Transcription
Дженсон, большое спасибо, что присоединились сегодня. Как здорово, что вы с нами, ребята. Какой потрясающий год. С Ханукой, с Рождеством, с Новым годом, с праздниками.
Итак, с учётом всего, что произошло в 2025 году и находясь в эпицентре всего этого, на что вы оглядываетесь и говорите: "Это удивило меня больше всего или это стало самым большим изменением?" Есть некоторые вещи, которые меня не удивили, например, законы масштабирования, потому что мы уже знали об этом. Технологический прогресс меня не удивил. Я был доволен улучшениями в области заземления. Я был доволен улучшениями в области рассуждений. Я был доволен тем, что все модели были подключены к поиску. Я доволен тем, что теперь перед этими моделями стоят роутеры. Так что в зависимости от уверенности в ответах они могут запускать необходимое исследование и в целом улучшать качество и точность ответов. Я чрезвычайно этим горжусь. Я думаю, что вся индустрия ответила на один из самых больших скептических аргументов в адрес и галлюцинации и генерацию бессмыслицы и всё такое. Я считаю, что в этом году вся индустрия всё от языка до зрения, до робототехники, до беспилотных автомобилей, применение рассуждений и привязка ответов к реальности. большие, очень большие скачки в этом году. Огромные такие вещи, как Open Evidenнci, например, для медицинской информации, Харви для юридической сферы и действительно становится одной из тех вещей, которые стали надёжным инструментом или контрагентом, чтобы эксперты могли делать то, что они делают гораздо лучше. Да, это так. Во многом я этого ожидал, но всё равно рад этому. Я горжусь этим. Я горжусь работой всей индустрии в этой области.
Я действительно доволен и, пожалуй, немного удивлён тем, что скорость генерации токенов для инференса, особенно токенов рассуждений, растёт так быстро. Кажется, сразу несколько экспонент. И я очень рад, что эти токены теперь прибыльны. То, что люди их генерируют, я слышал, кто-то сегодня сказал, что Open Evidence, раз уж о них речь, имеют 90% валовой маржи. То есть это очень прибыльные токены, и значит они, очевидно, делают очень прибыльную или очень ценную работу. У CSр отличная моржа, уклод отличная моржа, для корпоративного использования Open AI у них отличная моржа. В общем, действительно здорово видеть, что теперь мы генерируем токены, которые достаточно хороши, настолько ценны, что люди готовы платить за это хорошие деньги. Я считаю, что это действительно отличный итог года.
Я имею в виду некоторые вещи, сам нарратив. Конечно, разговор с Китаем действительно занял у меня много времени в этом году. Геополитика важность технологий в каждой из стран. В этом году я провёл больше времени в поездках по миру, чем почти когда-либо в истории. За всю мою жизнь вместе взятую я пролетал в этом году около 17.000 футов. Так что приятно быть здесь, на Земле, вместе с вами. Итак, я думаю, геополитика важностьи и для всех стран. Всё это стоит обсудить позже. Конечно, я потратил много времени на экспортный контроль и на то, чтобы убедиться, что наша стратегия нюансированная и действительно хорошо проработанная и поддерживает национальную безопасность, при этом признавая важность различных аспектов национальной безопасности. Много разговоров об этом. Конечно, много разговоров о рабочих местах, влиянии и энергетике, нехватки рабочей силы. Это немало. Да, всё было про Ии. Всё про Ии, да, всё это было невероятно. Да, ИИ определённо был центральным элементом для каждой из этих тем.
Возможно, с чего действительно можно начать - это рабочие места или работа и занятость. Потому что, когда я смотрю на традиционное сообщество Ии ещё до того, как ИИ начал действительно работать, среди людей, работающих на ДИ, странным образом был сильный элемент апокалиптических настроений. Люди, которые больше всего пытались продвигать эту область вперёд, часто были самыми пессимистичными, что очень странно. Кажется, что этот нарратив захватил какую-то часть медиа или каких-то других вещей, хотя при этом и помогает здравоохранению, образованию, продуктивности и всем этим другим областям. В целом, всякий раз, когда у нас происходит технологический сдвиг, происходит сдвиг в том, какие рабочие места важны, но при этом рабочих мест всё равно становится больше. Расскажите, что думаете об этом. Наверное, я сделаю так. Привяжу это к трём точкам в пространстве, трём точкам во времени. Сейчас, может, очень ближайшее будущее, затем какая-то точка в отдалённой перспективе и, возможно, некоторые контрнарративы.
Ещё кое-что, о чём стоит подумать в отношении рабочих мест в краткосрочной перспективе. Одна из самых важных вещей в том, что и - это программное обеспечение, но это не предварительно записанное программное обеспечение. Как вы знаете, например, Excel был написан несколькими сотнями инженеров. Его скомпилировали, это предварительно записанное ПО, и затем его распространяют в таком виде в течение нескольких лет. В случае с Ии, поскольку он учитывает контекст, то, что вы у него спросили, то, что происходит в мире, контекстную информацию, он генерирует каждый отдельный токен в первый раз. Каждый раз. Что означает, что каждый раз, когда вы используете это программное обеспечение во всём, что мы делаем, и создаётся впервые, прямо как интеллект, наш сегодняшний разговор опирается на некоторую объективную реальность и некоторые знания. Но каждое отдельное слово здесь генерируется впервые. То, что действительно действительно довольно уникально в Ии - это то, что ему нужны эти компьютеры, чтобы генерировать эти токены каждый раз. Я называю их и фабриками, потому что они производят токены, которые будут использоваться по всему миру. Некоторые люди сказали бы, что это также часть инфраструктуры. Причина, по которой эта инфраструктура, в том, что, очевидно, это влияет на каждое отдельное приложение, используется в каждой отдельной компании, используется в каждой отдельной индустрии, в каждой отдельной стране. Следовательно, это отчасти инфраструктура, как энергия и интернет.
