# Как дешевый китайский ИИ разрушил миллиардные иллюзии Кремниевой долины Источник: https://www.youtube.com/watch?v=gJ8pa9NiWm4 Канал: Deep Questions with Cal Newport Опубликовано: 05.01.2026 --- Китайская нейросеть DeepSeek R1, обученная на устаревших чипах всего за 5,3 миллиона долларов, в одночасье обрушила многомиллиардный ИИ-рынок США и развеяла мифы о безусловном американском лидерстве. Пока Кремниевая долина маскирует технологический тупик стратегии масштабирования агрессивным маркетингом «вайб-кодинга», расходы ИИ-гигантов на поддержание моделей начинают катастрофически превышать их реальные доходы. Известные технологические аналитики Кэл Ньюпорт и Эд Зитрон препарируют глубокий финансовый кризис индустрии генеративного интеллекта, обнажая скрытый операционный дефицит и управленческий хаос внутри OpenAI и Anthropic. ## 📉 Глава 1. Эффект DeepSeek и иллюзия цифрового труда [[JUMP:00:00]] ### Китайский прорыв: как DeepSeek обрушил бизнес-модель Кремниевой долины [[JUMP:04:34]] В начале разговора Кэл Ньюпорт и Эд Зитрон вскользь упоминают целый ряд громких тем 2025 года — от алармистских прогнозов Дарио Амодеи о потере половины рабочих мест до релизов GPT-5 и Sora, а также споров вокруг инвестиционного пузыря бигтехов. Однако реальный тектонический сдвиг в индустрии начался в январе, когда медийное пространство взорвала новость о китайском ИИ-стартапе DeepSeek. Его новейшая модель DeepSeek R1 не просто мгновенно возглавила мировые чарты скачиваний, но и спровоцировала масштабное падение акций американских технологических гигантов на фондовом рынке. Как объясняет эксперт по технологиям Эд Зитрон, главной причиной паники стали феноменально низкие затраты на разработку китайского продукта. В то время как ведущие американские лаборатории тратили на обучение своих флагманских систем от 50 до 100 миллионов долларов, создание DeepSeek R1 обошлось всего в 5,3 миллиона долларов. Этот прорыв мгновенно подсветил глубокую структурную уязвимость американской ИИ-индустрии, обнажив «проблему Nvidia». Выяснилось, что капитализация всего фондового рынка США держится на завышенных ценах на чипы, в то время как американские разработчики моделей совершенно не заботятся о технологической эффективности. Реакция Кремниевой долины на появление конкурента оказалась панической и откровенно ксенофобной. Глава OpenAI Сэм Альтман немедленно выступил с предложением запретить китайскую модель на государственном уровне. Американские корпорации поспешили обвинить DeepSeek в краже интеллектуальной собственности посредством дистилляции данных — процесса, при котором ответы ChatGPT использовались для обучения китайской нейросети. При этом Эд Зитрон иронизирует, что американские игроки фактически возмутились тем, что кто-то посмел покуситься на их собственную монополию на «машины по плагиату». Особое раздражение Долины вызывало то, что DeepSeek R1 оказалась полноценной рассуждающей моделью (reasoning model), созданной в условиях жестких санкций на базе относительно старых графических процессоров. Американский аналог — модель o1 от OpenAI (известная на этапе разработки под кодовыми именами Qstar и Strawberry) — позиционировался как священный грааль, способный оправдать колоссальное сжигание вычислительных мощностей, но на деле не принес качественного прорыва. Кэл Ньюпорт подчёркивает, что американские медиа и корпорации постарались как можно скорее «засилить» (memoryhole) этот триумф. Признание того, что эффективную нейросеть можно построить без строительства гигантских дата-центров Microsoft на 40 000 GPU, лишило бы стартапы Долины главного аргумента для выкачивания миллиардов из инвесторов. Рынок попытался утешить себя тезисами о падении стоимости инференса, однако Эд Зитрон напоминает, что ни одна из этих моделей, включая DeepSeek, до сих пор не доказала свою реальную экономическую прибыльность. В попытках удержать позиции Nvidia даже выпустила аппаратное решение DGX Spark Box для локального запуска моделей, однако реального коммерческого спроса этот шаг не создал. ### Маркетинговый миф об ИИ-агентах и иллюзия «вайб-кодинга» [[JUMP:13:26]] Вторым масштабным процессом начала 2025 года стала агрессивная кампания по продвижению ИИ-агентов. Кэл Ньюпорт указывает, что волна хайпа поднялась после того, как