# Великая ИИ-афера: почему пузырь OpenAI и Nvidia неизбежно лопнет

Источник: https://www.youtube.com/watch?v=Lf5oqGOCRCM
Канал: The Diary Of A CEO
Опубликовано: 27.08.2026

---

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»
[[JUMP:0:00]]

Эд Зитрон (Ed Zitron), ветеран технологической индустрии с 16-летним стажем [0:26], начинает разговор с резкого и бескомпромиссного тезиса: генеративный искусственный интеллект в своей основе является глобальным обманом (con) [0:00]. 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» [0:13]. Зитрон утверждает, что индустрия эксплуатирует слабости журналистики и экономики, преувеличивая возможности технологии и скрывая её катастрофическую финансовую нерентабельность [3:02]. 

### Генеративный ИИ как глобальная афера
[[JUMP:0:02:48]]

Основная претензия Эда Зитрона заключается в том, что ИИ не является «честным программным обеспечением» [2:48]. Вместо того чтобы представлять продукт как дорогой и часто ненадежный облачный софт, его позиционируют как нечто, способное вылечить рак или заменить все рабочие места [3:27]. Зитрон называет происходящее «крупнейшим недобровольным внедрением технологии в истории» [0:26]. 

По мнению критика, мы наблюдаем «безголового зверя капитализма», который отчаянно ищет рост там, где его нет, используя тактику запугивания [9:56]. 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 [0:52]. 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 [9:16].

### Экономическая нежизнеспособность бизнес-моделей
[[JUMP: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 [4:30]. Зитрон приводит поразительные цифры: в прошлом году убытки OpenAI составили 20,9 миллиарда долларов [0:50]. 

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 [4:43]. Зитрон описывает это как замкнутый круг:

*   Amazon инвестирует 5 миллиардов долларов в Anthropic [5:00].
*   Google направляет 10 миллиардов долларов той же компании [5:00].
*   Microsoft направляет миллиарды в OpenAI [5:10].

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 [5:35]. По расчетам аналитиков, в ближайшие три года рынок ожидает от этих убыточных компаний выручки в 400 миллиардов долларов, но Зитрон уверен: математика не сходится [5:08]. 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 [18:23].

### Токены и скрытые субсидии: кто платит за «магию»?
[[JUMP: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) [12:07]. Пользователь платит за подписку фиксированные 20 или 200 долларов в месяц, но реальный расход ресурсов может быть колоссальным [12:44]. 

Зитрон ссылается на данные группы SemiAnalysis, согласно которым:

*   Активный пользователь подписки за $200 в ChatGPT может фактически «прожигать» токенов на сумму до $14,000 [12:57].
*   Аналогичный пользователь в Anthropic может тратить ресурсов на $8,000 [13:09].
*   Даже на базовом тарифе за $20 расход токенов часто достигает $400 [13:09].

Компании вынуждены субсидировать каждого «продвинутого пользователя», работая в огромный минус [14:41]. 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 [13:50]. Как только корпорации сталкиваются с необходимостью платить рыночную цену, а не субсидированную, их энтузиазм мгновенно угасает [14:02]. 

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 [7:06]. Вся эта мощь концентрируется на пространстве, которое в 1100 раз меньше городской площади, требуя миллиардных инвестиций в чипы Nvidia [7:19]. 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 [15:22].

## 🧩 Галлюцинации и иллюзия надежности: почему ИИ нельзя доверять

[[JUMP:25:08]]

### Вероятностная ловушка: когда 99% точности недостаточно
[[JUMP:25:08]]

Эд Зитрон настаивает на том, что фундаментальная проблема современных языковых моделей заключается в их природе: это вероятностные машины, а не детерминированный софт [25:12]. 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 [25:34]. 

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 [25:48].
*   **Финансы:** модели для хедж-фондов, ошибки в которых ведут к колоссальным убыткам [25:55].
*   **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 [26:00].

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% [27:05], это касается лишь базовых функций [27:19]. Реальная проблема в том, что бенчмарки подстраиваются под сами модели, создавая иллюзию надежности там, где её нет [26:28].

### Контекст против вывода: почему ИИ не заменит сотрудника
[[JUMP: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 [28:52]. Зитрон парирует: ценность сотрудника (например, его редактора Мэтта Хьюза) заключается не в хранении фактов, а в контексте, эмпатии и уникальном жизненном опыте [29:06]. 

«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» [29:33]. Основные отличия человека от ИИ, по мнению Зитрона:

1.  **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 [30:50].
2.  **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 [30:12].
3.  **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 [33:12].

Эд подчеркивает: когда вы используете ИИ для аналитики, вы получаете «generic slop» (типовую кашицу) [33:39]. Даже продвинутые системы, используемые хедж-фондами, выдают одинаковые, пустые отчеты, которые лишены новизны [33:45].

