🎧 Исследования: главное за неделю

_Аудио подкаст — двое AI-ведущих обсуждают свежие AI-новости. Полный транскрипт ниже._

Ведущий A (00:00): Интересно наблюдать, как компания Meta отчитывается о просто рекордной финансовой прибыли и в тот же самый день увольняет 8 1000 своих сотрудников.

Ведущий B (00:09): Да, и попутно отменяя еще 6 1000 открытых вакансий, что тоже немаловажно.

Ведущий A (00:14): Абсолютно. Это крупнейшее сокращение за последние 3 года. И возникает логичный вопрос: зачем успешной, сверхприбыльной корпорации избавляться от 1000 дизайнеров, программистов, менеджеров? Ответ ну, он скрыт в финансовых документах. Они высвобождают средства, чтобы купить железо.

Ведущий B (00:33): Именно так. Накопление капитала сейчас работает иначе.

Ведущий A (00:38): И сегодня на столе у нас стопка из 10 свежих аналитических отчетов и новостных сводок. От гигантских инвестиций Бигтеха и клинических испытаний в фармацевтики до исследований по психологии и внезапно новостей из Ватикана. Цель нашего сегодняшнего глубокого разбора понять, что происходит, когда финансовые вливания в искусственный интеллект сталкиваются с суровой физической и психологической реальностью. Давай попробуем отделить маркетинговый шум от реальных фактов.

Ведущий B (01:12): Этот пример с увольнениями в Мета это, ну, идеальная отправная точка.

Ведущий A (01:17): Эпоха традиционной технологической эволюции официально завершена.

Ведущий B (01:22): То есть, когда рост компании зависел от раздувания штата. Да, именно от найма людей для создания новых фич. Если проанализировать наши источники, становится ясно, что индустрия переходит от накопления человеческого капитала к накоплению капитала вычислительного. Те самые средства, сэкономленные на зарплатах в мета, они идут в огромный инвестиционный пул размером в $145 млрд.

Ведущий A (01:48): 145 млрд, ого!

Ведущий B (01:50): И эти деньги направлены исключительно на инфраструктуру: закупку чипов, строительство гигантских дата-центров и, что самое интересное, на разработку собственных процессоров Trenium и Inferentia.

Ведущий A (02:03): Тут мне сразу хочется остановиться и, знаешь, прояснить технический момент. Казалось бы, на рынке есть монополисты, производящие графические процессоры. Мы все их знаем. Зачем компании, которая изначально занималась социальными сетями, тратить 1000000000 на разработку собственного кремния? Разве не проще просто купить готовое оборудование?

Ведущий B (02:25): Проблема заключается в так называемом узком горлышке вычислений. Готовые чипы они универсальны, они созданы для решения широкого спектра задач. Но когда компания обучает языковую модель с 1000000000000 параметров, эта универсальность оборачивается потерей эффективности и огромными счетами за электричество.

Ведущий A (02:44): То есть они переплачивают за функции, которые им не нужны?

Ведущий B (02:48): Именно. Создавая собственный кремний, корпорации настраивают архитектуру процессора под конкретные математические операции, которые нужны конкретно их нейросетям. Это кардинально снижает энергопотребление и ускоряет обучение. И, кстати, эта гонка за инфраструктурой идет далеко не только в Кремниевой долине.

Ведущий A (03:05): Да, в источниках есть данные по Китаю, это просто поразительно. Компания Moonshot AI, это разработчик чат-бота Kimi, всего за 16 мес. Работы достигла оценки в $20 млрд.

Ведущий B (03:19): Синоминальная скорость для такой капитализации?

Ведущий A (03:22): Да, 16 месяцев! В последнем раунде они привлекли $2 млрд, И состав инвесторов там весьма показательный. Это не какие-то классические венчурные фонды, которые ищут быстрый экзит в списке значатся China Mobile, крупнейший государственный мобильный оператор, и структуры вроде CITC.

Ведущий B (03:44): То есть речь идет о прямой интеграции в государственную телекоммуникационную инфраструктуру?

Ведущий A (03:48): Да, именно. И это наталкивает на 1 мысль. Знаешь, это похоже на то, как если бы преуспевающая железнодорожная компания взяла и уволила всех своих лучших машинистов и кондукторов, чтобы на все деньги скупить сталь для постройки принципиально новых, полностью автоматизированных путей. Насколько жизнеспособна такая стратегия ставка на машины вместо людей в долгосрочной перспективе?

