якщо RSI запуститься на Заході до того, як Китай отримає велику кількість обчислювальних потужностей, ми можемо опинитися в зовсім іншому світі.

У 2022 році США додали 45-50% світових обчислювальних потужностей, а Китай — 30-35%. З того часу суворі обмеження проти Китаю та стрімке зростання в Америці призвели до того, що зараз 70% ват розгортається в Америці, тоді як Китай має менше 10% нових додаткових потужностей. Ймовірно, до 2028 року Китай матиме 30 гігаватів обчислень для AI або менше, але тоді я очікую значного стрибка. У 2026 році вони все ще переважно покладаються на контрабандні чипи, чипи, які TSMC виготовила для компаній, що зрештою виявилися Huawei, або HBM від Samsung. До 27-го і особливо 28-го року з'являться заводи SMIC та CXMT, а внутрішнє виробництво досягне мільйонів одиниць на рік. Тільки у 2028 році вони додатково додадуть 5-10 гігаватів чипів вітчизняного виробництва.

Ці чипи будуть гіршими за ті, що матимуть Nvidia, Google або OpenAI у 2028 році. Багато залежить від того, чи прийме США MATCH Act, чи залишаться інструменти під експортним контролем і як швидко Китай побудує нове вітчизняне обладнання. Зрештою, Китай продемонструє стрімкий ріст («хокейну ключку»), тому що вони вміють швидко масштабувати виробництво. Уявляю, що вони або витягнуть більше закупівель іноземних чипів, або скоротять розрив у тому, що США дозволяють Nvidia продавати їм. Цілком можливо, що Китай вийде на 50 гігаватів у 2029 році, але якщо більшість із них будуть вітчизняними, ці 50 гігаватів можуть бути еквівалентні лише 20 гігаватам американських чипів. Це малює картину світу, де провідна лабораторія у 2028 році матиме більше обчислювальних потужностей, ніж увесь Китай у 29-му чи 30-му, якщо зважити гігавати за якістю.

Уряди та політики починають діяти, тоді як Китай не сповільнюватиме AI; навпаки, вони лише прискорять його. Коли я брав інтерв'ю у Дженсена (Jensen) про експортний контроль, я як лібертаріанець не був упевнений у своїх думках. Я намагався максимально обґрунтувати протилежну точку зору, щоб розібратися в ідеях, припускаючи, що співпраця з Китаєм могла б бути кращою, оскільки вони контролюють так багато ланцюгів постачання та потреб у робототехніці. Однак я не усвідомлював, що ситуація з обчисленнями настільки критична, як ви кажете. Якщо обсяги поставок такі, як ви стверджуєте, експортний контроль має величезне значення. До того часу, як у нас з'являться автоматизовані кодери та дослідники, Китай сильно відставатиме за запасом обчислювальних потужностей.

Частково це пов'язано з експортним контролем, але частково — з фінансовими системами. Американські системи охочіше йдуть на ризик, інвестуючи в стартапи, але коли китайські системи обирають галузь, вони субсидують її значно більше. Китайська напівпровідникова індустрія отримує значно більше субсидій, ніж весь інший світ разом узятий. Якщо зліт триватиме довше, ніж ви припускаєте, Китай зрештою стрімко наздожене світ у напівпровідниках і обчислювальних потужностях.

Китайські компанії не так сильно відстають у моделях ШІ відносно своїх обчислювальних ресурсів. Провідні китайські лабораторії мають загалом 100–200 мегаватів, причому ByteDance Seed є винятком; Kimi не споживає гігават. Тим часом Anthropic до кінця року матиме понад 5 гігаватів. Зараз ця різниця не має великого значення. У бюджеті обчислень лабораторії 50% припадає на дослідження, 10% — на розробку і 40% — на інференс. Дослідження включають генерацію ідей та тестування архітектур, міксів даних, гіперпараметрів і технік уваги. Коли Anthropic тренує Mythos, це споживає менше 200 мегаватів протягом приблизно двох місяців, а RL — ще менше. Хоча вони мали кілька гігаватів, більшість пішла на дослідження, тому що не завжди можна спрямувати всі обчислювальні потужності на тренування.

Оскільки ми рухаємося до автоматизованого кодування та досліджень, я очікую, що бюджет обчислень на тренування зросте або межа між дослідженнями та тренуванням розмиється. Якщо ви досягнете 100 гігаватів на рік, це становитиме 5 трильйонів доларів CapEx щорічно, не враховуючи потреби будувати електростанції заздалегідь.

