Изменится ли логика CapEx и технологических акций после замедления роста ИИ?

Оригинальное название: The bottleneck isn't the model. It never was.
Автор оригинала: Saket Mehrotra, Beta to Alpha

Примечание редактора: недавно Джейкоб Коксон, ранее занимавшийся предварительным обучением моделей в OpenAI и Anthropic, объявил о своем уходе из Anthropic и публично призвал ведущие ИИ-лаборатории скоординировать ограничения на дальнейшее наращивание возможностей моделей. Эван Хубингер, руководитель направления науки о согласовании (alignment science) в Anthropic, впоследствии ответил, что согласен с основной оценкой рисков Коксона и оценивает вероятность того, что ИИ приведет к вымиранию человечества в течение следующего десятилетия, более чем в 10%.

Эти дебаты переводят тему «замедления ИИ» из плоскости этики на рынки капитала: если передовые лаборатории действительно замедлят разработку моделей, столкнутся ли капитальные затраты на ИИ, которые в последние несколько лет неоднократно пересматривались в сторону повышения, с переломным моментом? И потребуется ли переоценка технологических акций, получивших надбавку к оценке благодаря нарративу об ИИ?

В статье «The bottleneck isn't the model. It never was.» автор блога Beta to Alpha Сакет Мехротра утверждает, что опасения лабораторий по поводу рисков ИИ вовсе не означают охлаждения инвестиций в инфраструктуру. Пока компании по-прежнему боятся отстать в гонке, тревога за безопасность может продолжать стимулировать инвестиции в вычислительные мощности; в то же время узкое место отрасли постепенно сместилось с GPU, HBM и передовых методов упаковки на энергетику и электросети.

Это не означает, что замедление развития ИИ вообще никак не влияет на рынок. Точнее говоря, влияние зависит от того, на каком уровне происходит замедление: если речь идет лишь о более длительном тестировании безопасности и снижении темпов выпуска моделей, капитальные затраты (CapEx) не обязательно сократятся; и только если правительства напрямую ограничат кластеры для обучения, поставки чипов или потребление электроэнергии центрами обработки данных, вся инвестиционная модель может подвергнуться фундаментальным изменениям.

Ниже представлен перевод оригинальной статьи:

Джейкоб Коксон опубликовал в X заявление об уходе, призвав передовые ИИ-лаборатории скоординировать замедление гонки возможностей

Уход Джейкоба Коксона вновь привлек внимание к рискам передового ИИ.

Коксон считает, что OpenAI и Anthropic ведут гонку по созданию суперинтеллекта, способного к самосовершенствованию, не принимая при этом достаточных мер безопасности. И это не единичное мнение сторонних критиков. Эван Хубингер, руководитель направления alignment science в Anthropic, впоследствии публично заявил, что согласен с ключевой оценкой Коксона, и оценил вероятность того, что ИИ приведет к вымиранию человечества в течение следующего десятилетия, более чем в 10%. Об этих заявлениях также сообщали такие СМИ, как WIRED .

Но для инвесторов другой вопрос может быть более актуальным: по мере того как передовые лаборатории начинают обсуждать замедление темпов, сократятся ли соответственно и капитальные затраты технологических компаний на ИИ?

Мехротра утверждает, что, по крайней мере на данном этапе, эти две вещи нельзя напрямую приравнивать друг к другу. Споры о безопасности ИИ возникают на уровне моделей и управления лабораториями, в то время как ограничения этого цикла CapEx постепенно сместились на уровень физической инфраструктуры, такой как чипы, корпусирование, электропитание и дата-центры.

Чем сильнее лаборатории боятся проиграть в этой гонке, тем сложнее им добровольно сбавить темп

Согласно описанию Коксона, передовые лаборатории вовсе не находятся в неведении относительно рисков. Настоящая проблема заключается в том, что ни одна лаборатория не готова первой замедлить темп.