### Миф об «очевидной ценности» и манипуляция терминами
[[JUMP: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 [36:25]. Стив Баллмер смеялся над ним [36:52], но обычные пользователи сразу понимали, как это меняет их жизнь [38:11]. В случае с генеративным ИИ индустрия постоянно пытается оправдать его существование через сложные графики и «метрики, которые ничего не значат» [36:00].

Одной из главных уловок техгигантов Эд называет намеренное смешение понятий под зонтичным брендом «ИИ» [47:56]:

*   **Настоящая наука:** протеомное моделирование (сворачивание белков) не имеет ничего общего с LLM, но их записывают в один список достижений [48:02].
*   **Робототехника:** роботы-пылесосы или автономное оружие работают на других принципах, но их успехи приписывают «ИИ-революции», чтобы скрыть провалы языковых моделей [48:09].
*   **Поиск Google:** многие полезные функции поиска существовали задолго до генеративного ИИ, но теперь их пытаются выдать за часть новой волны [48:35].

Это делается для того, чтобы на любую критику LLM можно было ответить: «Но ведь ИИ лечит рак!» [48:09]. На самом деле, как отмечает Зитрон, современные языковые модели — это просто «веб-сайт, который что-то вам говорит», а не автономный интеллект [42:02]. Ранее в разговоре они уже касались темы того, что текущий рост популярности ChatGPT (100 млн пользователей за 60 дней [38:40]) обусловлен не столько реальной пользой, сколько скрытыми субсидиями и бесплатным доступом.

### Энергетический тупик и инфраструктурная ложь
[[JUMP: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 [45:08]. 

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 [46:52]. 
*   **Агрессивное потребление:** На стадии планирования сейчас находятся объекты мощностью 190 гигаватт [49:12]. 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 [49:26].
*   **Смешение типов данных:** Нельзя сравнивать обычный дата-центр для облачного банкинга или Facebook с GPU-фермами для генеративного ИИ [50:04]. Последние потребляют колоссальное количество энергии ради одной-единственной задачи — генерации вероятностного текста [50:16].

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 [49:38].

## ⚡️ Иллюзия прогресса: деградация поиска и миф о замене человека

[[JUMP:50:16]]

Современная технологическая индустрия находится в парадоксальной точке: пока корпорации инвестируют сотни миллиардов в инфраструктуру данных [51:47], 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»
[[JUMP: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 [53:17]. Тогдашний глава отдела рекламы Прабхакар Рагхаван (Prabhakar Raghavan) настаивал на необходимости увеличить этот показатель, даже если это означало выдачу менее точных ответов [53:17]. Логика была проста: если пользователь сразу находит нужную информацию, он делает меньше запросов и видит меньше рекламы [53:44].

Результатом этой стратегии стало ослабление фильтров спама, что позволило низкокачественным сайтам заполнить выдачу [54:36]. С появлением генеративного ИИ ситуация достигла критической точки. Теперь Google ставит сгенерированные ответы (AI Overviews) в самый верх страницы [55:02]. Эд Зитрон (Ed Zitron) подчеркивает абсурдность этого решения:

*   Вместо того чтобы быть навигатором по интернету, Google пытается сам стать «ответом» [55:15].
*   ИИ-ответы часто содержат опасные ошибки, например, советы употреблять в пищу камни или ядовитые грибы [55:28].
*   Это удерживает пользователя внутри экосистемы Google, окончательно убивая трафик для качественных сторонних ресурсов [55:15].

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 [56:45]. 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 [56:18]. GitHub буквально наводнен кодом, который люди «проталкивают», не проверяя, что создает эффект накопления ошибок в инфраструктуре [57:23].

### Миф о массовом увольнении «белых воротничков»
[[JUMP:1:05:25]]

Вопреки громким заявлениям руководителей технологических компаний о том, что ИИ заменит до 50% офисных сотрудников в ближайшие годы [58:13], 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 [1:05:40]. Именно ассистенты выполняют «черновую» работу по поиску прецедентов и составлению ходатайств, требующую предельной точности [1:05:53]. ИИ, для которого галлюцинации являются математически гарантированной особенностью (что подтверждают даже исследования OpenAI [1:06:31]), не может быть надежным инструментом в таких вопросах.

Зитрон выделяет несколько ключевых причин, почему массовой замены рабочих мест не происходит:

1.  **Отсутствие корреляции с доходами:** Исследование OpenAI показало отсутствие связи между затратами компании на ИИ-токены и выручкой на одного сотрудника [1:06:18].
2.  **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 [1:06:44].
3.  **Ловушка продуктивности:** Нет никаких доказанных данных о реальном росте продуктивности в масштабах экономики; компании лишь заваливают себя избыточным, посредственным контентом [1:07:11].

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 [1:11:54]. Это создает «культ софта», где приверженность компании важнее реальной пользы технологии [1:09:48].