Дата-центри — це активи з терміном експлуатації 15–20 років. Якщо врахувати майбутнє зростання, оцінка у 5 трильйонів доларів перетворюється на 7 або 10 трильйонів доларів CapEx. Коли люди обговорюють CapEx у сфері ШІ, вони називають 40 або 50 мільярдів доларів, але це покриває лише критично важливі ІТ-витрати: сервери, мережеве обладнання, оптоволокно, трансивери та оптичний зв'язок. Це ігнорує дата-центри та електростанції, які будуються заздалегідь. Якщо я будую 100 гігаватів цього року і 150 наступного, будівлі для цих 150 гігаватів мають бути побудовані вже цього року. Якщо я будую 200 гігаватів через рік, я маю купувати турбіни вже зараз.

Додатковий CapEx цілком може досягти 10 трильйонів доларів до кінця 2030 року, що становить майже десяту частину світової економіки та від чверті до третини економіки США. Щоб забезпечити 100 гігаватів до 2030 або навіть 2028 року, ми говоримо про 3 або 4 трильйони доларів CapEx: понад 2,5 трильйона на ІТ і ще від 1 до 2 трильйонів на дата-центри, енергетику та суміжні ланцюги постачання, такі як напівпровідники.

Для Google та Meta було просто припинити викуп власних акцій і купити комп'ютерну інфраструктуру. Але до 2028 року гіперскейлери та їхні ланцюги постачання залучатимуть сотні мільярдів доларів боргу. Хто за це платить? Напівпровідникові компанії, такі як Nvidia та Broadcom, а також компанії з виробництва пам'яті фінансують частину CapEx. Традиційні інвестори в інфраструктуру збирають капітал для дата-центрів замість мостів. Зрештою, люди усвідомлюють, що їм варто купувати боргові зобов'язання гіперскейлерів, дата-центрів або Anthropic замість будинків, житлових кредитів чи державних облігацій. Anthropic готова платити 20% відсотків за додатковий мільярд доларів для розширення потужностей, тому що їхній дохід буде величезним, а 20% — це краще, ніж орендувати у SpaceX за 50 мільярдів доларів за гігават. Це створює колосальну конкуренцію.

Чи спричинить AI кризу суверенного боргу?

Ми дискутували про те, чи спричинить AI кризу державного боргу. Це величезна проблема для всіх, хто не може перетворити трохи грошей на багато грошей. Рівень прибутковості неймовірно високий; якщо ви побудуєте дата-центр і здасте його в оренду Anthropic або OpenAI за ціну, що в 10 разів перевищує амортизаційну вартість, ви перетворите 1 долар на 2 або 10 доларів до кінця року. Це підвищує відсоткову ставку для всієї економіки.

Оскільки люди позичають більше, вони конкурують за кредити, які могли б отримати уряд, інші компанії або покупці іпотек, що робить запозичення дорожчими для всіх інших. Я думаю, що США буде нормально, тому що якщо дата-центри будуватимуться в Америці, ви зможете їх фундаментально оподаткувати. Однак корпоративний дохід наразі становить менше 10% федеральних доходів, тоді як понад 80% — це податки на заробітну плату та прибутки, які скорочуватимуться зі зростанням автоматизації. Зараз 20% податкових надходів витрачається на обслуговування боргу. Оскільки значна частина боргу має короткий термін і переоформлюється кожні п'ять років, підвищення відсоткових ставок на 1% збільшило б цю частку з 20% до 25%. Якщо вона зросте на 5 відсоткових пунктів, то підніметься вище 40%. Враховуючи 2 трильйони доларів, які уряд позичає щороку, лише виплати відсотків можуть перевищити 60% податкових надходів.

Хоча податкова база США зросте, якщо ми дозволимо будувати тут дата-центри, інші країни абсолютно прольотіли. Такі країни, як Пакистан або Нігерія, які мають великий борг, низькі податкові надходження та борг, що часто обслуговується, постраждають у цьому новому режимі відсоткових ставок. Цей ефект витіснення — ось чому це не просто «YOLO 1 мільярд гігават». Збіднілі країни оголосять дефолт, так само як і галузі з великим боргом, наприклад, компанії з виробництва споживчих товарів у пакуванні — ті, що роблять речі, які ви бачите в Trader Joe’s, — телекомунікації та банки. Якщо спред між федеральною ставкою та тим, що стягує ринок, зросте через те, що Amazon хоче залучити 100 мільярдів доларів боргу, ви зіткнетеся зі складною проблемою того, звідки візьмуться гроші. Частина фінансується за рахунок зростання грошових потоків, але логічним кроком є інвестувати значно більше, ніж ваші грошові потоки, щоб майбутні прибутки були вражаючими.

