# Кэтрин Ли: «Будущее ИИ зависит от материаловедения, а не от алгоритмов» Источник: https://www.youtube.com/watch?v=OYQg7WjqlQo Канал: Stanford Graduate School of Business Опубликовано: 03.04.2026 --- Успех искусственного интеллекта сегодня принято измерять количеством параметров в нейросетях и мощностью алгоритмов. Однако за красивыми графиками возможностей LLM скрывается суровая физическая реальность: будущее технологий зависит не только от строк кода, но и от свойств материи. Кэтрин Ли, исследователь и магистр делового администрирования Стэнфордской высшей школы бизнеса, утверждает, что ИИ упирается в «материальный потолок», преодолеть который архитектурными правками невозможно. ## 🧪 От невидимого света к большим моделям [[JUMP:0:05]] Свой путь в науке Кэтрин Ли начала в лаборатории Корнеллского университета, где в течение четырех лет занималась материаловедением [0:30]. Ее специализацией были ближние инфракрасные органические светодиоды (OLED) с длиной волны более 900 нанометров — свет, невидимый для человеческого глаза, но фиксируемый сенсорами [0:05]. Этот «невидимый свет» сегодня является фундаментом привычных нам удобств: * **FaceID:** излучатели позволяют смартфонам узнавать владельца в полной темноте [0:44]. * **Беспилотный транспорт:** сенсоры дают возможность автомобилям «видеть» сквозь плотный туман [0:44]. Ли подчеркивает: в теории химия и формулы могут быть идеальными, но в лаборатории реальность превращается в битву за срок службы устройства [0:58]. Малейшая нестабильность интерфейса ведет к миграции ионов и коллапсу производительности. Главный урок, который она вынесла из инженерной практики: любая система сильна лишь настолько, насколько сильно ее самое слабое звено на уровне материалов [1:24]. ## 🧱 Три физических барьера развития ИИ [[JUMP:1:49]] По мнению Ли, будущее ИИ сегодня определяется не только способностями моделей, но и тремя физическими лимитами: вычислениями (Compute), данными (Data) и энергией (Energy) [1:49]. И за каждым из этих ограничений стоит фундаментальный вызов для материаловедения. ### 1. Эффективность вычислений: проблема «джоуля на бит» [[JUMP:2:02]] В современных ИИ-чипах логика и память по-прежнему разделены физически. Это создает постоянную необходимость перемещать данные туда и обратно. Процессоры думают невероятно быстро, но на перемещение битов через соединения тратится колоссальное количество энергии, которая превращается в тепло [2:28]. * **Троттлинг:** системы замедляются не из-за нехватки вычислительной мощности, а из-за невозможности отвести лишнее тепло [2:28]. * **Лимиты HBM:** технология памяти с высокой пропускной способностью (High-bandwidth memory), использующая 3D-стекирование, лишь временно отодвинула проблему. Наращивание HBM ограничено плотностью теплового потока и мощностью систем питания [3:10]. * **Географический масштаб:** когда данные покидают корпус чипа и проходят через стойки дата-центра по NVLink, потребление энергии на бит снова резко возрастает [3:23]. Ли настаивает: эту проблему невозможно решить программным кодом. До тех пор, пока память и логика не будут по-настоящему совмещены в едином материале, эффективность вычислений будет оставаться «стеной», в которую бьется индустрия [3:35]. ### 2. Целостность данных: «врущая» нервная система [[JUMP:4:02]] Если вычисления — это мышление ИИ, то данные — это его органы чувств. В физическом мире данные — это всегда измерения, проходящие через материалы сенсоров [4:14]. Кэтрин приводит пример с робототехникой: 1. Робот обучается идеально держать мокрое яйцо в лабораторных условиях [5:06]. 2. Спустя 6 месяцев эксплуатации в реальной кухне материалы сенсоров меняются под воздействием влаги и перепадов температур. 3. Электроника смещается, оптика мутнеет. Сигнал, который раньше означал «нежное прикосновение», теперь интерпретируется как «раздавить» [5:18]. Ли утверждает, что это не ошибка алгоритма — это «ложь» нервной системы устройства. Физический ИИ кажется хрупким вне лабораторий именно из-за нестабильности материального интерфейса между цифрой и реальностью [5:32]. ### 3. Энергетические отходы: невидимый налог [[JUMP:5:45]] Энергия — это налог, который платит каждый разработчик. В 2024 году дата-центры потребляют около 415 тераватт-часов энергии, что в восемь раз превышает годовое потребление электричества в Нью-Йорке [5:59]. По прогнозам Международного энергетического агентства (МЭА), к 2030 году это число удвоится [6:11]. Большая часть этой энергии тратится не на сам процесс «мышления», а на перемещение сигналов и охлаждение [6:11]. Современные решения в виде постройки дата-центров у атомных станций или попытки выноса серверов в космос всё равно упираются в ограничения материаловедения [6:39]. Без прорывов в этой области интеллект останется тяжелым, дорогим и централизованным [6:51]. ## 🛠 Упаковка интеллекта против внешнего мира [[JUMP:7:17]] Ли вспоминает свой опыт: устройства в лаборатории работали прекрасно, пока не сталкивались с окружающей средой. Влага просачивалась сквозь уплотнения, температурные колебания расслаивали структуру, а контакты подвергались коррозии [7:17]. «Чтобы выпустить интеллект в мир, его нужно сначала упаковать (защитить) от этого мира», — говорит она [7:30]. Работа материаловедов сегодня — это «тихая война» с теплом, потерями и временем. ### Краткосрочные и долгосрочные перспективы В ближайшее время прогресс может выглядеть невыразительно для широкой публики. Это будут: * Улучшенные методы упаковки чипов; * Более стабильные подложки; * Эффективные пути теплоотвода [8:16]. Однако на уровне масштабов ИИ даже несколько процентов прироста производительности за счет материалов отделяют красивое демо-видео от реального внедрения технологии в производство [8:29]. В долгосрочной перспективе Ли ожидает прорывов, которые не происходят «по расписанию»: появление работающих при нормальных условиях сверхпроводников, достижение когерентности в квантовых вычислениях и создание новых материалов, которые позволят информации вести себя иначе, чем сегодня [8:42]. Кэтрин Ли завершает свое выступление призывом к инвесторам и предпринимателям: будущее ИИ определяется не тем, что он может «надумать» внутри модели, а тем, сможет ли он выжить при контакте с физической реальностью. Эта битва за будущее будет выиграна не только в облаке, но и в лабораториях материаловедения [9:35].