Теперь из-за этого и из-за количества компьютеров, необходимых для генерации этих токенов. И поскольку такого раньше никогда не было, и потому что нам нужны эти фабрики, появились три новые индустрии. Во-первых, нужно создать три новых типа заводов. Во-первых, нам нужно построить гораздо больше заводов по производству чипов. TSMC строят, Skyкс строит, строят гораздо больше заводов. Нам нужно больше чиповых заводов. Нам нужны новые компьютерные заводы. Эти компьютеры совсем другие. Это суперкомпьютеры, которых мир раньше не видел. Grace BlackWellй тип компьютера, чем всё, что когда-либо создавалось. И целая стойка - это один GPU. Итак, нам нужны новые заводы суперкомпьютеров, а затем нам нужны новые ИИ фабрики. Эти три типа заводов сейчас строятся в Соединённых Штатах в очень больших масштабах. Количество строителей, сантехников, электриков, техников, сетевых инженеров. Количество квалифицированной рабочей силы, необходимой для поддержки этой новой индустрии в ближайшей перспективе, будет огромным. Давайте просто признаем это. Мне так приятно слышать, что у электриков удваиваются зарплаты, им оплачивают поездки, как и нам. Мы ездим в командировке, и они ездят. И поэтому действительно здорово видеть, знаете, что эти три индустрии, эти три типа заводов, фабрик, создают так много рабочих мест.
Следующая часть - это краткосрочное влияние ИИ на рабочие места. И один из моих любимых примеров. Я люблю Джефа Хинтона. Он сказал примерно 5-7 лет назад, что через 5 лет и полностью революционизирует радиологию, что каждое приложение в радиологии будет работать на Ии. Радиологи больше не будут нужны. И что первую профессию, в которую он бы не советовал идти - это радиология. И он абсолютно прав. 100% радиологических приложений сейчас работают на Ии. Это правда. И за какие-то 8 лет это полностью пронзило радиологию. Однако, что интересно, количество радиологов выросло. И теперь вопрос: почему? И вот здесь разница между задачей и целью работы. У работы есть задача и есть цель. И в случае радиолога задача - изучать снимки, но цель- диагностировать заболевания и проводить новые исследования, именно новые исследования. И в их случае тот факт, что они могут изучать больше снимков более глубоко, они могут запрашивать больше исследований, лучше диагностировать заболевания. Больница становится более продуктивной. Они могут принимать больше пациентов, что позволяет им зарабатывать больше денег, что позволяет им хотеть нанимать больше радиологов. И поэтому вопрос в том, какова цель работы по сравнению с тем, какая задача выполняется в вашей работе. И, как вы знаете, я провожу большую часть своего дня печатая. Это моя задача, но моя цель, очевидна, не в том, чтобы печатать. И поэтому тот факт, что кто-то может использовать ей, чтобы автоматизировать большую часть моего набора текста, я действительно это ценю. Это очень помогает. Но это не сделало меня менее занятым. Даже наоборот, теперь я могу делать больше работы. Так что я думаю, это вторая часть, которую стоит учитывать. Задача против цели работы.
Этот пример действительно очень откликается, потому что моя невестка Эрин руководит ядерной медициной в Стэнфорде, так что она в радиологии и со всеми технологическими достижениями, которые приходят. Эти врачи это приветствуют, и они работают по 20 часов в день, пытаясь делать больше исследований и обслуживать больше пациентов. Я думаю, что одна вещь, которую часто упускают из виду, помимо своего рода разнообразия рабочих мест, создаваемых этими инвестициями в инфраструктуру, это то, насколько большой существует скрытый спрос на разные товары и услуги, которые нам нужны в обществе, например, на более качественное здравоохранение. Я не думаю, что кто-то чувствует. Ну вот мы достигли самого верха, вершины того, каким может быть американское здравоохранение или глобальное здравоохранение. И чем больше мы можем делать этих людей продуктивными, тем больше будет спрос. Абсолютно верно. Если Nvidia становится более продуктивной, это не приводит к увольнениям. Это приводит к тому, что мы делаем больше вещей. Я сегодня познакомилась с вашим новым набором сотрудников. Кажется, вы всё равно нанимаете каждую неделю. Так и есть. Чем более продуктивны мы становимся, тем больше идей мы можем исследовать, тем больше рост в результате, тем более прибыльными мы становимся, что позволяет нам реализовывать ещё больше идей. [откашливается] И поэтому я считаю, что вы абсолютно правы. Если работа, если ваша жизнь, если мир, если проблемы буквально уже полностью определены и больше нет других проблем для решения, тогда продуктивность действительно сократила бы экономику. Но очевидно, что она будет её увеличивать.
Я думаю, что следующая часть, которую стоит рассмотреть, это то, что, знаете, люди говорят: "Боже, все эти роботы, о которых мы говорим, отнимут рабочие места". Как мы очень хорошо знаем, у нас не хватает заводских рабочих. Наша экономика Наша экономика фактически ограничена количеством заводских рабочих, которые у нас есть. Большинству людей очень трудно удерживать своих работников. Также в мире существует, например, серьёзная нехватка водителей грузовиков. Причина в том, что люди не хотят таких работ, где нужно ездить по стране и жить в разных частях мира, в разных частях страны. Каждую ночь люди хотят оставаться в своём городе, оставаться со своими семьями. Так что я думаю, что первая часть в том, что наличие роботизированных систем позволит нам закрыть разрыв в нехватке рабочей силы, который действительно действительно серьёзен и становится только хуже из-за старения населения. Это не только в США, по всему миру. Итак, мы будем закрывать нехватку рабочей силы, но есть вторая часть, о которой люди забывают, и в результате она будет. Также есть нехватки в других местах, где люди говорят о том, что и релевантен, например, бухгалтерия. Медсестринское дело ещё один пример. Можно пройтись по множеству других индустрий и сказать: "Окей, здесь есть пробелы". И пытается помочь заполнить их. Именно так. Автоматизация поможет нам увеличить и решить проблему разрыва в рабочей силе.
