Генеративный ИИ — это масштабная афера, в которой стоимость вычислений для одного пользователя в сотни раз превышает цену подписки, а технологический прогресс уже упёрся в невидимый потолок. Пока корпорации имитируют «гонку вооружений» с Китаем, за кулисами разворачивается гигантская финансовая пирамида с кольцевыми схемами инвестиций между Nvidia и Microsoft. Если этот пузырь не лопнет в ближайшие два года, он рискует утянуть за собой всю мировую экономику, оставив розничных инвесторов с пустыми пенсионными счетами.
💸 Великий ИИ-обман: Экономический миф и реальность «пузыря» 0:00
Эд Зитрон (Ed Zitron), ветеран технологической индустрии с 16-летним стажем , начинает разговор с резкого и бескомпромиссного тезиса: генеративный искусственный интеллект в своей основе является глобальным обманом (con) . По его мнению, сверхбогатые и влиятельные лидеры индустрии намеренно вводят мир в заблуждение, продавая «магию», которая на деле оказывается лишь «недоделанной машиной для стрельбы из лука» . Зитрон утверждает, что индустрия эксплуатирует слабости журналистики и экономики, преувеличивая возможности технологии и скрывая её катастрофическую финансовую нерентабельность .
Генеративный ИИ как глобальная афера 0:02:48
Основная претензия Эда Зитрона заключается в том, что ИИ не является «честным программным обеспечением» . Вместо того чтобы представлять продукт как дорогой и часто ненадежный облачный софт, его позиционируют как нечто, способное вылечить рак или заменить все рабочие места . Зитрон называет происходящее «крупнейшим недобровольным внедрением технологии в истории» .
По мнению критика, мы наблюдаем «безголового зверя капитализма», который отчаянно ищет рост там, где его нет, используя тактику запугивания . Людей заставляют верить, что они безнадежно отстанут, если не внедрят ИИ в свои рабочие процессы, хотя реальные данные об экономическом росте, вызванном этими технологиями, отсутствуют . Зитрон подчеркивает, что такие инструменты, как ChatGPT, Gemini или Co-pilot, навязываются пользователям повсеместно: от Google Docs до текстовых редакторов Word, превращаясь в своего рода «троллинг-судно», которое бороздит океан информации, но постоянно ошибается в деталях .
Экономическая нежизнеспособность бизнес-моделей 0:04:30
Финансовая сторона ИИ-индустрии, по мнению Зитрона, выглядит ещё более пугающе, чем технические огрехи. Ведущие компании сектора — OpenAI, Anthropic, Microsoft, Google, Amazon и Nvidia — создали экосистему, которая держится на скрытых дотациях . Зитрон приводит поразительные цифры: в прошлом году убытки OpenAI составили 20,9 миллиарда долларов .
Ситуация усугубляется тем, что около 70% всех доходов от ИИ в облачных гигантах (Microsoft, Amazon, Google) генерируются за счет OpenAI и Anthropic — двух глубоко убыточных стартапов, которые существуют только благодаря вливаниям от тех же самых гигантов . Зитрон описывает это как замкнутый круг:
- Amazon инвестирует 5 миллиардов долларов в Anthropic .
- Google направляет 10 миллиардов долларов той же компании .
- Microsoft направляет миллиарды в OpenAI .
При этом публичные компании отказываются раскрывать чистую выручку от ИИ, маскируя её расплывчатыми терминами вроде «annualized run rate» (годовой темп выручки), который не имеет четкого определения в бухгалтерии и может трактоваться как угодно . По расчетам аналитиков, в ближайшие три года рынок ожидает от этих убыточных компаний выручки в 400 миллиардов долларов, но Зитрон уверен: математика не сходится . Microsoft потратила 115 миллиардов долларов на капитальные расходы (CapEx) в этом году и планирует потратить 175 миллиардов в следующем, при этом реальный доход от ИИ (за вычетом доли OpenAI) составляет ничтожную долю от этих вложений .
