# Инвестиции в эпоху Post-GPT: где искать прибыль и почему роботы пока не заменят людей Источник: https://www.youtube.com/watch?v=kvmKASScDac Канал: Stanford Graduate School of Business Опубликовано: 25.11.2024 --- В рамках серии встреч Thought Leader Series, организованной сообществом выпускников-венчурных капиталистов Stanford GSB, эксперты из Meta, Genesis Computing и Cybernetix Ventures обсудили текущее состояние индустрии искусственного интеллекта. Спустя два года после запуска ChatGPT рынок переходит от чистого восторга к прагматичной оценке цепочек создания стоимости, развитию агентных систем и интеграции ИИ в физический мир через робототехнику. ## 🕰 История ИИ: от академических «зим» до спасения жизней [[JUMP:04:11]] Доктор Ламия Юсеф (Dr. Lamia Youseff), генеральный директор Genesis Computing и ветеран индустрии (Google Cloud, Apple, Microsoft, Meta), напоминает, что термин «искусственный интеллект» был предложен еще в 1957 году [6:13]. По ее мнению, ИИ прошел через многочисленные циклы завышенных ожиданий и «зим», пока в 2000-х годах развитие облачных вычислений и больших данных не создало почву для нынешнего взрыва [7:17]. Для Юсеф ИИ — это не только цифры, но и личная история. В студенческие годы она изучала глубокое обучение, когда ее матери поставили подозрение на рак груди. Она осознала, что модели ИИ могут предсказывать злокачественные образования по рентгеновским снимкам за считанные минуты [4:54]. По ее словам, это понимание возможности спасать жизни стало ее мотивацией на следующие 25 лет карьеры. Основные вехи развития ИИ, выделенные Юсеф: * **1957 год:** Появление термина ИИ на семинаре в Дартмуте [6:13]. * **1990-е годы:** Исследования в области машинного обучения и нейронных сетей, имитирующих работу мозга [7:05]. * **2000-е годы:** Появление облачных технологий и эпоха Big Data [7:30]. * **Ноябрь 2022 года:** Запуск ChatGPT, ставший «моментом истины» для широкой публики [7:43]. ## 💰 Экономика ИИ: где скрыта маржа в цепочке стоимости? [[JUMP:09:50]] Инвестиционный ландшафт ИИ-стартапов сегодня характеризуется экстремально высокими оценками (valuations). По словам Ламии Юсеф, это ставит инвесторов перед дилеммой: вкладывать огромные суммы в меньшее количество компаний, повышая риски фонда, или оставаться в стороне и рисковать упустить следующий Google или Facebook [9:14]. Юсеф предлагает анализировать индустрию через «цепочку стоимости» (value chain), состоящую из нескольких уровней: 1. **Полупроводники и оборудование (GPUs):** Здесь сейчас концентрируется основная прибыль из-за дефицита и монополии поставщиков (NVIDIA) [10:54]. 2. **Модели (LLMs):** Слой находится под давлением конкуренции между закрытыми и открытыми (open-source) моделями. 3. **Данные:** Критически важный слой, где преимущество у владельцев частных корпоративных данных [11:21]. 4. **Приложения:** Верхний слой, где, по прогнозу Юсеф, будет захвачена значительная часть маржи в долгосрочной перспективе [10:41]. Она считает, что игроки в «середине» стека будут постепенно вытесняться давлением сверху (со стороны приложений) и снизу (со стороны инфраструктуры) [10:41]. ## 🤖 От чат-ботов к автономным агентам [[JUMP:22:43]] Джо Списак (Joe Spisak), директор по продукту Generative AI в Meta и один из создателей PyTorch, утверждает, что индустрия движется по «континууму контроля», где человек передает ИИ все больше автономии [23:08]. Эта эволюция выглядит следующим образом: * **Ассистенты:** Простые чат-боты, которые отвечают на вопросы, но не совершают действий [23:21]. * **Копилоты:** Системы с предопределенными инструментами (например, вызов поиска Google или выполнение кода) [23:34]. * **Агенты:** Системы, способные выполнять открытые задачи и вести многоэтапные диалоги (например, забронировать спа-пакет или спланировать ужин) [24:12]. * **Специализированные мультиагентные системы:** Взаимодействие