Теперь люди также не помнят, что когда у нас есть автомобили, нам нужны механики, чтобы обслуживать наши машины. Если вы посмотрите на роботаси, которые даже уже есть на улицах сегодня, на то, что потребовалось 10 лет, чтобы это произошло, посмотрите на все бригады по обслуживанию и на все хабы, в которых они находятся, где нужно обслуживать эти роботокси. И просто представьте, что у нас будет миллиард роботов. Это будет крупнейшей индустрия ремонта на планете. Думаю, многим людям просто нужно это всё продумать. Это та часть, где вы сказали, когда мы создаём такой тип автоматизации, мы создаём и другие рабочие места. Прямо сейчас посмотрите. И создаёт так много рабочих мест. Индустрия И создаёт бум рабочих мест. Я думаю, что одна из ключевых проблем здесь в том, что очень легко провести прямую линию экстраполяции от есть инструменты, которые помогают юристам быть более продуктивными, значит, это заменит юристов. Но на самом деле требуется шаг инкрементального рассуждения, чтобы сказать, что в экономике есть эффект всасывания для всей и инфраструктуры. На самом деле есть эффект всасывания ко всему этому спросу, который является скрытым в тех местах, где у нас есть пробелы. Как мне кажется, многие политики сосредоточились на том, что, знаете, мы не можем заменить или сократить то, что у нас есть, когда на самом деле там там гораздо больше спроса, чем то, что мы на самом деле удовлетворяем. И в случае с юристом, какова его цель по сравнению с задачей? Читать контракт, писать контракт. Это не цель юриста. Цель юриста помочь вам разрешить конфликт. Это больше, чем чтение контракта. Это больше, чем написание контракта. Цель защищать вас - это больше, чем чтение и написание контракта. Поэтому я думаю, что действительно важно возвращаться к тому, какова цель работы по сравнению с задачей, которую мы используем, чтобы выполнить эту функцию. Это меняется со временем.
Другая большая тема года, которую вы упомянули и которую, как мне кажется, действительно важно затронуть - это Китай и своего рода рост китайских моделей с открытым исходным кодом, в частности, где некоторые из самых высоко оцениваемых моделей по бенчмаркам сейчас - это китайские модели в Open source. В закрытом сегменте всё ещё много американских моделей, но такие вещи, как Wind, PsК и так далее, показывают себя очень хорошо. Вы давно являетесь сторонником Open source в целом. Как, по-вашему, Китай выходит вперёд в И в Open source? И что США должны делать с точки зрения как open source, так и собственных индустрий? >> [откашливается] >> Когда вы думаете об этих сложных, взаимосвязанных, зависимых сетях проблем, об этой большой каше, всегда полезно вернуться и найти фреймворк для того, о чём именно мы говорим. В случае и что такое и, конечно, технология и и её возможности - это про автоматизацию. Это про автоматизацию интеллекта. впервые в истории, и вы можете объединить это с мехотронными технологиями, чтобы воплотить эту мехатронику и заставить её выполнять задачи. Так что вот что такое и - это автоматизация. Но каков стек, который делает и возможным? Каков технологический стек, функциональный стек? И, конечно, самый простой способ думать об этом это как бы пятислойный торт, где на самом нижнем уровне энергии. Она преобразует энергию в тот выход, который я только что описал. Следующий слой чипы. Следующий слой- инфраструктура. И эта инфраструктура - это и железо, и софт. Здесь Земля, электроэнергия и оболочка. Здесь строительство. Дата-центры - это программный стек для оркестрации. Так что это и софт, и железо. Слой выше, это то, о чём все думают. Это и, то есть модели. Мы это знаем. Но действительно полезно понимать, что ИИ - это система моделей и ИИ - это технология, которая понимает информацию, и есть человеческая информация. И потому мы часто думаем об ИИ и как о чатботе. Но помните, есть биологическая информация, есть химическая информация, есть физическая информация, информация всех видов, есть финансовая информация, есть медицинская информация. есть информация всех модальностей, всех типов. И действительно очень широк. И, конечно, человеческий язык лежит в основе многих вещей, но это не сущность всего. Потому что, как вы знаете, биология. Молекулы не понимают английский, они понимают что-то другое. Белки тоже не понимают английский. Я думаю, что следующий слой, важная вещь в том, что именно там находятся модели и Ии и очень разнообразен. А слой выше - это приложение, и это зависит от индустрии. Вы уже упомянули Open Evidence, вы упомянули Харви, есть CSRр, есть всевозможные приложения. Полностью автономное вождение - это, по сути, приложение и приложение, воплощённое в механическом автомобиле. А фигр - это и приложение, воплощённое в механическом человеке. Итак, у вас есть все разные приложения. Что ж, этот пятислойный стек - это один из способов думать об этом. А затем следующий способ думать об этом, который я только что упомянул, и действительно очень разнообразен. Когда у вас теперь есть этот фреймворк того, каковы технологические возможности, как строить технологию и насколько она разнообразна, тогда вы можете вернуться и подумать: "О'кей, давайте зададим вопрос, насколько важен Open source?" Ну, без Open source. Сегодня пограничные модели, ведущие лаборатории выбрали подход с закрытым исходным кодом. И это вполне нормально. Знаете, то, что люди решают делать со своими бизнес-моделями, в конечном итоге действительно является делом их бизнеса. И им нужно рассчитать, какой лучший способ получить возвратные инвестиции, чтобы они могли масштабироваться и делать лучшие прорывы. Однако тот расчёт, который они сделали - это прекрасно. С другой стороны, без open source, как вы знаете, стартапам было бы сложно. компаниям, которые находятся в разных индустриях, будь то производство, транспорт или здравоохранение. Без open source сегодня вся эта работа с была бы задушена. И поэтому им просто нужно иметь что-то, что предварительно обучено. Им нужно иметь некоторую базовую технологию рассуждений, от