### Реальность автономных систем: кейс беспилотников
[[JUMP: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 [1:04:19]), Эд Зитрон (Ed Zitron) призывает к осторожности. Проблема ИИ-систем заключается не в среднем показателе, а в «краевых случаях» (edge cases) [1:02:22].

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 [1:02:34]. Зитрон вспоминает случай в Лас-Вегасе, когда группа беспилотников Zoox просто «заснула» и заблокировала выезд из отеля, создав затор [1:03:14]. Аналогичные ситуации происходят и с Waymo в Сан-Франциско [1:03:26].

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» [1:03:39], и их развертывание должно быть максимально медленным и контролируемым, вопреки желанию корпораций как можно быстрее заменить водителей Uber автономным флотом [1:01:06].

## 🤖 Риски кибербезопасности и геополитический блеф
[[JUMP:1:15:21]]

### «Не те руки»: Кто на самом деле создает угрозу безопасности?
[[JUMP: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 [1:15:35]. 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 [1:15:48].

Эд Зитрон критикует «пророков апокалипсиса» вроде Джеффри Хинтона, которые предупреждают об уничтожении общества, но при этом продолжают удерживать акции тех же техгигантов [1:16:28]. Настоящая опасность — это не гипотетический сверхразум, а возможность бесконтрольного использования огромных вычислительных мощностей (compute) для брутфорс-атак и хакерских сценариев [1:16:16]. Зитрон предлагает радикально простое решение для обеспечения безопасности: регулировать и ограничивать доступ корпораций к вычислительным мощностям, буквально «выжигая» эту возможность законодательно [1:16:52].

Проблема безопасности сегодня — это не «будущие катастрофы», а реальный вред:

*   Автоматизация создания вредоносного контента и «шлака» (slop), забивающего информационные каналы [1:33:17].
*   Обучение моделей на украденных данных миллионов людей без их согласия [1:33:42].
*   Отсутствие надежности в ответах, которые ИИ выдает за истину, несмотря на мелкие дисклеймеры об ошибках [1:33:30].

### Геополитический блеф: миф об ИИ-гонке с Китаем
[[JUMP:1:19:15]]

Одним из самых удобных оправданий для бесконтрольного сжигания триллионов долларов на инфраструктуру стал аргумент о «необходимости победить Китай» [1:19:15]. Эд Зитрон называет это мифом и задает прямой вопрос: «В какой именно гонке мы участвуем?» [1:19:27]. Если цель — создать огромные языковые модели, то Китай уже сделал это, причем даже без официального доступа к новейшим чипам Nvidia [1:19:33].

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 [1:19:40]. 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 [1:19:53].

В реальности, инвестиции в сотни миллиардов долларов не коррелируют с реальным экономическим ростом [1:17:56]. 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 [1:18:10]. Это спекулятивный пузырь в инфраструктуру, который пока не принес прибыли, сопоставимой с затратами в 600 миллиардов долларов капитальных вложений [1:18:50].

### Культ «агентности» и корпоративное принуждение
[[JUMP: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 [1:23:20]. Когда руководители обещают, что «агенты» заменят сотрудников, они часто путают это с базовой автоматизацией, которая существовала годами [1:24:25].

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 [1:26:21]. Если человек не говорит, что он стал продуктивнее благодаря ИИ (вне зависимости от правды), это может иметь для него профессиональные последствия вплоть до увольнения [1:26:08].

Ранее в разговоре Эд касался темы качества софта, и здесь он подчеркивает: ИИ делает «простые вещи еще проще, а сложные — сложнее» [1:30:05]. В итоге мы получаем:

*   «Слоппификацию» (slopification) контента: интернет заполняется однотипными постами и текстами, созданными нейросетями [1:29:38].
*   Обесценивание навыков: то, что может генерировать машина, становится дешевым товаром (commodity), а по-настоящему ценным остается только человеческий вкус и личный опыт [1:28:33].
*   Ложные метрики успеха: модели становятся лучше в тестах, под которые их специально тренировали, но это не означает роста реального интеллекта [1:33:55].

Несмотря на обещания Сэма Альтмана о том, что через полгода ИИ станет похож на «джинна, исполняющего желания», текущие возможности моделей стагнируют [1:39:57]. 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 [1:40:22].

## 📉 Тупик масштабирования и «кольцевой» пузырь Nvidia
[[JUMP: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 [1:41:27]. 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 [1:41:40], — затраты на поддержание этой иллюзии роста исчисляются десятками миллиардов долларов [1:42:18].

