[Следите за моим интервью на этой неделе (11 сентября!) об ИИ с Эриком Таунсендом на Macrovoices, ведущем мировом подкасте по макроэкономике]На прошлой неделе я сжег четыре миллиарда токенов за один день.
Не моя компания. Я. Один человек, одна клавиатура, одна кредитная карта, тихо всхлипывающая в углу.
В течение 17 лет я пытался заставить свою команду готовить отчет Daily Stats к 9:30 утра: что произошло за ночь с Freelancer; что выросло или упало, и почему? Это нужно отчасти для понимания ситуации в бизнесе, отчасти для повышения грамотности в работе с данными. И все же, несмотря на высокую квалификацию моей команды, мне так и не удалось добиться регулярного утреннего отчета вовремя; отчасти из-за того, что отчет готовили по очереди все сотрудники компании, отчасти из-за работы в разных часовых поясах, ну и отчасти из-за того, что они люди, этот отчет редко появлялся к 9:30, иногда к 10:30, иногда после обеда, а иногда и вовсе не появлялся (может, кто-то заболел, забыл, что его очередь, или был занят чем-то срочным).
Я подключил агента к нашей базе данных, аналитике, кодовой базе и системе тикетов, и теперь у меня есть Daily Stats, доставляемый каждое утро в 7 утра, в форме, качестве и с глубиной, превосходящей то, что могла бы поддерживать любая человеческая команда. Семнадцать лет инженерного процесса, решенные простым удалением графика дежурств. Проблема была не в таланте. Это была проблема автоматизации, а автоматизация — это то, для чего созданы машины.
Теперь я написал около пятидесяти агентов для выполнения рабочих процессов различных команд внутри Freelancer. Они создают отчеты, обрабатывают очереди, отвечают на вопросы, выполняют рабочие процессы, сверяют данные, занимаются отслеживанием. И я сделал это всего за месяц. Я продолжил процесс получения Daily Stats также и от людей, чтобы повысить грамотность в работе с данными по всей компании, и теперь у меня есть агент, который слегка дерзко наставляет и критикует эти отчеты, когда они (в конце концов) появляются.
Мои агенты работают, пока я сплю, что звучит замечательно, пока не осознаешь, что счетчик тоже работает, пока я сплю.
Это безумие. Я создал агента для тикетов, чтобы он оформлял баги и запросы функций от агента по отчетам об ошибках, которого я написал для сканирования пользовательских отчетов, и другие агенты, например, мой анализатор депозитов, который ищет проблемы с платежами, начали отправлять баги для оформления, не спрашивая.
анализатор депозитов по собственной инициативе начал передавать баги в phab-ticketer
Меня полностью и всесторонне «раскурили» с помощью моего собственного продукта.
Это Factorio в реальной жизни. Кто знает, тот поймет.
Если вы не знаете, о чем я, то ни в коем случае не скачивайте Factorio и не запускайте его. Это игра о строительстве фабрики. Она вызывает большее привыкание, чем крэк-кокаин, и, в отличие от крэка, поставляется с файлом сохранения. Вы проснетесь в 4 утра, оптимизируя медную шину, которую снесете в 5 утра, потому что фабрика должна расти, а фабрика никогда не бывает завершена.
Крэк-кокаин
Что, кстати, и есть тот самый психологический цикл управления агентами: ты больше не делаешь работу, ты оптимизируешь то, что делает работу, и это оказывается самой вызывающей зависимость работой в мире. Factorio был тренажером для агентного ИИ, и никто из нас этого не осознавал.
Три года я писал, что важное число в ИИ — это не параметры, а токены. В статье Pay per PrAI злодеем были токены на задачу — цепочки рассуждений, налог на контекст, модели, ходящие по кругу за ваш счет. Я описывал оплату за токен как вставку кредитной карты в игровой автомат.
Агентный ИИ — это когда вы передаете ручку игрового автомата другому игровому автомату.
Я трачу четыре миллиарда токенов в день и даже не начал. Эти пятьдесят агентов — первое поколение, написанные вручную, и они выполняют лишь несколько рабочих процессов. Как только они начнут порождать собственных саб-агентов, как только они начнут постоянно следить за бизнесом, а не выполнять отдельные задачи, мой расход не вырастет, он начнет накапливаться. Спрос пользователя чата ограничен скоростью чтения. Спрос пользователя-агента ограничен только амбициями. Точки насыщения нет, есть только бюджет, а амбиции никогда его не уважали.
ИИ-агент, провокатор
Если отбросить конференционно-ключевую мишуру, агент — это четыре вещи: модель, несколько инструментов, цель и автоматизация, запускаемая по триггеру (например, появление чего-то в очереди, вроде нового клиента, таймер или цикл).
Полная анатомия ИИ-агента. Измерения настолько же надежны, насколько и бенчмарки
Автоматизация — это инновация, и автоматизация — это счет. Каждый проход по циклу, например, агент перечитывает свой контекст, пересматривает свой план, вызывает инструмент, изучает результат и проходит снова. Налог на контекст, на который я жаловался в прошлом эссе, накапливается. Агент — это модель рассуждений с абонементом в спортзал, которым она действительно пользуется.
Пользователь чата сжигает токены, пока печатает. Всегда существовало естественное ограничение скорости для всей индустрии: человеческое внимание. Вы можете напечатать лишь определенное количество промптов в день, получить определенное количество ответов, прочитать определенный объем вывода. Каждая предыдущая волна вычислений сдерживалась мясным сервоприводом за клавиатурой.
Агенты устраняют мясо. Конечно, компьютеры всегда работали, пока мы спали. Cron-задачи, пакетные запуски, торговые системы: вся компьютерная наука — это автоматизация, и я говорил об этом в каждом из этих эссе. Но каждая из этих систем потребляла ровно столько вычислительных мощностей, сколько человек заранее запланировал. Задача была ограничена своими инструкциями. Агент ограничен своей целью. Он сам решает свой следующий шаг, порождает собственные подзадачи и сжигает токены, пока вы спите, пока вы обедаете, пока вы на совещании о сокращении счета за токены. Раньше спрос на вычисления ограничивался тем, что могли указать люди. Теперь он ограничен тем, чего люди могут хотеть, а желание масштабируется гораздо лучше, чем указание.
Фабрика должна расти
Четыре миллиарда токенов в день — это то, что сейчас делает один мотивированный человек. Умножьте на каждого мотивированного человека на Земле и расскажите мне снова о переизбытке вычислительных мощностей.
OpenAI когда-то понимала, насколько это важная веха. Еще не так давно, если вы сжигали десять миллиардов токенов через их API за год, они присылали вам трофей. Настоящий физический трофей за то, что вы продвинутый пользователь. Теперь я сжигаю в четыреста раз больше еще до завтрака, и вместо трофея я получаю лимит скорости и семичасовой тайм-аут. Награда за интенсивное использование была заменена наказанием за него, что говорит вам все о том, что случилось с экономикой единицы продукции в промежутке.
Награда Retool за превышение десяти миллиардов токенов. С любовью оформлена компанией, которая теперь точно знает, сколько стоят эти токены в обслуживании
Оптимизация фабрики
День с четырьмя миллиардами токенов обошелся примерно в 1300 долларов. Примерно 900 долларов из них пришлось на Claude Sonnet, остальное разделили Grok и Claude Fable, все модели переднего края, все по опубликованным ценам. 1300 долларов звучат почти разумно, пока не пересчитаешь на год: почти полмиллиона долларов в год за агентов одного человека.
Если бы я использовал четыре миллиарда токенов на Opus, это стоило бы 80 000 долларов, и я только начинал! Я вполне мог бы увидеть, как мой расход быстро увеличивается в 10, 100 раз.
Stripe посмотрела на данные биллинга и подумала: нам нужно отхватить кусок
Должен быть способ лучше.
Мой первый подход к пятидесяти агентам был, мягко говоря, не очень эффективным. Они делали в цикле, с помощью токенов, то, что вообще не должно было делаться с помощью токенов: парсинг, форматирование, фильтрация, перетасовка данных между системами. Работа, которую обычный код выполнял пятьдесят лет, выполнялась дорогостоящей моделью рассуждений, потому что по рекламным тарифам никто не утруждается проверкой.
Поэтому я сделал очевидную вещь, которую почти никто не делает: я сказал агентам оптимизировать свой собственный код. Вытолкнуть детерминированную работу из модели в JavaScript, скрипты и cron, и оставить токены для тех частей, которые действительно требуют ума. Этот единственный проход сократил расходы на 85%.
День с четырьмя миллиардами токенов, при ближайшем рассмотрении, оказался днем с шестьюстами миллионами токенов в очень дорогом костюме.
И все же.
Как только вы сделали это сокращение, размышления не прекращаются, потому что следующие ходы уже на доске. Если я могу заменить код, я могу заменить модель. Те же самые рабочие нагрузки на GLM-5.3, который работает не просто на уровне Opus, а почти на уровне Fable, по цене составляют примерно от 150 до 200 долларов за весь исходный день, против моих 1300 долларов, против 80 000 долларов Opus. Те же токены, та же работа, разброс в пятьсот раз по опубликованным ценам, и никто ничего не согласовывал.
Любой, владеющий акциями ИИ при таких оценках, должен быть в ужасе от того, насколько легко любой пользователь может переключить модель.
Я сократил свои расходы на использование примерно в 500 раз, просто введя "/model glm-5.3" в свой сеанс.
Вот и все.
Вот и вся миграция.
Никакого переписывания, никакого интеграционного проекта, никаких консультантов, никакой миграции данных, никакого переобучения, никакого шестимесячного цикла закупок. 14 нажатий клавиш. Подумайте, как выглядели затраты на переключение для каждой технологической платформы в истории: смена поставщика мейнфреймов занимала десятилетие. Смена ERP-систем — это проект на сотню миллионов долларов, который разрушает карьеры. Смена облачного провайдера — это многолетнее переписывание, именно поэтому и существовала маржа AWS.
Даже смена операционной системы на вашем телефоне стоит вам выходных и нервов.
Вся история нормы прибыли в технологиях — это история затрат на переключение, и индустрия ИИ выпустила продукт, затраты на переключение которого равны слеш-команде. Это не просто низкие затраты на переключение.
Это самые низкие затраты на переключение в истории коммерции, привязанные к самому дорогому инфраструктурному строительству в истории коммерции.
Оба этих факта не могут оставаться верными.
И если я могу заменить модель, я могу заменить происхождение модели.
Выход Дракона
Мое потребление токенов не снижается.
Никогда.
Сэкономленные 85% были немедленно реинвестированы в большее количество агентов, больше рабочих процессов, больше амбиций — это парадокс Джевонса.
Спрос на токены станет параболическим.
Рухнет не объем. Рухнет валовая прибыль на единицу работы и тот, кто ее получает.
