Около 1800 года английский инженер по имени Генри Модсли построил токарный станок, способный нарезать точную резьбу. И это оказалось одним из самых важных событий в истории...
До Модсли резьбу нарезали вручную, по одной, поэтому двух одинаковых не существовало. Гайка из одной мастерской не подходила к болту из соседней, так что каждая машина в мире была штучным изделием: её собирал мастер, и починить мог только он.
Нельзя было сделать тысячу одинаковых деталей, потому что они просто не совпадали. Это было узким местом всей промышленности, и сидело оно в человеческой руке с напильником.
Станок Модсли каждый раз нарезал одну и ту же резьбу. А значит, одна машина теперь могла делать точные детали для другой, и они подходили друг другу. За одно поколение металлообрабатывающие станки, произошедшие от его изобретения, выпускали компоненты уже для всего остального, и Промышленная революция вдруг нашла передачу, о которой даже не подозревала.
Вы, наверное, сейчас сидите и думаете: Рауль, какого чёрта ты пишешь про винтовую резьбу XIX века? Потерпите немного. Если посмотреть на картину в целом, один и тот же паттерн повторяется снова и снова.
Бо́льшую часть истории человечества инструменты совершенствовались со скоростью людей, которые их делали, — то есть медленно. Раз в несколько столетий появлялся плуг получше. Потом инструменты начали делать инструменты, и каждый новый цикл шёл быстрее предыдущего.
Паровые машины крутили токарные и расточные станки, которые вытачивали детали для паровозов, так что пар строил железные дороги, по которым везли ещё больше паровых машин.
Металлообрабатывающие станки создавали конвейеры, на которых собирали автомобили. Сегодня компьютеры проектируют чипы для более мощных компьютеров, потому что ни один человек не способен вручную разместить миллиарды транзисторов. Каждый раз, когда инструменты брали на себя всё больше работы по созданию следующих инструментов, всё ускорялось, потому что самая медленная часть цикла — человеческая — становилась всё меньше.
А что произойдёт, если инструментом в этом цикле станет сам интеллект?
Это уже происходит
В ноябре 2023 года я писал, что OpenAI, скорее всего, уже поняла, как использовать ИИ для генерации идей, дизайна, написания кода и выпуска продуктов... что ИИ создаёт ИИ.
По состоянию на май 2026 года Anthropic заявляет, что более 80% кода, который попадает в её собственную кодовую базу, написано Claude. До запуска Claude Code в феврале 2025 года этот показатель был на уровне единиц процентов. Компания, создающая одну из передовых моделей, в основном заставляет эту же модель писать софт, на котором будет работать следующая версия.
OpenAI опубликовала свои цифры в сентябре: её исследовательское подразделение теперь тратит 3,1 «человеко-дня» работы агентов на каждый день человеческого труда, а количество экспериментов на одного исследователя достигло исторического максимума в августе.
В мае прошлого года DeepMind представила AlphaEvolve — агента на базе Gemini, который пишет и тестирует собственные алгоритмы. Среди прочего он нашёл улучшение в планировании, которое постоянно высвобождает 0,7% вычислительных мощностей всего глобального парка серверов Google, а также ускорил ядро внутри обучения самой Gemini, сократив время тренировки на 1%. Проценты кажутся маленькими, пока не осознаешь, что это такое: ИИ делает следующий ИИ дешевле в создании и эксплуатации.
Это и есть станок Модсли, который вытачивает детали для следующей машины.
Узкое место другого рода
Все предыдущие циклы снимали с нас физическую работу. Станок делал опиливание, конвейер — подъём тяжестей, и именно поэтому каждый новый цикл шёл быстрее прежнего. Но думать за нас никто не переставал. Кто-то всё равно должен был сесть и спроектировать следующий станок. Кто-то должен был понять, зачем вообще нужен чип. Машины гениально научились производить вещи, но идеи для следующего поколения по-прежнему рождались в человеческой голове, с той скоростью, на которую она способна... а это, будем честны, не очень быстро, и быстрее не становится.
Это был потолок для всей истории, и никто о нём особо не задумывался, потому что — а что с ним делать? Нельзя построить инструмент, который думает.
Но теперь можно. Впервые на аутсорс отдаётся сам интеллект, и прогресс ограничивается уже не тем, как быстро люди способны думать, а двумя вполне физическими вещами: сколько энергии можно превратить в вычисления и сколько интеллекта можно выжать из каждой единицы этой энергии. И оба показателя растут по экспоненте.
Это выходит за пределы экрана
Пока что мы говорили о софте, но история там не останется.
Дэвид Мэттин, с которым мы ведём The Exponentialist , называет следующий этап наукой без водителя. И нет, это не про Tesla, хотя идея та же...