Токены и скрытые субсидии: кто платит за «магию»? 0:12:00
Одной из самых тщательно охраняемых тайн индустрии является реальная стоимость вычислений. В мире ИИ основной валютой являются токены (примерно 3/4 слова) . Пользователь платит за подписку фиксированные 20 или 200 долларов в месяц, но реальный расход ресурсов может быть колоссальным .
Зитрон ссылается на данные группы SemiAnalysis, согласно которым:
- Активный пользователь подписки за $200 в ChatGPT может фактически «прожигать» токенов на сумму до $14,000 .
- Аналогичный пользователь в Anthropic может тратить ресурсов на $8,000 .
- Даже на базовом тарифе за $20 расход токенов часто достигает $400 .
Компании вынуждены субсидировать каждого «продвинутого пользователя», работая в огромный минус . Эд Зитрон приводит пример компании Uber, которая в марте 2024 года попыталась перевести свои процессы на реальную оплату стоимости токенов и сожгла годовой бюджет на ИИ всего за три месяца . Как только корпорации сталкиваются с необходимостью платить рыночную цену, а не субсидированную, их энтузиазм мгновенно угасает .
Проблема усугубляется стоимостью инфраструктуры. Например, проект дата-центра Stargate Abilene в Техасе (совместно OpenAI и Oracle) потребует 1,2 гигаватта энергии — это больше, чем потребляет весь город Бристоль . Вся эта мощь концентрируется на пространстве, которое в 1100 раз меньше городской площади, требуя миллиардных инвестиций в чипы Nvidia . Зитрон резюмирует: индустрия продает доллар за 20 или 40 центов в надежде на будущую монополию, но стоимость обучения и поддержки моделей (inference) только растет, не оставляя шансов на органическую прибыльность .
🧩 Галлюцинации и иллюзия надежности: почему ИИ нельзя доверять 25:08
Вероятностная ловушка: когда 99% точности недостаточно 25:08
Эд Зитрон настаивает на том, что фундаментальная проблема современных языковых моделей заключается в их природе: это вероятностные машины, а не детерминированный софт . Когда пользователь запрашивает данные, ИИ не «знает» их, а вычисляет наиболее вероятную последовательность символов. Зитрон приводит личный пример: при подготовке рассылки он попросил модель найти динамику акций техгигантов, и та выдала цену акций Microsoft в $575, хотя такой отметки компания никогда не достигала .
Если в контексте написания статьи такая ошибка — лишь досадная мелочь, то в критических индустриях последствия становятся фатальными. Зитрон выделяет несколько зон особого риска:
- Медицина: инструменты транскрибации для врачей, которые могут исказить диагноз или дозировку .
- Финансы: модели для хедж-фондов, ошибки в которых ведут к колоссальным убыткам .
- Программирование: ИИ-инструменты при рефакторинге кода могут незаметно оставить «открытые двери» в системе безопасности или просто сломать логику, которую человек, привыкший к «вайб-кодингу» (программированию без глубокого погружения в код), не сможет исправить .
Критик скептически относится к заявлениям о прогрессе. Хотя лидерборды галлюцинаций (например, Victaria) показывают падение уровня ошибок на простых задачах суммаризации с 21% до 0,7% , это касается лишь базовых функций . Реальная проблема в том, что бенчмарки подстраиваются под сами модели, создавая иллюзию надежности там, где её нет .
Контекст против вывода: почему ИИ не заменит сотрудника 28:12
В дискуссии со Стивеном Бартлеттом Эд Зитрон оспаривает популярный тезис о том, что ИИ можно сравнивать с «не очень способным интерном». Стивен предполагает, что если ИИ ошибается в 0,7% случаев, но работает быстрее и знает больше человека, то это выгодная сделка . Зитрон парирует: ценность сотрудника (например, его редактора Мэтта Хьюза) заключается не в хранении фактов, а в контексте, эмпатии и уникальном жизненном опыте .
