# Дэвид Луан: почему Nvidia станет ИИ-компанией, а разработчики моделей начнут выпускать чипы

Источник: https://www.youtube.com/watch?v=ziGNnhNABqA
Канал: 20VC (Harry Stebbings)
Опубликовано: 24.06.2024

---

В новом выпуске подкаста 20VC Гарри Стеббингс беседует с Дэвидом Луаном, сооснователем и генеральным директором компании Adept. Луан, прошедший через «золотой век» Google Brain и участвовавший в становлении OpenAI, делится инсайдами о том, как изменилась культура разработки ИИ: от академических статей к масштабным инженерным проектам. Главная тема беседы — неизбежная вертикальная интеграция индустрии, где производители чипов начинают создавать модели, а разработчики моделей — собственное «железо».

## 🏛 От академической свободы к «Проекту Аполлон»: эволюция Google Brain и OpenAI
[[JUMP:00:43]]

Дэвид Луан описывает период с 2012 по 2018 год в Google Brain как «магическое время», сравнимое с эпохой Bell Labs [1:22]. По его словам, это была эпоха «восходящих» (bottom-up) исследований: компания нанимала блестящих ученых, которые могли полгода работать над любой интересующей их проблемой без четких краткосрочных бизнес-целей [2:52]. Именно в этой атмосфере родились ключевые технологии современности:

*   Архитектура Transformer (была изобретена в Google, а не в OpenAI, подчеркивает Луан) [4:11].
*   Диффузионные модели (основа генерации изображений).
*   Новые методы оптимизации нейросетей [1:34].

Однако с появлением архитектуры Transformer парадигма изменилась. Как вспоминает гость, работавший тогда в OpenAI вместе с Ильей Суцкевером, стало ясно: Transformer — это универсальная модель, подходящая для любой задачи [4:11]. По мнению Луана, OpenAI первой (наряду с DeepMind) осознала, что следующая фаза ИИ — это не написание научных статей, а решение фундаментальных инженерных проблем [7:14].

Луан утверждает, что OpenAI перешла от структуры «федерации независимых исследователей» к модели «Проекта Аполлон» [8:06]. Вместо того чтобы позволять тысяче людей организовывать себя самостоятельно, компания начала формировать гигантские команды вокруг конкретных целей: управления рукой робота, победы в сложнейших видеоиграх или масштабирования GPT до уровня универсального интеллекта [7:40].

## 📈 Почему закон масштабирования не умрет: RL-петли и синтетические данные
[[JUMP:08:33]]

В индустрии всё чаще звучат мнения о «законе убывающей отдачи» (diminishing returns) при увеличении вычислительных мощностей. Луан с этим категорически не согласен [9:00]. Он признает, что простая дозагрузка данных в базовую модель требует экспоненциального роста ресурсов: для предсказуемого улучшения «умности» модели количество вычислений нужно удваивать [9:52].

Однако гость выделяет второй, более перспективный путь улучшения производительности, который только начинает осваиваться, — это использование моделей для самообучения в симуляциях [11:36].

Основные тезисы Луана о будущем масштабировании:

1.  **Проблема обучения на человеческих данных:** Модель, обученная только на текстах из интернета, не может превзойти человеческий уровень, так как её учат лишь подражать написанному [14:26].
2.  **Синтетическая обратная связь:** Чтобы решить нерешенные математические задачи или создать что-то новое, модели нужно дать доступ к инструментам (например, библиотекам для доказательства теорем или Jupyter Notebook) [12:05].
3.  **Обучение через опыт:** Модель должна экспериментировать в симуляции, получать результат, рефлексировать над ним и учиться на своих ошибках. Этот процесс поглотит колоссальное количество вычислений, поэтому Луан не ждет замедления спроса на чипы [12:44].

## ⚔️ Вертикальная интеграция: война Nvidia и облачных гигантов
[[JUMP:23:26]]

Луан предсказывает фундаментальный сдвиг в структуре бизнеса ИИ. По его мнению, владение только одним уровнем стека (чипами или моделями) становится рискованным [25:26].

**Позиция гостя по рынку чипов:**
Хотя Nvidia сейчас доминирует, Луан указывает на пример Google с их процессорами TPU. Команда TPU (менее 500 человек на момент его работы в Google) смогла создать чипы, на которых обучались Gemini и PaLM [27:52]. Луан считает, что у облачных провайдеров первого эшелона (AWS, Google, Microsoft) есть экзистенциальная потребность иметь собственные чипы для контроля маржинальности [23:40].

