# Мартин Касадо: «Экономика генеративного ИИ в 10 000 раз эффективнее человеческого труда»

Источник: https://www.youtube.com/watch?v=5yC4w4x5DSQ
Канал: a16z (Andreessen Horowitz)
Опубликовано: 25.09.2023

---

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
[[JUMP:00:34]]

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» [00:49]. 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 [01:52].

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 [02:45].
*   **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 [03:38].
*   **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 [04:16].

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 [05:06]. Даже современное «железо» для автопилота потребляет около 1,3 кВт энергии, в то время как человеческий мозг — всего 15 Вт [09:00].

## 🎨 Генеративный ИИ: три категории успеха
[[JUMP:06:15]]

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:

1.  **Creativity (Креативность):** генерация графики, видео, музыки и персонажей для игр [06:40].
2.  **Companionship (Компаньоны):** создание эмоциональных связей и социальных ролей через общение с ИИ-персонажами.
3.  **Co-pilot (Копилоты):** помощь в рабочих и личных задачах, от написания кода до планирования дел [06:53].

В отличие от классического ИИ, эти направления не страдают от необходимости идеальной точности. По словам гостя, в творчестве понятия «неправильного» результата практически не существует [07:31]. 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 [08:09].

## 💰 Экономическая асимметрия: в 10 000 раз дешевле человека
[[JUMP:09:25]]

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 [09:28]. 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 [10:08].
*   **Разработка видеоигр:** создание целой игры (3D-модели, озвучка, сюжет) может сократиться в стоимости с сотен миллионов долларов до нескольких долларов за вычислительные мощности (инференс) [10:47].

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 [13:25].

## 🌐 Третья эпоха вычислений и парадокс Джевонса
[[JUMP:11:53]]

Мартин Касадо вписывает текущий момент в глобальную историю технологий, выделяя три ключевые эпохи:

1.  **Микрочип:** обнулил предельную стоимость вычислений. Компьютер ENIAC был в 5000 раз быстрее человека-вычислителя, что создало IBM и индустрию софта [12:19].
2.  **Интернет:** обнулил стоимость дистрибуции. Доставка битов информации стала в разы дешевле и быстрее физической логистики, что породило Amazon и Yahoo [12:31].
3.  **Генеративный ИИ:** обнуляет предельную стоимость созидания (контента, диалога, интеллектуального труда) [13:00].

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 [13:51]. Поскольку спрос на креатив и автоматизацию работы практически безграничен, гость прогнозирует масштабный рост производительности и появление множества новых типов профессий [14:34].