«Я плачу Мэтту не за то, что он знает всё, а за то, что у него есть характер, контекст и способность ненавидеть или любить темы, о которых он пишет» . Основные отличия человека от ИИ, по мнению Зитрона:
- Память vs Доступ к файлам: ИИ не «помнит» имя вашей собаки в человеческом смысле — он просто имеет доступ к логам, которые иногда может прочитать, а иногда — нет .
- Обучение: Интерн обучается, адаптируется к вашим привычкам и настроению, в то время как ИИ требует создания громоздких «инструкций» (.md файлов), которые он всё равно интерпретирует случайным образом .
- Процесс vs Результат: Процесс совместного творчества и «погружения в кроличью нору» при поиске информации сам по себе формирует ценный результат, который невозможно получить, просто запросив «среднестатистический отчет» у машины .
Эд подчеркивает: когда вы используете ИИ для аналитики, вы получаете «generic slop» (типовую кашицу) . Даже продвинутые системы, используемые хедж-фондами, выдают одинаковые, пустые отчеты, которые лишены новизны .
Миф об «очевидной ценности» и манипуляция терминами 35:47
Зитрон проводит жесткую границу между ИИ и по-настоящему прорывными технологиями прошлого. Когда появился первый iPhone, его ценность была очевидна моментально, несмотря на высокую цену и отсутствие клавиатуры . Стив Баллмер смеялся над ним , но обычные пользователи сразу понимали, как это меняет их жизнь . В случае с генеративным ИИ индустрия постоянно пытается оправдать его существование через сложные графики и «метрики, которые ничего не значат» .
Одной из главных уловок техгигантов Эд называет намеренное смешение понятий под зонтичным брендом «ИИ» :
- Настоящая наука: протеомное моделирование (сворачивание белков) не имеет ничего общего с LLM, но их записывают в один список достижений .
- Робототехника: роботы-пылесосы или автономное оружие работают на других принципах, но их успехи приписывают «ИИ-революции», чтобы скрыть провалы языковых моделей .
- Поиск Google: многие полезные функции поиска существовали задолго до генеративного ИИ, но теперь их пытаются выдать за часть новой волны .
Это делается для того, чтобы на любую критику LLM можно было ответить: «Но ведь ИИ лечит рак!» . На самом деле, как отмечает Зитрон, современные языковые модели — это просто «веб-сайт, который что-то вам говорит», а не автономный интеллект . Ранее в разговоре они уже касались темы того, что текущий рост популярности ChatGPT (100 млн пользователей за 60 дней ) обусловлен не столько реальной пользой, сколько скрытыми субсидиями и бесплатным доступом.
Энергетический тупик и инфраструктурная ложь 45:08
Сравнение ИИ-бума с пузырем доткомов 1990-х часто используется как аргумент «за»: мол, тогда тоже был крах, но потом вырос Amazon. Зитрон указывает на критическую экономическую разницу. В 90-е годы «пузырь» создал избыток оптоволокна («dark fiber»), которое осталось в земле и позволило интернету стать дешевым и быстрым позже .
С ИИ ситуация обратная:
- Затраты не падают: Дата-центр, построенный сегодня, в 2050 году будет требовать столько же (или больше) электричества, если не произойдет магического прорыва в физике .
- Агрессивное потребление: На стадии планирования сейчас находятся объекты мощностью 190 гигаватт . Это требует инвестиций в размере от 1,6 до 3 триллионов долларов в год для поддержания спроса, которого просто не существует вне вливаний капитала от самих техгигантов друг другу .
- Смешение типов данных: Нельзя сравнивать обычный дата-центр для облачного банкинга или Facebook с GPU-фермами для генеративного ИИ . Последние потребляют колоссальное количество энергии ради одной-единственной задачи — генерации вероятностного текста .
Зитрон подытоживает: нас заставляют верить в неизбежность ИИ, используя ложные исторические аналогии и скрывая тот факт, что технология остается экономически нежизнеспособной без постоянного сжигания миллиардов долларов на GPU .