Ведущий B (04:14): Ну, тут включается геополитическое измерение проблемы. В Пекине компании, разрабатывающие большие языковые модели, получают статус национальных чемпионов. Это не прихоть менеджмента, это просто вынужденная мера для выживания в глобальном противостоянии.

Ведущий A (04:29): Если не вливать сотни 1000000000 сегодня, завтра ты просто выпадаешь из гонки.

Ведущий B (04:35): Абсолютно. Либо у тебя есть вычислительные мощности, либо тебя нет на рынке.

Ведущий A (04:39): Хорошо, но давай посмотрим, что происходит, когда этот всемогущий, обеспеченный 1000000000 цифровой мозг пытается выйти из уютного дата-центра и решить проблему в реальном, физическом мире. В нашей стопке материалов есть данные от представителей BigFarm, и там цифры тоже сумасшедшие.

Ведущий B (05:00): О да, Фарма сейчас вливает колоссальные средства в стартапы.

Ведущий A (05:04): Такие гиганты, как Pfizer, Merk, GSC. Например, стартап Excynthia получает $500 млн инвестиций. Bennevalant.AI сжигает сотни 1000000. Заявленная цель звучит реально как научная фантастика сократить срок разработки новых лекарств с привычных 10-15 лет до 3-5 и стоимость снизить до 500 1000000.

Ведущий B (05:31): В бизнес-планах эти цифры выглядят ну очень многообещающе. Искусственный интеллект действительно превосходно справляется с перебором вариантов. В цифровой среде, где нужно проанализировать 1000000 молекулярных структур и найти потенциального кандидата на роль лекарства, алгоритмы работают ну 1000 раз быстрее людей. Это чистая математика.

Ведущий A (05:51): Да, звучит логично. Но в источниках есть 1, знаешь, очень отрезвляющая деталь. Подожди, если инвестируются 1000000000, то почему на рынке в 2026 году до сих пор 0 полностью одобренных ИИ-препаратов?

Ведущий B (06:07): Ни 1.

Ведущий A (06:08): Да, ни 1 препарат не прошел все стадии одобрения. Как цитируют инвестор в материалах, хайп опережает реальность на несколько лет. Не наблюдаем ли мы классический пузырь? Почему алгоритм не может так же быстро вывести лекарства на рынок?

Ведущий B (06:24): Дело в том, что алгоритм может смоделировать молекулу за миллисекунды, но он никак не может отменить законы биологии. Разрыв ожиданий происходит при переходе от компьютерной симуляции к живому организму, от цифры к плоти, если угодно.

Ведущий A (06:38): То есть когда начинаются испытания на людях?

Ведущий B (06:40): Да. ИИ находит молекулу. Отлично. Но дальше нужно ввести препарат человеку, дождаться реакции метаболизма, проверить накопительную токсичность, отследить побочные эффекты на протяжении месяцев или даже лет. У физиологии человека есть свой предел скорости.

Ведущий B (06:56): Алгоритмы бессильны заставить клетки делиться быстрее для сбора статистики.

Ведущий A (07:00): Мы просто упираемся в суровую биологическую стену. Огромные вычислительные мощности решают только первую самую легкую часть уравнения.

Ведущий B (07:11): Именно. Цифровой перебор. А настоящая революция сейчас кроется не в магии самих алгоритмов, а в доступности интерфейсов. В отчетах упоминается стартап Sandbox AQ.

Ведущий A (07:23): Да-да, я видела эту новость. Они пошли совершенно другим путем.

Ведущий B (07:27): Они не пытаются залить биологию грубой вычислительной сивой. Вместо этого они встраивают свои сложнейшие биовычислительные модели напрямую в чат-бот Clode от Anthropic. Раньше молекулярному биологу нужно было уметь программировать, парсить базы данных, работать с командной строкой.

Ведущий A (07:44): А теперь?

Ведущий B (07:45): А теперь интеграция с Clode решает эту проблему. Биолог может просто написать обычный текстовый запрос, типа смоделируй связывание этой молекулы с вот таким-то белком, и система сама переведет это на машинный язык, запустит вычисления и выдаст готовый результат. Барьер между специалистом и суперкомпьютером полностью

Ведущий A (08:06): исчезает. Ничего себе! Получается, интерфейс решает больше, чем усложнение самой модели. И этот тренд на доступность и, я бы сказала, локализацию и выходит далеко за пределы фармацевтики. Смотри, в материалах есть новость о стратегическом альянсе между OpenAI и корпорацией DEL.

Ведущий B (08:26): Развертывание модели Кодекс локально.

