В эпоху стремительного развития искусственного интеллекта вопросы антимонопольного регулирования выходят на новый уровень сложности. Традиционные рыночные механизмы сталкиваются с уникальными вызовами, специфичными для технологического сектора: от дефицита вычислительных мощностей до закрытости обучающих данных.
Сьюзан Эйти (Susan Athey), бывший главный экономист антимонопольного подразделения Министерства юстиции США (U.S. Department of Justice Antitrust Division), в рамках конференции в Stanford Graduate School of Business представила детальный анализ структуры рынка ИИ и потенциальных угроз конкуренции.
🏗️ Анатомия ИИ-стека: от чипов до приложений 3:00
Понятие «ИИ-стек» (AI stack) используется как кодовое обозначение сложной иерархии элементов, необходимых для работы индустрии . Сьюзан Эйти выделяет несколько ключевых уровней этой структуры:
- Нижний уровень (Hardware & Compute): Железо и вычислительные мощности. Основой здесь являются специализированные чипы (GPU) и энергетическая инфраструктура .
- Слой программного обеспечения: Специализированный софт, позволяющий эффективно использовать аппаратные ресурсы .
- Базовые модели (Foundation Models): Крупные языковые модели (LLM), обученные на гигантских массивах данных для понимания человеческого языка .
- Уровень приложений: Продукты, созданные поверх моделей (чат-боты, специализированные сервисы). Разработчики приложений могут использовать либо закрытые модели через API, либо открытые модели (Open Weights) для дообучения под свои нужды .
Сьюзан Эйти отмечает, что порог входа на разные уровни стека различен. Если для обучения базовой модели требуются колоссальные ресурсы, то создание прикладного сервиса на базе готовой модели доступно даже небольшим командам разработчиков или студентам .
📉 Барьеры входа: масштаб и сетевой эффект 0:18
Экономическая теория выделяет несколько факторов, мешающих новым игрокам занять место на рынке ИИ.
- Экономия на масштабе (Scale Economies): Сьюзан Эйти подчеркивает, что в ИИ-индустрии «больше — значит лучше» . Высокие фиксированные затраты на вход требуют огромных оборотов для снижения средней стоимости продукта. Эффект «обучения в процессе» (learning by doing) также дает преимущество тем, кто начал раньше: чем больше модель эксплуатируется, тем выше её качество и ниже эксплуатационные издержки .
- Сетевые эффекты (Network Effects): Это ситуация, когда ценность продукта растет вместе с числом пользователей . В ИИ это проявляется в накоплении данных: больше пользователей генерируют больше данных, что позволяет совершенствовать модель быстрее конкурентов .
- Трудности переключения (Switching Costs): Инкумбенты (устоявшиеся гиганты) могут намеренно создавать условия, при которых клиенту сложно перейти к конкуренту. По мнению Сьюзан Эйти, такие барьеры редко приносят пользу потребителю, а чаще служат защите прибыли корпораций и подавляют будущую конкуренцию .
🔌 Проблема дефицита и «слон в комнате» 6:53
Одной из центральных тем обсуждения стал широко известный дефицит ИИ-чипов. Сьюзан Эйти называет ситуацию, когда одна компания контролирует доступ к критически важному ресурсу, «слоном в комнате» .
В условиях дефицита монополист не всегда заинтересован в быстром расширении мощностей. Ограниченное предложение позволяет удерживать высокие цены . Напротив, в конкурентной среде компании стремятся наращивать мощности, чтобы не отдать долю рынка соперникам.
Участники конференции (инвесторы, предприниматели и ученые) выразили обеспокоенность тем, что зависимость от одного поставщика чипов заставляет разработчиков бояться сотрудничества с альтернативными проектами из-за риска потерять приоритетный доступ к оборудованию .
🔒 Изоляция данных и риск «вертикальных связок» 10:02
Особое внимание Сьюзан Эйти уделила рынку специализированных моделей, например, в сфере здравоохранения . Здесь конкуренция зависит не от публичных данных, а от доступа к конфиденциальной информации: медицинским картам или истории взаимодействия врачей с ИИ-системами .
Основные риски в этой сфере, по словам Сьюзан Эйти:
- Силосы данных (Data Silos): Доминирующие игроки могут закрывать доступ к проприетарным данным, блокируя инновации мелких стартапов .
- Связывание продуктов (Bundling): Если ключевой продукт (например, LLM) доступен только в комплекте с другими сервисами компании (облачными вычислениями), это убивает стимулы делать каждый продукт в цепочке максимально качественным .
- Диктат платформ: Бизнес-клиенты хотят «смешивать и сочетать» технологии разных вендоров. Ограничение выбора разработчиков приложений (невозможность работать на разных облачных платформах) негативно сказывается на конечном потребителе .
В качестве решения обсуждалась роль государственной политики в обеспечении совместимости данных (interoperability) и передаче пациентам контроля над их собственной информацией .
🛡️ Безопасность и роль «открытого» сообщества 15:32
Сьюзан Эйти утверждает, что ни одна компания не в состоянии предусмотреть все риски использования ИИ общего назначения . Она поддерживает позицию некоторых экспертов о том, что для обеспечения безопасности необходим «общественный уровень вовлеченности».
Открытость весов моделей и стандартов позволяет академическому сообществу проводить независимый аудит и выявлять проблемы, которые корпорации могут игнорировать из-за PR-рисков . Таким образом, стандарты безопасности не должны диктоваться только рыночными игроками; они должны отражать цели всего общества .
👥 Роль экономистов и дата-сайентистов в надзоре 17:01
В завершение Сьюзан Эйти рассказала о трансформации государственных органов. В антимонопольном подразделении Министерства юстиции США (U.S. Department of Justice Antitrust Division) к традиционным командам экономистов теперь присоединяются группы дата-сайентистов и технологических специалистов .
Разделение ролей, по мнению Сьюзан Эйти, выглядит так:
- Технологи: Понимают внутреннее устройство систем, говорят на одном языке с инженерами компаний и помогают ведомствам внедрять новые инструменты для лучшего понимания рынка .
- Экономисты: Занимаются «распознаванием паттернов» . Они связывают сегодняшние проблемы с уроками прошлого, анализируют стимулы компаний и выстраивают общие принципы регулирования, не давая регулятору утонуть в технических деталях .