неосторожное высказывание директора по продукту OpenAI было перефразировано изданием Axios в безапелляционный заголовок: «2025 год — год ИИ-агентов». Сэм Альтман подогрел ожидания публикацией в блоге, утверждая, что агенты полноценно войдут в состав рабочей силы уже в текущем году. Дальше всех пошел глава Salesforce Марк Бениофф, заявивший, что их платформа Agentforce сгенерирует от 2 до 5 триллионов долларов экономического эффекта за счет массового внедрения «цифрового труда». Эд Зитрон называет эти заявления вопиющей маркетинговой уловкой. На практике амбициозный агентский инструмент OpenAI Operator, запущенный в начале года, полностью провалился и оказался неспособным выполнять реальные автономные задачи. По мнению Зитрона, слово «агент» стало просто новым модным ярлыком для обычных чат-ботов, поскольку к концу 2024 года ИИ-компании полностью исчерпали потенциал развития диалоговых систем и отчаянно нуждались в новых поводах для привлечения капитала. Кэл Ньюпорт, детально изучивший бенчмарки SWE-bench и Terminal bench, предлагает разделять реальную помощь ИИ в программировании на две категории: * Инструменты автодополнения (tab complete) — системы, основанные на предсказании следующего токена в рамках одного изолированного запроса. Программисты находят их полезными для быстрого вызова функций из библиотек, хотя эксперты отмечают, что они лишь «делают простые вещи проще, а сложные — сложнее». * Полноценные кодинг-агенты и «вайб-кодинг» (vibe coding) — подход, продвигаемый стартапами вроде Anthropic, при котором пользователь без технических знаний просит ИИ автономно выполнять многошаговые задачи в текстовом терминале, например, собирать работающие прототипы интерфейсов или дашбордов. Эд Зитрон категорично называет концепцию «вайб-кодинга» для неспециалистов «одним из величайших мошенничеств всех времен». Вся иллюзия рушится, как только система сталкивается с малейшей ошибкой: пользователь, не умеющий читать код, не способен верифицировать продукт, исправить поломку, гарантировать безопасность софта или настроить облачную инфраструктуру на AWS. В конечном счёте, экономическая полезность таких систем оказалась ничтожной, а сами разработчики ИИ к концу года начали тихо сворачивать ресурсы, выделенные на это тупиковое направление. ## 📉 Крах «Ориона» и экономика страха: почему ИИ перестал расти вширь [[JUMP:28:07]] К началу 2025 года индустрия искусственного интеллекта столкнулась с реальностью, которую многие предпочли бы игнорировать: простая стратегия масштабирования (scaling), приносившая плоды в эпоху GPT-4, перестала работать. Как отмечает Эд Зитрон, проект Orion — амбициозная попытка OpenAI создать следующую гигантскую модель, увеличив вычислительные мощности и объёмы данных в 10 раз — закончился «моментом осознания катастрофы» [28:35]. Вместо качественного скачка уровня «HAL 9000» компания получила дорогую и неповоротливую систему, которая едва превосходила предшественников. Результатом этого фиаско стал релиз GPT-4.5 в феврале 2025 года. Сэм Альтман в своих соцсетях пытался сохранить хорошую мину, называя новую модель «магической» и сравнивая общение с ней с разговором с «вдумчивым человеком» [29:00]. Однако эксперты сразу заметили смену риторики: Альтман признал, что GPT-4.5 — это «огромная и дорогая модель», которая не является «рассуждающей» и не сокрушает бенчмарки [29:40]. Кэл Ньюпорт подчеркивает, что именно в этот момент индустрия начала осознавать: закон убывающей отдачи вступил в полную силу в конце 2024 года [33:10]. ### Рассуждение как костыль масштабирования [[JUMP:31:37]] Поняв, что простое «закидывание модели данными» больше не дает результата, OpenAI и другие лаборатории переключились на так называемые «рассуждающие» модели (например, серию o1). Эд Зитрон объясняет, что это была вынужденная мера: вместо улучшения базового интеллекта разработчики начали использовать «вычисления во время логического вывода» (test-time compute) [31:50]. Принцип работы таких моделей изменился: * Вместо мгновенной выдачи ответа модель разбивает запрос на шаги. * Она делает несколько внутренних итераций, прежде чем показать результат пользователю [32:40]. * Это позволяет искусственно улучшить показатели в программировании и математике, но ценой огромного расхода ресурсов. Это