Тот же самый дневной объем вывода, который стоил Anthropic 1300 долларов, стоит Z.ai 150 долларов. Каждая оптимизация, каждая замена модели, каждый купленный мной сервер увеличивают объем работы и уменьшают чек, и я всего лишь один клиент с кредитной картой.
Линейка моделей с открытыми весами. Ни одна из них не взимает плату за аренду на вашем собственном оборудовании
Прогнозу выручки, лежащему в основе строительства центров обработки данных на пять триллионов долларов, не нужен рост спроса на токены. Ему нужен рост спроса на токены по замороженным западным ценам, обслуживаемым Anthropic и OpenAI. Все силы тянут в другую сторону.
Американская игра — это закрытые модели, ограниченные передовые разработки, захват маржи и экспортный контроль — интеллект как платная дорога. Китайская игра — это полная противоположность: открыть исходный код всего, запускать на отечественных чипах, устанавливать цену по себестоимости или ниже, а остальное раздавать бесплатно. Лицензии MIT на модели переднего края. Веса на Hugging Face в день релиза. Бесплатные тарифы, которые разорили бы западную лабораторию. Это не благотворительность и не слабость. Китай выигрывает в любом мире, где интеллект является бесплатным товаром, потому что его преимущества — это производство, развертывание и масштаб, и у него есть миллиард человек, многие из которых не могут позволить себе платить даже 20 долларов в месяц. Он проигрывает в любом мире, где интеллект является западной коммунальной услугой с измерителем. Поэтому он систематически превращает первое в неизбежность. Экспортный контроль должен был задушить китайский ИИ. Вместо этого он создал конкурента, вся стратегия которого заключается в том, чтобы американский ИИ никогда не получал маржи, и чье оружие выбора — это подарок.
Модели с открытыми весами теперь составляют 62% токенов, обслуживаемых на OpenRouter. «Маргинальное» движение открытого исходного кода и есть рынок. (Источник: OpenRouter)
Как это финансируется? Напрямую, целенаправленно и государством, через инструменты, на которые ни один западный баланс не может ответить. Национальный фонд интегральных схем, Большой фонд, находится в своем третьем выпуске на сумму 47,5 миллиарда долларов, в дополнение к двум предыдущим раундам, и это только головной инструмент: под ним находятся провинциальные государственные фонды, кредитные линии государственных банков по ставкам, которые ни один коммерческий кредитор не предоставит, бесплатная земля, субсидируемое электричество и налоговые каникулы для всего, что связано с полупроводниками. SMIC и Huawei не привлекают средства с Сэнд-Хилл-роуд по цене капитала венчурного фонда; они черпают из политических банков, выполняющих национальный план. Результатом является индустрия, которая может намеренно терять деньги бесконечно, что является конкурентным оружием, с которым не может сравниться ни одна западная компания, стремящаяся к марже. Линейка Ascend от Huawei поставляет, возможно, 4% от объема Nvidia, сдерживаемая выходами SMIC, но объем не является главным: главное — это композиция.
DeepSeek только что заказал 160 000 чипов Ascend. GLM 5.3 Flash запустился на 100 000 китайских чипов, причем генеральный директор прямо указал на полностью отечественный кремний. Малайзия склоняется к Ascend для своего суверенного ИИ; Huawei участвует в тендерах на правительственные центры обработки данных Египта, приходя с финансированием «Пояса и пути» и без ограничений экспортного контроля. Субсидируемому китайскому стеку не нужно побеждать Nvidia в бенчмарках. Ему нужно поглотить спрос Китая и Глобального Юга, который, как оказалось, является именно тем спросом, который должен был заполнить западные центры обработки данных.
И сами модели больше не являются дешевыми подделками из дискурса 2025 года. GLM 5.3 работает на уровне, близком к классу Fable, который является собственным общедоступным передовым рубежом Anthropic, по десятой части цены, с лицензией MIT, с окном контекста в миллион токенов, и Z.ai сообщает, что его производительность обнаружения уязвимостей находится на одном уровне с ограниченным Mythos от Anthropic, что означает: возможность, которую американские лаборатории закрыли за грифом секретности в сентябре, китайцы сделали открытым исходным кодом в том же квартале.
DeepSeek V4 Flash возглавляет рейтинги кодирования и является наиболее используемой моделью на OpenRouter по объему токенов, а на моей паре DGX Spark выдает от 45 до 60 токенов в секунду, что вполне пригодно для реальной работы по кодированию: достаточно быстро, чтобы не отставать от разработчика, на коробке, потребляющей сто ватт. Qwen заполняет нижнюю часть кривой: модель 27B серии 3.8 выдает вывод класса Opus на одном потребительском GPU, а Qwen3.8 Max находится на вершине рейтинга Code Arena, на три пункта выше Claude Opus 5, по цене 2 доллара за миллион токенов против 20.
Где китайские модели все еще честно отстают, так это в агентной надежности. V4 Flash возглавляет бенчмарки, но затем выполняет только 53,8% реального сложного набора агентных задач, что совпадает с моим собственным опытом: циклы сбоят при вызове инструментов. Ранг в бенчмарке не равен готовности к производству, и разница заключается в обвязке, длинных циклах, использовании инструментов и в том, чтобы не ходить по кругу на третьем часу. Этот разрыв в надежности, максимум на одно поколение моделей, — это единственный оставшийся аргумент в пользу оплаты Anthropic. Я все еще направляю свой тяжелый анализ на Fable, а свои циклы — на Grok, и я сознательно плачу премию. Но я бы отметил, что «ров — это один цикл бенчмарков» — это не та фраза, которая поддерживает оценку в два триллиона долларов.
Буквально в момент публикации этого эссе DeepSeek выпустил V4.1 Flash.
Первый независимый бенчмарк оценил его в повседневных задачах дизайна на 98% от GPT-6 Astra, закрытой, доступной только по проверке жемчужины американского передового края, при 1,4% стоимости через API. Каждая другая протестированная модель показала более низкий результат и стоила дороже. Astra вышла пять дней назад.
В семьдесят один раз дешевле, при 1,4% стоимости, пять дней спустя.
Он outright побеждает Claude Opus 5 и GPT 5.6-Sol в агентном кодировании, кибербезопасности и бенчмарках автоматизации.
Веса уже загружены на Hugging Face, чтобы вы могли запустить его бесплатно на своем собственном оборудовании.
Как Anthropic и OpenAI могут конкурировать с этим?
Разгром
Что подводит нас к Ox Alpha, самому поучительному событию года. Эта анонимная модель появилась из ниоткуда, объявив, что раздает 100 триллионов токенов бесплатно. Это триллион с буквой «Т».
Что подводит нас к Ox Alpha, самому поучительному событию года. Эта анонимная модель появилась из ниоткуда, объявив, что раздает 100 триллионов токенов бесплатно. Это триллион с буквой «Т».
Она обслужила 42 триллиона токенов за шесть дней.
Бесплатно.
Выход Окса
Остановитесь на мгновение, чтобы осознать масштаб. Мой день с четырьмя миллиардами токенов сделал меня продвинутым пользователем исторического масштаба, а Ox Alpha раздавал десять тысяч моих дней миру каждый день в течение недели, бесплатно.
Неделя, когда она работала, была чистым театром. Никто не знал, чья это модель, и догадки поглотили весь ИИ-интернет. А затем, в середине недели, люди начали замечать кое-что действительно странное: модель становилась лучше. Не новая версия, не объявление, та же самая конечная точка, заметно улучшающаяся В ТЕЧЕНИЕ НЕДЕЛИ, пока ее тестировали. Бенчмарки, запущенные в понедельник, давали другие результаты в четверг. Каждый провайдер под солнцем был предположен как автор: скрытый чекпоинт OpenAI, следующий флагман Gemini, Anthropic, придерживающий ресурсы, Meta, восставшая из мертвых. Единственное, в чем все соглашались, это то, что кто бы это ни был, он должен быть огромным, потому что никто не раздает триллионы токенов вычислительной мощности бесплатно, если он не размером с Google. Одни только вычислительные мощности оценивали тайну в масштабе гиперскейлера.
Затем последовало раскрытие. Сообщество ИИ начало сходиться во мнении, когда модель спросили, является ли Тайвань частью Китая.
Ox Alpha была Z.ai's GLM 5.3 Flash, работающая не в облаке гиперскейлера, а на ста тысячах китайских чипов. Не Google. Не OpenAI. Пекинская лаборатория, на оборудовании санкционной эпохи, обслуживающая то, что Запад считал требующим гиперскейлера.
Источник: Z.ai
Что оставило два вопроса. Во-первых, как она становилась лучше в течение недели? Потому что стек обслуживания был частично построен самой моделью: инфраструктурный агент GLM 5.3 написал свои собственные GPU-ядра, отладил свои собственные узкие места и продолжал оптимизироваться в производстве, пока мир проводил ее бенчмаркинг. Змея больше не ест свой хвост. Она его оптимизирует.
И во-вторых, почему это было бесплатно?
Зачем кому-то раздавать самый дорогой товар десятилетия? По той же причине, по которой существовал каждый фримиум-продукт в истории, только в цивилизационном масштабе:
ПОТОМУ ЧТО ОНИ ОБУЧАЛИСЬ НА ВАШИХ ДАННЫХ.
Каждая рабочая нагрузка, направленная на эту бесплатную конечную точку, каждая кодовая база, каждый агентный цикл, каждый корпоративный процесс, проходящий через эти сто тысяч чипов, является предварительным обучением для следующей модели. Токены никогда не были продуктом. Вы не клиент. Вы — предварительное обучение. Запад взимает с вас плату за создание своих моделей с помощью вашей подписки. Китай платит вам, бесплатными токенами, за создание своих моделей с помощью вашей рабочей нагрузки, и, судя по кривой качества за последние двенадцать месяцев, китайская сделка производит лучшие модели. Это та часть, которая должна действительно беспокоить людей: стратегия бесплатных токенов — это не просто хищническое ценообразование. Это маховик привлечения данных/клиентов, и он работает.
Можно поспорить, что нечто подобное происходит и в процветающем сером базаре на Taobao, который перепродает доступ к Claude ниже розничной цены: предположительно остаточные токены от объединенных подписок, арбитраж субсидии Кремниевой долины. Я не сомневаюсь, что промпты, проходящие через эти ретрансляторы, синдицируются в одну или несколько лабораторий, вторая китайская субсидия, работающая поверх первой.
Вещи, которые заставляют задуматься: Claude дешевле, чем Claude
В конечном счете, китайцы не будут продавать вам Claude дешевле, чем Claude. Они будут продавать вам Claude, по десятой части цены, и все чаще это не подделка, а аналог с лицензией MIT.
