# Сможет ли ИИ сломать график роста ВВП, который не менялся 150 лет?

Источник: https://www.youtube.com/watch?v=lPx5PF1ttkc
Канал: Stanford Online
Опубликовано: 09.03.2026

---

В рамках курса Стэндфордского университета CS221 ведущие специалисты в области искусственного интеллекта переключают внимание с архитектуры нейросетей на глобальные последствия их внедрения. Приглашенный эксперт Риши Боммасани, старший научный сотрудник Стэнфорда и соавтор знаковой работы о «фундаментальных моделях», разбирает структуру экономики ИИ: от монополии на литографические машины в Нидерландах до того, как ИИ может изменить столетние тренды роста мирового ВВП.

## 📈 ИИ как макроэкономическая сила: рынок и рабочие места
[[JUMP:0:05]]

Большинство разработчиков привыкли думать об ИИ как о «черном ящике» с алгоритмами и функциями потерь. Однако, по словам Перси Ляна, сегодня критически важно понимать «экосистему за пределами ящика» — ресурсы (upstream) и использование данных (downstream) [0:33]. Риши Боммасани отмечает, что влияние сектора ИИ на экономику уже неоспоримо: на семь крупнейших ИИ-компаний приходится более трети рыночной капитализации всего индекса S&P 500 [3:36].

Основные изменения, по мнению эксперта, происходят на рынке труда:

*   **Наем junior-разработчиков:** Данные крупнейшей платежной компании ADP показывают резкое снижение объемов найма программистов младшего звена (junior) сразу после выхода ChatGPT в конце 2022 года [5:26].
*   **Эффект «выравнивания» в колл-центрах:** Исследование Эрика Бринолфссона выявило, что генеративный ИИ приносит наибольшую пользу наименее опытным сотрудникам. В то время как ветераны почти не получают прироста продуктивности, новички с помощью ИИ-инструментов резко сокращают разрыв в навыках [6:19].

## ⛓️ Цепочка поставок вычислительных мощностей: узкие места и монополии
[[JUMP:12:04]]

Боммасани предлагает рассматривать ИИ через призму организации поставок. В сегменте Compute (вычисления) наблюдается крайняя степень концентрации, где судьба всей индустрии зависит от трех ключевых игроков [14:40]:

1.  **ASML (Нидерланды):** Обладает глобальной монополией на оборудование для экстремальной ультрафиолетовой литографии, необходимое для производства современных чипов [15:45].
2.  **TSMC (Тайвань):** Единственный производитель, способный массово выпускать чипы по самым передовым техпроцессам для NVIDIA [16:11].
3.  **NVIDIA (США):** Лидер в разработке архитектуры чипов и программной экосистемы CUDA [15:05].

Такая структура делает цепочку поставок ИИ уязвимой. По мнению Боммасани, именно эта концентрация превращает ИИ в инструмент геополитики [18:02]. Например, расположение TSMC на Тайване является центральной темой дискуссий в Вашингтоне о конкуренции между США и Китаем, а экспортный контроль чипов NVIDIA напрямую влияет на технологический суверенитет стран [18:27].

Кроме того, эксперт выделяет новые «физические» барьеры для облачных провайдеров (AWS, Azure, Google Cloud). Чтобы масштабировать ИИ, теперь недостаточно просто купить чипы — критическими ресурсами становятся земля, вода для охлаждения и, прежде всего, пропускная способность электросетей [20:38]. По словам Боммасани, в США основным ограничивающим фактором сейчас является не производство энергии, а способность инфраструктуры её передавать [1:11:30].