которой они могли бы все адаптироваться, дообучать, тренировать свои модели. и ровно под тот домен и приложения, которое им нужно. И поэтому то, что люди действительно упускают, это просто невероятная повсеместность и важность open source для всех этих индустрий крупных компаний. Без open source. Какие-то столетние компании, с которыми я работаю в индустриальных областях, в здравоохранении, они были бы задушены. Да. Open source на данный момент двигает все наши датацентры. Он двигает большую часть телефонии в мире с точки зрения Android или других устройств. Он двигает, как вы сказали, многие промышленные приложения, так что он уже повсеместен. И вопрос в том, высшее образование, да, высшее образование, образовательные исследования, стартапы, список можно продолжать. И поэтому мы целый день говорим о вершине, о самой видимой части этого, о той части, которая, возможно, наиболее новостная. Но под этим есть такое важное пространство open source. И какие бы решения мы не принимали в политике, не повредите этот инновационный маховик. Поэтому я потратил много времени, обучая политиков, чтобы помочь им понять. Что бы вы ни решили, что бы вы ни делали, не забывайте про open source. Что бы вы ни решили, что бы вы ни делали, не забывайте о биологии.
>> Подпишись прямо сейчас на мой Telegram-канал по ссылке в описании. Я подготовил для тебя топ-три материала, которые, на мой взгляд, должен знать каждый. Первое, карта сотни топовых AI стартапов - это будущее на одной картинке. Второе- прогноз от инсайдера из Openi, который ещё до появления чат GPT предсказал всё, что сейчас происходит с ней неронками. И вот в этом году он выпустил новый прогноз до двадцать седьмого года. И третье, самое мощное - это мой разбор эссе основателя компании Anтроopic, который по сути второй человек в мире искусственного интеллекта. Он по полочкам разложил, что будет происходить в мире ближайшие 5 лет. И главное, каким будет универсальный AI, которого все так боятся или ждут. Переходи по ссылке в описании. >>
Я думаю, что контрнарратив, который здесь стоит обсудить, заключается в том, что по сути должен быть некий монолитный вертикальный игрок. и монолитный актив, типа одной модели, которая делает всё. И тогда мы не можем отдавать эту коронную драгоценность другим странам или не американским компаниям. И ваш аргумент в том, что нам на самом деле нужна эта огромная диверсификация и приложений. И американское преимущество, на самом деле, или любое суверенное преимущество заключается во всём стеке, в способности поставлять любой его элемент. Думаю, когда-нибудь у нас будет Бог и когда этот день настанет. Этот день, вероятно, в библейских масштабах, я думаю, в галактических масштабах. Я думаю, что не полезно переходить от того, где мы находимся сегодня, к Богу. Ии я не думаю, что какая-либо компания на практике считает, что она где-то близко к Богу. Ии также не вижу, чтобы у каких-то исследователей была какая-либо разумная возможность создать Бога и способность понимать человеческий язык. язык генома, молекулярный язык, язык белков, язык аминокислот, язык физики. Всё это на высочайшем уровне. Такого бога Ии просто не существует. И при этом у нас есть множество индустрий, которым нужен ИИ. И и - это, если упростить, просто следующая компьютерная индустрия. И приведите мне пример компании, индустрии, страны, нации, которым не нужны компьютеры. И нам всем не нужно ждать Бога и, чтобы двигаться вперёд. Верно? Так что Бог и не появится на следующей неделе. Я в этом вполне уверен. Бог и не появится в следующем году. Но всему миру нужно двигаться вперёд на следующей неделе, в следующем году, в следующем десятилетии. Я думаю, что идея монолитной гигантской компании, страны, национального государства, у которого есть бог и, это просто неполезно. Это не полезно. Это слишком экстремально. Тогда, если уж доводить это до такого уровня, нам тогда вообще стоит всё остановить. Какой тогда смысл вообще в правительствах? Я имею в виду, зачем они вообще делают политику. Бог и будет достаточно умён, чтобы обходить любую политику. И какой смысл? Поэтому я думаю, что нам стоит вернуть всё на землю, на приземлённый уровень и начать думать о вещах практично и использовать здравый смысл.
Это, кажется, в целом большая тема этого разговора, где было много всего, что было как бы выброшено в публичное пространство и что выглядит очень экстремально, если действительно об этом задуматься. Это и рабочие места, и занятость. Никто больше не сможет работать. Это и бог и который решит все проблемы. Это и то, что у нас не должно быть open source по тем или иным причинам. Несмотря на то, что open source уже питает большую часть наших индустрий, в публичном пространстве было нарисовано много крайностей вокруг Ии, которые, если подумать, не следуют логической цепочке с точки зрения того, что это может произойти в ближайшее время. Всё это чрезвычайно вредно, честно говоря. Я думаю, что мы нанесли много вреда тем, что очень уважаемые люди рисовали нарратив Думера, нарратив конца света, научно-фантастический нарратив. Я понимаю, что многие из нас выросли на научной фантастике и любили её, но это не полезно. Это не полезно людям, это не полезно индустрии, это не полезно обществу, это не полезно правительствам. Есть много людей в правительстве, которые, очевидно, не так знакомы с технологией, не так комфортно себя с ней чувствуют. И когда доктора наук в том и SEO в этом приходят в правительство и объясняют и описывают эти сценарии конца света и чрезвычайно дистопичное будущее, вы должны спросить себя: какова цель этого нарратива и каковы их намерения. И на что они надеются? Почему они говорят с правительствами об этих вещах, чтобы создавать регулирование, которое будет душить стартапы? По какой причине они бы это делали? И вы думаете, что это просто регуляторный захват, где они пытаются предотвратить появление новых стартапов и их возможность эффективно конкурировать? Или, как вы думаете, какова цель некоторых из этих разговоров?