На зниження цього темпу тиснуть обмеження щодо дата-центрів та AI, гнів споживачів і політиків, а також те, що AI-лабораторії притримують останні моделі з міркувань безпеки. Зростання відсоткових ставок впливає на все це, вигинаючи криву від чистого капіталізму в бік складної системи, де будується менше гігават, ніж слід було б.

Наше моделювання показує близько 11 трильйонів доларів CapEx з 2024 по 2029 рік. Навіть фінансуючи максимально можливо за рахунок грошових потоків, вам все одно потрібно понад 5 трильйонів доларів кредитів. Зокрема, 6 трильйонів фінансуються готівкою і 5 трильйонів — боргом. Залучення 5 трильйонів доларів боргу в межах екосистеми призводить до зростання відсоткових ставок.

Доходи від AI зростатимуть, але не вічно і не без обмежень. Лабораторії матимуть стимули та грошові потоки, хоча не завжди саме вони будують обчислювальні потужності. Існує верхня межа того, наскільки швидко можуть зростати їхні доходи порівняно з цінністю, яку вони створюють, тому вони не можуть фінансувати все лише за рахунок грошових потоків. Оптимальний сценарій — використовувати якомога більше кредитів, оскільки ви хочете будувати більше, ніж дозволяють грошові потоки. Проте 5 трильйонів доларів кредитів і 6 трильйонів доларів інвестицій за рахунок власних коштів до 2029 року — це недостатньо обчислювальних потужностей відносно зростання попиту з боку AI-моделей.

Одна з відповідей полягає в тому, що дохід на мегават продовжує зростати, а лабораторії зберігають великі обсяги виділень на інференс, накопичуючи прибуток по всьому S&P 500, оскільки всі платять за зниження витрат. Нещодавно Meta залучила кошти під 5–6%. Я не бачу причин, чому вони б не заплатили охоче 8%, адже віддача від обчислювальних потужностей, які вони будують, є колосальною. Зворотний бік полягає в тому, що зростання на 250 базисних пунктів понад сьогоднішні 5–6% змусить усіх інших в економіці платити на 250 базисних пунктів більше. Банки будуть кричати, тому що якщо їхній кредитний спред різко зросте, їхній борг переоціниться швидше, ніж активи, і в результаті вони втратять купу грошей.

Якщо відсоткові ставки зростуть, ставка дисконтування також збільшиться, а це означає, що дисконтовані грошові потоки всіх акцій обваляться. Навіть якщо S&P 500 буде в порядку, окремі акції — особливо стабільні, типу Berkshire, які забезпечують хороші грошові потоки протягом 30 років — різко втратять у вартості. Навіщо мені інвестувати так багато, якщо моя ставка дисконтування становить 8% або 10% замість 3% або 5%?

Щодо країн, що розвиваються, мій друг і економіст Базіл Халперін (Basil Halperin) припускає, що ми побачимо другий «шок Волкера». У 80-х роках голова ФРС Пол Волкер (Paul Volcker) підняв реальні відсоткові ставки приблизно до 8%, щоб боротися з інфляцією, що призвело до дефолту близько 40 країн, переважно в Латинській Америці. Я думаю, що це, ймовірно, повториться.

Усе це відбувається до сингулярності. Відсоткові ставки зростуть на 2–3%, і зрештою світова економіка, ймовірно, подвоюватиметься щороку. Дослідник Деймон Біндер (Damon Binder) провів чудову роботу з цього питання. В економіці з повною автоматизацією, якщо ви більше не обмежені тим, що не можете подвоювати кількість людей щороку, як швидко може зростати економіка? Я думаю, вона могла б подвоюватися щороку або, принаймні, зростати на десятки відсотків.

Оскільки відсоткова ставка має бути схожою на темпи зростання, у 2030-х роках ми увійдемо у світ, де відсоткові ставки становитимуть десятки або, можливо, сотні відсотків. Кожна країна, яка не залучена до виробництва AI, оголосить дефолт. Кожна акція, не пов'язана з AI, фактично знеціниться до нуля, тому що дисконтовані грошові потоки нічого не коштуватимуть. Якщо федеральний уряд не придумає, як оподаткувати AI, обслуговування боргу перевищить поточні податкові надходження, і виникнуть інші наслідки, наприклад, неможливість отримати іпотеку.

