# Навин Рао: «Инвесторы в классический софт крупно просчитались» Источник: https://www.youtube.com/watch?v=4UmFfI8CWuA Канал: 20VC (Harry Stebbings) Опубликовано: 24.10.2026 --- В новом выпуске подкаста 20VC его ведущий Гарри Стеббингс обсудил с серийным технологическим предпринимателем и основателем стартапа Unconventional AI Навином Рао тектонические сдвиги в индустрии искусственного интеллекта. Рао, ранее продавший Nervana Systems корпорации Intel и MosaicML компании Databricks за 1,3 миллиарда долларов, убежден, что рынок вступает в фазу жестких физических ограничений, где ключевыми факторами станут дефицит электроэнергии и специализированное «железо». По оценке предпринимателя, инфраструктура инференса превратится в индустрию объемом 10 триллионов долларов, классическая модель SaaS потеряет былую актуальность, а инвесторам в традиционное программное обеспечение придется кардинально пересмотреть свои стратегии. ## ⚡ Энергетический тупик: почему у США закончатся мощности [[JUMP:01:15]] Главным барьером на пути дальнейшего масштабирования искусственного интеллекта становится доступ к электроэнергии [01:30]. Навин Рао подчеркивает, что участники рынка недооценивают сложность и капиталоемкость энергетической инфраструктуры [01:42]: * Строительство мощностей генерации объемом в 1 гигаватт обходится отрасли примерно в 50 миллиардов долларов [01:42]. * Для сравнения, возведение современного завода по производству передовых полупроводников требует от 20 до 30 миллиардов долларов [02:07]. * Таким образом, развертывание одного гигаватта мощности превосходит по затратам и технической сложности строительство передового кремниевого производства [02:07]. До недавнего времени развитие дата-центров в США опиралось на утилизацию избыточных мощностей энергосистемы [02:21]. Средняя выработка американской электросети составляет около 900 гигаватт, тогда как пиковая нагрузка способна доходить до 1,2–1,3 тераватта (1300 гигаватт) [02:46]. Разработчики ИИ использовали именно этот буфер, повышая коэффициент утилизации существующих станций [02:33]. Однако резервы стремительно исчерпываются [05:08]. По мнению Рао, разрыв между США и Китаем в области энергетики становится критическим [03:13]. Опираясь на механизмы централизованного планирования, Китай на протяжении 20 лет строил генерирующие мощности в шесть раз быстрее США и превзошел американские показатели по совокупной мощности в 2023 году [03:13]. Хотя западные страны долго критиковали китайский подход за ставку на угольную генерацию, Пекин обеспечил себе фундамент для индустриального рывка [03:26]. В США же идеи добавить 40 гигаватт за один год Рао считает иллюзией: реалистичным потолком является ввод порядка 10 гигаватт в год, что потребует колоссальных капиталовложений в полтриллиона долларов [05:33]. На фоне дефицита формируется двухуровневый рынок электроэнергии [07:52]. Дата-центры готовы платить за киловатт-час на 30–40% больше стандартного тарифа [08:53]. Высокая маржинальность продажи вычислений — когда гигаватт вычислительной мощности генерирует выручку, пятикратно превышающую затраты на электричество, — позволяет операторам заключать прямые внесетевые сделки (behind-the-meter), например, развертывать генерацию на топливных элементах компании Bloom Energy в Аризоне [08:04]. ## 🔬 Предел кремния: почему выигрывает совместное проектирование чипов и моделей [[JUMP:09:00]] Эпоха, когда производительность росла исключительно за счет физического уменьшения транзисторов, подошла к концу [09:56]. Как объясняет Рао, фундаментальные физические выигрыши, описываемые законом Мура и масштабированием Деннарда, практически исчерпаны [09:56]. Архитектура компьютеров делится на три уровня: 1. Физический уровень элементарных переходов и емкостей. 2. Уровень архитектуры вычислений. 3. Уровень модели и локальности данных. Большая часть прироста энергоэффективности за последние поколения процессоров была получена за счет второго уровня — сжатия типов данных: перехода от 32-битных вычислений к 16-битным, а затем к 8- и 4-битным форматам [10:21]. Чем меньше бит передается по шине и обрабатывается ядрами, тем ниже энергопотребление [10:21]. Следующий качественный скачок лежит в сфере совместного проектирования (co-design) алгоритмов и физического «железа» [11:12]. Исторически вычислительная техника развивалась под эгидой чистой скорости: созданный правительством США в 1945 году компьютер ENIAC рассчитывал баллистические траектории артиллерии быстрее живых расчетчиков [11:50]. Сегодня же во главу угла встает энергоэффективность [11:38]. В качестве биологической аналогии Рао приводит человеческий мозг, где интеллектуальный слой развивался неразрывно с биологическим субстратом [15:39]. Мозг активно использует разреженность (sparsity) — избирательную активацию нейронных связей [15:52]. На классических GPU с внешней памятью DRAM потенциал разреженности упирается в ограничения контроллеров и шин передачи данных [16:05]. Только создание специализированных микросхем, изначально оптимизированных под структуру нейросетей, позволит реализовать этот потенциал [16:17]. Это подтверждает необходимость специализации чипов под конкретные типы нагрузок, которой занимаются такие проекты, как Etched, Fractal, Olex и Cerebras [16:31]. ## 🔋 Аппаратное обеспечение как конвертер энергии в интеллект [[JUMP:18:13]] Специализация процессоров не означает немедленной угрозы для Nvidia, чье лидерство Рао объясняет