привело к парадоксу: модели не становились умнее в своей основе, они просто начали тратить больше «мыслительного времени» на каждый токен, что сделало их эксплуатацию невероятно дорогой [33:00]. ### Nvidia: Дженсен Хуанг и магия инференса [[JUMP:33:40]] На фоне технологического тупика разработчиков моделей Nvidia пришлось менять свою маркетинговую стратегию. На конференции GTC в марте 2025 года Дженсен Хуанг предстал перед инвесторами в своем неизменном стиле, который Кэл Ньюпорт иронично сравнивает с реквизитом из «Безумного Макса» [34:20]. Хуанг провозгласил конец эпохи обучения (pre-training) и начало эпохи инференса (inference) и постобучения [34:50]. Для Nvidia это был вопрос выживания акций. Если раньше инвесторы считали, что чипы нужны только для создания моделей, то теперь Хуанг убеждал их, что для поддержания «интеллекта» моделей в реальном времени их потребуется еще больше. Зитрон ссылается на отчет MIT Tech Review, согласно которому 80–90% всех вычислений в ИИ приходится именно на инференс — то есть на работу уже готовых моделей [37:30]. Хуанг фактически предложил рынку «картельную пропаганду» [39:30]: ИИ-стартапам выгодно заявлять, что им нужны миллиарды на инференс, чтобы оправдать свои убытки, а Nvidia выгодно продавать им чипы, чтобы эти модели «оставались умными». Это стратегия «американского пикапа F-150» [40:16]: когда конкуренты (ранее в разговоре упоминался DeepSeek) показывают эффективность, американские корпорации пытаются убедить всех, что им нужно тратить 80 тысяч долларов на монструозный грузовик, который им не нужен. ### «АИ 2027» и индустрия апокалипсиса [[JUMP:40:41]] Когда бизнес-показатели стали сомнительными, в игру снова вступил «алармизм». В апреле 2025 года в сети появился отчет «ИИ 2027», предсказывающий гибель человечества в ближайшие два года с «нетривиальной вероятностью» [41:40]. Автором документа выступил Даниэль Кокотайло (Daniel Kokotajlo), бывший сотрудник отдела управления OpenAI. Эд Зитрон подвергает этот отчет жесткой критике, называя его «циничным грифом» и «фанфиком с анимированными графиками» [41:00]. Основные претензии экспертов к подобным прогнозам: 1. **Отсутствие научной базы:** Весь сценарий вымирания строится на гипотезе о том, что ИИ сможет сам проводить исследования и строить еще более совершенный ИИ. При этом нет ни одного технического доказательства того, что языковая модель способна выйти за пределы своих тренировочных данных [43:30]. 2. **Связь с «Эффективным альтруизмом»:** Зитрон связывает эти прогнозы с сообществом рационалистов и эффективных альтруистов, которые превратили гипотетические риски (вроде падения астероида) в способ привлечения внимания и капиталов [45:40]. 3. **Отвлечение внимания:** Пока Кокотайло и Джеффри Хинтон (Geoffrey Hinton) рассуждают о сверхразуме, индустрия игнорирует реальные проблемы: эксплуатацию рабочих в Кении, кражу данных и колоссальное потребление электроэнергии [49:00]. Кэл Ньюпорт резюмирует, что этот переход от «бизнес-инструмента» к «экзистенциальной угрозе» произошел именно тогда, когда у ИИ-компаний закончились технологические аргументы в пользу бесконечного роста [46:50]. Страх стал последним продуктом, который они могут успешно продавать. ## 🏛️ Пророки катастроф и технический тупик GPT-5 [[JUMP:50:11]] ### Джеффри Хинтон: погоня за славой на фоне реальных проблем [[JUMP:50:11]] В середине 2025 года дискуссия вокруг ИИ приняла странный оборот: те, кто стоял у истоков технологии, начали активно продвигать нарратив о «экзистенциальной угрозе», игнорируя при этом осязаемые проблемы сегодняшнего дня. Эд Зитрон подвергает жесткой критике позицию Джеффри Хинтона, которого часто называют «крестным отцом ИИ». По мнению Зитрона, Хинтон использует свой авторитет не для решения насущных вопросов, а ради поддержания собственного статуса и внимания прессы [51:45]. Кэл Ньюпорт отмечает, что Хинтон, в отличие от многих алармистов без технического бэкграунда, прекрасно понимает: современные LLM (большие языковые модели) не обладают сознанием или автономией [50:50]. Тем не менее, он сознательно объединяет текущие технологии с гипотетическими машинами будущего, создавая сенсационные заголовки. Зитрон называет это «циничным грифтом», подчеркивая, что Хинтон практически никогда не