Ми перейдемо в зовсім інший режим зростання, де альтернативна вартість капіталу зросте колосально. Економіка, по суті, каже, що вартість державних позик для виплати пенсій є надзвичайно високою, тому що ці гроші могли б натомість побудувати завод роботів, який будує завод роботів, який будує завод роботів.

Зі зростанням відсоткових ставок ринки акцій зазнають сильного удару, включаючи компанії у сфері AI. Дехто дивується, чому Micron, Hynix або Kioxia торгуються з мультиплікатором прибутку 2 або 3; якщо ви справді «зациклені» на AI, то все в економіці має торгуватися з мультиплікатором 2 або 3. Якщо ні, то вони занадто багато заробляють. Ось чому я вважаю, що акції виробників пам'яті більше не зростуть у 10 разів. Якщо попит на пам'ять буде достатнім, щоб спричинити такі радикальні економічні зміни, тоді все має торгуватися з мультиплікаторами 2 або 3, і фондовий ринок має, бляха, обвалитися.

Meta — це компанія вартістю 1,5 трильйона доларів, але логічно, що вони коштують набагато більше. Подивіться на їхні грошові потоки, інфраструктуру, яку вони накопичують, і обчислювальні потужності, які вони можуть продавати за шалені суми доларів за ват — або як токени, бо їхня лабораторія працює, або компаніям Anthropic та OpenAI.

Зрештою, ви маєте перерозподілити весь капітал на AGI, витіснивши всіх інших за ціною. Обмежувачем для AGI є не те, як швидко інженери-дослідники, як-от наш сусід по кімнаті Шолто (Sholto), можуть крутити шестерні, а те, наскільки решта світу дозволить цьому статися. Вони будуть регулювати, підвищувати відсоткові ставки та забороняти дата-центри й заводи. Оскільки вартість акцій компаній стрімко падатиме, бізнесу буде важко оплачувати AI, що змусить Anthropic та OpenAI розробляти власні чипи та будувати власну інфраструктуру й дата-центри в найближчі кілька років.

Я сподіваюся, що повільний зліт можливий через економіку та світ регуляцій. Уряди незабаром скажуть: «Не випускайте свої моделі» або «Ви не можете навіть так багато використовувати свої моделі внутрішньо». Найбільше я хвилююся через сингулярність, якої зовнішнє розгортання насправді допомагає уникнути. Зараз розгортання приносить більше доходів, тому що моделі нездатні до RSI.

Я хвилююся за 2030 рік, коли уряд змусить вас чекати шість місяців перед випуском нової моделі для публіки. За ці шість місяців вони здійснюють рекурсивне самовдосконалення внутрішньо, поки решта з нас застрягли з моделями, що відстають на роки. Навіть якщо весь світ змовиться сповільнити AI на рік, а обчислювальні потужності зростатимуть у 2–3 рази щороку, RSI забезпечує прогрес за 3–6 років за один єдиний рік.

Уряди обмежуватимуть не лише обчислення, а й можливість лабораторій використовувати моделі внутрішньо; наприклад, Anthropic довелося на якийсь час припинити надавати Mythos іноземним співробітникам. Уряд США не захоче, щоб Anthropic використовувала Mythos 4 внутрішньо. Існуватимуть реальні обмеження на прогрес, розробку та розгортання AI. Хоча це все одно станеться з часом, ми можемо розірвати себе на шматки, перш ніж туди дійдемо.

Чи належатиме майбутня робоча сила світу кільком компаніям?

Мене вражає, наскільки велика частина майбутньої світової пропозиції праці опиняється в руках дуже небагатьох компаній і як швидко ця пропозиція зростає. Якщо передові обчислювальні потужності у вимірі FLOP зростають у 4-5 разів на рік, а обчислення, необхідні для певного рівня можливостей, зменшуються в 3 рази на рік, то ефективний розмір популяції ШІ у передових лабораторіях збільшується в 10 разів щороку. Якщо ця тенденція збережеться, OpenAI може пройти шлях від 10 мільйонів ШІ-працівників цього року до 100 мільйонів наступного, а через рік — до мільярда. Навіть якщо масштабування обчислень сповільниться, мине небагато років, перш ніж кожна компанія окремо матиме більше еквівалента праці, ніж людей на Землі; я вважаю це цілком імовірним до кінця цього десятиліття.

