В истории технологий искусственный интеллект долгое время оставался областью «завышенных ожиданий и несбывшихся надежд», где основные выгоды доставались технологическим гигантам, а не стартапам. Мартин Касадо, партнер венчурного фонда Andreessen Horowitz (a16z), утверждает, что сегодня мы стоим на пороге фундаментального сдвига: генеративный ИИ радикально меняет экономику софта, снижая стоимость создания контента и интеллектуальных услуг в десятки тысяч раз.
📉 Тупик классического ИИ: почему стартапы проигрывали корпорациям 0:34
На протяжении последних 70 лет развитие ИИ напоминало синусоиду с чередованием «зим» и «лет». Мартин Касадо вспоминает, что в 2003 году, когда он начинал работу над докторской диссертацией, около половины его коллег занимались ИИ, но уже через три года это направление считалось «мертвым» . Несмотря на прогресс в распознавании почерка и победы над людьми в шахматах, основные финансовые выгоды от внедрения технологий за последние десятилетия получили действующие гиганты — Meta, Google и Netflix .
По мнению Мартина Касадо, отсутствие «платформенного сдвига» (когда новые компании вытесняют старых игроков, как это было с мобильным интернетом или микрочипами) объясняется плохой экономикой ИИ-решений для молодых компаний. Касадо выделяет несколько причин, почему классический ИИ был невыгоден стартапам:
- Нишевые рынки: многие эффектные сценарии использования, такие как игра в шахматы, не являются полноценными рынками .
- Проблема «длинного хвоста»: большинство задач ИИ требовали абсолютной точности в граничных случаях. Для стартапа обеспечить 100% корректность технически сложно и дорого.
- Высокие переменные издержки: чтобы компенсировать ошибки алгоритмов, стартапы часто нанимали людей для ручной проверки результатов. Это превращало софтверную компанию в сервисную с низкой маржинальностью .
- Проклятие «спирали посредственности»: фаундеры обещают автоматизацию, сталкиваются с длинным хвостом ошибок, нанимают армию операторов и попадают на «беговую дорожку» бесконечных инвестиций в человеческий труд вместо чистого кода .
Классическим примером экономической неэффективности Мартин Касадо называет сектор роботакси. Несмотря на инвестиции в размере $75 млрд на протяжении десятилетий, экономика одной поездки до сих пор не может конкурировать с обычным водителем Uber . Даже современное «железо» для автопилота потребляет около 1,3 кВт энергии, в то время как человеческий мозг — всего 15 Вт .
🎨 Генеративный ИИ: три категории успеха 6:15
Нынешняя волна генеративного ИИ в корне отличается от предыдущих этапов. Мартин Касадо выделяет три новых класса продуктов (три «C»), которые уже демонстрируют жизнеспособность как независимые бизнесы:
- Creativity (Креативность): генерация графики, видео, музыки и персонажей для игр .
- Companionship (Компаньоны): создание эмоциональных связей и социальных ролей через общение с ИИ-персонажами.
- Co-pilot (Копилоты): помощь в рабочих и личных задачах, от написания кода до планирования дел .
В отличие от классического ИИ, эти направления не страдают от необходимости идеальной точности. По словам гостя, в творчестве понятия «неправильного» результата практически не существует . Более того, изменилась сама роль человека: теперь пользователь (human-in-the-loop) сам итерирует и исправляет результат, что снимает с компании бремя переменных издержек на персонал .
💰 Экономическая асимметрия: в 10 000 раз дешевле человека 9:25
Главный тезис Мартина Касадо заключается в том, что рынок трансформируется только тогда, когда экономика улучшается не в 10, а в 10 000 раз. В генеративном ИИ этот порог уже пройден.
Гость приводит конкретные примеры стоимости выполнения задач:
- Создание изображения: генерация портрета в стиле Pixar стоит около 0,1 цента и занимает одну секунду. Услуги профессионального художника обойдутся минимум в $100 и потребуют часов работы . Разница в стоимости и времени достигает 4–5 порядков.
- Анализ юридических документов: обработка сложного PDF-файла моделью типа LLM также стоит доли цента. Юрист за аналогичную работу возьмет сотни долларов, при этом его работу всё равно нужно перепроверять .
- Разработка видеоигр: создание целой игры (3D-модели, озвучка, сюжет) может сократиться в стоимости с сотен миллионов долларов до нескольких долларов за вычислительные мощности (инференс) .
По мнению Мартина Касадо, когда предельные издержки (marginal cost) создания чего-либо стремятся к нулю, индустрия неизбежно меняется. Это открывает дорогу к появлению новых «иконических» компаний, чьи очертания пока трудно предсказать .
🌐 Третья эпоха вычислений и парадокс Джевонса 11:53
Мартин Касадо вписывает текущий момент в глобальную историю технологий, выделяя три ключевые эпохи:
- Микрочип: обнулил предельную стоимость вычислений. Компьютер ENIAC был в 5000 раз быстрее человека-вычислителя, что создало IBM и индустрию софта .
- Интернет: обнулил стоимость дистрибуции. Доставка битов информации стала в разы дешевле и быстрее физической логистики, что породило Amazon и Yahoo .
- Генеративный ИИ: обнуляет предельную стоимость созидания (контента, диалога, интеллектуального труда) .
На опасения о потере рабочих мест Касадо отвечает ссылкой на парадокс Джевонса. Его суть в том, что при падении цены на ресурс (если спрос эластичен), потребление этого ресурса не падает, а лавинообразно растет . Поскольку спрос на креатив и автоматизацию работы практически безграничен, гость прогнозирует масштабный рост производительности и появление множества новых типов профессий .