говорит о реальном вреде, который ИИ наносит уже сейчас: * **Экологический ущерб:** Для обеспечения дата-центров электроэнергией компании (включая OpenAI и предприятия Илона Маска) используют старые и неэффективные газовые турбины, которые загрязняют окружающую среду [52:52]. * **Экономическая эксплуатация:** Хинтон игнорирует вопросы массового нарушения авторских прав и «кражи» контента для обучения моделей [52:13]. Вместо того чтобы выступать как активист с конкретной программой — например, требовать запрета определенных видов вооружений или тестов, как это делали ученые Манхэттенского проекта [55:29], — Хинтон предпочитает подписывать расплывчатые открытые письма и выступать на оплачиваемых конференциях с рассказами о том, как ему «страшно» [54:14]. Это создает парадоксальную ситуацию: человек, обладающий огромным влиянием, тратит его на обсуждение того, «что если у бабушки вырастут колеса», вместо того чтобы разбираться с токсичными выбросами в бедных районах, где строятся серверные фермы [52:39]. ### Дарио Амодеи: страх как маркетинговая стратегия [[JUMP:56:22]] Другой заметной фигурой в этом театре безопасности стал глава Anthropic Дарио Амодеи. В мае 2025 года он сделал громкое заявление, облетевшее все мировые СМИ: ИИ может уничтожить до 50% всех рабочих мест начального уровня для «белых воротничков» в ближайшие пять лет [56:22]. Амодеи выстроил целую иерархию способностей, утверждая, что ИИ прошел путь от уровня школьника до студента, а теперь вплотную приблизился к уровню PhD (доктора наук) [56:38]. Кэл Ньюпорт указывает на манипулятивность этих сравнений. «Уровень PhD» в устах Амодеи — это всего лишь способность модели решать специфические математические задачи, на которые её предварительно натаскивали [57:05]. Это экстраполируется на реальные рабочие места, создавая у инвесторов ложное ощущение неизбежной революции. Эд Зитрон сравнивает риторику Амодеи с маркетингом производителя печенья, который заявляет, что его продукт так же важен, как кислород [57:29]. Цинизм ситуации заключается в предлагаемом решении. После того как Амодеи нарисовал сценарий «судного дня» для рынка труда, он тут же предлагает выход: «повышать осведомленность населения» и «помогать работникам лучше использовать ИИ» [59:41]. На практике, как отмечает Ньюпорт, это сводится к простому призыву: «Покупайте больше подписок на Claude, чтобы не остаться без работы» [59:54]. Таким образом, страх перед безработицей становится инструментом продаж, а не темой для серьезной государственной политики. ### Технический тупик GPT-5 и провал «модели-роутера» [[JUMP:1:03:21]] Август 2025 года стал моментом истины для индустрии. Перед выходом GPT-5 Сэм Альтман вел себя максимально драматично: в интервью подкастеру Тео Вону он сравнивал себя с Оппенгеймером и едва не плакал, рассуждая о невероятной мощи новой модели [1:03:52]. Однако, как только релиз состоялся, риторика резко сменилась. Всего через несколько дней Альтман начал заявлять, что «AGI — это вообще не очень полезный термин», пытаясь занизить ожидания рынка [1:04:32]. Техническая реальность GPT-5 оказалась разочаровывающей. Как выяснил Эд Зитрон через свои источники в инфраструктурных компаниях, новая модель не показала качественного скачка в рассуждениях, но привнесла огромные операционные проблемы [1:06:06]: 1. **Проблема «роутера»:** Вместо единого сверхинтеллекта GPT-5 оказалась системой, использующей «модель-роутер», которая перенаправляет запрос пользователя на одну из специализированных под-моделей [1:06:06]. 2. **Неэффективность кэширования:** В предыдущих версиях OpenAI могла экономить огромные деньги, кэшируя «системный промпт» (инструкции модели о том, как себя вести). Но из-за архитектуры роутера систему приходится перезагружать при каждом переключении, что лишает компанию возможности экономить на вычислениях [1:08:33]. 