Знаете, я не могу гадать, что у них на уме. Как политика, как практика, я не думаю, что компании должны ходить к правительствам, чтобы продвигать регулирование в отношении других компаний и других индустрий. Просто как принцип. Их намерения явно глубоко конфликтны, и их намерения явно не полностью в лучших интересах общества. Я имею в виду, они, очевидно, SEO, они, очевидно, компании и, очевидно, они отстаивают свои собственные интересы. Если мы все сможем вернуться к тому, где мы находимся сегодня, и подумать о том, где технология будет. Я имею в виду, посмотрите, буквально за один год, как мы говорили в начале, одни из самых гордых моментов - это когда индустрия смогла очень агрессивно инвестировать в развитие и технологии, вместо того, чтобы быть замедленной. Помните, всего 2 года назад люди говорили о том, чтобы замедлить индустрию. Но по мере того, как мы быстро продвигались вперёд, что мы решили? Мы решили проблему заземления, мы решили проблему рассуждений, проблему исследований. Вся эта технология была применена во благо, улучшая функциональность ей. И всё же конец не наступил. И всё же конец не наступил. Это стало более полезным. Это стало более функциональным. Это стало способным делать то, что мы от него просим. И первая часть безопасности продукта - это то, что он работает так, как заявлено. Первая часть безопасности - это производительность. То есть, по сути, первая часть безопасности автомобиля - это не то, что какой-то человек запрыгнет в машину и использует её как ракету. Первая часть - это то, что машина работает так, как заявлена, в 99 и 999% случаев так как заявлено. И для этого требуется огромное количество технологий, чтобы сделать так, чтобы эта машина или этот ТИ работали так, как заявлено. Я очень рад, что за последние пару лет, 2-3 года, индустрия так много инвестировала в улучшение функциональности ИИ именно в том смысле, чтобы он работал так, как заявлено. Я думаю, что если мы посмотрим на следующие 10 лет, у нас ещё очень много работы, чтобы он продолжал работать так, как заявлено. При этом, как вы знаете, вы оба так много инвестируете в экосистему. Вы видите, как создаётся так много компаний для генерации синтетических данных, чтобы Иил более заземлённым, более
разнообразным, менее предвзятым, более безопасным. Вы инвестируете в целый ряд компаний в кибербезопасности, использующих ИИ для кибербезопасности.
Люди думают, что есть вот этот ИИ, что предельная стоимость ИИ будет значительно снижаться, и она действительно будет, и поэтому ИИ будет опасным. Это ровно наоборот. Если предельная стоимость ИИ будет значительно снижаться, то один ИИ будет контролироваться миллионами ИИ, и они будут мониторить друг друга. Люди не должны забывать, что ИИ не будет агентом сам по себе. Скорее всего, ИИ будет окружён агентами, которые будут его мониторить. И это ничем не отличается от ситуации, когда предельная стоимость обеспечения безопасности общества ниже. У нас просто полиция на каждом углу.
Одна вещь, о которой мы немного говорили раньше — это стоимость и то, как она снижается. И я думаю, в 2023 году стоимость GPT для ковид-моделей, если смотреть на миллион токенов, снизилась более чем в 100 раз. Многие из моей команды делали этот анализ, чтобы это показать. Так что издержки падают довольно драматично и очень быстро. И часть этого — все те улучшения, которые вы продвигаете на уровне видео, но также и по всему стеку в целом, мы получаем большие приросты эффективности. В то же время компании, создающие модели, говорят о том, что затраты растут, что есть огромные капитальные расходы на развёртывание всего этого. Как вы думаете о стоимости обучения и стоимости инференса со временем и о том, что это означает для среднего конечного пользователя, для среднего стартапа?
Я забываю точную цифру, но Андре Карпати оценивал стоимость создания первого чат GPT. По-моему, по сравнению с сейчас, я думаю, что сейчас это можно сделать уже на ПК. Это, вероятно, десятки тысяч долларов на данный момент или, может быть, даже меньше. Это ничего не стоит. У него есть open source проект, который можно сделать за выходные. Это невероятно. Да, мы говорим о трёх годах. То, что, как люди говорили, стоило миллиардов долларов. Суперкомпьютеры, построенные за миллиарды, привлечение миллиардов долларов, чтобы всё это сделать, сейчас стоит, ну, по сути, то, что можно сделать за выходные на ПК. И это говорит вам о том, насколько быстро мы делаем ИИ более экономически эффективным. Или на Spark, извините, наверное, всё-таки не совсем на ПК. Да, не совсем на ПК.