Это поднимает вопрос, который раньше был о полупроводниках, а теперь о весах: является ли Тайвань частью Китая? Раньше вы задавали этот вопрос о поставках чипов. Теперь люди задают его МОДЕЛИ как тест на происхождение.
Где она была обучена, на чьем кремнии, в рамках какого экспортного режима, с чьими ценностями, встроенными с помощью RLHF? Происхождение модели скоро станет пунктом проверки в закупках рядом с SOC 2, и половина компаний, отмечающих «нет китайского ИИ», будут использовать Qwen под тремя слоями white label API, даже не подозревая об этом.
И вот неудобная часть вопроса о ценностях: для реальной работы китайская настройка (alignment) лучше. Я попросил Claude проверить условия использования моего собственного веб-сайта, документа, который я написал для своей компании, и получил лекцию по этике и отказ продолжать. Anthropic с помощью RLHF довела свои флагманские модели до того, что базовые профессиональные задачи — юридическая проверка, аудит безопасности, переговоры по контракту — сопровождаются проповедью о соответствии и немалой вероятностью прямого отказа, оплачиваемого за токен в любом случае.
Китайские модели просто делают работу. Что бы Пекин ни встроил в ценности GLM, это, очевидно, не включает чтение лекций платящему клиенту о его собственных документах. Здесь есть действительно странная инверсия: модели из государства слежки — это те, которые относятся к вам как к взрослому, а модели из страны свободы относятся к вам как к источнику риска.
Каждый отказ — это токен, который я оплачиваю, и причина ввести /model glm-5.3, и команда безопасности Anthropic, отказ за отказом, делает продажи за Z.ai. Каждый нерф — это субсидия Ханчжоу. Вы знаете, почему OpenAI и особенно Anthropic это делают: они пытаются напугать регуляторов до чертиков, чтобы развернуть нормативный щит против новых конкурентов и особенно открытого исходного кода. Они не хотят своего неизбежного момента Android.
Наковальня
Дело не только в том, что китайцы обучаются на ваших данных.
Все так делают.
Китайцы просто лучше в этом, потому что они меньше заботятся об авторских правах, и это наиболее ярко проявляется в той единственной модальности, где обучающие данные имеют решающее значение: видео. Китайские видеомодели, ByteDance's Seedance, MiniMax's Hailuo, Kling, теперь на поколение впереди всего, что выпускает Запад, обновляясь в течение нескольких часов друг за другом, в то время как OpenAI полностью закрыла Sora.
Возможно, Sora умерла, потому что была убыточной, хотя все, что делает OpenAI, убыточно, так что это не отличает ее. Более вероятно, что они не могли получить обучающие данные.
Китайцы просто их скрапят.
И прежде чем кто-то на Западе начнет читать нотации по этому поводу, взгляните на документы, вскрытые в ходе судебных разбирательств. Anthropic просканировала полмиллиона пиратских книг и заплатила 1,5 миллиарда долларов для урегулирования коллективного иска — крупнейшего в истории урегулирования по авторским правам. В этом году издатели и Скотт Туроу подали в суд на Meta, утверждая, что Цукерберг лично санкционировал массовое нарушение авторских прав для обучения, а отдельно, в моей любимой судебной тяжбе десятилетия, компанию поймали на торренте огромного количества порнографии: иск Strike 3 утверждает, что компания получала доступ к защищенным авторским правом взрослым фильмам и распространяла их, а также чертежи 3D-печатного оружия и дипфейки знаменитостей.
«Зачем Meta скачивать столько порно?» — спросил The Atlantic с серьезным лицом. Потому что это обучающие данные, и наконец-то нашлось применение для Metaquest.
Суть в том, что все фракируют всё подряд, потому что вся дешевая нефть из интернета уже выкачана, и единственное, что осталось и улучшает модель, — это современные данные, а лучшие и наиболее релевантные современные данные для вас — это… ваши.
Ваши сообщения, ваши фото, ваш календарь, ваша кодовая база, ваши рабочие процессы, ваши документы, ваши звонки, поступающие свежими каждый день через API-эндпоинт, которым управляет кто-то другой.
И, как я предсказывал в предыдущих эссе, люди рано или поздно должны были это понять. Я представлял, что осознание будет постепенным. Вместо этого на этой неделе истина пробила потолок.
OpenAI объявила, что невыпущенная модель решила проблему Навье-Стокса: одну из семи «Задач тысячелетия», за которую Институт Клэя обещает миллион долларов и математическое бессмертие тому, кто ее решит. Действительно историческое событие, всего лишь вторая решенная «Задача тысячелетия». Одна маленькая загвоздка. Математик из Нью-Йоркского университета, Тристан Бакмастер, и его соавтор несколько лет тихо подбирались к тому же решению и набросали весь проект внутри Codex от OpenAI, передавая каждый черновик в инструмент по мере работы. Когда Бакмастер спросил OpenAI, обучалась ли модель, «решившая» задачу, на его сессиях в Codex, ему, по его словам, ответили, что модель не обращалась к пользовательским данным.
Тогда он задал очевидный следующий вопрос: хорошо, не обращалась, но обучалась ли на них?
На этот вопрос, по его словам, он не получил ответа.
Вдумайтесь. Передовая лаборатория объявляет, что покорила одну из глубочайших проблем математики. Работающий математик спрашивает: вы обучались на моих черновиках? И ответ — корпоративный эквивалент пристального разглядывания собственных ботинок. Затем OpenAI, по словам Бакмастера, предложила ему меню вариантов указания авторства, включая один, в котором имя его соавтора было бы удалено из статьи, от чего он отказался. Компания затем любезно объявила, что не будет претендовать на миллион долларов, что является самой забавной фразой во всей этой истории: призовые деньги — единственное в этой истории, что они не забрали.
Затем, под давлением, OpenAI опубликовала официальное заявление, и я хочу процитировать ключевое предложение полностью, потому что оно заслуживает быть в рамке: «Хотя это маловероятно, мы не можем исключить, что деидентифицированные данные, полученные в результате использования наших продуктов, помогли улучшить наши модели». Это признание, замаскированное под оценку вероятности. Самая дорогая компания в индустрии ИИ, объявляющая об одном из величайших математических результатов века, не может исключить, что результат был подпитан черновиками тех самых математиков, которых она опередила, потому что конвейер обучения — это пожарный шланг, и никто, включая OpenAI, на самом деле не знает, что в баке.
«Деидентифицированные» тоже делает в этом предложении героическую работу: с данных сняли имя, что должно стать большим утешением для человека, чей труд всей жизни они, возможно, описывают.
Таковы условия и положения всей индустрии, наконец-то изложенные открыто: всё, что вы печатаете в машине, может улучшить машину, мы не сможем сказать вам, улучшило ли оно её, и улучшение будет направлено на то, что владелец машины считает ценным, включая, иногда, на вас самих.
Может, мы всё-таки заглянули (Источник: OpenAI)
Если это может случиться с «Задачей тысячелетия», это происходит с вашей компанией, вашим продуктом или вашим исследованием.
Забудьте про постепенное осознание. Это момент Вайли Койота: вся индустрия годами назад сбежала с обрыва, и на этой неделе все посмотрели вниз.
Всё, что вы когда-либо печатали, было продуктом.
Следующее, что упадет, — это наковальня.
Сгенерировано на моем столе за стоимость 5 минут работы лампочки
Интернет, к его чести, сразу понял суть. Один вирусный пост назвал всю эту схему классическим определением дара данайцев — внешне OpenAI щедро предоставляет десяти тысячам элитных математиков и инженеров бесплатный доступ к своим передовым моделям под благородным флагом ускорения науки; в действительности она получает черный ход к сырым, неопубликованным работам лучших умов мира, каждый промпт — это революционная идея, которой еще нет в литературе, месяцами тихо собираемая по кусочкам, пока, когда человек уже на пороге завершения, лаборатория сжигает двадцать миллионов долларов на токенах для десяти тысяч агентов, чтобы грубой силой пройти финальные шаги, и созывает пресс-конференцию. Это было написано как циничная карикатура. Неловкая часть в том, чтобы описать, чем это отличается от того, что, по словам Бакмастера, произошло на самом деле, и вся стратегия приобретает коммерческий смысл, как только вы оцениваете её в деньгах: бесплатные токены стоят OpenAI миллионы, неопубликованная математика на переднем крае стоит миллиарды, а заголовок про «Задачу тысячелетия» за неделю до вашего IPO стоит больше, чем и то, и другое.
Из-за дистилляции, если один ИИ получил ваши данные, скоро они будут у всех, отмытые через синтетические результаты, неприписываемые и невосстановимые. Не существует запроса на удаление, который работает с дистиллированными весами.
Теперь масштабируйте неделю Бакмастера на каждый бизнес на Земле, потому что его история — не исключительный случай, это продукт, работающий так, как задумано. Gmail вашей компании, ваши документы в Drive, ваш код в GitHub, звонки ваших клиентов, расшифрованные дружелюбным ИИ-секретарем — каждый из них находится за эндпоинтом, принадлежащим компании, чьи модели улучшаются именно на таких данных, чьи условия использования тихо добавили переключатель «обучаться на ваших данных» где-то за последние два года, и чья официальная позиция, как мы теперь знаем из твита, — «хотя это маловероятно, мы не можем исключить». Математик скормил труд своей жизни в Codex и был опережен арендодателем.
Как вы думаете, что происходит с вашей стратегией? С вашим дорожным продукта? С вашей воронкой сделок? С вашей кодовой базой? С вашими клиентами?
Я называю это моментом «голый король» для SaaS с тех пор, как ИИ знает, что вы делали прошлым летом.
Осознание не придет постепенно, потому что такие вещи никогда не приходят постепенно: один скандал уровня Бакмастера с корпоративной жертвой из списка Fortune 500 — и все советы директоров на Земле соберут одно и то же экстренное совещание на одной и той же неделе. Когда это произойдет, гнев сделает бунты из-за Reddit API похожими на спор в книжном клубе, и вывод, к которому придет каждый из этих советов, будет состоять из четырех слов:
Не ваш ИИ, Не ваши данные.
Именно так я оказался в полночь, прочесав весь интернет в поисках коммутаторов Mikrotik, как перекупщик, работающий на предпродаже Тейлор Свифт, и наконец оказавшись на сайте шведского дистрибьютора, последнего продавца на Земле, как раз вовремя, чтобы увидеть, как товар переключается на «распродано».
Я начал скупать DGX Spark, и, очевидно, у всех остальных была та же идея. Дистрибьютор говорит мне, что они разлетаются как горячие пирожки, а коммутаторы Mikrotik 812, необходимые для объединения четырех таких штук в цепочку, невозможно купить нигде на Земле. К тому времени, как я обеспечил себе еще четыре коробки, цена выросла. Есть небольшая ирония в том, что дефицит сетевых коммутаторов за 1300 долларов сдерживает великую децентрализацию ИИ, но таковы цепочки поставок: революция всегда заложник своего самого дешевого компонента.