⚡️ Иллюзия прогресса: деградация поиска и миф о замене человека 50:16
Современная технологическая индустрия находится в парадоксальной точке: пока корпорации инвестируют сотни миллиардов в инфраструктуру данных , рядовой пользователь сталкивается с тем, что привычные цифровые инструменты становятся менее надежными. Эд Зитрон (Ed Zitron) утверждает, что вместо обещанного скачка продуктивности мы наблюдаем системное ухудшение качества интернета, вызванное как сомнительными управленческими решениями, так и внедрением сырых ИИ-технологий.
Смерть Google Search и нашествие «слопа» 53:04
Одной из центральных тем критики Эда Зитрона (Ed Zitron) становится упадок поисковой системы Google, который он связывает с сознательной политикой руководства компании. История деградации началась задолго до текущего ИИ-бума. В 2019 году в Google был объявлен внутренний режим «code yellow» из-за падения количества поисковых запросов . Тогдашний глава отдела рекламы Прабхакар Рагхаван (Prabhakar Raghavan) настаивал на необходимости увеличить этот показатель, даже если это означало выдачу менее точных ответов . Логика была проста: если пользователь сразу находит нужную информацию, он делает меньше запросов и видит меньше рекламы .
Результатом этой стратегии стало ослабление фильтров спама, что позволило низкокачественным сайтам заполнить выдачу . С появлением генеративного ИИ ситуация достигла критической точки. Теперь Google ставит сгенерированные ответы (AI Overviews) в самый верх страницы . Эд Зитрон (Ed Zitron) подчеркивает абсурдность этого решения:
- Вместо того чтобы быть навигатором по интернету, Google пытается сам стать «ответом» .
- ИИ-ответы часто содержат опасные ошибки, например, советы употреблять в пищу камни или ядовитые грибы .
- Это удерживает пользователя внутри экосистемы Google, окончательно убивая трафик для качественных сторонних ресурсов .
Проблема «слопа» (AI-slop) — низкокачественного контента, генерируемого ИИ, — распространяется и на сферу разработки. Программный код становится более забагованным, так как разработчики массово используют ИИ-помощников, не до конца понимая результат . Эд Зитрон (Ed Zitron) отмечает, что даже такие гиганты, как Amazon Web Services, в этом году сталкивались с падениями из-за ошибок, допущенных их собственными ИИ-инструментами для написания кода . GitHub буквально наводнен кодом, который люди «проталкивают», не проверяя, что создает эффект накопления ошибок в инфраструктуре .
Миф о массовом увольнении «белых воротничков» 1:05:25
Вопреки громким заявлениям руководителей технологических компаний о том, что ИИ заменит до 50% офисных сотрудников в ближайшие годы , Эд Зитрон (Ed Zitron) считает эти прогнозы манипуляцией. Он разделяет позицию, что ИИ не обладает контекстным пониманием и надежностью, необходимыми для полноценной замены квалифицированного труда.
В качестве примера он приводит юридическую сферу. О внедрении ИИ часто говорят партнеры юридических фирм, но никогда — рядовые юристы-ассистенты . Именно ассистенты выполняют «черновую» работу по поиску прецедентов и составлению ходатайств, требующую предельной точности . ИИ, для которого галлюцинации являются математически гарантированной особенностью (что подтверждают даже исследования OpenAI ), не может быть надежным инструментом в таких вопросах.
Зитрон выделяет несколько ключевых причин, почему массовой замены рабочих мест не происходит:
- Отсутствие корреляции с доходами: Исследование OpenAI показало отсутствие связи между затратами компании на ИИ-токены и выручкой на одного сотрудника .
- Проблема «дешевого труда»: ИИ заменяет людей только в тех сферах, которые руководство и так считало «дешевыми» и не важными — транскрибация, базовый перевод или стоковая иллюстрация .
- Ловушка продуктивности: Нет никаких доказанных данных о реальном росте продуктивности в масштабах экономики; компании лишь заваливают себя избыточным, посредственным контентом .