И мы улучшаем нашу архитектуру и производительность. Каждый год первый GPT обучался на Volta, потом на Ampere. И, по-моему, в первых прорывах вообще не использовался Hopper, а затем, конечно, Hopper в последние 2-3 года. И мы перешли на Blackwell примерно последние полтора года или около того. И в каждом из этих поколений архитектура улучшается. И, конечно, количество транзисторов растёт. И пропускная способность растёт в каждом поколении, каждый год с точки зрения вычислений. Сочетание всего этого даёт рост в 5-10 раз каждый год. Это норма, а Rubin уже не за горами. И поэтому мы видим 5-10x каждый год. Это невероятно. Закон Мура был удваиванием каждые полтора года. И за 5 лет это 10x, за 10 лет 100x. В случае ИИ за 10 лет это, вероятно, от 100 000 до миллиона X. И это только железо. Затем следующий слой, это слой алгоритмов и слой моделей. Сочетание всего этого. Если бы вы сказали мне, что за период в 10 лет мы сократим стоимость генерации токенов в миллиард раз, я бы не удивился. И это экономика и со стороны обучения снижение стоимости не настолько агрессивно, но близко. Если бы вы сказали, что каждый год мы увеличиваем эффективность в два или три раза на протяжении 10 лет, это невероятно.
Но важная идея в том, что когда кто-то говорит, что обучение чего-то стоит 100 млн долларов или полмиллиарда долларов, ну, в следующем году это в 10 раз меньше, в следующем году в 10 раз. Ну, люди ведь просто масштабируют всё это. Так что контраргумент такой: "Ну, мы просто будем становиться больше каждый год в 10 раз или в 100 раз." И, знаете, будем пытаться компенсировать это снижение стоимости масштабом, а другие не смогут угнаться. Да. Но на самом деле происходит вот что. И здесь вступают в игру ИИ, как вы знаете. Масштаб вырос в 10 раз, но вычислительная нагрузка не выросла в 10 раз, потому что вы получаете совокупную выгоду от всех трёх вещей: железо улучшается, алгоритмы обучения улучшаются и, конечно, архитектура моделей улучшается, и мы получаем выгоду от того, что учимся друг у друга.
Давайте будем честны, Psyc, вероятно, была самой важной, единственной работой, которую большинство исследователей Кремниевой долины читали за последние пару лет. Это было единственное, что ощущалось как настоящий переход и было открытым именно за многие годы. И это потому, что многие лаборатории больше не публикуют такие статьи. Psyc принесла пользу американским стартапам и американским ИИ лабораториям повсюду и инфраструктурным компаниям по всей стране. Вероятно, это был самый большой единичный вклад в американский ИИ за прошлый год. Если сказать это вслух, то, конечно, знаете, людей немного передёргивает от того, что американский ИИ на самом деле учится у ИИ из других стран и получает от этого пользу. Но почему это должно удивлять? И исследователи по всей Америке, выходцы из Китая и из разных других стран. Мы получаем пользу от каждой страны. Мы получаем пользу от каждого исследователя. Не все идеи мира должны исходить из Соединённых Штатов.
И поэтому, возвращаясь к твоему исходному вопросу, действительно так, что часть нарративов вокруг стоимости и направлена на то, чтобы напугать всех и вытолкнуть с рынка. Никто, кроме нас, не должен заниматься предобучением. Никто, кроме нас, не должен обучать эти передовые модели. Но благодаря инновациям в моделях, алгоритмах и вычислительном стеке стоимость ИИ на самом деле снижается гораздо больше, чем в 10 раз каждый год. И поэтому, если вы отстаёте всего на один год или даже на 6 месяцев, вы всё равно можете реально оставаться близко. И мне кажется, что одна вещь, которая ощущалась для меня очень по-другому в 2025 году, это то, что Илья недавно сказал, что мы снова в эпохе исследований, а не в эпохе масштабирования. Я думаю, кстати, что происходят обе вещи. Все также пытаются масштабироваться по множеству измерений. Да, именно. Но быть на 6 месяцев позади или иметь кластеры на 100 против 200K, я думаю, имеет значение, если вы конкурируете симметрично. Но сейчас у вас есть люди из Frontier Laps или на самом верху игры, у которых есть очень разные идеи о том, как двигаться дальше, и которые работают над разнообразием задач. И мне кажется, это ощущалось иначе по сравнению с 2024, когда было много энергии, сосредоточенной просто на масштабе предтренировки и больших языковых моделей, да и ещё несколько других динамик.
По мере роста рынка каждая из этих моделей может выбрать вертикали или сегменты, которых она хочет дифференцироваться. Кто-то может решить быть лучшим в кодинге, кто-то может решить быть просто лучше в доступности, чтобы стать более сильным потребительским продуктом. В результате разнообразия этих моделей вы, вероятно, можете сделать нишевой скачок, не будучи лучшими во всём остальном, и всё равно быть суперценными для рынка. Больше не нужно пытаться сделать невозможное. 2 года назад, потому что это называлось предобучением, люди говорили: "Ну, знаете, предобучение закончилось". Во-первых, преобучение не закончилось, но смысл предобучения — это натренировать себя для обучения. Поэтому это и называется предобучением, чтобы подготовить себя к реальному обучению. А теперь мы называем это поставучением. Это немного странно. Я думаю, что это просто обучение, но предобучение — это предобучение. И, следовательно, это обучение. Обучение, как все мы знаем, это то, где масштабирование вычислений напрямую переводится в интеллект.
Теперь данные, необходимые для обучения модели, на самом деле довольно небольшие. Возможно, это просто верифицируемые результаты. Сейчас это по-настоящему алгоритмично, очень интенсивно вычислительно. И вам не нужно быть хорошими во всём, так же как и все мы. Поскольку у нас нет времени одинаково хорошо изучить всё, мы решаем выбрать специализацию и сосредоточить на ней всю нашу энергию. И мы становимся сверхчеловечески или невероятно хорошими в чём-то, в чём другие люди не так хороши. И поэтому я думаю, что ИИ-лаборатории начнут делать то же самое. Они начнут раздваиваться на разные сегменты, и стартапы будут делать то же самое. Они найдут микронишу и возьмут что-то открытое, а затем станут невероятно хороши в этом. Я думаю, один из самых оптимистичных взглядов здесь, на самом деле, в том, что эти микрониши довольно ценны.