Ведущий A (08:29): Да, прямо на внутренних серверах предприятий, банков, госсектора, фармы. Мы привыкли думать об ИИ как об огромном, знаешь, всезнающем облачном мозге. А теперь видим, как банки прячут этого мозга в свои подвалы через сервера ДЕЛ.

Ведущий B (08:45): Ну, для корпоративного сектора это вопрос выживания и соблюдения законов. Они десятилетиями скованы строжайшими регламентами о защите данных GDPR в Европе, HEPA в здравоохранении США. Они просто физически и юридически не имеют права отправлять данные клиента в сторонние

Ведущий A (09:02): облака. И OpenAI вынуждены подстраиваться, чтобы забрать этот корпоративный рынок.

Ведущий B (09:08): Совершенно верно, сервера DEL позволяют запереть языковую модель в корпоративном контуре без отправки данных в

Ведущий A (09:15): облако. Но концепция локального ИИ доходит и до гораздо более радикальных форм. Там же описывается проект инженера-энтузиаста. Он взял открытую языковую модель Gemini Nano от Google. В ней всего 270 1000000 параметров.

Ведущий A (09:30): Это же сущие крохи по сравнению с GPT-4.

Ведущий B (09:32): Да, абсолютно микроскопическая модель по современным меркам.

Ведущий A (09:36): И он интегрировал её во встроенную систему гусеничного робота. В источнике Инженеры буквально засовывают И в маленького робота, работающего от батарейки. Он управляет манипулятором и навигацией полностью автономно, без интернета, локально.

Ведущий B (09:56): И это доказывает очень важный тезис. Для физических задач в реальном времени гигантские облачные модели просто избыточные. У облака всегда есть пинг задержка сигнала. Если робот движется или несет хрупкий груз даже полсекунды, это катастрофа.

Ведущий A (10:14): А компактная модель работает без задержек?

Ведущий B (10:16): Да, она работает мгновенно и почти не тратит заряд батареи. Но тут возникает другой важнейший вызов. Как эту крошечную модель научили управлять манипуляторами?

Ведущий A (10:27): Да, в материалах указано, что робот обучался исключительно в виртуальной симуляции. Он там пытался захватить предмет 1000000 раз. И вот тут мы подходим к главной проблеме как перенести это в реальность?

Ведущий B (10:40): Это то, что инженеры называют Sim to Rear Transfer перенос навыков из симуляции в реальность. Проблема в том, что виртуальная среда идеальна. Там нет пыли, нет износа шестеренок, постоянная гравитация.

Ведущий A (10:54): А когда робота ставят на настоящий пол?

Ведущий B (10:57): Да. Он часто терпит неудачу. Датчики шумят, моторы люфтят, механика реального мира полна хаоса, с которым алгоритм просто не знаком.

Ведущий A (11:07): Это как учиться летать на идеальном авиатренажёре, а потом сесть в реальный самолёт в эпицентре урагана. И знаешь, этот принцип переноса из стерильной среды в хаотичную реальность выводит нас на очень тревожную тему.

Ведущий B (11:21): Психологический аспект?

Ведущий A (11:23): Да. По мере того как ИИ становится компактным и персональным, он проникает в наши самые интимные сферы. Контент становится доступным по требованию, почти как видеосервисы. Вот пример с Amazon, функция Alexa Podcasts для подписчиков премиум-уровня. Она генерирует полноценные аудиопередачи в реальном времени по любому запросу.

Ведущий B (11:45): И при этом использует лицензированные материалы из более чем 200 реальных редакций, то есть гарантия отсутствия

Ведущий A (11:53): фейков. Именно. А в сфере образования платформа Otus сейчас проводит бесплатные интенсивные классы по сложным направлениям Cubernetes, Go, ИИ-агенты. Снижается барьер для входа в Обучение становится супердоступным. Это вызывает восхищение техническим прогрессом.

Ведущий A (12:12): Но

Ведущий B (12:13): Но. Есть обратная сторона медали: демократизация ИИ меняет социальную

Ведущий A (12:19): ткань. Да, и тут меня просто поразило исследование психологов Фолка и Дан. Они наблюдали за более чем 2000 взрослых людей из 4 разных стран в течение целого года. Люди общались с e-botами в качестве компаньонов. И знаешь, какой вывод?

Ведущий A (12:37): Общение с e-botами только усугубляет хроническое одиночество. Это глубокий психологический парадокс. Почему? Почему идеальный, всегда вежливый и доступный ИИ-собеседник делает человеку только хуже?