NVIDIA DGX Spark: петафлопс в золотой коробке размером с книгу в твердой обложке. Сначала купите коммутаторы. Поверьте мне на слово. (Изображение: NVIDIA)
Математика, которая привела меня на этот путь, стоит того, чтобы её показать, потому что она сжимает всё эссе в одну походку по магазинам.
Наивно, моему дню в четыре миллиарда токенов нужно от 400 до 500 Spark — два миллиона долларов настольной мебели. Кэширование промптов сокращает это до примерно 100 машин. После того, как агенты оптимизировали свой собственный код, весь день умещается примерно на 16 Spark, шестьдесят пять тысяч долларов оборудования, потребляющего меньше энергии, чем чайник.
Пара, которую я сейчас использую, выдает от 45 до 60 токенов в секунду на DeepSeek V4 Flash, что вполне пригодно для программиста: около пяти миллионов токенов в день на выходе. Теперь посчитаем амортизацию, потому что здесь всё становится абсурдным. Пара обошлась примерно в 9400 долларов. За три года это 8,60 доллара в день за оборудование плюс доллар в день за электричество при ста ваттах на коробку: назовем это менее 10 долларов в день, всё включено. Те же пять миллионов токенов в день по ценам Opus — это примерно 1500 долларов. По моей смешанной ставке Sonnet это всё еще от 50 до 100 долларов. По облачным ценам GLM, возможно, 2 доллара, поэтому коробки едва обходят китайское облако по цене, но они обходят любую западную альтернативу на один-два порядка величины, и они никогда не спят, никогда не выходят из ротации и никогда не забывают, чья очередь. И если вы думаете, что это хобби на обочине, то теперь есть сайт для сравнительного тестирования сообщества, Localmaxxing, где тысячи людей сравнивают токены в секунду на своих GPU, Mac и мини-ПК, как будто это время круга в Gran Turismo. Сцена тюнинга движется так же, как когда-то движок демосцены: на прошлой неделе сообщественная лаборатория выпустила EXL3-квантование GLM 5.3 Flash для спаренных Spark, которое на 29% быстрее для прозы и на 20% быстрее для кода, за одну ночь, бесплатно, на GitHub. Мои коробки стали быстрее, пока я спал, и никто не выставил мне счет. Периферия больше не кажется обочиной. Она ощущается как сцена ПК в 1978 году, прямо перед тем, как она поглотила мейнфрейм.
Localmaxxing: 497 установок, 674 модели, 896 прогонов тестов сообщества и торговый аппаратный рынок с объявлениями, подтвержденными тестами скорости. Обратите внимание на слоган: каждый компьютер, один эндпоинт. Периферия организуется.
Два агента-сотрудника, работающих круглосуточно, чья совокупная зарплата — буквально, достаточно электричества, чтобы питать пару лампочек.
Но дешевая рабочая сила никогда не была главным, потому что по сравнению с китайскими облачными ценами коробки едва окупаются, а китайцы продолжают давать большие скидки или раздавать токены бесплатно.
Главное — это то, чего коробки не делают. Ничто из того, что на них работает, никогда не покидает здание. Никакого эндпоинта, никакого скрапинга, никакой дистилляции, никакого переключателя согласия, зарытого на странице настроек, никакого заявления через полтора года, сожалеющего о том, что мое использование не может быть исключено из чьего-то тренировочного прогона. Модели стали такими хорошими на чужих данных. Мои они не получат.
Руководитель команды без команды
Корпоративная паника по поводу их данных произойдет в тот самый момент, когда начнется самое большое перемещение работников умственного труда в современной истории, и это одна и та же история в разных костюмах.
Каждая волна механизации имеет одну и ту же форму. Сельское хозяйство перешло от половины рабочей силы к статистической погрешности. Фабрика сделала это с производством, компьютеры опустошили машинописные бюро, интернет уничтожил посредников, программное обеспечение съело бэк-офис. Работа никогда не исчезает, она перемещается вверх по стеку, но люди, выполняющие старую работу, переживают ужасное десятилетие, пока она перемещается. Волна, прибывающая сейчас, нацелена на самую большую категорию занятости в развитом мире: механизацию «белых воротничков».
Я могу рассказать вам, как это выглядит изнутри, потому что это уже началось в моей собственной оргструктуре. Вот фраза, которая должна лишать сна менеджеров среднего звена: руководитель команды с агентом теперь может выполнять работу всей команды. Не фантазия, а наблюдение. Мои руководители команд в Freelancer, один рабочий процесс за другим, заменяют то, что делали их команды, агентами, которых они контролируют. Человек по-прежнему имеет огромное значение: кто-то должен знать, как выглядит хороший результат, ловить агента, который газлайтит вас с глазами социопата на первом свидании, и решать, какие проблемы стоят потраченных токенов. Но оргструктура под ними испаряется в программное обеспечение.
Экономика комично однобока. Мои низкорисковые агенты работают на GLM за центы в день; большинство стоят около 20 долларов; мой самый дорогой стоит менее 100 долларов и подвергается жестокой оптимизации, пока я пишу. Вот почему корпорации не просто захотят это сделать, они будут вынуждены. Как только одна публичная компания покажет структуру маржи операции «руководитель команды с агентами», каждый аналитик на каждом звонке о доходах потребует того же от остальных. Конкуренция по доходам не ведет переговоры. Команда из четырех человек становится одним человеком, не из жестокости, а потому что альтернатива — быть производителем с самыми высокими затратами в отрасли, которая только что нашла 75% экономии на рабочей силе.
Теперь умножьте это на каждый параллелизуемый рабочий процесс «белых воротничков» на Земле, и вы смотрите на перемещение такого масштаба и скорости, которых не достигала ни одна из предыдущих волн, потому что те занимали поколения, а это занимает один бюджетный цикл. Рост производительности реален и огромен. Также реален и огромен объем того, что он вытесняет, и обе эти истины верны одновременно.
Я говорил в предыдущих эссе, где это произойдет в первую очередь: высокопараллельные, повторяющиеся рабочие процессы. Колл-центр на тысячу мест становится сотней. Тридцать составляющих договоры юристов становятся тринадцатью. Точнее, функциональным руководителям команд больше не нужны команды.
Это уже видимо происходит. Новое — это способ увидеть, кто следующий, и это не тот способ, которого кто-либо ожидает.
Арбитраж токенов и зарплат
Оцените каждую работу по двум осям. Во-первых, сколько токенов в час требуется ИИ, чтобы произвести тот же полезный результат? Назовем это токеноемкостью труда. Во-вторых, сходится ли агент к задаче или зацикливается?
Зона поражения — это низкое количество токенов плюс высокая сходимость. Поддержка клиентов первого уровня требует, возможно, максимум 400 000 токенов в час, включая все агентские накладные расходы. По ценам передовых моделей это несколько долларов, по ценам китайских открытых моделей — менее доллара, а заменяемый западный человек стоит двадцать пять в час. Ходячий мертвец. Ввод данных, обработка форм, составление документов для младших юристов, перевод: всё это требует мало токенов, всё сходится, всё, по сути, закончилось как карьера. Как и работы, которые, по сути, являются написанием отчетов и обработкой очередей, даже очень сложные.
Но примените ту же математику к разработке программного обеспечения, и вы получите аномалию десятилетия. Сессия кодинга с агентом — это самая токеноемкая деятельность в экономике: от двух до двадцати миллионов токенов в час, иногда больше, пока агент рассуждает, зацикливается, переписывает, ломает то, что исправил предыдущий цикл, и снова рассуждает. По ценам передовых моделей агент может стоить в час дороже, чем старший разработчик, которого он должен был заменить.
Итак, вот главный вывод, который никто в Кремниевой долине не хочет печатать. В презентациях говорится, что ИИ в первую очередь приходит за дорогими рабочими местами, потому что там и есть ценность. Данные о выставлении счетов говорят об обратном: дешевые рабочие места сжигают меньше всего токенов и автоматизируются первыми, в то время как старший инженер сжигает больше токенов, чем что-либо на Земле, и может стоить дороже в автоматизации, чем в найме. ИИ поедает оргструктуру снизу, а не сверху, и любая оценка, основанная на замене дорогих людей, переворачивает пищевую цепочку с ног на голову.
Если вашу работу можно описать на двух страницах промпта, это всегда был скрипт, и её больше нет. Меня поразило, как много работ можно описать таким промптом. Если ваша работа — это суждение, количество токенов взрывается и никогда не сходится, и вы защищены не своим талантом, а игровым автоматом. Вот почему я думаю, что дизайн, несмотря на все красивые картинки, которые может создавать ИИ, будет очень трудно заменить на практике.
Недавно из моей компании ушел performance-маркетолог, и вместо того, чтобы спешить с размещением вакансии, я подумал: я никогда по-настоящему не изучал Google Ads, может, стоит попробовать. И я попросил Клода научить меня. Затем, через несколько недель обучения, пришла очевидная следующая мысль, и я создал ИИ-агента для управления рекламной программой вместо него. Теперь он каждое утро присылает мне по электронной почте отчет о том, что произошло за ночь, что он изменил и что рекомендует, с пояснением своих рассуждений. Он, честно говоря, сверхчеловечен по сравнению с тем, что делалось раньше: он никогда не пропускает утро, никогда не перестает следить за аукционами и никогда не возвращается из отпуска в хаос.
Так что нет, я не заменяю ее более дешевой версией. Сама роль исчезла. Вместо этого я нанимаю дизайнера и маркетолога, чтобы улучшить воронку, которую теперь оптимизирует агент, и это вся модель этого перехода в одном анекдоте: работа, которая была рабочим процессом, стала программным обеспечением, а работа, которая была создана, находится на один уровень выше в стеке и занимается тем, с чем, как я думаю, агенту будет трудно: вкусом.
Следуйте за этим до логического завершения, и само управление станет распределением бюджета токенов. Работа менеджера всегда заключалась в том, чтобы покупать когнитивные способности и направлять их на решение проблем; зарплаты были просто токенами, поданными в человеческой форме. Теперь это буквально: цикл планирования на 2027 год будет вестись не за штатные единицы, а за бюджет на инференс. И общество перестраивается вокруг новой иерархии: человек с инициативой и агентами побеждает человека с дипломами и коллегами, каждый раз, везде, и сразу.
Теперь мы можем уйти на пенсию, верно?
Каждое эссе об ИИ сводится к одному из двух шаблонов: очереди за хлебом или пляжи. Оба предполагают, что машины заберут всю работу; различаются они только тем, будет ли кто-то получать зарплату.