3. **Рост расходов:** Вместо обещанного снижения стоимости, архитектура GPT-5 фактически увеличила накладные расходы на инференс [1:08:45]. Ранее в разговоре они касались предела масштабирования моделей, и провал GPT-5 стал практическим подтверждением того, что простое добавление видеокарт больше не дает экспоненциального роста качества. К концу лета 2025 года даже мейнстримные СМИ, такие как The New York Times и The Wall Street Journal, сменили тон с восторженного на скептический, открыто задаваясь вопросом: «А не находимся ли мы внутри гигантского пузыря?» [1:15:13]. ## 💸 Иллюзия роста: миллиардные бумажные замки и суровая экономика инференса [[JUMP:1:15:13]] ### Пузырь инвестиций: OpenAI против реальности [[JUMP:1:15:13]] Вторая половина 2025 года ознаменовалась резким изменением риторики в финансовых и технологических СМИ. Как отмечают Кэл Ньюпорт и Эд Зитрон, триггером для этого перелома стали разочаровывающие и невпечатляющие результаты модели GPT-5, о технических проблемах которой подробно говорилось ранее в разговоре. Этот застой сорвал завесу секретности и заставил аналитиков сменить слепой восторг на глубокий скепсис относительно способности ИИ-гигантов когда-либо выйти на операционную прибыльность. Кэл Ньюпорт приводит аналогию со своим прошлым опытом разоблачения социальных сетей: долгое время его критику считали эксцентричной, но изменение медийного контекста открыло шлюзы для массовых расследований. Точно так же провал завышенных ожиданий от новых моделей ИИ сделал легитимной тему экономического кризиса индустрии. Ключевым моментом стал август 2025 года, когда вышли данные о том, что капитальные затраты на дата-центры для искусственного интеллекта внесли больший вклад в рост ВВП США, чем все потребительские расходы вместе взятые. Уже к середине октября атмосфера на рынке радикально изменилась: воздух был буквально выкачан из комнаты, и на смену эйфории пришел жесткий финансовый аудит. ### Фиктивные миллиардные сделки в индустрии [[JUMP:1:17:53]] Пытаясь удержать котировки акций и поддержать угасающий интерес инвесторов, компании перешли к практике громких, но фактически пустых соглашений. Эд Зитрон называет эти анонсы чистой воды бумажными махинациями и манипуляцией рынком. Ярким примером стала сентябрьская новость о сделке на 30 миллиардов долларов между OpenAI и Oracle. Суть этой схемы абсурдных масштабов проста: OpenAI обязуется в будущем выплатить Oracle 300 миллиардов долларов, которых у стартапа физически нет, а Oracle обещает предоставить вычислительные мощности в дата-центрах, которые еще даже не построены. Тем не менее, этот анонс немедленно привёл к скачку акций Oracle на бирже, позволив компании виртуально добавить 300 миллиардов долларов к своим показателям оставшихся обязательств по исполнению (RPO). Вслед за этим посыпались аналогичные соглашения с AMD и Broadcom. OpenAI заявила о планах по строительству дата-центров мощностью 6 ГВт для AMD в обмен на 10% их акций, однако сделка так и не была реализована. С Broadcom обсуждалось соглашение на целых 10 ГВт, что позволило чипмейкеру приписать около 50 миллиардов долларов к ожидаемой выручке. В общей сложности к середине октября OpenAI на бумаге согласовала развертывание колоссальных 26 ГВт мощностей дата-центров. Эд Зитрон подчеркивает абсолютную нереалистичность этих цифр: в физическом мире строительство дата-центра мощностью всего в 1 ГВт занимает около двух с половиной лет и требует 50 миллиардов долларов инвестиций. Первые реальные транши по этим проектам (включая мифические 100 миллиардов от Nvidia, анонсированные вообще без подписания четких документов) должны начаться только в 2026 году. Чтобы отвлечь аналитиков от простых математических подсчетов, пиарщики OpenAI провернули изощренный трюк: за пять дней до официального анонса сделки с Oracle они намеренно слили в прессу информацию о том, что планируют потратить 155 миллиардов долларов на инфраструктуру, тем самым запутав журналистов и заблокировав проведение встречных расчетов. В итоге Financial Times также выпустила масштабное расследование о «триллионных затратах», подтверждающее фиктивную природу этих соглашений. ### Финансовое пике Anthropic и OpenAI [[JUMP:1:21:01]] Когда независимые аналитики начали складывать цифры, реальная экономика генеративного ИИ оказалась катастрофической. OpenAI прогнозировала выручку в размере 13 миллиардов долларов за год, имея при этом сотни миллиардов долгов и обязательств перед партнерами. Внутренние финансовые документы Anthropic, полученные Эдом Зитроном, продемонстрировали аналогичное пике: стартап потратил 2,66 миллиарда долларов всего за три квартала исключительно на оплату счетов Amazon Web Services (AWS). С учетом