Я разговаривала с Андрой, потому что мы много говорили с разными людьми об их прогнозах на следующий год. Мы, конечно, спросим и ваш, но он спросил, какой пример прогноза был бы прозорливым в прошлом году. И мой ответ: всё легко в ретроспективе. В том, что кодинг станет первым бизнесом на уровне приложений, который достигнет миллиарда ARR, как и нативные приложения. Я думаю, если бы вы смотрели на это со старой точки зрения, вы бы поверили в один из двух нарративов. Первый: одна модель делает всё, и всё просто будет поглощено чем-то монолитным. [откашливается] И второй, инструменты для разработчиков никогда не становятся очень большими. Это во многом зависит от того, насколько ценен инструмент для разработчиков. Сейчас, я думаю, гораздо больше людей понимают, что программная инженерия — это ниша, и спрос на неё больше, чем когда-либо. Но я думаю, мы увидим больше подобных примеров.
И ещё интересно, мы используем Coder здесь и используем Coder повсеместно. Каждый инженер его использует. Количество людей, которых мы нанимаем сегодня, просто невероятно. Понедельник, день выхода на работу в Nvidia. И почему это так? Потому что теперь это цель и задача. Цель программного инженера — решать известные проблемы и находить новые проблемы для решения. Кодинг — это одна из задач. Итак, что если цель не кодинг? Если ваша цель буквально кодинг, кто-то говорит вам, что делать, и вы это кодите. Возможно, вас заменит ИИ. Но большинство наших программных инженеров, все наши программные инженеры, их цель — решать проблемы. И оказывается, у нас в компании так много проблем и так много неоткрытых проблем. И чем больше времени у них есть, чтобы идти и исследовать неоткрытые проблемы, тем лучше для нас, как для компании. Ничто не доставило бы мне больше удовольствия, чем если бы никто из них вообще не писал код. Они просто решали бы проблемы. Понимаете, о чём я?
И поэтому я думаю, что эта рамка "цель против задачи" действительно хороша для применения всем. Например, кто-то, кто работает официантом. Их работа не принимать заказ. Это не их работа. Их работа — чтобы у нас был отличный опыт. И если какой-то ИИ принимает заказ или даже доставляет еду, их работа всё равно помогать нам иметь отличный опыт. Они будут, соответственно, перестраивать свои рабочие места. Так что я думаю, что вопрос стоимости вычислений действительно очень важен. Позвольте мне вернуться к тому. Во-первых, почему мы настолько привержены программируемой архитектуре по сравнению с фиксированной архитектурой? Помните, давным-давно появился чип для CNN, и они сказали: "Nvidia, всё, конец". А потом появился чип для трансформеров, и Nvidia снова всё. Люди до сих пор пытаются это делать. Да, и преимущество этих специализированных ASIC в том, что они могут выполнять конкретную задачу очень-очень хорошо. А трансформеры — это гораздо более универсальная сеть, но трансформер, как вы знаете, как вид развивается невероятно быстро. Механизм внимания. Механизм внимания — то, как он думает о контексте. Диффузия против авторегрессии. Эти гибридные SSM-трансформеры. Гибридный SSM, например, Nematron. Мы только что анонсировали новый гибридный SSM, и поэтому архитектура трансформеров на самом деле меняется очень быстро, и в течение следующих нескольких лет она, скорее всего, изменится колоссально. И поэтому мы посвящаем себя архитектуре, которая гибкая по этой причине, чтобы мы могли, с одной стороны, адаптироваться, поскольку закон Мура в значительной степени завершён, выгода от транзисторов — это всего лишь, возможно, 10% раз в пару лет. И при этом мы хотели бы получать X сотен каждый год. И поэтому выгода на самом деле вся в алгоритмах. И архитектура, которая позволяет любой алгоритм, скорее всего, будет лучшей, потому что транзисторы не продвинулись так уж сильно. И поэтому наша приверженность программируемости — номер один по этой причине. И у нас так много оптимизма в отношении инновации в алгоритмах и инновационного ПО, что мы защищаем нашу программируемость именно по этой причине.
Вторая вещь, защищая эту архитектуру, наша установленная база действительно очень большая. Когда программный инженер хочет оптимизировать свой алгоритм, он хочет быть уверен, что он будет работать не только в одном маленьком облаке или в одном маленьком стеке. Он хочет, чтобы он работал на как можно большем количестве компьютеров. Так что тот факт, что мы защищаем совместимость архитектуры, означает, что Flash Attention работает везде. Так что SMS работают везде, диффузия работает везде, авторегрессия работает везде. В зависимости от того, что вы хотите делать, это не имеет значения. CNN всё ещё работают везде, LSTM всё ещё работают везде. И поэтому это архитектура, которая архитектурно совместима. Так что у нас есть большая установленная база, программируемая для будущего. Она действительно важна в том, как мы помогаем продвигать индустрию. И в результате всё это снижает стоимость. Я очень горжусь тем, что наша последняя инновация MBLH 72 — это самая низкая по стоимости машиногенерации токенов в мире с огромным отрывом. И причина в том, что действительно очень сложны. И поэтому, знаете, люди этого не ожидали, что для обучения, вероятно, проще, но для инференса невероятно сложно генерировать токены. Ну, по мере того, как стоимость падает, обычно открываются новые приложения или новые вертикали, которые становятся всё более доступными. И мы немного говорили о кодинге вроде CERSER cognition и других компаний, которые действительно выигрывают от этого в прошлом году. Есть ли у вас какие-то мысли или прогнозы относительно того, какие будут следующие прорывные индустрии или новые приложения или области, которые вас больше всего волнуют в 2026, в частности, из-за пары двух-трёх вещей.