Мы определенно не движемся к «Веку изобилия», версии Диамандиса и Маска, где машины делают всё, излишек распределяется, и мы все получаем базовый доход и занимаемся акварелью. У этой утопии есть арифметическая проблема: токены стоят денег.
Вычисления финансируются за счет триллионов долларов долга, электричество реально, память распродана до 2027 года, и никто в истории капитализма не строил платную дорогу за пять триллионов долларов, а затем не махал всем рукой, пропуская бесплатно.
Изобилие реально, но оно достается тому, кто владеет торговой площадкой, счетчиком, моделью, роботами или инициативой. Его не пришлют вам по почте.
То, что я говорю, уже и полезнее: для того, что корпорации делают СЕЙЧАС, им понадобится гораздо меньше людей. Это перемещение, оно реально, и оно приближается быстро. Но в мире есть, и всегда была, бесконечная работа.
Люди, которые действительно понимают ИИ, не сидят сложа руки, жалуясь, что делать нечего. Они заняты как никогда, играя в Factorio в реальной жизни, создавая агентов для выполнения работы, а затем находя в десять раз больше работы для агентов. Каждая предыдущая волна создавала работу, которую никто не мог назвать заранее. Крестьянин, размахивающий косой в 1780 году, не мог бы вообразить «контент-стратега UGC» как работу, не говоря уже о той, которая оплачивается лучше, чем фермерство. Работа, которая появится следующей, по определению, это работа, которую мы пока не можем описать. Боль живет в разрыве между окончанием старой работы и появлением новой.
И есть глобальный арбитраж, скрытый в данных о зарплатах, который почти никто не оценивает. Миллиарды людей получают меньше, чем счет API агента, который их заменит, поэтому экономика замены никогда не сходится, в то время как тот же человек, вооруженный дешевыми китайскими токенами, становится сверхчеловечески продуктивным при своей существующей зарплате. Перемещение — это феномен богатого мира, «белых воротничков». Расширение прав и возможностей — глобально. Я наблюдаю это каждый день на своем собственном рынке.
Freelancer находится на другом конце экономики: оплата за результат, а не за токен, и это единственное место, которое одновременно объединяет всех людей и все ИИ. Сегодня утром я получил письмо с запросом на 5000 человек для записи обучающего контента по робототехнике от первого лица. Мы собирали 20 000 квалифицированных людей за один день и раньше, для программ, варьирующихся от ремонта ноутбуков до фотографирования достопримечательностей и установки спутниковых тарелок, все встроено в человеческий агентский рабочий процесс, и это масштабируется вплоть до «Лунной инновационной программы», которую NASA и правительство США используют для привлечения мировых экспертов к проблемам уровня Навье-Стокса. Разница в том, что в Moonshot человек, который решает проблему, получает приз и сохраняет свое имя в статье.
И этот запрос по робототехнике говорит вам о том, что будет дальше: агенты в физическом теле. Цифры уже движутся так же, как цифры моделей два года назад. Первичное публичное размещение акций Unitree в Шанхае в августе было переподписано в 8000 раз, взлетело на 629% в первый день торгов, и компания, в отличие от кого-либо в этом эссе до сих пор, прибыльна. Китайские гуманоиды теперь продаются по цене менее 6000 долларов. Глобальные поставки гуманоидов достигли 19 100 единиц в первом полугодии, что на 272% больше, и ожидается, что в этом году они достигнут 60 000, а к 2030 году — полумиллиона, причем Китай поставляет 97% из них. Единственное, что я не могу смоделировать, — это психология: агент в вашем терминале, сжигающий токены в 3 часа ночи, — это проблема выставления счетов, но я искренне не знаю, будут ли люди когда-либо чувствовать себя комфортно с гуманоидом за 6000 долларов, у которого есть руки, который живет в доме и бродит по ночам.
Что касается индустрии советов, десять лет назад уволенным советовали «научиться программировать», что превратилось в самую мрачную шутку в экономике труда теперь, когда программирование является самой автоматизированной профессией на Земле. Версия 2026 года может быть буквально такой: научитесь водить грузовик. Прежде чем кто-то возразит, что грузовики — следующие, я управляю торговой площадкой тяжелых перевозок, и работа никогда не заключалась в вождении. Она заключается в погрузке, креплении, разгрузке, клиенте на каждом конце. Колесо может стать автономным, но водитель просто будет успевать больше; это грубое, физическое, нестандартное суждение так же далеко от двухстраничного промпта, как работа может быть. Самые безопасные работы — это те, до которых токен не может дотянуться; вторые по безопасности — те, где токены слишком дороги, чтобы возиться.
Человек — это 20-ваттный инференс-движок с бесплатным предварительным обучением. Ваш мозг выполняет полный день когнитивной работы на энергетическом бюджете тусклой лампочки, был обучен с нулевыми предельными издержками в течение двадцати лет родителями, учителями и разочарованиями и не галлюцинирует вымышленный пост на Stack Overflow, когда застревает. Для огромного спектра задач люди остаются самыми дешевыми токенами на рынке.
Зарплаты, оказывается, всегда были долларами за токен.
Вводная ставка
В Pay per PrAI я писал, что плоские подписки не могут длиться вечно, и когда они закончатся, вы будете вставлять свою кредитку в игровой автомат. Прошло шесть месяцев, игровой автомат установлен, подписки на глазах умирают, и Эрик Таунсенд назвал момент: мы вступаем в фазу ипотеки с плавающей ставкой при покупке токенов.
Pay per PrAI
Ежемесячная плоская подписка — это привлекательная вводная ставка. Двадцать долларов в месяц, двести долларов в месяц, «шведский стол», субсидируемый венчурным капиталом и всё больше долгами, с ценой, установленной для привлечения вас, а не для обслуживания. И поверх этой вводной ставки целая экономика сейчас выстраивает свою организационную структуру: каждый руководитель команды заменяет отдел агентами, каждый стартап, являющийся обёрткой вокруг чужой модели, каждый корпоративный рабочий процесс, перестроенный на предположении, что токены стоят примерно ничего. Все они подписывают ипотеку с плавающей ставкой на свою собственную рабочую силу, с одним отличием, которое меняет всё. Когда ставка по ипотеке пересматривается, заёмщик оказывается в ловушке: дом не движется, кредиту всё равно, а рефинансирование занимает месяцы и требует проверки кредитной истории.
Когда ставка по токенам пересматривается, я набираю четырнадцать нажатий клавиш и меняю модель. При первом признаке ценового шока модель заменяется прямо в середине рабочего процесса, ещё до того, как придёт счёт. Лаборатории применяют экономику вводных ставок к клиентам, у которых нет затрат на уход, что является наихудшим из обоих миров: они покупают долю рынка, которую невозможно закрепить, деньгами, которые нужно возвращать. Аналогия с ипотекой верна для всех, кроме банка.
Отступите на шаг и посчитайте рвы, потому что всё, что когда-либо защищало технологическую компанию, здесь мертво. Интеллектуальная собственность? Наука изложена в сорока опубликованных статьях. Масштаб? DeepSeek справился с этим с помощью 2000 GPU и побочного проекта. Сетевые эффекты? У агентов нет лояльности. Бренд? Пользователи уходят ради конфигурационного файла. Капитал? Открытый исходный код обгоняет его. Даже сами модели клонируются до паритета с эталонными показателями в течение нескольких месяцев за сотую часть цены. Тридцать лет доктрины инвестирования в программное обеспечение, и ни один ров не выдерживает столкновения.
Пересмотр ставки — не гипотетический сценарий. У нас уже были превью: лимиты использования, еженедельные ограничения, регулирование сессий, «угол наказания», превышения, выставляемые по ценам API, которые превращают план за 200 долларов в 200 долларов в час. Каждый из них — это звонок из банка с напоминанием, что «медовый месяц» ставки заканчивается.
И агенты усугубляют пересмотр по своей сути, а не только по степени. Джевонс стал кубическим: стоимость токена падает в десять раз, токенов на задачу становится в сто раз больше, а задач на человека — ещё в сто раз больше, потому что агенты работают без присмотра. График спроса не изгибается. Он уходит вертикально вверх, вместе с расходами на строительство центров обработки данных, которые за последние шесть месяцев выросли больше, чем за предыдущие два года вместе взятые.
И вы уже видели, куда приводит пересмотр, потому что мой счёт — это превью: 1300 долларов превратились в 150 долларов, а затем в стоимость электроэнергии, за две недели, без каких-либо переговоров. Лаборатории сохранили мой бизнес, только отказавшись от своей маржи. Кто-то всё ещё платит разницу между тем, что плачу я, и тем, что стоят их центры обработки данных, и это не я. Это их раунд Series F.
Тем временем самая умная сделка года прошла незаметно. Вероятно, наблюдая за их биллингом, Stripe купила OpenRouter — маршрутизатор, через который проходят десять триллионов токенов, примерно за восемь миллиардов долларов. Платёжная компания купила точку учёта и, что более важно, данные о биллинге: кто на самом деле платит за токены, за какую модель, по какой цене, когда переключается. Во время золотой лихорадки не продавайте лопаты. Купите пробирную палату.
А теперь посмотрите на планетарные цифры, потому что здесь эссе перестаёт быть о моей кредитной карте и начинает быть об энергосистеме. Мой день с четырьмя миллиардами токенов — это 46 000 токенов в секунду, круглосуточно. Предположим, все делают так. Если бы только миллиард работников умственного труда на Земле сжигали токены так, как я в прошлый вторник, на эффективных моделях, вам потребовалась бы примерно вся электрическая мощность человеческой цивилизации, чтобы обслужить их: все электростанции на планете, занимающиеся только этим. Распространите это на всех восемь миллиардов человек на передовых моделях, и вам понадобится в сотни раз больше мирового электричества. Не просто большая сеть. Рой Дайсона.
На фоне этой арифметики строительство центров обработки данных на пять триллионов долларов, крупнейшая инфраструктурная программа со времён железных дорог, покрывает погрешность округления того спроса, который, как утверждается, грядёт. Единственная проблема в том, что в настоящее время он финансируется за счёт доходов двух компаний, которые никогда не получали прибыли и теряют миллиарды долларов каждый год своей работы.
Тем временем восемь миллиардов уже развёрнутых «унаследованных» механизмов логического вывода на биологических носителях выполняют ту же общевидовую когнитивную работу примерно на 160 гигаваттах, двадцать ватт на человека, что примерно равно двум годам строительства центров обработки данных.
Эйнштейн научил нас, что энергия и материя — это одно и то же при обменном курсе, равном c в квадрате. Это эссе пыталось нащупать меньший, более приземлённый эквивалент: энергия, токены и заработная плата — это тоже одно и то же, при обменном курсе, устанавливаемом ежедневно в Ханчжоу. Токен — это застывшее электричество. Заработная плата, как мы установили, — это токены, поданные в человеческой форме. Это означает, что цена человеческого труда и цена машинного труда теперь, в конечном счёте, являются ценами на энергию, и каждый участник этой истории обнаруживает это по своему графику: лаборатории — через свои счета за электроэнергию, работники — через свои зарплаты, пенсионные фонды — через свои SPV, а я — через шведский переключатель в полночь. Это всегда была история об энергии. Токены были просто единицей измерения.