сопоставимых расходов на инфраструктуру Google Cloud, совокупные затраты Anthropic на облачные вычисления к концу сентября превысили 5 миллиардов долларов при годовой выручке, которая в лучшем случае доползет до этой же отметки. Хотя ранее упоминавшийся в подкасте Дарио Амодеи усердно создавал Anthropic имидж «эффективной и бережливой компании», реальные цифры уничтожают этот миф. За 2025 год OpenAI привлекла 18,3 миллиарда долларов инвестиций, в то время как Anthropic собрала 6,5 миллиарда — пропорционально они сжигают капитал с одинаковой пугающей скоростью. Ситуация усугубляется тем, что затраты на инференс (поддержание работы уже обученных моделей) в индустрии многократно превышают доходы. Согласно внутренним данным, OpenAI потратила астрономические 8,67 миллиарда долларов только на инференс до конца сентября. При этом реальная выручка стартапа за этот же период составила около 4,5 миллиардов долларов (что подтверждается анализом 20%-й доли распределения выручки с Microsoft). Бизнес-модель ИИ имеет фундаментальный порок: в отличие от традиционного софта, здесь операционные расходы растут линейно вместе с ростом выручки. Стоимость обслуживания каждого нового пользователя зачастую превышает цену его подписки, из-за чего эффективный контроль затрат становится невозможным. Эд Зитрон приводит шокирующие примеры с ИИ-ассистентами для написания кода: * Клиент компании Augment Code с подпиской за 250 долларов в месяц умудрился сжечь 15 000 долларов в виде вычислительных мощностей за тот же период. * Один из пользователей Claude Code израсходовал токенов на 50 000 долларов за один месяц, владея стандартным тарифом за 200 долларов. Эта экономическая модель в корне отличается от триумфа инфраструктуры Google Search или AWS. Google создал сверхуспешную конвейерную систему: они кэшируют поисковые запросы, работают с текстом на базе дешевых простаивающих процессоров и генерируют 2 доллара рекламной выручки на каждые 7 центов себестоимости. В случае же с LLM для генерации каждого отдельного токена система вынуждена задействовать абсолютно все веса огромной нейросети через дорогостоящие GPU, и архитектурных решений этой проблемы пока нет. Даже концепция Mixture of Experts (MoE) не спасает положение из-за вероятностной природы алгоритмов. Для сравнения, Amazon потратила около 70 миллиардов долларов за целых 9 лет на создание всей глобальной инфраструктуры AWS — это меньше половины того, что OpenAI планирует сжечь за кратчайшие сроки, не имея при этом коммерчески жизнеспособного продукта. ### Sora: видео-ИИ как жест отчаяния [[JUMP:1:23:44]] На фоне нарастающего кассового разрыва запуск приложения Sora в октябре (работающего на модели Sora 2) выглядел не как технологический триумф, а как отчаянная попытка OpenAI нащупать новые источники дохода. Руководство компании завистливо смотрело на финансовые показатели TikTok, генерирующего 33 миллиарда долларов в год, и надеялось создать его аналог на стероидах искусственного интеллекта. Однако Кэл Ньюпорт резонно замечает: если вы декларируете скорую автоматизацию половины рабочих мест в интеллектуальной экономике и создание ценности на триллионы долларов, вам не нужен клон развлекательной соцсети или снятие ограничений на эротический контент в ChatGPT. Сам факт таких релизов стал для рынка тревожным сигналом. Себестоимость видеогенерации оказалась колоссальной. По оценкам Forbes, работа Sora обходится компании в 15 миллионов долларов в день, но реальные источники Зитрона указывают, что эти цифры занижены. Для одновременной работы всего 13 инстансов Sora 2 требуется задействовать 840 или даже 900 новейших графических процессоров Nvidia H200. При такой стоимости инфраструктуры цена генерации через API составляет пару долларов за ролик, независимо от того, получился ли результат удачным. Модель TikTok коммерчески успешна потому, что весь рендеринг и обработка видео происходят на смартфонах пользователей за их собственный счет. Пытаясь спасти положение, Сэм Альтман устроил агрессивную пиар-кампанию и добавил свои цифровые аватары в промо-материалы, что привело лишь к волне издевательских интернет-мемов. После кратковременного взлета на вершину App Store приложение быстро растеряло позиции, оставшись невероятно дорогой игрушкой без внятного