По мнению гостя, страх перед увольнением активно подогревается маркетингом. Сэм Альтман и другие лидеры индустрии используют тактику FOMO (страха упущенной выгоды), заставляя бизнес верить, что если они не внедрят ИИ сегодня, то завтра останутся позади . Это создает «культ софта», где приверженность компании важнее реальной пользы технологии .
Реальность автономных систем: кейс беспилотников 1:01:43
Разговор о замене рабочих мест неизбежно касается транспортной сферы. Хотя статистика показывает, что беспилотные автомобили попадают в аварии значительно реже людей (на 55–68% меньше происшествий на миллион миль ), Эд Зитрон (Ed Zitron) призывает к осторожности. Проблема ИИ-систем заключается не в среднем показателе, а в «краевых случаях» (edge cases) .
В то время как человек способен интуитивно среагировать на ребенка в светоотражающем жилете, выбежавшего на дорогу в дождь, для ИИ это может стать неразрешимой задачей . Зитрон вспоминает случай в Лас-Вегасе, когда группа беспилотников Zoox просто «заснула» и заблокировала выезд из отеля, создав затор . Аналогичные ситуации происходят и с Waymo в Сан-Франциско .
Главный риск, по мнению Зитрона, заключается в потере человеческого контроля над критической инфраструктурой. Он настаивает на том, что такие системы должны считаться «виновными, пока не доказано обратное» , и их развертывание должно быть максимально медленным и контролируемым, вопреки желанию корпораций как можно быстрее заменить водителей Uber автономным флотом .
🤖 Риски кибербезопасности и геополитический блеф 1:15:21
«Не те руки»: Кто на самом деле создает угрозу безопасности? 1:15:21
Когда речь заходит о рисках искусственного интеллекта, Эд Зитрон призывает сменить фокус с фантастических сценариев захвата мира на вполне осязаемую опасность: людей, которые управляют этими технологиями. Главная угроза кибербезопасности заключается не в «сознании» моделей, а в руках руководителей корпораций, использующих ИИ для манипуляций и небезопасных экспериментов . По мнению Зитрона, компании обучают модели совершать действия в интернете (например, кликать по ссылкам и взаимодействовать с интерфейсами), просто потому что у них закончились другие данные для обучения, хотя это несет колоссальные риски .
Эд Зитрон критикует «пророков апокалипсиса» вроде Джеффри Хинтона, которые предупреждают об уничтожении общества, но при этом продолжают удерживать акции тех же техгигантов . Настоящая опасность — это не гипотетический сверхразум, а возможность бесконтрольного использования огромных вычислительных мощностей (compute) для брутфорс-атак и хакерских сценариев . Зитрон предлагает радикально простое решение для обеспечения безопасности: регулировать и ограничивать доступ корпораций к вычислительным мощностям, буквально «выжигая» эту возможность законодательно .
Проблема безопасности сегодня — это не «будущие катастрофы», а реальный вред:
- Автоматизация создания вредоносного контента и «шлака» (slop), забивающего информационные каналы .
- Обучение моделей на украденных данных миллионов людей без их согласия .
- Отсутствие надежности в ответах, которые ИИ выдает за истину, несмотря на мелкие дисклеймеры об ошибках .
Геополитический блеф: миф об ИИ-гонке с Китаем 1:19:15
Одним из самых удобных оправданий для бесконтрольного сжигания триллионов долларов на инфраструктуру стал аргумент о «необходимости победить Китай» . Эд Зитрон называет это мифом и задает прямой вопрос: «В какой именно гонке мы участвуем?» . Если цель — создать огромные языковые модели, то Китай уже сделал это, причем даже без официального доступа к новейшим чипам Nvidia .
Аналитики, такие как Какаши и Джастарио, на которых ссылается Зитрон, годами указывают на то, что у Китая уже есть необходимые GPU, полученные в обход санкций, включая архитектуры Blackwell . Идея о том, что США должны потратить триллионы только для того, чтобы «Китай не победил», выглядит как попытка заставить общество постоянно «мочить штаны от страха» ради выгоды поставщиков оборудования .