Ведущий B (12:51): Потому что боты симулируют компанию, но они лишены подлинного сочувствия, уязвимости и непредсказуемости. Это так называемые отношения без трения. Бот не критикует, не устает, отвечает мгновенно. Человек привыкает к абсолютно стерильному общению.

Ведущий A (13:10): И теряет навыки взаимодействия с реальными людьми.

Ведущий B (13:12): Именно так. Реальные люди сложные, они могут спорить или обижаться. Когда человек после месяцев общения с Ботом пытается вернуться к реальным социальным связям, он испытывает шок. Этот возврат становится болезненным, человек пугается и уходит обратно к боту. Возникает замкнутый цикл изоляции.

Ведущий A (13:32): Получается, это уже не просто технологические или бизнесовые вопросы. Это глубокий экзистенциальный кризис. И на него общество должно дать моральный ответ, и, что удивительно, этот ответ приходит оттуда, откуда Кремниевая долина его совсем не ждала. Я про новости из Ватикана.

Ведущий B (13:50): Да, это очень показательное событие. Папа Лев XIV готовит историческую энциклику о защите человеческого достоинства в эпоху ИИ.

Ведущий A (14:00): Да, первый папа американец современности. И что важно, документ не призывает к запрету технологий, нет никакого лудизма, фокус на моральных ценностях, защита приватности, борьба с алгоритмической предвзятостью, проблема манипуляций через синтетические медиа.

Ведущий B (14:17): Те же самые сгенерированные аудиопередачи, о которых мы упоминали.

Ведущий A (14:21): Да, плюс сохранение достоинства при автоматизации труда. Но у меня вопрос о скрытых смыслах. Почему именно стартап из Кремниевой долины Anthropic оказался в Ватикане на презентации самого авторитетного папского документа?

Ведущий B (14:35): Ну, если беспристрастно анализировать факты, тут 2 момента. Во-первых, Anthropic известен своим упором на этику и облеснимость моделей. Архитектура их модели Claud строится на безопасности, что созвучно идеям Ватикана.

Ведущий A (14:49): А во-вторых?

Ведущий B (14:50): Во-вторых, у компании есть определённые трения с администрацией Трампа по вопросам экспортного контроля технологии искусственного интеллекта.

Ведущий A (14:57): То есть тут замешана политика?

Ведущий B (15:00): Разумеется. Присутствие Entropic это способ Ватиклана продемонстрировать политическую независимость. Они подчеркивают, что тема ИИ касается прав каждого человека на планете. Это требует прозрачности и ответственности, а не просто корпоративной гонки за прибылью или инструмента в торговых войнах.

Ведущий A (15:18): Давай попробуем свести всё это воедино. Какое невероятное путешествие мы сегодня проделали. От безжалостных корпоративных сокращений в мета ради закупки железа. От борьбы за локальность серверов в подвалах банков.

Ведущий B (15:32): Да.

Ведущий A (15:32): От попыток фарма гигантов преодолеть законы физики до сгенерированных на лету аудиопередач. И, конечно, мы затронули суровую правду о человеческом одиночестве и глобальных моральных принципах, которые озвучивает Ватикан.

Ведущий B (15:45): Все эти факты описывают 1 картину столкновения цифровой бесконечности с физической и социальной реальностью.

Ведущий A (15:52): И, знаешь, напоследок я бы хотела вернуться к концепции, которую мы обсуждали на примере маленького робота. Проблема Sim to Real Transfer перенос навыков из идеальной симуляции в непредсказуемую реальность.

Ведущий B (16:06): Когда трение реальности ломает идеальные алгоритмы.

Ведущий A (16:09): Не происходит ли сейчас того же самого с человеческой психикой? Потребляя идеально сгенерированные подкасты под наши личные вкусы, общаясь всегда с согласными и и ботами, люди буквально тренируются в комфортной персонализированной симуляции, где все гладко и нет никаких проблем.

Ведущий B (16:26): Аналогия пугающе точная. Нейронные связи человека привыкают к миру без малейшего трения.

Ведущий A (16:32): Но однажды приходит время перенести эти навыки в реальную жизнь. Общаться с несовершенными людьми, сталкиваться с чужим мнением, переживать отказы. И в этот момент мы терпим крах, пряла как тот робот, впервые столкнувшийся с реальной гравитацией и неровным полом. Сможем ли мы успешно совершить свой собственный перенос из уютной цифровой симуляции в реальность? Это важный вопрос, с которым, пожалуй, предстоит жить каждому из нас ближайшие годы.