Ми недостатньо замислюємося над переходом до режиму, де більшість «людей» з точки зору обсягу роботи зосереджені у двох лабораторіях, які споживають все більше і більше світових обчислювальних ресурсів. Якщо ці ШІ будуть неправильно налаштовані, то й більша частина світу буде неправильно налаштована, бо більшість світових розумів перебуватимуть там. Навіть якщо це не так, дуже невелика кількість компаній матиме колосальний вплив або контроль. Якщо ви вірите в RSI і в те, що лабораторії є найефективнішими користувачами обчислень, єдиним результатом буде централізація обчислень.

Ефективна популяція передових розробок наразі зростає в 10 разів щороку для певного рівня можливостей. Якщо ви досягаєте рівня дуже компетентного віддаленого працівника, інженера-програміста або дослідника, то ця популяція зростає в 10, 100 або 1 000 разів на рік за поточними темпами зростання.

Навчання ШІ має величезний ефект масштабу, оскільки зусилля, витрачені на навчання конкретній навичці чи отриманню знань, амортизуються через мільярди сесій або користувачів. Крім того, якщо ви трохи випереджаєте інших у гонці ШІ в умовах дефіциту обчислень, ви можете встановити вищу націнку, краще економлячи цей дефіцитний ресурс. Якщо моделі навчаються під час розгортання, то модель з найширшим розгортанням отримує найбільше даних із реального світу. Чи то розгортання для користувачів і безперервне навчання, чи ефект масштабу в навчанні, чи RSI, де найкраща модель ШІ допомагає створити наступну найкращу модель, — усе вказує на централізацію.

Один із великих інтелектуальних проєктів, над яким я витрачатиму час на роздуми, такий: яким є бачення децентралізованого, широко розширеного можливостями майбутнього після AGI, яке серйозно враховує цей ефект масштабу?

Альтернатива полягає в тому, що контроль здійснює уряд. Я не довіряю уряду, і я не довіряю Даріо (Dario) або Сему (Sam). Заздалегідь важко зрозуміти, як нам уникнути вибору одного з джерел централізації. Суперцентралізовані капіталістичні економіки насправді зростали повільніше, ніж супердецентралізовані, але ШІ перевертає це з ніг на голову. Приватна власність може бути не найефективнішою економікою і тому зростати повільніше, ніж централізована економіка ШІ.

ШІ зараз становить, можливо, 2% економіки — 1 трильйон доларів, поділений на 30. Велика частка припадає на дуже небагатьох компаній: Nvidia, Anthropic, OpenAI та гіперскейлерів. Якщо прогрес ШІ не сповільниться або уряди не закрутять його гайки до предела, ми рухаємося до світу, де або відбудеться суперконцентрація ресурсів і ми будемо молитися, щоб одна компанія зробила все правильно, або уряди та люди сповільнять усе, щоб створити баланс сил. Навіть коли ми рухаємося до AGI, ASI та RSI, усе призводить до того, що хтось захоплює більше ресурсів. Важко знайти таку модель, за якої ШІ не призвів би до суперконцентрації.

Один позитивний момент полягає в тому, що сьогодні Anthropic не забирає собі всю цінність. Можливо, вони піднялися з 20 мільйонів до 100 мільйонів доларів за мегават, але вони все ще платять 13 мільйонів доларів за більшу частину обчислювальних потужностей, які купують. Jane Street забирає 300 мільйонів або 500 мільйонів доларів за мегават, або Дваркеш Пател (Dwarkesh Patel) отримує певну суму зі свого подкасту та вивчає кредитування.

Однак логіка перерозподілу інференсу на дослідження та розробку ШІ полягає в тому, що віддача від праці всередині лабораторій ШІ набагато вища, ніж за їхніми межами. У 80 000 світів лише в одному Anthropic не володіє всім світом. Навіщо Anthropic виділяти обчислювальні потужності для Jane Street, яка заробляє на дегенеративних трейдерах опціонами, якщо Anthropic може генерувати сотні мільйонів доларів за мегават, використовуючи ці потужності внутрішньо? Саме це і відбувається.

Згадується

Люди

Basil Halperin Paul Volcker Damon Binder Gavin Baker

Companies

Anthropic OpenAI SpaceX Google Fluidstack ASML Carl Zeiss Jane Street TSMC Meta Amazon Microsoft Nvidia Micron Samsung SK Hynix SMIC CXMT ByteDance Broadcom Berkshire Hathaway Johnson & Johnson Kioxia