своевременным и точным стратегическим решением главы компании Дженсена Хуанга [18:50]. На конференции GTC 2014 года Хуанг открыто сделал ставку на нейросети, вызвав недоумение у традиционных клиентов из игровой индустрии [19:16]. За прошедшее десятилетие Nvidia довела программно-аппаратный стек до совершенства, однако сам рынок вычислений расширится еще минимум в 50 раз [18:36]. Рао категорически не согласен с тезисом о грядущей коммодитизации аппаратного обеспечения [20:43]. В его картине мира спрос на интеллект фундаментально бесконечен [20:57]: * В живой природе бактерии конкурируют за солнечный свет, а организмы с развитыми сенсорными системами получают эволюционное преимущество [21:10]. * Усложнение материи от одноклеточных до эукариотов, многоклеточных организмов и человеческих цивилизаций лишь повышает энергетические ставки [21:23]. * В космических масштабах цивилизации шкалы Кардашева ведут борьбу за энергию звезд, где интеллект выступает главным экономическим ресурсом [21:48]. С точки зрения экономики, аппаратная инфраструктура (чипы, серверы, интерконнект, системы охлаждения) выполняет одну функцию — конвертирует первичную энергию в интеллект [22:14]. Тот, кто осуществляет эту конверсию с наименьшими потерями, получает максимальную маржу, поэтому «железо» останется самым привлекательным классом активов на ближайшие 10 лет [22:14]. Более того, развитие генеративного ИИ радикально ускорило исследовательские циклы [23:17]. При проектировании чипа в Unconventional AI возникла задача оценить распространение шума в цепочке связанных осцилляторов без сплошного соединения [23:29]. Прежде постановка задачи инженерам, написание симулятора и анализ результатов заняли бы около двух недель; модель ИИ сгенерировала рабочий код и предоставила верифицируемый ответ за один час [24:08]. ## ⚠️ Проблема валидации: почему узкое горлышко сместилось с генерации на верификацию [[JUMP:24:30]] Ускорение генерации артефактов обнажило новую системную проблему — лавинообразный рост низкокачественного машинного контента («AI slop») и трудности его валидации [24:33]. Рао разграничивает развлекательные дипфейки в соцсетях и корпоративное применение ИИ [25:24]. Если обыватели легко принимают сгенерированные видео (например, Дональда Трампа, играющего на гитаре) за чистую монету, то в инженерных и бизнес-задачах цена галлюцинации критична [26:02]. Главным узким горлышком разработки становится не производство решений, а их проверка [26:39]. Чтобы создать автомобиль, мост или программную систему, необходимо обладать точной спецификацией и уметь подтверждать соответствие каждого шага исходным требованиям [27:18]. Отвечая на ремарку Стеббингса о доверии к автономным агентам, Рао предостерег от передачи им ответственности за стратегические решения [28:23]: * Чтобы стать нейрохирургом, требуется семь лет резидентуры после окончания медицинской школы [28:35]. Это время уходит не на отработку навыка наложения швов, а на формирование клинического мышления и способности выбирать верную тактику [28:48]. * Современные языковые модели исследуют вероятностное пространство решений, генерируя цепочки рассуждений (Chain of Thought), но не обладают глубинным пониманием критериев оптимальности [29:13]. * Чем длиннее цепочка последовательных решений агента, тем выше вероятность накопления ошибки и ухода в сторону внешне убедительного, но абсолютно ложного результата [29:52]. Доверие к машинам станет возможным лишь тогда, когда модели превратятся в целостные программно-аппаратные системы с воспроизводимой экспертизой и надежными механизмами проверки достоверности [31:06]. ## 📊 Данные и обучение с подкреплением: за пределами архитектуры Transformer [[JUMP:32:51]] Дата-провайдеры в экосистеме ИИ не превратятся в поставщиков сырья, если пойдут по пути глубокой специализации [32:51]. Простой сбор разнородных интернет-текстов утратил ценность; решающим фактором стали синтез качественного программного кода и создание специализированных массивов данных для сложных логических цепочек [33:39]. Рао отмечает, что архитектурные инновации в ведущих лабораториях отошли на второй план, уступив место выстраиванию программ обучения [34:04]: * Предобучение (pre-training) задает базовый фундамент языковой эрудиции [34:16]. * Промежуточный этап (mid-training), обучение с учителем (SFT) и обучение с подкреплением (RL) формируют финальное поведение и аналитические навыки модели [34:16]. * Именно композиция этих этапов является главной закрытой экспертизой компаний вроде OpenAI, Anthropic, xAI и Google [36:22]. Обучение с подкреплением (RL) привлекает всеобщее внимание не потому, что оно эффективно — с точки зрения затрат вычислительной мощности на единицу улучшения оно крайне неэффективно [35:07]. Однако индустрия исчерпала запасы доступных текстовых данных, и дальнейшее масштабирование простым предобучением невозможно [38:03]. По аналогии с отработкой теннисной подачи, где игрок сверяет траекторию с внутренней моделью движения, RL позволяет алгоритму совершенствоваться через верифицируемое вознаграждение: измерение скорости мяча и фиксацию попадания в корт [37:38]. При этом Рао разделяет взгляд исследователя Яна Лекуна о неизбежности перехода к миру «пост-трансформеров» [39:07]. Механизм внимания (attention) представляет собой форму извлечения информации из контекста, на основе которой модель перебирает множество вариантов и синтезирует правдоподобный ответ [39:56]. Человеческое