бизнес-применения. Ближе к декабрю на рынке наметился защитный откат: инвесторы судорожно пытались доказать, что происходящее — это «правильный» пузырь по аналогии с эпохой доткомов, однако исторические параллели оказались несостоятельными. В это же время авторы алармистского отчета «ИИ 2027», который подробно критиковался в начале нашей статьи, фактически дали попятную и признали, что их прогнозы не сбудутся. А на горизонте уже замаячила сомнительная сделка между Disney и OpenAI, призванная застраховать медиагиганта от технологического будущего, детальный разбор которой ждет читателя в следующей главе. ## 📉 Изнанка ИИ-индустрии: паника, культы и деградация контента [[JUMP:1:40:26]] ### «Код Красный» и внутренний кризис OpenAI [[JUMP:1:40:26]] В индустрии ИИ назревает глубокий внутренний кризис, симптомом которого стал объявленный в OpenAI «код красный» (code red). Ранее в разговоре Кэл Ньюпорт и Эд Зитрон касались финансовых проблем индустрии, и ситуация внутри OpenAI лишь подтверждает этот скепсис. После того как компания анонсировала «год агентов», реальность внесла свои коррективы: в декабре стало известно об отказе от этого приоритета в пользу спасения своего ядра — чат-бота ChatGPT. Внутренняя паника была подогрета утечками в прессе, в частности, в *The Information*, которые раскрыли серьезные экономические опасения. По прогнозам, компания может столкнуться с дефицитом ожидаемой выручки в размере до 26 миллиардов долларов. План действий OpenAI оказался довольно прозаичным: улучшить ответы ChatGPT, дать пользователям веские причины предпочитать его другим моделям и расширить функциональность. Эд Зитрон задается резонным вопросом: чем именно компания занималась весь год, если такие базовые задачи потребовали экстренного вмешательства? По его мнению, OpenAI (как и Anthropic) напоминает «взрослый летний лагерь», где команды работают над случайными проектами без реального менеджмента, часто дублируя функции друг друга, не взаимодействуя между собой. ### Disney, OpenAI и защита интеллектуальной собственности [[JUMP:1:42:16]] Интерес крупных медиа-корпораций, таких как Disney, к инвестициям в OpenAI следует рассматривать не как веру в «светлое будущее ИИ», а как попытку страховки. Компании осознали, что их интеллектуальная собственность находится под угрозой масштабного пиратства со стороны генеративных моделей. В этой динамике корпоративные вливания — это своего рода «защитная дань» или попытка сесть за стол переговоров, чтобы минимизировать риски для своих активов в новой, непредсказуемой медиа-среде. ### Психология «ИИ-бустеров»: культ технологий [[JUMP:1:45:17]] Один из самых любопытных феноменов года — это слепая вера фанатичных сторонников ИИ в неизбежность появления AGI, несмотря на отсутствие технических доказательств. Ньюпорт и Зитрон сходятся во мнении, что эта приверженность часто имеет не технические, а социальные корни. В мире, где разрушены «третьи места» и традиционные социальные связи, люди чувствуют себя изолированными и одинокими. Технологический культ предлагает им привлекательную альтернативу: возможность примкнуть к элитному сообществу, которое якобы «знает истину» и стоит на пороге величайшего открытия в истории человечества. Зитрон называет это религиозным мышлением: когда человек лишен поддержки реальных друзей, он склонен проваливаться в «кроличьи норы» подобных идей, где алгоритмы подкрепляют их веру в «магическое» превосходство ИИ. При этом лидеры индустрии, такие как Сэм Альтман и Дарио Амодеи, цинично подпитывают эту веру «фантастическими сказками» о возможностях ИИ, чтобы поддерживать интерес инвесторов и оправдывать колоссальные траты. ### Алгоритмическая деградация соцсетей [[JUMP:1:59:42]] В завершение года стало очевидно, что попытки крупных социальных сетей — таких как Facebook и Instagram — угнаться за показателями вовлеченности привели к уничтожению их собственного конкурентного преимущества. Вместо того чтобы фокусироваться на социальном графе (связях пользователя с друзьями, семьей и выбранными интересами), платформы перешли на алгоритмическую выдачу «мусорного» контента (slop) от случайных незнакомцев. Этот переход продиктован стремлением максимизировать время, проводимое в приложении, через манипуляцию дофаминовой системой мозга, но в