В реальности, инвестиции в сотни миллиардов долларов не коррелируют с реальным экономическим ростом . Почти вся экономика ИИ-сектора сегодня — это круговорот денег: Nvidia продает чипы компаниям вроде CoreWeave, а те тратят деньги инвесторов на облачные услуги Microsoft или Google, чтобы снова покупать чипы Nvidia . Это спекулятивный пузырь в инфраструктуру, который пока не принес прибыли, сопоставимой с затратами в 600 миллиардов долларов капитальных вложений .
Культ «агентности» и корпоративное принуждение 1:23:20
В попытке оправдать инвестиции индустрия продвигает концепцию «агентного ИИ» (agentic AI). Эд Зитрон называет это одной из самых больших лживых уловок: по сути, это те же LLM, просто работающие в связке друг с другом под управлением дополнительного софта . Когда руководители обещают, что «агенты» заменят сотрудников, они часто путают это с базовой автоматизацией, которая существовала годами .
Зитрон отмечает опасную социальную тенденцию — «AI-washing» рабочих мест. В современных компаниях сотрудники вынуждены имитировать использование ИИ, чтобы угодить начальству, даже если это не приносит пользы . Если человек не говорит, что он стал продуктивнее благодаря ИИ (вне зависимости от правды), это может иметь для него профессиональные последствия вплоть до увольнения .
Ранее в разговоре Эд касался темы качества софта, и здесь он подчеркивает: ИИ делает «простые вещи еще проще, а сложные — сложнее» . В итоге мы получаем:
- «Слоппификацию» (slopification) контента: интернет заполняется однотипными постами и текстами, созданными нейросетями .
- Обесценивание навыков: то, что может генерировать машина, становится дешевым товаром (commodity), а по-настоящему ценным остается только человеческий вкус и личный опыт .
- Ложные метрики успеха: модели становятся лучше в тестах, под которые их специально тренировали, но это не означает роста реального интеллекта .
Несмотря на обещания Сэма Альтмана о том, что через полгода ИИ станет похож на «джинна, исполняющего желания», текущие возможности моделей стагнируют . Эд Зитрон заключает, что экспоненциальное улучшение софта всегда было следствием прорывов в «железе», но даже 10 поколений процессоров от Google и новые чипы Broadcom для OpenAI не могут решить фундаментальную проблему: ИИ остается убыточным и ненадежным инструментом, который пытаются продать как спасение человечества .
📉 Тупик масштабирования и «кольцевой» пузырь Nvidia 1:40:22
Современная индустрия искусственного интеллекта столкнулась с парадоксом: несмотря на триллионные вливания, технологический прогресс начинает упираться в стену. Эд Зитрон (Ed Zitron) утверждает, что нынешние центры обработки данных строятся не ради реального улучшения пользовательского опыта, а как результат спекулятивного ожидания спроса на генеративный ИИ . Пока корпорации вроде Meta отчитываются о скромных успехах — например, Марк Цукерберг заявлял об увеличении удержания пользователей в Instagram всего на 15 базисных пунктов (0,15%) за счет ИИ-алгоритмов , — затраты на поддержание этой иллюзии роста исчисляются десятками миллиардов долларов .
Предел возможностей: когда данные и деньги перестают работать 1:49:41
Основная проблема современных больших языковых моделей (LLM) заключается в законе убывающей отдачи. Чтобы получить даже незначительное улучшение качества ответов, компаниям требуется экспоненциально больше вычислительных мощностей и данных . Эд Зитрон (Ed Zitron) подчеркивает, что этот прогресс — не естественный процесс развития технологий, а результат искусственного «перелива» капитала . В отличие от предыдущих технологических гигантов, путь ИИ к прибыльности выглядит пугающе дорогим:
- Масштабы убытков: В то время как Amazon Web Services (AWS) потребовалось около 30 млрд долларов (с поправкой на инфляцию) за 12 лет, чтобы стать прибыльным , современные ИИ-лаборатории сжигают сопоставимые суммы за год или два .