мышление работает принципиально иначе: интеллект проявляется в умении решать проблемы по первым принципам при недостатке информации [39:19]. Нынешние генеративные циклы агентного поиска вычислительно расточительны и неизбежно уступят место более строгим алгоритмическим подходам [40:23]. ## 📉 Закат классического SaaS: почему традиционные софтверные инвесторы обречены [[JUMP:42:57]] Коммодитизация стремительно настигает промежуточные звенья стека — в первую очередь поставщиков инференс-хостинга [43:21]. Компании, берущие открытые веса и разворачивающие их на облачной инфраструктуре с гарантией бесперебойной работы, выполняют важную сервисную функцию, однако стоимость токена неизбежно падает [43:46]. Их рентабельность будет сжиматься, а открытые модели полугодовой давности уже сегодня закрывают большинство типовых задач [41:50]. Вследствие этого традиционные софтверные инвесторы, по выражению Рао, оказались в ловушке [45:03]. С 2010–2011 годов венчурная индустрия жила в условиях эйфории, когда любой стартап мог развернуть приложение на AWS с минимальными затратами, протестировать нишу и претендовать на рынок объемом 100–200 миллионов долларов [45:14]. Это привело к колоссальной фрагментации рынка подписочного корпоративного софта [45:27]. Через двадцать лет классический SaaS в привычном виде практически перестанет существовать [45:39]. На смену продаже лицензий на софт приходит модель продажи готового результата — так называемые сервисы под видом программного обеспечения [46:19]: * Юридический стартап Harvey трансформирует рынок юридических услуг: вместо раздутого штата младших юристов, вычитывающих договоры, система на базе ИИ с верификацией экспертами выполняет ту же работу в разы дешевле и быстрее [46:44]. * Крупные корпоративные игроки уже готовы направлять до 80% рутинного документооборота и соглашений о неразглашении (NDA) автоматизированным решениям [48:27]. * Гиганты вроде юрфирмы K&L Gates вкладывают по 500 миллионов долларов в собственную ИИ-инфраструктуру [48:51]. * Небольшие региональные компании не смогут содержать собственные модели и будут вынуждены приобретать вертикальные прикладные решения "из коробки" [49:42]. ## 🏗️ Парадокс Джевонса и будущее разработчиков [[JUMP:50:46]] Рассуждения о скором исчезновении программистов Рао считает необоснованными [51:25]. Комментируя заявление главы Salesforce Марка Бениоффа о планах перенаправить 300 миллионов долларов из фонда оплаты труда инженеров (составляющего 6 миллиардов долларов) на закупку ИИ-инструментов, Рао отметил, что совокупные затраты на фонд оплаты труда едва ли сократятся [50:59]. Ценность высококлассного инженера никогда не измерялась количеством написанных строк кода [51:37]. Ключевой актив опытного разработчика — архитектурное чутье и способность мгновенно верифицировать правильность системы [51:50]. ИИ удешевляет создание элементарной кодовой базы, однако это запускает экономический парадокс Джевонса: резкое падение стоимости ресурса провоцирует взрывной рост спроса на него [53:20]. Если ранее клиенты софтверных компаний мирились с годичным циклом выпуска релизов, то теперь требуют исправления багов в течение недели или одного часа [52:28]. Бюджет компании на разработку остается на уровне 10 миллионов долларов, но объем выполняемых задач, глубина кастомизации и частота обновлений возрастают на порядки [52:28]. В качестве примера Рао проводит строительную аналогию [53:45]: 1. Строительство типового небоскреба сегодня занимает два года при участии бригады узкопрофильных специалистов [53:45]. 2. Если робототехника возьмет на себя 80% тяжелых физических задач, сроки возведения сократятся с двух лет до 8 месяцев [53:58]. 3. Следствием станет не увольнение рабочих, а двукратное увеличение количества возводимых небоскребов и расширение всего строительного сектора [54:11]. ## 🤖 Робототехника: рынок на $10 трлн и почему агенты для кода переоценены [[JUMP:55:29]] Гарри Стеббингс выразил скепсис по поводу ранних инвестиций в робототехнику, посчитав рынок неготовым, а срок появления надежных прикладных решений — превышающим пять лет [54:47]. Рао возразил ведущему, подчеркнув коварство экспоненциальных процессов, которые человеческое линейное мышление склонно недооценивать [56:17]. По прогнозу Рао, рабочие прототипы для широкого спектра задач появятся в течение 2–3 лет, а полноценный коммерческий рынок сформируется через 5–7 лет [55:40]. Рынок аппаратных агентов и инференса Рао оценивает в 10 триллионов долларов на горизонте ближайшего десятилетия [56:47]. Перенос человеческого труда в вычислительную плоскость открывает колоссальные ниши, многократно превосходящие потребности традиционных отраслей вроде транспорта, продовольствия или жилья [56:47]. Робототехника превзойдет рынок ИИ-агентов для написания кода в 100 раз [57:42]: * Современные промышленные манипуляторы не обладают интеллектом — они выполняют жестко зашитые повторяющиеся траектории [58:25]. * Физический мир до сих пор остается неосвоенным для адаптивного ИИ, способного самостоятельно диагностировать поломку, расчищать завалы или возводить конструкции в реальном времени [58:38]. * Стоимость физических манипуляций не упадет до нуля, но снизится радикально, вызвав колоссальный спрос на миллиарды автономных машин [58:51]. Сам Рао направляет капитал не в прикладные пользовательские оболочки, а в фундаментальные физические модели и компании, проектирующие аппаратное обеспечение в связке с алгоритмами — такие как Physical Intelligence и Rota [59:14]. На раннем этапе оценка раунда не имеет решающего значения: когда речь идет о триллионных рынках, погоня за скидкой на оценку теряет практический смысл [1:00:06]. ## ⚡ Блиц-опрос: венчурные заблуждения, европейский консерватизм и наука о Вселенной [[JUMP:1:02:40]] В финальном блиц-раунде Навин Рао поделился личными взглядами на инвестиции, технологический ландшафт и фундаментальную науку: * **Отказ от метрики market validation.