В новом выпуске подкаста Forward Guidance ведущий Джек Фарли обсуждает феномен «пузыря ИИ» со Стивом Хоу, старшим специалистом по количественным исследованиям (quant researcher) в Bloomberg. Хоу, обладающий докторской степенью по макроэкономике, утверждает, что нынешний технологический бум фундаментально отличается от предыдущих эпох и может стать самым масштабным инвестиционным циклом в истории человечества.
📈 Природа ИИ-пузыря: почему в этот раз всё иначе 0:00
Стив Хоу сразу заявляет: отрицать наличие пузыря в сфере искусственного интеллекта бессмысленно . Однако, по его мнению, сам факт образования пузыря не нивелирует долгосрочного влияния технологии. Главный вопрос заключается в его масштабе, длительности и текущей стадии развития.
Хоу выделяет ключевое отличие от «пузыря доткомов» конца 90-х:
- Мгновенная адаптация: Если в 2000-х годах существовал избыток неиспользуемых мощностей (отложенный спрос), то инструменты ИИ сегодня внедряются и используются повсеместно практически сразу после появления .
- Рекурсивный спрос: Современный ИИ начинает «использовать сам себя» (агентный подход), что может увеличить спрос на вычислительные мощности в сотни раз .
По словам гостя, многие недооценили недавнее ускорение сектора, поскольку ориентировались на старые макроэкономические лекала . Хоу отмечает, что ещё в 2023 году он предсказывал: пузырь ИИ станет как минимум не меньше криптопузыря, а возможно, и «величайшим пузырём всех времён» .
🏗️ Макроэкономический эффект: капекс как двигатель ВВП 11:06
С точки зрения макроэкономики, основное влияние ИИ на данный момент сосредоточено не в росте производительности труда, а в гигантских капитальных вложениях (Capex).
- Компоненты ВВП: Хоу напоминает формулу ВВП (потребление + инвестиции + госрасходы + чистый экспорт). Бизнес-инвестиции — самый волатильный компонент, и именно вложения в ИИ-инфраструктуру стали основным драйвером роста .
- Глобальное влияние: Мощный инвестиционный цикл в США поддерживает экономики Южной Кореи и Тайваня, которые, по словам Хоу, «буквально в огне» из-за экспорта микрочипов и памяти .
- Рынок труда в строительстве: Несмотря на стагнацию в жилом секторе из-за высоких ставок, общие показатели занятости в строительстве в США растут. Это происходит исключительно за счёт нежилого (промышленного) строительства, ориентированного на дата-центры .
Гость также указывает на «эффект богатства»: бурный рост фондового рынка, вызванный ИИ-нарративом, стимулирует потребление среди состоятельной части населения (верхняя половина K-образной экономики), что косвенно поддерживает устойчивость всей системы .
🤖 Агентный ИИ и «Парадокс Джевонса» 19:35
Обсуждая развитие технологий, Стив Хоу ссылается на «парадокс Джевонса», упомянутый главой Microsoft Сатьей Наделлой: чем эффективнее и дешевле становится ресурс (в данном случае — токены ИИ), тем больше растёт его потребление .
Переломным моментом Хоу считает переход к «агентному ИИ» (Agentic AI), который произошел с появлением моделей вроде Claude 3 Opus и Claude 3.5 Sonnet . В отличие от простого чат-бота, агентный ИИ выполняет цепочки задач, вызывая сам себя. Это меняет порядок величин в потреблении вычислений.
Гость подчеркивает: те, кто не умеет программировать, системно недооценивают мощь ИИ . Для них ИИ — это просто отвечающая машина, тогда как для кодеров это инструмент, радикально ускоряющий производство сложного продукта.
Вопрос ценообразования
Хоу утверждает, что текущая цена на ИИ «неправильная» — технология слишком дешева из-за субсидирования со стороны техгигантов . Он прогнозирует переход к многоуровневой модели оплаты:
- Аукцион за самые мощные модели.
- Оплата по факту использования (pay-as-you-go).
- Подписка только на базовые инструменты .
💼 Производительность труда и загадка ФРС 27:37
Ведущий Джек Фарли поднимает вопрос о «буме производительности», который виден в последних данных США. Однако Стив Хоу призывает к осторожности в интерпретации.
По его мнению, текущий рост измеренной производительности — это скорее «статистический шум» или следствие сокращения штатов . Компании после пандемии избавляются от «лишнего жира», заставляя оставшихся сотрудников работать больше. Прямую причинно-следственную связь между ИИ и ростом показателей ВВП на одного работника установить пока крайне сложно .
Денежно-кредитная политика
Хоу скептично относится к идеям (озвученным, например, Кевином Уоршем) о том, что ФРС должна превентивно снижать ставки на фоне ожидаемой дефляции от ИИ . Позиция Хоу:
- Лаг адаптации: Рост производительности через технологии — это медленная «J-кривая» .
- Инфляционные риски: Масштабное строительство инфраструктуры и дефицит электроэнергии, наоборот, могут подстегнуть инфляцию в краткосрочном периоде .
- Метод Гринспена: Хотя во время бума доткомов Алан Гринспен успешно «поддержал» рост экономики, Хоу считает, что ФРС должна не гадать о будущем, а следить за реальными показателями рынка труда и аренды недвижимости .
🏥 «Болезнь Баумоля» и физические ограничения 42:07
Обсуждая возможность ИИ решить проблему госдолга США через ускорение роста ВВП (знаменателя в формуле Долг/ВВП), Хоу проявляет сдержанный оптимизм . Он напоминает о «болезни Баумоля» — концепции, согласно которой в секторах с низкой автоматизацией (уход за детьми, здравоохранение, сантехника) цены растут быстрее всего .
Интересные примеры из дискуссии:
- Проблема сантехника: Глава NVIDIA Дженсен Хуанг отмечал, что главным узким местом при строительстве дата-центров стали... сантехники .
- Личный опыт: Хоу рассказывает о трудностях с ремонтом крыши своего 100-летнего дома: никакое развитие LLM не помогает найти квалифицированного кровельщика, который вовремя ответит на звонок и качественно выполнит работу .
Пока ИИ не начнёт массово и эффективно управлять роботами в физическом мире, надежды на мгновенное изобилие (cornucopia) остаются в области научной фантастики .
📊 Будущее экономической науки 50:27
В завершение Хоу описывает, как ИИ изменит его собственную профессию. Он предвидит переход к «агентному моделированию», где вместо упрощенных формул макроэкономисты будут запускать симуляции с тысячами цифровых агентов, реагирующих на изменения политики .
ИИ также снимает барьер сложности: «Я теперь гораздо увереннее использую мощные инструменты, которые недопонимал в аспирантуре, например, фильтры Калмана. ИИ позволяет задавать вопросы моделям напрямую и быстро их адаптировать» .