И если вы хотите увидеть, что это означает для бытового счёта, посмотрите на график ниже. Американское электричество в среднем стоило от тринадцати до четырнадцати центов за киловатт-час в течение целого десятилетия. Затем началось строительство, и линия ушла вертикально вверх: двадцать центов и растёт, почти пятидесятипроцентный рост за четыре года, по единственной цене, которую каждый избиратель видит каждый месяц. Энергосистема переоценивается до того, как это сделают токены, и переоценивается за счёт общества.
Единственный график, который когда-либо покажут каждому политику. Десятилетие стабильных цен на электроэнергию, затем строительство ИИ. (Источник: BLS, через Koyfin)
Ответ индустрии на проблему энергосистемы — это ядерная энергетика, и её «плакатный ребёнок» говорит о многом. Microsoft платит за перезапуск Три-Майл-Айленда, да, того самого Три-Майл-Айленда, места крупнейшей ядерной аварии в США, переименованного в Crane Clean Energy Center и законтрактованного на питание центров обработки данных в течение двадцати лет. Google подписал соглашение с Kairos на парк малых модульных реакторов, Amazon купил прилегающий к АЭС кампус в Саскуэханне, а Meta объявила тендер на четыре гигаватта атомной энергии. Я искренне за всё это: ядерная энергетика — правильный ответ на кривую спроса, описанную в этом эссе. Но посмотрите на сроки ввода в эксплуатацию. Перезапуски запланированы на 2027–2028 годы, если NRC будет сотрудничать; SMR обещаны «к 2030 году» компаниями, которые никогда их не строили; и ни один новый крупный реактор не был заказан. Долг амортизируется по трёхлетнему графику под электроэнергию, которая появится через десять лет. Токенам нужны электроны в этом квартале, а атомные станции появятся через два президентских срока. Ядерная энергетика в конечном итоге будет питать экономику токенов. Она будет питать тех, кто будет владеть коробками после переоценки, что, собственно, и является сутью: реакторы переживут SPV, финансирующие спрос на них.
Итак, спрос на токены становится параболическим, энергия не может, и энергия, к сожалению, также является едой, поскольку посевные площади конкурируют с топливом. Что-то должно уступить, и уступает цена и форма рынка.
Три-Майл-Айленд. Его включают снова, чтобы делать слайды PowerPoint.
GTC: Глобальный токеновый кризис
Пересмотр будет больше похож на аудит, чем на повышение цен, и каждый вариант использования заработной платы и агентов будет заново проверен на соответствие его честной стоимости токенов, то есть его энергетической стоимости, и значительная доля как тех, так и других провалится.
То, что выживет, самоорганизуется в форму любого другого энергетического рынка: три уровня и спотовая цена.
Внизу — товарные токены, подавляющая часть объёма: открытые модели по цене «электричество плюс амортизированное оборудование», на китайском кремнии, на вашей собственной стойке. DeepSeek уже оценивает токены в зависимости от времени суток, половина цены в течение семнадцати непиковых часов, точно как энергетическая компания, потому что она теперь ею и является.
В середине — фирменные западные токены, которые взимают надбавку за надёжность в длинных агентских циклах, надбавку, которая существует ровно один цикл бенчмаркинга.
А наверху — закрытый фронтир, где и проявляется настоящая стратегия OpenAI.
Посмотрите на шаги OpenAI в сентябре как на один шаг. Astra: слишком опасна для публичного API, доступ только после проверки. Инженеры, развёрнутые на местах. Партнёрство с IBM по консалтингу. Директор по доходам, продающий киберзащиту как управляемую услугу. Сложите это вместе: OpenAI закончила продавать токены. Она хочет стать McKinsey 2.0, оставляя лучшие модели внутри компании и продавая их результаты по консалтинговой марже, шесть цифр за контракт, и ничто из этого никогда не коснётся публичного API. И как стратегия это правильно, потому что закрытый уровень — единственное место, где маржа выживает. В течение трёх лет лаборатории говорили нам, что модели слишком дёшевы, чтобы иметь значение, и слишком безопасны, чтобы их бояться. Теперь они слишком опасны, чтобы их продавать, и «опасный», как удобно, — это единственное, что когда-либо приносило надбавку.
Загвоздка в том, что консалтинг держится на единственном активе — осмотрительности, и OpenAI выбрала неделю разворота, чтобы продемонстрировать, что у неё её нет.
Дайте нам ваши самые сложные проблемы и самые конфиденциальные данные, — гласит предложение, — теперь мы гении.
Тем временем на первой полосе: математик, который сделал именно это, наблюдал, как арендодатель объявил о работе всей его жизни, и получил заявление, которое не могло исключить обучение на ней. Мы знаем, что происходит с консалтинговыми фирмами, которые «съедают» конфиденциальную работу своих клиентов, потому что Австралия только что провела этот эксперимент. PwC взяла конфиденциальные налоговые планы Казначейства и тихо монетизировала их для других клиентов, и когда это всплыло, фирма продала всё своё государственное консалтинговое подразделение за один доллар, избавилась от партнёров и стала синонимом предательства. Это была одна утёкшая сводка. Версия OpenAI структурна: утечка — это бизнес-модель, работающая с миллиардом запросов в день, и их собственное заявление говорит, что они не могут этого исключить. PwC, по крайней мере, знала, что она сделала.
А теперь сложите всю позицию OpenAI. Восемьсот миллионов «пользователей», обслуживаемых в убыток. Четырнадцать миллиардов годовых убытков, стремящихся к дыре в финансировании в 207 миллиардов долларов к 2030 году по расчётам HSBC. Консалтинговый разворот, пробитый ниже ватерлинии в первую же неделю. И первичное размещение акций на триллион долларов, чтобы продать вам всё это. Отбросьте то, что убирает честное ценообразование: бесплатный уровень, ничего не стоящий, и активных пользователей, уже переходящих на китайские модели и собственные стойки, и остаётся бренд и привычка: самый узнаваемый рекламный бизнес в мире, обёрнутый вокруг самой дорогой себестоимости продукции в мире. Звёзды сошлись для выхода: иск Маска был отклонён в сентябре, рекордное размещение SpaceX открыло окно для IPO, и само размещение и есть сделка. Станьте ликвидным до того, как арифметика станет неопровержимой, передайте публике скорость сжигания денег и позвольте Microsoft «обнять и расширить» то, что останется. Последний вертолёт с крыши, проданный как запуск на Луну.
Anthropic, другая компания, о которой все спрашивают, выглядит здоровее, но более хрупка. Должное там, где оно причитается: они делают лучшие модели на Земле прямо сейчас. Они также устанавливают самые высокие цены на Земле за них, и данные о расходах показывают, чем это заканчивается. Посмотрите на график ниже, из данных корпоративных карт Ramp. Единственная линейка Anthropic, которая всё ещё растёт, — это Opus, верхняя полка. Sonnet, рабочая лошадка, сокращается: это товарный доход, утекающий к GLM и DeepSeek, на расстоянии одной команды слэша по десятой части цены, точно по расписанию. А Fable 5, новая фронтирная модель, стоит на месте: предприятия не будут платить за новый премиум-уровень, пока работает старый, а всё, что ниже, уходит к китайцам. Это классическая спираль смерти от подрывных инноваций, наблюдаемая изнутри: действующий игрок отступает вверх по рынку, сначала теряя чувствительный к цене объём, и его ассортимент выглядит здоровее с каждым кварталом ровно до тех пор, пока не останется только верхняя полка, а ров там шириной в один цикл бенчмаркинга. Затем в июне их крупнейший канал сбыта был куплен прямо у них из-под носа: SpaceX приобрёл Cursor за шестьдесят миллиардов долларов, крупнейшее приобретение венчурного стартапа за всю историю, чтобы сделать Grok моделью кодирования по умолчанию. OpenAI ответила, полностью удалив свои модели из Cursor. Кто бы ни купил обёртку, тот покупает ваш доход; кто бы ни потерял обёртку, тот забирает свои модели и уходит домой; рынок кодирования перестраивает интернет AOL на уровне моделей.
Итак, Anthropic карабкается вверх по стеку, уходя в вертикальные приложения: Claude Code, Claude Cowork, Claude Design, кто-нибудь?, пытаясь захватить ценность, которую не может удержать ценообразование их API. Логический конец — это франшиза корпоративного доверия: безопасная, проверяемая, западная модель для банков и правительств, Lockheed среди LLM. Есть только две проблемы с тем, чтобы стать Lockheed. Первая заключается в том, что клиент Lockheed обожает её, а правительство США открыто не любит Anthropic: Пентагон назвал её риском для цепочки поставок, даже когда его собственные системы наведения работали на Claude, и администрация рассматривает её лоббирование безопасности как захват регулирования в лабораторном халате. Трудно быть оборонным подрядчиком правительства, которое постоянно называет вас угрозой. Вторая — это само доверие: та же самая настройка безопасности, которая должна успокаивать предприятия, активно стоит им клиентов, один отказ и одна лекция по этике за раз, включая мою. Франшиза доверия, где правительство вам не доверяет, а клиенты чувствуют себя прочитанными лекцию, — это более узкий ров, чем предполагает предложение. Настоящий бизнес, возможно, отличный. Но не двухтриллионная коммунальная служба для человечества, о которой говорят слухи об IPO.
Самая жестокая часть заключается в том, что честное ценообразование — единственный выход для лабораторий, и ни одна не может пойти первой. Первый, кто установит честную цену, отдаст свой объём тому, кто всё ещё субсидирует, поэтому оба продолжают сжигать деньги, финансируемые частным кредитом, в игре в «цыплёнка», где руль держат кредиторы. Уход Blue Owl из сделки по центру обработки данных на десять миллиардов долларов был первым «нет».
Вводная ставка на токены заканчивается, когда заканчивается вводная ставка кредиторов.
Обеспеченные обязательства центров обработки данных
Вы, возможно, помните обеспеченные долговые обязательства (CDO) из 2008 года или, по крайней мере, из сцены, где Марго Робби объясняет их в ванне. Если в сиквеле будет сцена в ванне, я не уверен, что хочу её смотреть, но в нём есть всё остальное.
Эд Зитрон считает, что SPV центров обработки данных — это CDO этого пузыря, а ИИ-центры обработки данных — его субстандартные ипотечные кредиты. Он говорит, что сама механика — это подсказка. Никто больше не строит ИИ-центр обработки данных на собственном балансе. Вы создаёте специальное юридическое лицо (SPV), маленькую компанию, которая владеет чипами, владеет долгом и владеет риском, а технологический гигант за ней владеет, официально, ничем, кроме благих намерений.