Логика теории игр заключается в следующем: если одна лаборатория решит замедлить темпы, другие конкуренты с менее развитым пониманием безопасности могут первыми разработать более мощные модели. Вместо того чтобы позволить менее осторожным соперникам совершить прорыв первыми, лучше продолжать инвестировать ресурсы, чтобы гарантировать себе лидерство и стремиться контролировать технологию более безопасным путем.

По мнению автора, подобный ход мыслей вряд ли приведет к сокращению капитальных затрат; напротив, он может лишь усилить гонку вооружений. Чем сильнее лаборатории верят, что участвуют в решающем технологическом соперничестве, тем труднее им сокращать закупки GPU, инвестиции в обучающие кластеры и центры обработки данных.

Таким образом, тревога о безопасности и рост CapEx могут сосуществовать. Это может даже образовать самоподдерживающийся цикл: лаборатории беспокоятся о быстром развитии возможностей ИИ, но из-за страха отстать от конкурентов они инвестируют больше ресурсов, что еще сильнее ускоряет гонку возможностей.

Это авторское объяснение структуры игры в индустрии, а не результат, уже подтвержденный планами капитальных затрат компаний. Чтобы оценить состоятельность этой логики, все еще необходимо наблюдать, начнут ли ведущие облачные провайдеры и лаборатории ИИ корректировать свои фактические планы по закупкам и строительству.

Замедление развития моделей не означает завершение инфраструктурного цикла

Второе суждение Мехротры заключается в том, что ключевое узкое место в индустрии ИИ смещалось уже неоднократно, и каждое такое смещение приводило к росту капиталоемкости.

Изначально обучение моделей сдерживалось поставками графических процессоров (GPU) и квотами на чипы; впоследствии узким местом стала память с высокой пропускной способностью HBM и передовые технологии корпусирования; теперь же энергоснабжение, доступ к электросетям и строительство центров обработки данных становятся ограничениями, которые сложнее преодолеть в сжатые сроки.

Дефицит мощностей по производству и корпусированию чипов можно устранить за счет расширения производственных линий, однако проблемы с электроснабжением, как правило, требуют строительства или перезапуска объектов генерации, увеличения мощности газовых турбин и трансформаторов, а также модернизации систем передачи и подключения к электросетям. Подобные проекты предполагают более крупные объемы инвестиций и длительные циклы строительства, и их невозможно решить с помощью одного лишь обновления программного обеспечения.

Поэтому, даже если частота выпуска передовых моделей снизится, уже размещенные заказы на чипы, соглашения о покупке электроэнергии и проекты по строительству центров обработки данных не обязательно сразу же остановятся. Между НИОКР в области моделей и развертыванием инфраструктуры существует временной лаг, а капитальные затраты (CapEx), как правило, не разворачиваются синхронно с общественным мнением или темпами исследований и разработок.

В то же время замедление темпов роста не обязательно означает естественное снижение спроса на вычислительные мощности. Более длительное тестирование безопасности, более сложные процессы инференса и внедрение существующих моделей в корпоративные и потребительские сценарии по-прежнему могут требовать значительных вычислительных ресурсов.

Таким образом, автор утверждает, что инвесторам не следует сосредотачиваться исключительно на уровне моделей, вокруг которого разворачиваются наиболее ожесточенные дискуссии в социальных сетях, а вместо этого стоит обратить внимание на новые узкие места, формирующиеся на горизонте следующих 18 месяцев. В рамках этого подхода более дефицитный ресурс, за которым сейчас стоит следить, постепенно сместился с «интеллекта моделей» на электроэнергию и сопутствующую инфраструктуру.

Акции ИИ-технологий могут перейти от широкого роста к дивергенции

Если замедление развития моделей не означает прекращения капитальных затрат (CapEx), то его влияние на акции технологических компаний не будет однозначно медвежьим, а скорее проявится в виде переоценки активов по всей отраслевой цепочке.