нескольких агентов через API на естественном языке для решения комплексных задач [24:51]. Списак особо выделяет концепцию «вычислений во время вывода» (inference-time compute), примером которой является проект Strawberry (O1) от OpenAI [28:31]. По его словам, вместо того чтобы вкладывать все ресурсы только в предварительное обучение моделей, разработчики начинают использовать алгоритмы поиска (например, метод Монте-Карло), позволяя модели «думать» дольше во время ответа, что резко повышает качество решения сложных задач [28:45]. ## 🏘 Робототехника: ИИ обретает физическое тело [[JUMP:42:27]] Фади Саад (Fady Saad), основатель Cybernetix Ventures, считает, что робототехника — это самостоятельный класс активов, находящийся на стыке софта (SaaS) и «глубоких технологий» (deep tech) [36:25]. Он определяет робототехнику как пересечение автоматизации и интеллекта [42:41]. По мнению Саада, успех в робототехнике сегодня зависит не от «крутости» технологии, а от выбора правильной вертикали. Он выделяет ключевые рынки: * **Логистика:** Решение проблемы нехватки рабочей силы на складах [44:32]. * **Строительство:** Оцифровка опасных и грязных работ (например, установка фасадных панелей) [48:20]. * **Здравоохранение:** Помощь врачам в диагностике и проведении операций [43:56]. * **Сельское хозяйство и климат:** Масштабирование экологических решений [45:00]. Саад подчеркивает, что навигация роботов в помещениях — это уже практически решенная задача [1:03:28]. Однако «святым Граалем» остается манипуляция: достижение человеческого уровня ловкости рук. По его прогнозу, создание по-настоящему полезных гуманоидных роботов займет еще не менее 7 лет из-за нерешенных проблем с неопределенностью при захвате объектов [1:03:14]. ## 🛡 Стратегии выживания стартапов против Big Tech [[JUMP:1:11:04]] В дискуссии о конкуренции с технологическими гигантами Джо Списак высказал мнение, что стартапам не стоит бояться Big Tech, а нужно использовать их ресурсы. Meta и другие компании тратят миллиарды долларов на разработку моделей с открытым исходным кодом (например, Llama), фактически предоставляя стартапам бесплатный фундамент для инноваций [1:12:34]. Ключевые советы экспертов для фаундеров: 1. **Глубокая экспертиза (T-shaped teams):** Успешные команды должны сочетать сильных ML-инженеров с экспертами из конкретных отраслей (FDA, логистика, строительство) [1:13:25]. Списак критикует стартапы, которые просто «навешивают обертку» на чужой API, не понимая сути машинного обучения [1:11:57]. 2. **Избегайте инфраструктурных войн:** Списак полагает, что инвестировать в создание новых облачных платформ для обучения сейчас крайне рисковано, так как это превращается в низкомаржинальный бизнес по перепродаже мощностей GPU [1:30:07]. 3. **Фокус на продуктовом опыте:** Ламия Юсеф утверждает, что масштаб имеет значение. Опыт работы в больших корпорациях помогает понять, как масштабировать системы с 1 000 до 1 000 000 пользователей, что является критическим навыком для стартапа [1:15:22]. ## 🌐 Национальная безопасность и дефицит данных [[JUMP:1:32:38]] Участники дискуссии сошлись во мнении, что ИИ стал вопросом национальной безопасности. Фади Саад отметил, что перенос производства полупроводников и развитие аддитивных технологий в США — это не только экономический, но и стратегический вопрос обеспечения самодостаточности в случае конфликтов [1:33:54]. Одной из главных проблем развития «физического ИИ» остается нехватка оцифрованных данных. Если для обучения языковых моделей (LLM) можно было использовать весь интернет, то для обучения роботов работе в зданиях или на фермах данных катастрофически мало [1:41:52]. Большинство зданий в мире «глупы» — в них нет сенсоров, собирающих информацию [1:40:53]. По мнению Саада, инструменты для сбора физических данных станут одной из самых интересных областей для инвестиций в ближайшие годы [1:42:32].