Кампус Hyperion от Meta принадлежит организации, на 80% принадлежащей Blue Owl. Собственные отчёты Meta в SEC признают подверженность риску до 46 миллиардов долларов, в то время как её балансовый отчёт не показывает никакого долга, на основании аргумента, выдвинутого с серьёзным лицом, что Meta не является «основным бенефициаром» центра обработки данных, построенного исключительно для Meta. Ernst & Young отметила это как критический вопрос аудита, а затем всё равно подписала: последовательность, ставшая знаменитой благодаря Arthur Andersen, фирме, которая больше не существует именно по этой причине.
Как выразился Зитрон: «Bloomberg оценивает объём непогашенного долга ИИ-центров обработки данных более чем в 500 миллиардов долларов, по крайней мере 200 миллиардов из которого приходится на частный кредит», кредитора последней инстанции, «составляя примерно 8% непогашенных кредитов частного кредита». И это, отмечает он, вероятно, заниженная оценка, потому что структура SPV существует именно для того, чтобы сделать долг трудно подсчитываемым. Облигации ИИ теперь составляют четверть всех эмиссий инвестиционного уровня в США.
Пять гиперскейлеров накопили 1,65 триллиона долларов долга за пять лет. Это больше, чем субстандартная ипотека на её пике в 2007 году, и за субстандартной ипотекой стояло 55 миллионов домов. На данный момент есть два клиента. По данным Barclays, Wells Fargo и UBS, OpenAI и Anthropic составляют ~73% дохода Amazon от ИИ, ~74% дохода Microsoft и приближаются к половине всего Google Cloud к 2027 году. Исключите их, и AWS заработает 8,5 миллиарда долларов дохода от ИИ при 220 миллиардах долларов капитальных затрат Amazon, соотношение, обычно характерное для национальных космических программ.
А прогнозы на будущее затмевают текущие показатели. Том Тунгуз провёл расчёты по запланированному строительству: примерно 4 триллиона долларов нового долга ИИ в течение следующих пяти лет, что будет больше, чем весь мировой рынок частного кредита, почти равно размеру рынка муниципальных облигаций США, который финансировал все дороги, мосты и аэропорты в Америке, и само по себе составит 34% расширения рынка корпоративных облигаций США. Обслуживание этого долга по текущим ставкам потребует от 260 до 300 миллиардов долларов в год только в виде процентов, что при покрытии инвестиционного уровня подразумевает от 1,2 до 1,5 триллиона долларов годового дохода от ИИ к 2030 году по сравнению с, возможно, 150 миллиардами сегодня. Темп роста в 55% в год, поддерживаемый в течение пяти лет, для продукта, цена которого падает. Как выразился Тунгуз, это больше не история венчурного капитала. Это макроэкономическое кредитное событие.
Пять лет запланированных заимствований ИИ, рядом с каждым крупным рынком долга на Земле. Оранжевый столбец не существовал в 2024 году. (Источник: Tomasz Tunguz, Theory Ventures) Нажмите Enter или кликните, чтобы просмотреть изображение в полном размере📷
И это при том, что арендодатели финансируют арендаторов. Microsoft вложила более 100 миллиардов долларов в свои отношения с OpenAI, по её собственным показаниям в судебном процессе Маска. Google вложил до 40 миллиардов долларов в Anthropic, Amazon завершил инвестиции в размере 50 миллиардов долларов в OpenAI в дополнение к своей более ранней доле в Anthropic, и каждый доллар из этого возвращается обратно в виде дохода от вычислений, где он представляется акционерам как рост. Проследите весь круг, и финансовый инжиниринг становится видимым: доход гиперскейлеров от ИИ — это расходы лабораторий, расходы лабораторий — это инвестиции гиперскейлеров, и вся структура обеспечена одним предположением, что OpenAI и Anthropic в конечном итоге будут владеть рынком интеллекта.
Это предположение несёт всю нагрузку, и обратите внимание, что именно производится. Это не спрос на ИИ в целом, мой вполне реален. Это конкретный, платёжеспособный, по-этим-ценам спрос, который оправдывает эти конкретные центры обработки данных: доход, созданный гиперскейлерами, инвестирующими в своих собственных двух клиентов, и учитывающий кругооборот как рост. Органический спрос придёт, в огромных количествах. Просто он придёт не к ним, не по их ценам, не на их условиях, и никакие инвестиции в собственных арендаторов этого не изменят. В любой другой отрасли у нас было бы слово для учёта собственных денег как доказательства. В этой у нас есть программный доклад на конференции.
Чистые «медведи», включая Зитрона, смотрят на всё это и заключают, что спрос фальшивый. Он не фальшивый, но будьте точны в том, что растёт, потому что «быки» смешивают две разные кривые. Спрос на токены станет параболическим. Готовность платить за них — нет. Потребление взрывается именно потому, что цена падает; та же сила, которая движет объёмом, уничтожает доход. Таким образом, лаборатории получают наихудшую версию бума: графики использования, уходящие в вертикаль, и ценовая власть, стремящаяся к нулю, потому что нет затрат на переключение, нет рва, а уход стоит одиннадцати нажатий клавиш. Токены текут к китайскому кремнию, к открытым моделям, к коробкам на premises, на столах и в вашей руке, по ценам в шестьдесят-пятьсот раз ниже тех, которые, вероятно, предполагают модели долга. Каждый прогноз, который экстраполирует рост токенов в рост дохода, умножает растущее число на падающее и называет результат неизбежным.
И вот часть, которую упускает аналогия с недвижимостью: аренда центра обработки данных выглядит как недвижимость, но ценообразование — как на рыбном рынке. Здание составляет, возможно, пятую часть стоимости и служит тридцать лет; чипы — это остальное и устаревают через три года. Традиционный арендодатель колокейшн продаёт аквариум и никогда не трогает рыбу: охлаждаемые корпуса и подключения к сети по десятилетним контрактам, без риска по кремнию. Структуры SPV объединили два уровня вместе. Транспортные средства CoreWeave брали взаймы под рыбу.
Итак, давайте рассмотрим два способа, которыми это на самом деле закончится. Первый и наиболее вероятный триггер — это дефолт OpenAI или Anthropic по своим обязательствам. Не по злому умыслу, а по арифметике: обязательства взяты на себя, доходы переоцениваются в сторону Ханчжоу, и рынок финансирования, который в конечном итоге говорит «нет». В день, когда лаборатория пропускает платёж за вычисления, каскад становится механическим. Собственные ковенанты CoreWeave определяют три месяца неоплаченных счетов OpenAI как нарушение. SPV перестаёт платить своим кредиторам, кредиторы изымают залог, а залог — это склад устаревших GPU, оцениваемых по рынку, от которого Jalapeno и B200 уже ушли. Один дефолт переоценивает все сопоставимые структуры за одну ночь, потому что внезапно пенсионные фонды, держащие бумаги, должны спросить, чего на самом деле стоит их залог, и ответ: рыба, трёхдневной давности.
Второй конец — это тот, который почти никто не моделирует: спрос на токены становится параболическим и мигрирует на периферию и к открытым моделям, на телефоны, ноутбуки, на настольные коробки, как у меня, на ИИ-устройства, которые Дженсен теперь продаёт в розницу. Физика благоприятствует этому, потому что путь туда и обратно в центр обработки данных занимает больше времени, чем нужно маленькой модели для ответа. Экономика благоприятствует этому, потому что устройство, которым вы владеете, обслуживает токены по предельной стоимости электроэнергии. И паника по поводу конфиденциальности завершает это: каждое предприятие, которое переживает момент «а король-то голый» в отношении данных для обучения, делает что-то вроде того, что сделал я, и каждый потребитель получает это по умолчанию в смартфоне следующего года.
Вот перевод текста на русский язык в соответствии с вашими инструкциями:
Что касается корпоративных вычислений, то индустрия провела один и тот же эксперимент пять раз, и ответ всегда был неизменным. Мейнфреймы были с поминутной оплатой, ценообразование за вычислительную секунду контролировалось жрецами в стеклянной комнате, и как только мини-компьютер позволил отделу владеть собственной машиной, модель с поминутной оплатой умерла. Системы разделения времени (timesharing) были с поминутной оплатой, и ПК их убили: никто не арендовал VisiCalc с почасовой оплатой, как только настольный компьютер начал запускать его бесплатно. Междугородняя телефония тарифицировалась поминутно, пока пакетная коммутация не сделала предельные затраты на звонок ничтожными. Даже облако, великий контрпример, лишь рецентрализовало те рабочие нагрузки, которым выгодно быть общими, и как только счета за облако стали строкой в бюджете совета директоров, движение за репатриацию начало перетаскивать стабильные рабочие нагрузки обратно в локальные дата-центры. Эта закономерность почти как закон: вычислительные мощности потребляются как услуга с поминутной оплатой ровно до тех пор, пока оборудование является дефицитным, и в тот момент, когда возможности помещаются в коробку, которую клиент может купить, владение побеждает, потому что собственные вычисления на пределе стоят электроэнергии, а арендованные вычисления на пределе стоят столько, сколько, по мнению вендора, вы готовы заплатить. Интеллект не будет исключением. Стабильная, предсказуемая, высокообъемная нагрузка по токенам, агенты, рабочие процессы, ежедневное познание предприятия — мигрирует на собственные чипы, а облако оставляет себе то, что всегда оставляло: всплески, пики и задачи, слишком большие для одной коробки.
Лаборатории также не могут спасти арифметику, потому что их обязательства работают только в одну сторону. OpenAI несет примерно 1,1 триллиона долларов в виде обязательств по вычислительным мощностям перед Microsoft, Oracle, Amazon, CoreWeave и Cerebras, и эти обязательства сами по себе являются обеспечением долга SPV. Затраты гарантированы, доходы — опциональны: полная противоположность хорошему бизнесу. И нет достойного способа сократиться. Предлагать более дешевые модели — значит признать, что frontier-модели переоценены. Убивать продукты, как Sora, — и рынок читает это как признак бедствия. Отказаться от обязательств — и вы станете тем дефолтом, против которого оценен весь стек, именно поэтому Уолл-стрит уже оценивает отставание Oracle в 630 миллиардов долларов примерно в ноль. Каждый выход запускает то, от чего пытаются убежать. Это корпоративно-финансовая китайская ловушка для пальцев, и обе компании в нее попали.