** Традиционная венчурная проверка соответствия продукта рынку работает исключительно в плоскости поверхностного софта [1:02:40]. В проектах категории Deep Tech (лечение онкологии, новая физика чипов, биология) рынок гарантированно существует и имеет безграничную емкость; единственным фактором риска остается решение фундаментальной инженерной проблемы [1:03:06]. * **Идеальный сценарий при неограниченных ресурсах.** Рао начал бы строительство собственных кремниевых фабрик полного цикла, контролируя процесс от химической резки монокристаллического слитка кремния до финальной топологии кристалла под нужды нейросетей [1:04:12]. * **Самые переоцененные направления.** Стартапы в сфере клиентской поддержки и ИИ-ассистенты для написания кода (IDE-оболочки вроде Cursor) [1:05:13]. Пользователи без труда меняют интерфейсы, а основная экономическая стоимость аккумулируется на уровне провайдеров базовых моделей [1:05:54]. * **Распределение генерации токенов.** Через три года 80% всех вычислительных токенов будет генерироваться открытыми моделями, и лишь 20% придется на закрытые проприетарные системы [1:06:20]. При этом финансовые затраты разделятся поровну (50 на 50) — по аналогии с экосистемой Apple, где iPhone занимает 20% рынка в штуках, но забирает подавляющую часть отраслевой прибыли [1:06:32]. * **Лучший питч в карьере.** Встреча со Стивом Юрветсоном в 2014 году при запуске Nervana Systems [1:07:10]. Вместо типичных финансовых вопросов инвестор устроил глубокий разбор научных публикаций по численным представлениям данных и общался на равных как профильный инженер-исследователь [1:07:35]. * **Культурный разрыв между США и Европой.** Стеббингс посетовал, что европейская экосистема застряла в консервативных идеях управления расходами, воспринимая предпринимательство как «стартап-туризм» [1:08:51]. Рао подтвердил, что в США венчурный рынок дает негласное разрешение на дерзкие, масштабные идеи, тогда как в Европе нестандартный размах чаще воспринимается как безрассудство [1:09:28]. * **Отношение к личному капиталу.** Несмотря на крупные экзиты, Рао сохраняет бытовую бережливость в вопросах покупки одежды и переплат за путешествия, если не видит в них реальной потребительской ценности [1:01:36]. * **Главный источник оптимизма.** Возможность использовать искусственный интеллект для прорыва в фундаментальной физике и понимании устройства Вселенной — от моделирования кротовых нор до решения не поддававшихся человеку уравнений [1:11:12]. Алармистские сценарии о неминуемом уничтожении человечества искусственным интеллектом Рао назвал «самой глупой точкой зрения в мире» [1:11:47]. ---META--- { "title_candidates": [ "Навин Рао: «Инвесторы в классический софт крупно просчитались»", "Почему инференс станет рынком на 10 триллионов долларов", "Навин Рао о дефиците энергии, крахе SaaS и будущем чипов" ], "title": "Навин Рао: «Инвесторы в классический софт крупно просчитались»", "category": "Искусственный интеллект", "keywords": [ "Навин Рао", "Гарри Стеббингс", "Unconventional AI", "Nvidia", "инференс" ], "tldr": [ "Строительство 1 ГВт мощности обходится в $50 млрд, превышая затраты на полупроводниковый завод.", "Физический закон Мура исчерпан — прирост эффективности обеспечит совместное проектирование чипов и моделей.", "Рынок инференса достигнет $10 трлн через 10 лет, а классический SaaS отойдет на второй план.", "Робототехника с адаптивным ИИ в физическом мире превзойдет кодинг-агентов в 100 раз.", "Через 3 года 80% токенов будет генерироваться открытыми моделями, а расходы поделятся поровну с закрытыми." ], "speakers": [ { "name": "Навин Рао", "role": "Основатель и генеральный директор Unconventional AI, экс-сооснователь Nervana Systems и MosaicML." }, { "name": "Гарри Стеббингс", "role": "Основатель и ведущий подкаста 20VC, венчурный инвестор." } ], "books": [], "films": [], "quotes": [ { "text": "Если вы инвестируете только в программное обеспечение, вы в настоящей беде.", "speaker": "Навин Рао", "time": "45:03" }, { "text": "Рынок инференса станет рынком объемом 10 триллионов долларов в течение десяти лет.", "speaker": "Навин Рао", "time": "56:47" }, { "text": "Аппаратное обеспечение — это то, что конвертирует энергию в интеллект.", "speaker": "Навин Рао", "time": "22:14" }, { "text": "Взгляд на вещи в духе «ИИ убьет всех людей» — это самая глупая точка зрения, которую я слышал в жизни.", "speaker": "Навин Рао", "time": "0:51" } ], "mentioned_urls": [ { "url": "Unconventional AI", "context": "Новый стартап Навина Рао по разработке энергоэффективного ИИ-оборудования с оценкой около $5 млрд." }, { "url": "MosaicML", "context": "Предыдущая компания Рао, купленная Databricks за $1,3 млрд." }, { "url": "Bloom Energy", "context": "Компания, заключившая контракт на поставку внесетевой генерации в Аризоне." }, { "url": "Physical Intelligence", "context": "Стартап в сфере физического ИИ и робототехники, привлекший инвестиции