Он имеет в виду, что наука всегда была циклом, которым управляет человек. У тебя появляется догадка, ты придумываешь эксперимент, проводишь его, чаще всего он проваливается, ты разбираешься почему, и у тебя рождается догадка получше. Круг за кругом, по одному человеку, месяцы на виток. Каждое лекарство, каждый материал, каждый закон физики, который мы когда-либо поняли, вышел из этого цикла, с такой скоростью.
Наука без водителя — это то, что получается, когда ты отдаёшь этот цикл машине. Речь не об ИИ, который помогает учёным... речь об ИИ, который сам совершает открытия. Новые материалы, новые молекулы, вещи, о которых человечество ещё год назад понятия не имело, появляются из машины, которая сама придумала идею, провела тест, считала результат и выдала следующую идею — вообще без участия человека. Понимание того, как устроен мир, уходит на аутсорс... и это происходит прямо сейчас, а не в каком-то научно-фантастическом будущем.
В 2023 году модель GNoME от DeepMind предсказала 2,2 миллиона новых кристаллических структур, около 380 000 из которых оказались стабильными. Это больше новых материалов, чем человечество открыло за всю историю материаловедения, и нашла их модель, ещё до того как кто-то зашёл в лабораторию.
Затем в декабре 2025 года DeepMind и правительство Великобритании объявили об автоматизированной лаборатории материалов, которая откроется в этом году: роботы синтезируют и тестируют сотни материалов-кандидатов в день, а ИИ выбирает следующую партию. Цикл, на который у исследовательской группы уходили месяцы, теперь прокручивается каждый день, а люди нужны, чтобы анализировать результаты, а не ставить опыты.
То же самое происходит с роботами, и то, как это работает, просто сносит крышу. В 2025 году DeepMind выпустила Genie 3 — проще всего представить её как видеоигру, которая пишет сама себя. Вводишь предложение, скажем, «захламлённая спальня», и она генерирует её симуляцию на экране, с физикой настоящей комнаты, так что любой объект внутри получает те же реакции, что и в реальности.
Потом туда можно поместить «мозг» робота и приказать ему убрать комнату. Он ошибается, пробует снова, и снова, миллионы раз, в миллионах виртуальных комнат, на скорости компьютера, ничего не ломая в реальности и не занимая места в физическом мире. А затем загружаешь то, чему он научился, в настоящего робота, и он заходит в настоящую спальню, уже зная, что делать. DeepMind делает это прямо сейчас со своими роботами-агентами, и никто не пишет для них учебный план. Агент сам ставит себе задачи и сам себя оценивает.
Если вас цепляют такие вещи, именно об этом мы с Дэвидом пишем каждую неделю в The Exponentialist. Всё начиналось внутри Real Vision, а теперь это самостоятельное издание на Substack, и там есть бесплатный тариф, если хотите следить за нами.
А потом оно начинает питать само себя
Итак, машины пишут собственный код, улучшают свои модели и начинают заниматься за нас наукой. Ладно, скажете вы, но есть подвох, о котором все слышали... всё это жрёт электричество, и много. Дата-центры уже перегружают сети, чипы стали одним из самых дефицитных ресурсов на планете, и наверняка в какой-то момент всё это просто упрётся в нехватку энергии.
Но если машина умеет решать задачи, которые людям не давались, первыми задачами, на которые её направят, будут её собственные. Лаборатории материалов, о которых я говорил, ищут не случайные открытия. Они ищут химию аккумуляторов, которые держат больше, солнечные элементы, которые преобразуют эффективнее, чипы, где транзисторы упакованы плотнее... ровно то, что делает энергию и вычисления дешевле.
И каждый такой результат напрямую возвращается в машину, которая его нашла.
Лучшие панели и батареи делают энергию дешевле, дешёвая энергия удешевляет вычисления, дешёвые вычисления тренируют лучшие модели, а лучшие модели находят следующий материал. Узкое место, которого все боятся, — это первое, что этот цикл запрограммирован уничтожить.
За этим стоит закон Райта: каждый раз, когда совокупный объём производства чего-либо удваивается, его стоимость падает на фиксированный процент. Солнечная энергетика следует ему десятилетиями. Новое здесь в том, что проектирует уже не человек, поэтому удвоения происходят быстрее, а стоимость падает стремительнее — причём одновременно для чипов, батарей и панелей.
Каждый оборот колеса ускоряет следующий, и он не зависит от внешних ресурсов. Раньше на один полный виток такого цикла уходили десятилетия. Этот прокручивается за месяцы, и то, что его крутит, теперь само является тем, что улучшается.
Дешевле — значит больше, а не меньше
Хорошо, очевидное возражение на этом этапе — экономическое. Если интеллект дешевеет так быстро, значит, нам понадобится меньше того, что его производит... меньше чипов, меньше дата-центров, меньше энергии.
Происходит обратное, и причину этого поняли ещё в эпоху угля. Джевонс заметил: когда ресурс используется эффективнее, общее потребление растёт, потому что дешевизна открывает применения, которые раньше были невозможны. Сделайте паровой двигатель эффективнее — и страна сожжёт больше угля, а не меньше.