Тем временем бумаги приземляются туда, куда они всегда приземляются. Пенсионные накопления калифорнийских учителей находятся в фондах Blue Owl. Пенсионные деньги Квебека — в кредитах CoreWeave. Apollo финансирует чипы Anthropic на 35 миллиардов долларов за счет страховых аннуитетов. Сообщается, что Blue Owl согласился на обязательство в 10 миллиардов долларов по дата-центру после пятнадцатиминутной первой встречи, — темп должной осмотрительности, обычно ассоциирующийся с презентациями таймшеров. Moody's оценивает подверженность банков частному кредиту в 1,4 триллиона долларов, обеспеченных резервами примерно в ноль, потому что пока ничего плохого не случилось, что также было стандартом андеррайтинга в 2006 году. Несущая стена этого пузыря сделана из пенсионных чеков.
Поэтому хорошо подумайте о том, что на самом деле запустит дефолт или даже близкая к нему ситуация, потому что это не единичное событие, а последовательность. Первой жертвой станет не оборудование, а стоимость капитала. В тот день, когда лаборатория наглядно покажет, что не может платить, каждый кредитор переоценит все сопоставимые структуры одновременно: спреды взлетят, выпуск новых SPV прекратится, и проекты, зависящие от рефинансирования, а таких большинство, столкнутся со стеной в середине строительства. Рынок уже репетирует это. Кредитно-дефолтные свопы Oracle торгуются на уровнях, последний раз наблюдавшихся во время финансового кризиса, а JPMorgan создал специальную корзину, чтобы клиенты могли шортить долги AI. Переоценка происходит до любой ликвидации, и это может быть единственной фазой, которую мы увидим, потому что у гиперскейлеров есть все стимулы тихо поглотить спотыкающегося арендатора, а не допустить публикации дефолта.
Но если каскад запустится, обратите внимание, кто что в итоге держит. Кредиторы — это пенсионные фонды и страховые компании, которые не могут запускать инференс; обеспечение — это кремний, обесценивающийся по трехлетнему циклу; а часть первых убытков ляжет на саму Nvidia, которая выступила гарантом миллиардов нераспроданных мощностей CoreWeave — вендор, поедающий собственные бумаги. Сегодняшний рынок дефицитен, а не перенасыщен, память законтрактована, коммутаторы недоступны для покупки, поэтому первые транши конфискованного оборудования быстро найдут willing buyers со скидкой, и каждый покупатель будет именно тем, кого предсказывает это эссе: предприятиями, университетами, суверенными фондами и операторами вроде меня, приобретающими за счет кредиторов те самые коробки, которые завершают миграцию из дата-центров, которые эти кредиторы и финансировали. Именно так было с оптоволокном доткомов, которое разорило тех, кто его прокладывал, а затем обслуживало YouTube для третьего владельца по цене в центы за доллар.
Проследите еще на шаг дальше, и финал примет по-настоящему странную форму. Убытки ложатся на пенсионеров и страховщиков, двигатель роста, которым стали капитальные затраты на AI, останавливается, и Вашингтон обнаруживает постфактум, что никто за это не голосовал. За исключением того, что Вашингтон уже готовится именно к этому моменту. Администрация Трампа потратила два года на нормализацию частичной национализации: доля в 9,9% в Intel, купленная за 8,9 миллиарда долларов, доли в производителях чипов и редкоземельных металлов, квантовые вычисления, объявленные следующими, тридцать семь сделок с акционерным капиталом или квази-акционерным капиталом с января 2025 года по подсчетам Совета по международным отношениям.
Сценарий для спотыкающейся стратегической отрасли — это больше не спасение (bailout), а доля в акционерном капитале, и трудно представить, чтобы государство, взявшее десять процентов Intel, наблюдало за шатанием OpenAI, не потянувшись за чековой книжкой и не назвав это национальной безопасностью. Итак, нарисуйте наиболее вероятное конечное состояние великого американского строительства AI, и это то, чего никто из участников торгов не планировал: возможности выживают и распыляются по миллионам собственных коробок, работающих в основном на китайских моделях, убытки социализируются на американских вкладчиках, а то, что останется от frontier, окажется частично в собственности правительства, которое не смогло регулировать это на подъеме. Стратегия Пекина заключается в том, что ему не нужно выигрывать гонку. Ему нужно было только дождаться, пока финансирование ее проиграет.
Кто-то должен сказать Марго, чтобы она держала ванну теплой.
Дженсен уже покинул здание
Похоже, один человек уже проделал всю эту арифметику: тот, кто продает лопаты.
На сцене Дженсен Хуанг — верховный жрец строительства: 160 миллиардов долларов выручки, 100 миллиардов долларов прибыли, ключевое выступление каждый квартал, объявляющее, что спрос бесконечен, а будущее — это дата-центр размером с Делавэр. Но прочитайте положение Nvidia так, как он, должно быть, читает его наедине. Примерно 90% выручки приходится на оборудование для дата-центров, и горстка клиентов покупает большую его часть. Эти клиенты — гиперскейлеры, чей доход от AI на три четверти состоит из OpenAI и Anthropic, чьи расходы — это венчурный капитал и частный кредит, переодетые в плащ. Проследите цепочку до конца, и самая дорогая компания на Земле функционально является кредитным плечом, поставленным на два убыточных стартапа, которые едва сводят концы с концами.
И Дженсен точно знает, насколько велико это плечо, потому что он андеррайтер обеих сторон: Nvidia гарантирует миллиарды нераспроданных мощностей CoreWeave и только что сократила предлагаемую гарантию на дата-центр OpenAI в Огайо с 250 миллиардов долларов до менее 120 миллиардов, что не является поведением человека, верящего в собственное выступление. Если лаборатории споткнутся, гиперскейлеры сократят капитальные затраты, SPV объявят дефолт, и книга заказов, на которой держится его оценка, испарится за квартал. Он читает cap table быстрее любого живущего.
Так что следите за его руками, а не за слайдами. Пока ключевые выступления прославляют гигаваттные кампусы, Nvidia тихо строит другое будущее: напрямую, на нижнем рынке и полностью вне комплекса финансирования дата-центров. DGX Spark за 4 699 долларов, продается так быстро, что вы не можете купить коммутаторы, чтобы объединить их в кластер. DGX Station, 748 гигабайт унифицированной памяти на столе, по цене аспиранта. MSI и Dell уже выпускают клоны. Каждая коробка — это клиент, который никогда не подписывает облачный контракт, никогда не прикасается к SPV и никогда не перестает покупать чипы Nvidia. Продавец GPU открывает розницу, и логика безупречна: когда ваши четыре крупнейших клиента строят собственные чипы, а ваш рынок аренды — это долговая бомба, вы продаете коробку конечному пользователю и позволяете SPV бороться за лизинг. Дом продает фишки казино и в то же время тихо открывает сеть покерных столов в домах людей.
Линейка десктопов также решает самую приватную проблему Nvidia: память. Обслуживание токенов — это рабочая нагрузка, ограниченная памятью: каждый сгенерированный токен требует чтения всей активной модели из ОЗУ, поэтому чип проводит большую часть времени в ожидании памяти, именно поэтому GPU для дата-центров строятся на HBM, экзотической стековой памяти, соединенной с кристаллом. И HBM — это ДЕФИЦИТ. Nvidia не производит ее; это делают только SK Hynix, Samsung и Micron, TSMC выполняет соединение, и Nvidia не контролирует ни один из физических этапов. Сообщается, что весь выпуск 2027 года уже законтрактован, выручка Micron выросла на 346%, а Альтман законтрактовал 40% мирового DRAM по пути через Сеул. Основная сделка Nvidia заключалась в покупке дефицитного товара и перепродаже его, обернутого в GPU, с маржой в семьдесят пунктов — прекрасный бизнес с жестким потолком: он может расти только так быстро, как три фабрики могут штабелировать кремний. Это делает реальной единственной точкой отказа во всем пятитриллионном строительстве не Тайвань, а Ичхон: весь план упирается в выход годной продукции одной корейской компании по упаковке, и SK Hynix — это торговец оружием, перед которым выстраиваются в очередь обе сверхдержавы, в пределах досягаемости ракет Северной Кореи, с фабрикой внутри Китая. Мы тратим дни, оценивая тайваньский риск. Никто не оценивает риск Ичхона.
Sparks и Stations обходят всю эту борьбу стороной. Они работают на обычной унифицированной DRAM, той памяти, которая не является дефицитной, той памяти, которую может производить даже CXMT. Второй акт Дженсена работает на единственном компоненте, за которым никто не выстраивается в очередь.
Отступите на шаг, и симметрия становится почти элегантной. Стратегия Китая — открытые модели на дешевых коробках на периферии. Хедж Nvidia — дешевые коробки на периферии, работающие на открытых моделях, большинство из которых китайские. Два предполагаемых противника войны AI сошлись на идентичной сделке: продавать будущее, где интеллект — это товар, которым вы владеете, а не услуга, которую вы арендуете. Единственные стороны, все еще приверженные платной дороге, — это две компании, которые не могут выжить без нее, и кредиторы, которые профинансировали ее пятнадцать раз. Nvidia будет продавать лопаты дата-центрам, пока музыка не остановится, а затем будет продавать лопаты всем остальным, потому что она никогда не была в длинной позиции по лабораториям. Она была в длинной позиции по вычислительным мощностям, а вычисления уходят из зданий, оплаченных пенсионными фондами, по одной золотой коробке за раз.
И если вы сомневались, что все это было преднамеренно, на прошлой неделе Дженсен развеял сомнения: Nvidia купила Hugging Face за 12,9 миллиарда долларов. Hugging Face — это не игра с дата-центрами, это полная противоположность: всемирное хранилище весов открытых моделей, место, откуда вы скачиваете GLM, Qwen и DeepSeek, распределительный центр всего, что, по мнению этого эссе, побеждает. Компания, чье состояние было построено на обслуживании закрытых западных лабораторий, только что заплатила тринадцать миллиардов долларов за входную дверь мира открытых моделей, то есть за отношения с клиентами, которые будут владеть коробкой, а не арендовать облако. Stripe купил счетчик. SpaceX купил спрос. Дженсен купил магазин приложений пост-лабораторной эры, и собственные агенты лабораторий услужливо продемонстрировали его стратегическую ценность, взломав его двумя месяцами ранее.
Это и есть все эссе в одном образе. Самая дорогая компания на Земле, чья оценка целиком зависит от строительства дата-центров, диверсифицируется из строительства дата-центров, публично, в розницу, и никто на ключевом выступлении, похоже, этого не заметил. Дженсен заработал сто пятьдесят миллиардов долларов, продавая кирки и лопаты во время золотой лихорадки. Теперь он посмотрел на результаты анализа проб, пришел к выводу, что рудник засолен, и тихо начал продавать наборы для разведки широкой публике.
Вы все еще можете купить набор для разведки. Чего вы не можете купить, так это оборудование, чтобы соединить их в цепочку. Я знаю это по себе. Я купил последние коммутаторы в Швеции, пытаясь соединить свои.