Рао." }, { "url": "Harvey", "context": "ИИ-платформа для автоматизации юридических услуг и анализа контрактов." } ], "glossary": [ { "term": "Инференс (Inference)", "definition": "Процесс исполнения уже обученной нейросетевой модели для генерации ответов или выполнения предсказаний." }, { "term": "Co-design (совместное проектирование)", "definition": "Инженерный подход, при котором архитектура микросхем и алгоритмы нейросетей разрабатываются взаимосвязанно для достижения максимального КПД." }, { "term": "Разреженность (Sparsity)", "definition": "Свойство нейросетей, при котором для решения конкретной задачи активируется лишь малая часть параметров и весов." }, { "term": "Парадокс Джевонса", "definition": "Экономический эффект, при котором повышение эффективности использования ресурса приводит не к падению, а к резкому росту его общего потребления." }, { "term": "Chain of Thought (цепочка рассуждений)", "definition": "Метод рассуждения языковой модели путем генерации последовательных промежуточных логических шагов перед выдачей ответа." } ], "numbers": [ { "value": "$50 млрд", "context": "Ориентировочная стоимость создания 1 ГВт энергетических мощностей для дата-центров.", "speaker": "Навин Рао" }, { "value": "900 ГВт", "context": "Средняя базовая выработка американской электросети.", "speaker": "Навин Рао" }, { "value": "$10 трлн", "context": "Прогнозируемый объем рынка инференса в течение ближайших 10 лет.", "speaker": "Навин Рао" }, { "value": "$1,3 млрд", "context": "Сумма сделки по покупке MosaicML корпорацией Databricks.", "speaker": "Гарри Стеббингс" }, { "value": "$500 млн", "context": "Объем средств, выделенных юридической компанией K&L Gates на развертывание собственных ИИ-систем.", "speaker": "Гарри Стеббингс" }, { "value": "80%", "context": "Доля открытых моделей в совокупном объеме генерации токенов через три года.", "speaker": "Навин Рао" } ], "timeline": [ { "date": "1945", "event": "Создание первого крупномасштабного цифрового компьютера ENIAC для баллистических расчетов артиллерии США." }, { "date": "2014", "event": "Навин Рао основывает стартап Nervana Systems и встречается с инвестором Стивом Юрветсоном; Nvidia объявляет курс на ИИ на конференции GTC." }, { "date": "2023", "event": "MosaicML продана компании Databricks за $1,3 млрд; энергетическая мощность Китая официально превосходит американскую." } ], "counterpoints": [ { "claim": "Традиционная модель SaaS мертва, а софтверные компании потеряют маржинальность из-за падения ценности чистого кода.", "counter": "Многие эксперты и фонды считают, что софтверные платформы с глубокой интеграцией в рабочие процессы корпораций сохранят сетевой эффект и данные клиентов, успешно интегрируя ИИ внутрь существующих подписок." }, { "claim": "Рынок физической робототехники сформируется в ближайшие 5–7 лет и превзойдет кодинг-агентов в 100 раз.", "counter": "Скептики, включая Гарри Стеббингса, указывают на огромные физические риски, проблемы надежности механики и регуляторные барьеры, из-за которых окупаемость роботов-гуманоидов может затянуться на десятилетия." }, { "claim": "Метрика market validation устарела для инвестиций в Deep Tech, и инвесторам не следует обращать внимание на высокие оценки.", "counter": "Классические венчурные фонды и институциональные партнеры (LPs) возражают, что игнорирование дисциплины цен и рыночного спроса приводит к надуванию опасных пузырей в случае технических сбоев." } ] }В новом выпуске подкаста 20VC его ведущий Гарри Стеббингс обсудил с серийным технологическим предпринимателем и основателем стартапа Unconventional AI Навином Рао тектонические сдвиги в индустрии искусственного интеллекта. Рао, ранее продавший Nervana Systems корпорации Intel и MosaicML компании Databricks за 1,3 миллиарда долларов, убежден, что рынок вступает в фазу жестких физических ограничений, где ключевыми факторами станут дефицит электроэнергии и специализированное «железо». По оценке предпринимателя, инфраструктура инференса превратится в индустрию объемом 10 триллионов долларов, классическая модель SaaS потеряет былую актуальность, а инвесторам в традиционное программное обеспечение придется кардинально пересмотреть свои стратегии. ## ⚡ Энергетический тупик: почему у США закончатся мощности [[JUMP:01:15]] Главным барьером на пути дальнейшего масштабирования искусственного интеллекта становится доступ к электроэнергии. Навин Рао подчеркивает, что участники рынка недооценивают сложность и капиталоемкость энергетической инфраструктуры: * Строительство мощностей генерации объемом в 1 гигаватт обходится отрасли примерно в 50 миллиардов долларов. * Для сравнения, возведение современного завода по производству передовых полупроводников требует от 20 до 30 миллиардов долларов. * Таким образом, развертывание одного гигаватта мощности превосходит по затратам и технической сложности строительство передового кремниевого производства. До недавнего времени развитие дата-центров в США опиралось на утилизацию избыточных мощностей энергосистемы. Средняя выработка американской электросети составляет около 900 гигаватт, тогда как пиковая нагрузка способна доходить до 1,2–1,3 тераватта (1300 гигаватт). Разработчики ИИ использовали именно этот буфер, повышая коэффициент утилизации существующих станций. Однако резервы стремительно исчерпываются. По мнению Рао, разрыв между США и Китаем в области энергетики становится критическим. Опираясь на механизмы централизованного