**Почему Nvidia пойдет в модели:**
По мнению Луана, Nvidia будет вынуждена «подниматься по стеку» и развивать собственные модели. Если они этого не сделают, они рискуют превратиться в поставщика «коммодити» (взаимозаменяемого товара), так как клиентам будет все равно, на каком железе работает API их чатбота [26:46].

Луан ожидает появления 5–7 крупных игроков на рынке LLM, которые будут владеть полным стеком: от собственных дата-центров и чипов до конечных интерфейсов [20:46].

## 🤖 Агенты против RPA: в чем разница?
[[JUMP:33:53]]

Многие сравнивают современные ИИ-агенты с традиционной автоматизацией процессов (RPA), такой как UiPath. Луан объясняет, почему это сравнение некорректно, используя аналогию с роботами на заводе [36:28]:

*   **RPA — это «желтая линия»:** Робот на заводе просто следует по нарисованной линии от станции к станции. Если линия прервется или на пути возникнет препятствие, он остановится. RPA эффективно только для высокообъемных, абсолютно идентичных задач [36:41].
*   **ИИ-агенты — это «автопилот» (Full Self-Driving):** Агент постоянно думает, планирует и оценивает ситуацию на каждом шаге для достижения цели. Он может справляться с «краевыми случаями» (edge cases), из которых, по словам Луана, состоит любой реальный рабочий процесс в корпорации [35:23].

Луан подчеркивает, что Adept строит «вертикально интегрированный стек» для агентов [34:05]. Он считает, что владение интерфейсом дает колоссальное преимущество, так как позволяет модели учиться напрямую у пользователя, наблюдая за его действиями в браузере или специализированном ПО [38:11].

## 🏢 Будущее работы: «схлопывание» стека талантов
[[JUMP:39:18]]

Обсуждая влияние ИИ на организационную структуру компаний, Луан ссылается на идею инвестора Скотта Бельски о «схлопывании стека талантов» (collapsing the talent stack) [42:08].

По мнению Луана:

*   Сотрудники станут «генералистами», способными одновременно выполнять роли менеджера продукта, дизайнера и инженера [42:21].
*   ИИ возьмет на себя узкоспециализированные задачи, работая под руководством человека.
*   Это приведет к созданию гораздо более эффективных и компактных команд [42:34].

При этом Луан скептически относится к модели оплаты «за выполненную работу» (price per work) в сфере интеллектуального труда [39:32]. Он полагает, что компании продолжат платить за «место» или лицензию, так как ИИ-агент — это скорее ко-пилот или член команды, усиливающий креативность человека, а не просто исполнитель рутинных заявок [40:11].

## ⚠️ Регуляторный захват и риски AGI
[[JUMP:48:18]]

Луан выражает серьезную обеспокоенность по поводу текущих попыток регулирования ИИ. Он называет это «регуляторным захватом» (regulatory capture) [48:42].

**Аргументы гостя:**

*   Крупнейшие лаборатории ИИ пытаются «поднять лестницу» за собой, навязывая правила, которые затруднят стартапам и Open Source проектам обучение новых моделей [49:23].
*   Законодатели часто не понимают технологию и слушают только «самых авторитетных» игроков, у которых могут быть скрытые мотивы для ограничения конкуренции [49:09].

Относительно безопасности AGI (общего искусственного интеллекта) Луан считает, что рассуждать о нём сложно, так как люди часто определяют AGI как «бесконечность» [50:57]. Он прагматично замечает, что в ближайшие пять лет открытые модели (Open Source) будут неизбежно отставать от закрытых из-за нехватки ресурсов на обучение, но их существование критически важно для баланса сил в индустрии [51:23].

## 🧠 Проблема интерфейса: почему чат — это не предел
[[JUMP:51:49]]

В завершение беседы Луан утверждает, что индустрия слишком мало времени уделяет проблеме взаимодействия человека и компьютера (HCI) [54:13].

По мнению гостя:

1.  **Чат — это плохой интерфейс.** Общение с коллегой гораздо богаче: вы используете доски, общие документы, вместе смотрите в один монитор [53:46]. Простое написание промптов и получение ответов — это тупиковый путь для по-настоящему умных систем.
2.  **Агенты заменят GUI.** Переход от графического интерфейса к агентам будет таким же значимым, как переход от командной строки DOS к Windows [55:31].
3.  **ИИ как расширение мозга.** В идеале агент должен ощущаться как неинвазивный нейроинтерфейс, позволяющий человеку оперировать на более высоком уровне абстракции [55:31].

Главным препятствием для этого видения Луан называет «огороженные сады» (walled gardens) существующих ИТ-гигантов [56:50]. Если Salesforce, Google и Microsoft закроют свои данные друг от друга, агенты не смогут эффективно работать во всех доменах сразу.