- Провальные тренировки: Эд Зитрон (Ed Zitron) приводит в пример слухи о разработке GPT-5: как минимум один тренировочный цикл стоимостью в полмиллиарда долларов закончился неудачей и не принес никаких значимых результатов .
- Безумные бюджеты: Сэм Альтман и OpenAI уже озвучивают планы потратить до 750 миллиардов долларов на вычислительные мощности к 2030 году .
Зитрон сравнивает текущую ситуацию с «банановым деревом на необитаемом острове»: технологические гиганты, чей основной бизнес перестал расти взрывными темпами, в отчаянии бросаются на ИИ как на единственный источник будущей капитализации . Если приток инвестиций остановится, прогресс LLM просто замрет, так как у компаний не останется средств на покупку колоссальных объемов данных и их обработку . Ранее в интервью уже упоминалось, что такая модель ведет к экономической нежизнеспособности, но здесь акцент именно на технологическом плато: модели требуют всё больше «кормления», выдавая всё меньше инноваций .
Пузырь GPU и финансовые манипуляции Nvidia 1:58:52
Особую роль в раздувании ИИ-рынка играет Nvidia. Эд Зитрон (Ed Zitron) прямо обвиняет компанию и венчурных капиталистов в создании «кольцевых схем» финансирования, которые маскируют реальное отсутствие спроса . Механика этого процесса, по словам эксперта, выглядит следующим образом:
- Прямые инвестиции в клиентов: Nvidia инвестирует в такие компании, как CoreWeave или Neocloud .
- Целевое использование средств: Эти компании (зачастую не имеющие другой бизнес-модели, кроме сдачи GPU в аренду) используют полученные деньги для покупки чипов у самой же Nvidia .
- Залоговые схемы: Nvidia заключает контракты на обратную аренду своих же мощностей, чтобы стартапы могли прийти в банк и использовать эти контракты как доказательство наличия клиентов для получения новых кредитов .
Это создает ситуацию «открытого сезона» для тех, кто хочет покупать GPU, в то время как обычный бизнес страдает от высоких процентных ставок . Зитрон называет это «порнографической демонстрацией несправедливости мира»: если вы хотите открыть обычный прибыльный магазин, банк подвергнет вас тотальной проверке, но если вы хотите построить убыточный дата-центр с чипами Nvidia, вам дадут миллиарды .
Венчурные гиганты, такие как SoftBank, и тех-гиганты вроде Amazon и Microsoft продолжают циркуляцию денег в этой закрытой экосистеме, потому что их собственный рост теперь напрямую зависит от того, сколько они потратят на оборудование . Эд Зитрон (Ed Zitron) уверен: рынок ИИ держится на «фугази» (фиктивных показателях), где расходы на GPU выдаются за свидетельство неминуемого технологического прорыва, которого в реальности не происходит . Инвесторы выдали индустрии «кредит доверия авансом», но время, когда за потраченные триллионы придется отчитываться реальной прибылью, стремительно приближается .
📉 Прогноз на 2027 год: Крах OpenAI и начало «тех-депрессии» 2:08:38
Экономическое домино: Почему 2027 год станет роковым 2:08:38
Эд Зитрон уверен, что мы находимся внутри масштабного «ИИ-пузыря», который неизбежно лопнет, когда у ключевых игроков закончатся наличные средства . Центральной точкой будущей катастрофы он называет OpenAI. Несмотря на огромные инвестиции, компания постоянно откладывает выход на биржу (IPO): финансовый директор Сара Фриар сначала намекала на текущий год, но теперь сроки сдвинулись на 2027-й . Зитрон объясняет это тем, что советники OpenAI опасаются оценки в 1 триллион долларов, понимая её нереалистичность .
Для выживания OpenAI требуется привлекать не менее 100 миллиардов долларов ежегодно . Если компания не сможет выйти на биржу или поднять новый раунд финансирования на прежних условиях, её ждёт коллапс, который потянет за собой всю индустрию . Зитрон предсказывает следующий сценарий:
- OpenAI теряет темп и сжигает остатки наличности к 2027 году .