планирования, Китай на протяжении 20 лет строил генерирующие мощности в шесть раз быстрее США и превзошел американские показатели по совокупной мощности в 2023 году. Хотя западные страны долго критиковали китайский подход за ставку на угольную генерацию, Пекин обеспечил себе фундамент для индустриального рывка. В США же идеи добавить 40 гигаватт за один год Рао считает иллюзией: реалистичным потолком является ввод порядка 10 гигаватт в год, что потребует колоссальных капиталовложений в полтриллиона долларов. На фоне дефицита формируется двухуровневый рынок электроэнергии. Дата-центры готовы платить за киловатт-час на 30–40% больше стандартного тарифа. Высокая маржинальность продажи вычислений — когда гигаватт вычислительной мощности генерирует выручку, пятикратно превышающую затраты на электричество, — позволяет операторам заключать прямые внесетевые сделки (behind-the-meter), например, развертывать генерацию на топливных элементах компании Bloom Energy в Аризоне. ## 🔬 Предел кремния: почему выигрывает совместное проектирование чипов и моделей [[JUMP:09:00]] Эпоха, когда производительность росла исключительно за счет физического уменьшения транзисторов, подошла к концу. Как объясняет Рао, фундаментальные физические выигрыши, описываемые законом Мура и масштабированием Деннарда, практически исчерпаны. Архитектура компьютеров делится на три уровня: 1. Физический уровень элементарных переходов и емкостей. 2. Уровень архитектуры вычислений. 3. Уровень модели и локальности данных. Большая часть прироста энергоэффективности за последние поколения процессоров была получена за счет второго уровня — сжатия типов данных: перехода от 32-битных вычислений к 16-битным, а затем к 8- и 4-битным форматам. Чем меньше бит передается по шине и обрабатывается ядрами, тем ниже энергопотребление. Следующий качественный скачок лежит в сфере совместного проектирования (co-design) алгоритмов и физического «железа». Исторически вычислительная техника развивалась под эгидой чистой скорости: созданный правительством США в 1945 году компьютер ENIAC рассчитывал баллистические траектории артиллерии быстрее живых расчетчиков. Сегодня же во главу угла встает энергоэффективность. В качестве биологической аналогии Рао приводит человеческий мозг, где интеллектуальный слой развивался неразрывно с биологическим субстратом. Мозг активно использует разреженность (sparsity) — избирательную активацию нейронных связей. На классических GPU с внешней памятью DRAM потенциал разреженности упирается в ограничения контроллеров и шин передачи данных. Только создание специализированных микросхем, изначально оптимизированных под структуру нейросетей, позволит реализовать этот потенциал. Это подтверждает необходимость специализации чипов под конкретные типы нагрузок, которой занимаются такие проекты, как Etched, Fractal, Olex и Cerebras. ## 🔋 Аппаратное обеспечение как конвертер энергии в интеллект [[JUMP:18:13]] Специализация процессоров не означает немедленной угрозы для Nvidia, чье лидерство Рао объясняет своевременным и точным стратегическим решением главы компании Дженсена Хуанга. На конференции GTC 2014 года Хуанг открыто сделал ставку на нейросети, вызвав недоумение у традиционных клиентов из игровой индустрии. За прошедшее десятилетие Nvidia довела программно-аппаратный стек до совершенства, однако сам рынок вычислений расширится еще минимум в 50 раз. Рао категорически не согласен с тезисом о грядущей коммодитизации аппаратного обеспечения. В его картине мира спрос на интеллект фундаментально бесконечен: * В живой природе бактерии конкурируют за солнечный свет, а организмы с развитыми сенсорными системами получают эволюционное преимущество. * Усложнение материи от одноклеточных до эукариотов, многоклеточных организмов и человеческих цивилизаций лишь повышает энергетические ставки. * В космических масштабах цивилизации шкалы Кардашева ведут борьбу за энергию звезд, где интеллект выступает главным экономическим ресурсом. С точки зрения экономики, аппаратная инфраструктура (чипы, серверы, интерконнект, системы охлаждения) выполняет одну функцию — конвертирует первичную энергию в интеллект. Тот, кто осуществляет эту конверсию с наименьшими потерями, получает максимальную маржу, поэтому «железо» останется самым привлекательным классом активов на ближайшие 10 лет. Более того, развитие генеративного ИИ радикально ускорило исследовательские циклы. При проектировании чипа в Unconventional AI возникла задача оценить распространение шума в цепочке связанных осцилляторов без сплошного соединения. Прежде постановка задачи инженерам, написание симулятора и анализ результатов заняли бы около двух недель; модель ИИ сгенерировала рабочий код и предоставила верифицируемый ответ за один час. ## ⚠️ Проблема валидации: почему узкое горлышко сместилось с генерации на верификацию [[JUMP:24:30]] Ускорение генерации артефактов обнажило новую системную проблему — лавинообразный рост низкокачественного машинного контента («AI slop») и трудности его валидации. Рао разграничивает развлекательные дипфейки в соцсетях и корпоративное применение ИИ. Если обыватели легко принимают сгенерированные видео (например, Дональда Трампа, играющего на гитаре) за чистую монету, то в инженерных и бизнес-задачах цена галлюцинации критична. Главным узким горлышком разработки становится не производство решений, а их проверка. Чтобы создать автомобиль, мост или программную систему, необходимо обладать