С интеллектом происходит ровно то же самое. По подсчётам a16z на конец 2024 года, стоимость единицы вычислений падала примерно в десять раз в год при сопоставимой мощности, а потребление взлетело до небес. По состоянию на октябрь 2025 года Google обрабатывала около 1,3 квадриллиона токенов в месяц — более чем в двадцать раз больше, чем годом ранее, а к маю этого года цифра достигла 3,2 квадриллиона. Каждое снижение стоимости мышления открывает задачу, над которой раньше было слишком дорого думать, и у этого спроса нет потолка, потому что нерешённых проблем бесконечно много.
Вот почему капитальные затраты не могут остановиться.
«Это хайп. Рост замедляется»
Я слышу это каждые пару месяцев, обычно сразу после релиза, который оказался чуть менее сногсшибательным, чем предыдущий. Восторг длится неделю, потом всё возвращается в норму, а в норме люди решают, что развитие тормозит.
Моя ментальная модель — развитие ребёнка. Посмотрите, как малыш пытается ходить и падает, и можно решить, что ноги у него не работают, а для ходьбы он слишком глуп. Или подождать первых слов и заключить, что рот не приспособлен для речи. Пока он вдруг не сделает это. Эти модели — младенцы: в чём-то у них суперспособности, а в чём-то они сильно отстают от человеческих детей... но младенцы учатся быстро. Оценивать, где они окажутся через три года, по тому, чего они не умеют в этом квартале, — ошибка, и так происходит каждый раз. За три года мы прошли от плохого чат-бота до системы, которая превосходит большинство людей по всем предметам, которым мы учим. Не стоит недооценивать кривую роста (как говорят в мемах, «не мидкурвь это») только из-за собственных предубеждений.
Что это значит для вас
Страх за всем этим — глубоко личный, так что давайте поговорим лично.
Я не технарь. В январе я дал cowork PDF-файл и через шесть минут получил работающий сайт, а потом попросил дашборд с вовлечённостью Real Vision на всех платформах — и получил его через пятнадцать минут. Тогда я написал, что чувствую себя каким-то киборгом.
Сегодня один человек с набором агентов может произвести то, на что раньше требовалась целая компания. В моей книге The Everything Code (выходит 3 ноября, предзаказ уже открыт) я рассказываю историю инженера-программиста, который больше десяти лет строил компанию классическим путём, отошёл от дел, а затем за одну зиму сделал личный ИИ-проект, собравший шестизначное число звёзд на GitHub и принёсший ему оффер от OpenAI. Мозг был тот же, рабочая этика та же — изменилось лишь то, на чём он строил.
«Заменит ли это меня?» — вопрос, который задаёт ваше эго, и он неправильный. Слой работы под вами сжимается, нравится вам это или нет, точно так же, как станок Модсли сжал работу каждого мастера, опилявшего винты вручную. Правильный вопрос — что вы будете делать с машиной, которая берёт этот слой на себя. И суперсилы достанутся тем, кто поднимется на уровень выше — к решению о том, что вообще стоит создавать.
Владейте машинами, которые создают машины
Цикл показывает, где концентрируется ценность. Когда интеллект создаёт интеллект, прибыль достаётся тому, кто владеет циклом: вычислениям, на которых он работает, энергии, которая питает эти вычисления, и инфраструктуре, на которой осядут агенты, когда начнут проводить сделки друг с другом на машинной скорости. Это то, что невозможно обойти, и впервые в истории обычный человек может владеть кусочком каждого из этих элементов.
Экспоненциальная эпоха переходит из теории в реальность, и она прямиком ведёт нас к окну, о котором я писал в своей концепции Экономической сингулярности, — где-то между 2030 и 2032 годами. Это точка, где машинная экономика начнёт двигаться быстрее, чем человеческие инструменты, созданные для её измерения: ВВП, прибыли, зарплаты. Старые цифры перестанут описывать происходящее. Годы между сегодняшним днём и тем моментом — это и есть игра.
Подробно я разбираю это в The Everything Code. Там показано, почему финансовая система так сломалась и как мы десятилетиями застряли в долговом цикле, а затем объясняется, почему приход Экспоненциальной эпохи именно сейчас — вторая половина той же истории.
Всё, о чём здесь сказано, неизбежно, стоит лишь увидеть механизм. И странность в том, что это и есть выход: машины — это то, что наконец позволит миру вырасти из долгов. После десятилетий топтания на месте это повод для оптимизма, и в книге я доказываю это полностью.
The Everything Code выходит 3 ноября, и сделайте мне одолжение: если планируете купить её, буду признателен, если оформите предзаказ прямо сейчас. Это реально помогает с позициями в рейтингах, и для меня это будет много значить. Спасибо.
А если хотите копнуть глубже — продолжайте общаться со мной! Я создал ИИ, обученный на 30 годах моих размышлений, на raoulpal.ai, и он бесплатен. Продолжим разговор там.