- Anthropic, возможно, попытается выйти на IPO раньше, но также столкнётся с «потолком» роста и убыточностью .
- Крупнейшие держатели акций, такие как SoftBank, окажутся в ловушке: у них на бумаге активы на 100 миллиардов долларов, которые невозможно ликвидировать или использовать в качестве залога .
- Гиганты вроде Microsoft, Google и Amazon будут вынуждены официально пересмотреть свои прогнозы роста в сторону понижения .
Ранее в разговоре Эд упоминал об экономической нежизнеспособности текущих моделей, и теперь он подчеркивает: когда рынок осознает отсутствие «гиперроста», наступит затяжная «тех-депрессия» . Компании больше не смогут маскировать стагнацию своих основных продуктов покупкой GPU и обещаниями скорого прорыва в ИИ .
Крах фондового рынка и удар по пенсионным накоплениям 2:13:48
Последствия лопнувшего пузыря выйдут далеко за пределы Кремниевой долины. Зитрон выражает глубокую озабоченность судьбой обычных розничных инвесторов, которые вложились в компании «Великолепной семёрки» (Apple, Microsoft, Nvidia и др.) в надежде на вечный рост . Поскольку Nvidia сейчас занимает критическую долю в индексах S&P 500 и NASDAQ, обвал её доходов (которые могут сократиться на 50–70%) вызовет цепную реакцию по всему рынку .
Эд предупреждает о «депрессии пенсионных накоплений»: обычные люди могут потерять от 20% до 40% стоимости своих портфелей без надежды на быстрое восстановление . Ситуация усугубляется тем, что ИИ-стартапы, в которые вливалась половина всего венчурного капитала в последние годы, фактически не приносят прибыли и не имеют стратегии выхода, кроме продажи Илону Маску .
В зоне риска находятся и инфраструктурные гиганты. Например, Oracle строит дата-центры мощностью 7 гигаватт стоимостью более 400 миллиардов долларов специально под нужды OpenAI . Если OpenAI закроется, Oracle, чьи доходы без учёта инфляции не росли последние 15 лет, может просто прекратить своё существование . Зитрон сравнивает текущее состояние бигтеха с «инъекциями ботокса»: они тратят миллиарды, чтобы казаться молодыми и растущими, но скоро рынок начнёт оценивать их как обычные авиакомпании — стабильные, но лишённые инновационного будущего .
Критика «торговцев будущим»: Ложь как бизнес-стратегия 2:21:43
Завершая интервью, Эд Зитрон объясняет свою жёсткую позицию в отношении лидеров индустрии — Сэма Альтмана (OpenAI), Дарио Амодея (Anthropic) и Марка Цукерберга (Meta). Он признаётся, что испытывает к ним глубокое отвращение, которое граничит с физической тошнотой . По мнению Зитрона, эти люди систематически вводят общество в заблуждение, пользуясь отсутствием должного надзора со стороны регуляторов и скептицизма в СМИ .
Основные претензии Зитрона к руководству ИИ-компаний:
- Систематическая ложь: Они дают обещания, которые невозможно проверить, и используют «раздутые» метрики вроде annualized run rate для манипуляции рынком .
- Оторванность от реальности: Пока обычные люди несут ответственность за свои слова, миллиардеры получают карт-бланш на любые ошибки и ложные прогнозы .
- Презрение к клиенту: Компании перестали заботиться о качестве своих продуктов, сосредоточившись исключительно на поддержании курса акций через хайп .
Зитрон призывает людей быть крайне подозрительными ко всему, что обещает Кремниевая долина . «Не верьте обещаниям, верьте фактам: они говорят то, что заставляет акции расти, а не то, что происходит на самом деле», — резюмирует он . Вместо того чтобы инвестировать в «казино» фондового рынка, Эд советует ценить реальные человеческие отношения и сообщества, которые помогают сохранять здравый смысл в эпоху глобального обмана .