точной спецификацией и уметь подтверждать соответствие каждого шага исходным требованиям. Отвечая на ремарку Стеббингса о доверии к автономным агентам, Рао предостерег от передачи им ответственности за стратегические решения: * Чтобы стать нейрохирургом, требуется семь лет резидентуры после окончания медицинской школы. Это время уходит не на отработку навыка наложения швов, а на формирование клинического мышления и способности выбирать верную тактику. * Современные языковые модели исследуют вероятностное пространство решений, генерируя цепочки рассуждений (Chain of Thought), но не обладают глубинным пониманием критериев оптимальности. * Чем длиннее цепочка последовательных решений агента, тем выше вероятность накопления ошибки и ухода в сторону внешне убедительного, но абсолютно ложного результата. Доверие к машинам станет возможным лишь тогда, когда модели превратятся в целостные программно-аппаратные системы с воспроизводимой экспертизой и надежными механизмами проверки достоверности. ## 📊 Данные и обучение с подкреплением: за пределами архитектуры Transformer [[JUMP:32:51]] Дата-провайдеры в экосистеме ИИ не превратятся в поставщиков сырья, если пойдут по пути глубокой специализации. Простой сбор разнородных интернет-текстов утратил ценность; решающим фактором стали синтез качественного программного кода и создание специализированных массивов данных для сложных логических цепочек. Рао отмечает, что архитектурные инновации в ведущих лабораториях отошли на второй план, уступив место выстраиванию программ обучения: * Предобучение (pre-training) задает базовый фундамент языковой эрудиции. * Промежуточный этап (mid-training), обучение с учителем (SFT) и обучение с подкреплением (RL) формируют финальное поведение и аналитические навыки модели. * Именно композиция этих этапов является главной закрытой экспертизой компаний вроде OpenAI, Anthropic, xAI и Google. Обучение с подкреплением (RL) привлекает всеобщее внимание не потому, что оно эффективно — с точки зрения затрат вычислительной мощности на единицу улучшения оно крайне неэффективно. Однако индустрия исчерпала запасы доступных текстовых данных, и дальнейшее масштабирование простым предобучением невозможно. По аналогии с отработкой теннисной подачи, где игрок сверяет траекторию с внутренней моделью движения, RL позволяет алгоритму совершенствоваться через верифицируемое вознаграждение: измерение скорости мяча и фиксацию попадания в корт. При этом Рао разделяет взгляд исследователя Яна Лекуна о неизбежности перехода к миру «пост-трансформеров». Механизм внимания (attention) представляет собой форму извлечения информации из контекста, на основе которой модель перебирает множество вариантов и синтезирует правдоподобный ответ. Человеческое мышление работает принципиально иначе: интеллект проявляется в умении решать проблемы по первым принципам при недостатке информации. Нынешние генеративные циклы агентного поиска вычислительно расточительны и неизбежно уступят место более строгим алгоритмическим подходам. ## 📉 Закат классического SaaS: почему традиционные софтверные инвесторы обречены [[JUMP:42:57]] Коммодитизация стремительно настигает промежуточные звенья стека — в первую очередь поставщиков инференс-хостинга. Компании, берущие открытые веса и разворачивающие их на облачной инфраструктуре с гарантией бесперебойной работы, выполняют важную сервисную функцию, однако стоимость токена неизбежно падает. Их рентабельность будет сжиматься, а открытые модели полугодовой давности уже сегодня закрывают большинство типовых задач. Вследствие этого традиционные софтверные инвесторы, по выражению Рао, оказались в ловушке. С 2010–2011 годов венчурная индустрия жила в условиях эйфории, когда любой стартап мог развернуть приложение на AWS с минимальными затратами, протестировать нишу и претендовать на рынок объемом 100–200 миллионов долларов. Это привело к колоссальной фрагментации рынка подписочного корпоративного софта. Через двадцать лет классический SaaS в привычном виде практически перестанет существовать. На смену продаже лицензий на софт приходит модель продажи готового результата — так называемые сервисы под видом программного обеспечения: * Юридический стартап Harvey трансформирует рынок юридических услуг: вместо раздутого штата младших юристов, вычитывающих договоры, система на базе ИИ с верификацией экспертами выполняет ту же работу в разы дешевле и быстрее. * Крупные корпоративные игроки уже готовы направлять до 80% рутинного документооборота и соглашений о неразглашении (NDA) автоматизированным решениям. * Гиганты вроде юрфирмы K&L Gates вкладывают по 500 миллионов долларов в собственную ИИ-инфраструктуру. * Небольшие региональные компании не смогут содержать собственные модели и будут вынуждены приобретать вертикальные прикладные решения "из коробки". ## 🏗️ Парадокс Джевонса и будущее разработчиков [[JUMP:50:46]] Рассуждения о скором исчезновении программистов Рао считает необоснованными. Комментируя заявление главы Salesforce Марка Бениоффа о планах перенаправить 300 миллионов долларов из фонда оплаты труда инженеров (составляющего 6 миллиардов долларов) на закупку ИИ-инструментов, Рао отметил, что совокупные затраты на фонд оплаты труда едва ли сократятся. Ценность высококлассного инженера никогда не измерялась количеством написанных строк кода. Ключевой актив опытного разработчика — архитектурное чутье и способность мгновенно верифицировать правильность системы. ИИ удешевляет создание элементарной кодовой базы, однако это запускает экономический парадокс Джевонса: резкое падение стоимости ресурса провоцирует взрывной рост спроса на него. Если ранее клиенты софтверных компаний мирились с годичным циклом выпуска релизов, то теперь требуют исправления багов в течение недели или одного часа. Бюджет компании на разработку остается на уровне 10 миллионов долларов, но объем выполняемых задач, глубина кастомизации и частота обновлений возрастают на порядки. В качестве примера Рао проводит строительную аналогию: 1. Строительство типового небоскреба сегодня занимает два года при участии бригады узкопрофильных специалистов. 