## 🗄️ Экосистема данных: от публичного веба до юридических сделок
[[JUMP:21:04]]

В отличие от рынка «железа», рынок данных гораздо более неоднороден. Боммасани классифицирует источники данных для обучения моделей на шесть категорий [21:42]:

*   **Синтетические данные:** Создаются самой моделью (например, через обучение с подкреплением). Стоимость равна стоимости электричества [26:46].
*   **Пользовательские данные:** Получаются в обмен на сервис (как в Gmail или ChatGPT) [26:59].
*   **Публичные датасеты:** Открытые наборы данных вроде SQuAD или The Pile [23:08].
*   **Веб-скрейпинг:** Сбор данных со всего интернета. Боммасани отмечает растущее сопротивление сайтов: доля ресурсов, запрещающих обход роботами, резко выросла за последние два года [25:13]. При этом сайты чаще блокируют краулеры OpenAI, чем Anthropic [25:52].
*   **Аннотированные данные:** Платная разметка людьми через компании вроде Scale AI или Mechanical Turk [27:14].
*   **Лицензионные сделки:** Покупка эксклюзивных архивов у Reddit или New York Times [24:01].

Интересным примером ценообразования стало мировое соглашение Anthropic по авторским правам. По данным эксперта, компания выплатила $1,5 млрд за 500 тысяч произведений, что устанавливает рыночную «цену» данных на уровне примерно $3000 за одну работу [28:38].

## 🔓 Стратегии дистрибуции: открытые веса против закрытых API
[[JUMP:31:18]]

Выбор модели распространения ИИ напрямую влияет на структуру рынка приложений. Боммасани выделяет спектр от полной закрытости до Open Source [32:12]:

1.  **Закрытые модели:** Позволяют разработчикам (OpenAI, Google) сохранять полный контроль над вертикальной интеграцией и удерживать более высокие цены на API [34:10].
2.  **Открытые веса (Open Weights):** Такие модели, как Llama или Qwen, создают конкуренцию среди хостинг-провайдеров, что ведет к снижению цен на инференс [35:05].

По словам Боммасани, открытые модели критически важны для регулируемых секторов (медицина, юриспруденция), так как они позволяют компаниям лучше понимать риски конфиденциальности, запуская ИИ локально [35:47].

## 📉 Парадокс Солоу и будущее экономического роста
[[JUMP:52:25]]

ВВП на душу населения в развитых странах последние 150 лет растет с удивительной стабильностью — около 2% в год [53:07]. Риши Боммасани задается вопросом: сможет ли ИИ ускорить эту кривую или он станет жертвой «парадокса Солоу» (когда компьютеры видны везде, кроме статистики производительности) [53:49]?

Многие интернет-технологии бесплатны для пользователя (поиск Google, социальные сети), поэтому они не отражаются в ВВП напрямую. Чтобы оценить реальный вклад ИИ, экономисты из Стэнфорда используют метрику **GDP-B** (потребительский излишек). Опросы показывают, что в среднем пользователи в США готовы были бы платить $98 в месяц, чтобы не отказываться от генеративного ИИ [56:50]. Это означает, что скрытая ценность ИИ для экономики США уже составляет около $100 млрд в год, даже если эти деньги не проходят по официальным счетам [57:06].

Боммасани описывает три сценария влияния ИИ на рост [58:04]:

1.  **Рост продуктивности в одном секторе (например, ПО):** Это может привести к «болезни цен Баумоля». Если программирование станет сверхэффективным, цены на софт упадут, но услуги в секторах, где ИИ бессилен (например, личный уход в медицине), станут еще дороже в относительных цифрах. В итоге общий рост ВВП может оказаться скромным [1:00:33].
2.  **ИИ как дешевая рабочая сила:** Внедрение «цифровых сотрудников» может компенсировать стагнацию населения в развитых странах [1:04:44].
3.  **ИИ как генератор идей:** Согласно теории Пола Ромера, идеи — это «неконкурентное благо» [1:06:54]. Если ИИ ускорит научные открытия и НИОКР, это может привести к суперэкспоненциальному росту всей экономики [1:06:25].

Сам Боммасани склоняется к тому, что ИИ — это «технология столетия» (как электричество), но её эффект на ВВП проявится не сразу [1:09:02]. История показывает наличие J-кривой: сначала компании тратят огромные ресурсы на адаптацию технологий и перестройку процессов (период спада продуктивности), и только спустя десятилетия наступает фаза взрывного роста [51:06].

---