долгосрочной перспективе он делает соцсети уязвимыми. Когда пользователь видит в ленте лишь случайный контент, у него исчезает лояльность к конкретной платформе — он может с таким же успехом получить ту же «порцию мусора» в TikTok, на Sora или в любом другом приложении. Лишив себя уникальной социальной ценности, гиганты индустрии вступили в изматывающую «битву за внимание», в которой у них больше нет надежного тыла в виде реальных человеческих связей. ## 📺 Эволюция отвлечений: от «ящика» к алгоритмической ленте [[JUMP:02:05:22]] Человеческое стремление к развлечениям — это константа, которая на протяжении столетий лишь меняла форму, адаптируясь под новые технологические возможности. Кэл Ньюпорт отмечает, что современные алгоритмы социальных сетей — это не принципиально новое явление, а логическое завершение многовековой истории медиа-отвлечений. В прошлом эту потребность удовлетворяли радио и телевидение. Когда-то радиоприемник в фермерском доме был «странной технологией» с гудящими вакуумными лампами, но он предлагал то, чего жаждал человек: способ заполнить пустоту и избежать скуки. Телевидение сделало этот процесс еще более захватывающим благодаря визуальному ряду. Ньюпорт напоминает статистику Nielsen: в 1980-х и начале 1990-х годов телевизор в среднестатистическом доме работал от 7 до 8 часов в сутки. Это не было «назначенным просмотром» конкретных передач; устройство было включено фоном постоянно, как сейчас мы держим телефон под рукой в любой момент безделья. Сегодняшние смартфоны и алгоритмы лишь довели эту модель до «апекса». Ньюпорт подчеркивает, что борьба с постоянным отвлечением — это не просто технологический вопрос, а вызов человеческим инстинктам, сравнимый с кризисом в области здоровья, вызванным избытком сахара, жира и соли в рационе. Алгоритмы, оптимизированные под «время в приложении», превратили современный интернет в бесконечный поток контента, который Эд Зитрон метко называет «персонализированным пойлом» (slop). Этот поток обращается не к фронтальной коре головного мозга, а к краткосрочным центрам мотивации, заставляя нас бесконечно потреблять контент, будь то случайные драки на видео или дорожные аварии. ## 👑 Марк Цукерберг: парадоксальный выживший в мире Big Tech [[JUMP:02:14:22]] Фигура Марка Цукерберга вызывает у экспертов когнитивный диссонанс. С одной стороны, решения, принятые им в последние годы, выглядят крайне сомнительными. Попытка превратить Facebook и Instagram в прямых конкурентов TikTok привела к тому, что платформы начали терять свою идентичность. Согласно отчету Meta для FTC, более 80% контента в ленте Facebook теперь составляют посты от людей, которых пользователь не знает, что окончательно разрушает прежнее преимущество соцсети — общение с близкими. Не менее катастрофическим стал проект Метавселенной, в который, как отмечает Зитрон, было вложено больше средств с поправкой на инфляцию, чем правительство США потратило на программу «Аполлон», при этом результат оказался ничтожным. Внутренняя стратегия компании в области ИИ также описывается как «непоследовательная» — от создания центров суперкомпьютеров до их внезапных закрытий и перестановок кадров. Тем не менее, Цукерберг остается редким исключением среди основателей компаний эпохи Web 2.0. В то время как лидеры Google и Microsoft давно передали управление «экспертному классу» менеджеров, Цукерберг сохранил полный контроль над Meta, капитализация которой приближается к триллиону долларов, а годовая выручка превышает 200 миллиардов долларов. Как совместить провальные решения с такой колоссальной финансовой успешностью? Зитрон предлагает два возможных объяснения: * **«Дикий» оператор:** Цукерберг проявил себя как невероятно жесткий и расчетливый корпоративный боец, который успешно отбивает любые атаки на свой пост CEO уже более двух десятилетий. * **Агрессивный сбор ренты:** Возможно, секрет успеха кроется в умении выжимать деньги из уже существующих активов, таких как Instagram и WhatsApp, направляя денежные потоки туда, где они гарантированно приносят прибыль. В конечном итоге, несмотря на провалы и имидж человека, который «никогда не был самым умным в комнате», Цукерберг остается одним из самых успешных и влиятельных CEO XXI века, умеющим сохранять власть даже в условиях шторма.