Во-первых, компании, которые полагаются на непрерывные прорывы в передовых моделях и быструю монетизацию продуктов, могут оказаться более уязвимыми. Как только итерация моделей замедлится, рыночные ожидания относительно роста выручки, темпов коммерциализации и мультипликаторов оценки могут потребовать корректировки.

Во-вторых, компании, контролирующие графические процессоры (GPU), сетевое оборудование, системы электроснабжения и распределения питания, охлаждения, а также ресурсы центров обработки данных, могут не столкнуться с одновременным ухудшением динамики заказов. До тех пор, пока облачные провайдеры продолжают расширять инфраструктуру, или же «узкое место» вычислительных мощностей продолжает смещаться в сторону энергетического сектора, соответствующие инвестиции могут сохранять высокую инерцию.

В-третьих, рынку необходимо различать обучение и инференс. Даже если лаборатории скоординируются, чтобы ограничить сверхмасштабное обучение передовых моделей, спрос на инференс существующих моделей, корпоративное внедрение и распространение ИИ-приложений все равно могут стимулировать потребление вычислительных мощностей. В таком случае CapEx может претерпеть структурные изменения, а не обвальное сокращение.

Это означает, что замедление развития ИИ может в первую очередь изменить не направление роста всей технологической отрасли, а ситуацию, при которой к различным активам применяется единая логика оценки ИИ. В прошлом компании-разработчики моделей, облачные провайдеры, полупроводниковые компании и поставщики энергетической инфраструктуры могли получать премию за счет ИИ-нарратива; если же гонка возможностей моделей замедлится, рынок может начать более строго дифференцировать технологическое лидерство, потенциал коммерциализации и выполнение заказов.

Переменная, которая действительно меняет логику CapEx, — это регулирование

Мехротра считает, что по-настоящему прервать этот цикл капитальных затрат на ИИ может не очередной дефицит в цепочке поставок, а жесткие ограничения, налагаемые правительствами извне системы.

Недостаток мощностей GPU, HBM, электроснабжения и трансформаторов — это, по сути, узкие места, которые можно устранить за счет наращивания инвестиций. Они могут отсрочить запуск дата-центров, но также направят капитал в новые дефицитные звенья.

С регулированием ситуация иная. Если правительство напрямую ограничит закупки высокопроизводительных чипов, масштаб обучающих кластеров, вычислительные мощности, необходимые для обучения моделей, или потребление электроэнергии центрами обработки данных, компаниям будет сложно преодолеть эти ограничения простым увеличением инвестиций. При таком сценарии ожидания по капитальным затратам (CapEx) облачных провайдеров, заказы на инфраструктуру и оценки акций технологических компаний, связанных с ИИ, могут одновременно подвергнуться пересмотру в сторону понижения.

Однако в оригинальной статье эта ситуация рассматривается как маловероятный хвостовой риск, а не как базовый сценарий. Эта оценка также требует постоянной проверки, и ее не следует понимать так, будто регуляторный риск уже исключен. По мере того как опасения внутри лабораторий ИИ становятся достоянием общественности, внешнее регуляторное давление все еще может возрасти.

Далее рынку на самом деле нужно следить не за общим лозунгом о «замедлении темпов развития ИИ», а за тремя более конкретными сигналами: пропишут ли передовые лаборатории замедление в официальных планах НИОКР, сократят ли крупнейшие облачные провайдеры заказы для дата-центров и начнет ли регулирование напрямую затрагивать чипы, вычислительные мощности и энергоснабжение.

Уход Коксона доказывает, что споры о безопасности передового ИИ переместились из плоскости внешней критики внутрь лабораторий. Однако между выражением опасений исследователями и реальным сокращением капитальных затрат технологическими компаниями все еще существует множество промежуточных звеньев, включая конкурентное давление, инерцию строительства и нехватку инфраструктуры.

Замедление темпов развития ИИ может и не положить конец циклу капитальных затрат (CapEx) мгновенно, но оно способно завершить фазу, в которой все ИИ-активы растут по единой логике.

[ Оригинальная ссылка ]