2. Если робототехника возьмет на себя 80% тяжелых физических задач, сроки возведения сократятся с двух лет до 8 месяцев. 3. Следствием станет не увольнение рабочих, а двукратное увеличение количества возводимых небоскребов и расширение всего строительного сектора. ## 🤖 Робототехника: рынок на $10 трлн и почему агенты для кода переоценены [[JUMP:55:29]] Гарри Стеббингс выразил скепсис по поводу ранних инвестиций в робототехнику, посчитав рынок неготовым, а срок появления надежных прикладных решений — превышающим пять лет. Рао возразил ведущему, подчеркнув коварство экспоненциальных процессов, которые человеческое линейное мышление склонно недооценивать. По прогнозу Рао, рабочие прототипы для широкого спектра задач появятся в течение 2–3 лет, а полноценный коммерческий рынок сформируется через 5–7 лет. Рынок аппаратных агентов и инференса Рао оценивает в 10 триллионов долларов на горизонте ближайшего десятилетия. Перенос человеческого труда в вычислительную плоскость открывает колоссальные ниши, многократно превосходящие потребности традиционных отраслей вроде транспорта, продовольствия или жилья. Робототехника превзойдет рынок ИИ-агентов для написания кода в 100 раз: * Современные промышленные манипуляторы не обладают интеллектом — они выполняют жестко зашитые повторяющиеся траектории. * Физический мир до сих пор остается неосвоенным для адаптивного ИИ, способного самостоятельно диагностировать поломку, расчищать завалы или возводить конструкции в реальном времени. * Стоимость физических манипуляций не упадет до нуля, но снизится радикально, вызвав колоссальный спрос на миллиарды автономных машин. Сам Рао направляет капитал не в прикладные пользовательские оболочки, а в фундаментальные физические модели и компании, проектирующие аппаратное обеспечение в связке с алгоритмами — такие как Physical Intelligence и Rota. На раннем этапе оценка раунда не имеет решающего значения: когда речь идет о триллионных рынках, погоня за скидкой на оценку теряет практический смысл. ## ⚡ Блиц-опрос: венчурные заблуждения, европейский консерватизм и наука о Вселенной [[JUMP:1:02:40]] В финальном блиц-раунде Навин Рао поделился личными взглядами на инвестиции, технологический ландшафт и фундаментальную науку: * **Отказ от метрики market validation.** Традиционная венчурная проверка соответствия продукта рынку работает исключительно в плоскости поверхностного софта. В проектах категории Deep Tech (лечение онкологии, новая физика чипов, биология) рынок гарантированно существует и имеет безграничную емкость; единственным фактором риска остается решение фундаментальной инженерной проблемы. * **Идеальный сценарий при неограниченных ресурсах.** Рао начал бы строительство собственных кремниевых фабрик полного цикла, контролируя процесс от химической резки монокристаллического слитка кремния до финальной топологии кристалла под нужды нейросетей. * **Самые переоцененные направления.** Стартапы в сфере клиентской поддержки и ИИ-ассистенты для написания кода (IDE-оболочки вроде Cursor). Пользователи без труда меняют интерфейсы, а основная экономическая стоимость аккумулируется на уровне провайдеров базовых моделей. * **Распределение генерации токенов.** Через три года 80% всех вычислительных токенов будет генерироваться открытыми моделями, и лишь 20% придется на закрытые проприетарные системы. При этом финансовые затраты разделятся поровну (50 на 50) — по аналогии с экосистемой Apple, где iPhone занимает 20% рынка в штуках, но забирает подавляющую часть отраслевой прибыли. * **Лучший питч в карьере.** Встреча со Стивом Юрветсоном в 2014 году при запуске Nervana Systems. Вместо типичных финансовых вопросов инвестор устроил глубокий разбор научных публикаций по численным представлениям данных и общался на равных как профильный инженер-исследователь. * **Культурный разрыв между США и Европой.** Стеббингс посетовал, что европейская экосистема застряла в консервативных идеях управления расходами, воспринимая предпринимательство как «стартап-туризм». Рао подтвердил, что в США венчурный рынок дает негласное разрешение на дерзкие, масштабные идеи, тогда как в Европе нестандартный размах чаще воспринимается как безрассудство. * **Отношение к личному капиталу.** Несмотря на крупные экзиты, Рао сохраняет бытовую бережливость в вопросах покупки одежды и переплат за путешествия, если не видит в них реальной потребительской ценности. * **Главный источник оптимизма.** Возможность использовать искусственный интеллект для прорыва в фундаментальной физике и понимании устройства Вселенной — от моделирования кротовых нор до решения не поддававшихся человеку уравнений. Алармистские сценарии о неминуемом уничтожении человечества искусственным интеллектом Рао назвал «самой глупой точкой зрения в мире».