### Предел возможностей: когда данные и деньги перестают работать
[[JUMP: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 [1:54:49]. Эд Зитрон (Ed Zitron) подчеркивает, что этот прогресс — не естественный процесс развития технологий, а результат искусственного «перелива» капитала [1:50:21]. 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 [1:51:28], современные ИИ-лаборатории сжигают сопоставимые суммы за год или два [1:50:34].
*   **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 [1:54:49].
*   **Безумные бюджеты:** Сэм Альтман и OpenAI уже озвучивают планы потратить до 750 миллиардов долларов на вычислительные мощности к 2030 году [1:53:42].

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 [1:48:10]. Если приток инвестиций остановится, прогресс LLM просто замрет, так как у компаний не останется средств на покупку колоссальных объемов данных и их обработку [1:54:36]. 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 [1:54:49].

### Пузырь GPU и финансовые манипуляции Nvidia
[[JUMP: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 [1:50:06]. Механика этого процесса, по словам эксперта, выглядит следующим образом:

1.  **Прямые инвестиции в клиентов:** Nvidia инвестирует в такие компании, как CoreWeave или Neocloud [1:59:43].
2.  **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 [1:59:56].
3.  **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 [1:59:56].

Это создает ситуацию «открытого сезона» для тех, кто хочет покупать GPU, в то время как обычный бизнес страдает от высоких процентных ставок [2:00:11]. 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 [1:59:04]. 

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 [1:48:36]. 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 [1:46:50]. Инвесторы выдали индустрии «кредит доверия авансом», но время, когда за потраченные триллионы придется отчитываться реальной прибылью, стремительно приближается [1:46:50].

## 📉 Прогноз на 2027 год: Крах OpenAI и начало «тех-депрессии»
[[JUMP:2:08:38]]

### Экономическое домино: Почему 2027 год станет роковым
[[JUMP:2:08:38]]

Эд Зитрон уверен, что мы находимся внутри масштабного «ИИ-пузыря», который неизбежно лопнет, когда у ключевых игроков закончатся наличные средства [2:08:38]. 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 [2:09:15]. Зитрон объясняет это тем, что советники OpenAI опасаются оценки в 1 триллион долларов, понимая её нереалистичность [2:10:08]. 

Для выживания OpenAI требуется привлекать не менее 100 миллиардов долларов ежегодно [2:10:20]. Если компания не сможет выйти на биржу или поднять новый раунд финансирования на прежних условиях, её ждёт коллапс, который потянет за собой всю индустрию [2:11:25]. Зитрон предсказывает следующий сценарий:

*   OpenAI теряет темп и сжигает остатки наличности к 2027 году [2:11:12].
*   Anthropic, возможно, попытается выйти на IPO раньше, но также столкнётся с «потолком» роста и убыточностью [2:10:46].
*   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 [2:12:03].
*   Гиганты вроде Microsoft, Google и Amazon будут вынуждены официально пересмотреть свои прогнозы роста в сторону понижения [2:12:41].

Ранее в разговоре Эд упоминал об экономической нежизнеспособности текущих моделей, и теперь он подчеркивает: когда рынок осознает отсутствие «гиперроста», наступит затяжная «тех-депрессия» [2:12:56]. Компании больше не смогут маскировать стагнацию своих основных продуктов покупкой GPU и обещаниями скорого прорыва в ИИ [2:13:08].

### Крах фондового рынка и удар по пенсионным накоплениям
[[JUMP: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 [2:13:48]. 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 [2:14:13].

Эд предупреждает о «депрессии пенсионных накоплений»: обычные люди могут потерять от 20% до 40% стоимости своих портфелей без надежды на быстрое восстановление [2:15:31]. 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 [2:14:53].

В зоне риска находятся и инфраструктурные гиганты. Например, Oracle строит дата-центры мощностью 7 гигаватт стоимостью более 400 миллиардов долларов специально под нужды OpenAI [2:16:35]. Если OpenAI закроется, Oracle, чьи доходы без учёта инфляции не росли последние 15 лет, может просто прекратить своё существование [2:16:47]. 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 [2:18:45].

### Критика «торговцев будущим»: Ложь как бизнес-стратегия
[[JUMP: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 [2:22:35]. По мнению Зитрона, эти люди систематически вводят общество в заблуждение, пользуясь отсутствием должного надзора со стороны регуляторов и скептицизма в СМИ [2:21:57].

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 [2:20:13].
*   **Оторванность от реальности:** Пока обычные люди несут ответственность за свои слова, миллиардеры получают карт-бланш на любые ошибки и ложные прогнозы [2:22:10].
*   **Презрение к клиенту:** Компании перестали заботиться о качестве своих продуктов, сосредоточившись исключительно на поддержании курса акций через хайп [2:22:48].

Зитрон призывает людей быть крайне подозрительными ко всему, что обещает Кремниевая долина [2:19:49]. «Не верьте обещаниям, верьте фактам: они говорят то, что заставляет акции расти, а не то, что происходит на самом деле», — резюмирует он [2:20:01]. 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 [2:25:24].