Я думаю, что несколько индустрий переживут свой момент чат GPT. Я считаю, что мультимодальность и очень длинный контекст позволят создавать действительно действительно крутые чатботы. Но базовая архитектура в сочетании с прорывами в генерации синтетических данных поможет создать момент чат GPT для цифровой биологии. Этот момент приближается, и по цифровой биологии вы конкретно имеете в виду другие аспекты, вроде сворачивания белков и связывания белков? Или вы имеете в виду диагностику? Я думаю, что мы уже хорошо понимаем белки. Теперь появляется понимание сразу нескольких белков. И мы недавно создали модель под названием LOT Protina. Она открытая, она предназначена для понимания и представления нескольких белков, обучения и генерации. Так что я думаю, что понимание белков развивается очень быстро. Момент чат GPT для белков. Да, есть много интересных компаний, которые работают над дизайном молекул в сквозном формате. Например, чай. Именно, а затем, конечно, понимание химии и генерации химических структур, а затем подтверждение белков, химическое подтверждение, понимание и генерация. Так что это комбинация, момент чат GPT, момент генеративного, и всё это сходится для цифровой биологии.
И в продолжении вашего тезиса о новых индустриях или о том, как я об этом думаю. Это также инвестиции во входные данные для этого, и все эти вещи вокруг биологии, химии и материаловедения требуют генерации данных из реального мира и экспериментов. И это тоже новая инфраструктура. Синтетические данные будут действительно важны, потому что у них просто очень сильная разреженность данных. Их просто не так много, как у человеческого языка. И там настоящий прорыв будет, когда мы сможем обучить мировую фундаментальную модель. Фундаментальная модель для белков, фундаментальная модель для клеток. Я очень воодушевлён обоими этими направлениями. Как только у нас появится фундаментальная модель, наши возможности понимания и генерации, этот маховик данных действительно начнёт раскручиваться.
Вторая область, которая меня, конечно, очень волнует — это рассуждение. В языке произошли огромные прорывы в рассуждении, но благодаря рассуждению автомобили смогут работать лучше. Так что вместо просто автомобилей с восприятием и планированием, это будут автомобили с рассуждением. Эти автомобили будут всё время думать. И когда они сталкиваются с ситуацией, с которой никогда раньше не сталкивались, они смогут разложить её на ситуации, с которыми сталкивались раньше, и построить систему рассуждения о том, как через это пройти. И таким образом часть ИИ, связанная с внедоменным и внедистрибутивным, в большей степени будет решаться с помощью систем рассуждений. И в результате мы сможем делать больше вещей, чем нас просто научили делать. Благодаря сочетанию генеративного ИИ, мультимодальных моделей зрения, язык действия и систем рассуждений. Я думаю, мы увидим большие прорывы в гуманоидных роботах или в роботах с множественными воплощениями.
Какой, по-вашему, временной горизонт для этого? Потому что, если посмотреть на аналогию с беспилотным вождением, и очевидно, что технологии автономного вождения базировались на совершенно других типах нейросетей, чем те, которые мы используем сегодня. С учётом того, что за последние 2-3 года произошёл большой сдвиг в том, как мы много этом делаем, мы начали слишком рано. У беспилотных автомобилей на самом деле было четыре эпохи. Первое — это умные сенсоры, подключённые к машине. Эпоха Mobile и даже самые ранние дни. ADAS. Да, даже в самые ранние дни Waymo вы использовали умные сенсоры. Много алгоритмов, созданных вручную людьми. Угу. >> И жёсткое картографирование, экстремальное, я бы сказал, картография, а затем разные системы для планирования и восприятия. Именно. И по сути вы создаёте машину, которая едет по цифровым рельсам. Это не отличается от рельсов в Диснейленде, только это цифровые рельсы. И это первое поколение, второе поколение. И в течение этого поколения у вас есть восприятие, модель мира и планирование. И эти модули. И у каждого из этих модулей есть пределы своей технологии. И восприятие первым было затронуто глубоким обучением. Угу. А затем это распространилось по всему конвейеру. Итак, ну эта система слишком хрупкая, и она умеет выполнять только то, чему вы её научили. И теперь там, где мы сейчас, это end-to-end модели. И затем, куда мы пойдём дальше, это end-to-end модели с рассуждением. Так что это как бы четыре эпохи во многом. Если бы мы начали с беспилотных автомобилей, наверное, 3 года назад, мы бы сделали это. Мы всё равно были бы в том же самом месте. Все наши бедные друзья, которые работали над беспилотниками. И я не против, я работаю над этим уже 10 лет. И KVDs для беспилотных автомобилей, кстати, номер один по рейтингу безопасности в мире сегодня. Номер один. Мы только что получили этот рейтинг на прошлой неделе, а номер два Tesla. Так что я очень горжусь тем, что две американские компании находятся наверху.
То есть с точки зрения робототехники, вы считаете, что поскольку мы уже построили все эти технологии в современную эпоху, робототехника не будет проходить через такой же марафон? Не 10-15 лет. Я немного более оптимистичен. Мы просто сразу перепрыгнем к этому. Я гораздо более оптимистичен в отношении робототехники. Теперь люди думают о гуманоидной робототехнике, и там много вызовов. Я имею в виду, есть все эти мегатронические проблемы. Например, не очень хорошо, если робот весит 300 фунтов. И что происходит, если он падает и взаимодействует с детьми и так далее и тому подобное? Есть масса проблем, с которыми нужно разобраться. Я уверен, что мы их решим, но помните, фундаментальная технология, которая используется в гуманоидном роботе, может использоваться и в роботе захвата и перемещения. Что вы об этом думаете?
Один момент, который меня особенно интересует, применительно к робототехнике. Если посмотреть, кто выиграл или кто воспринимается как победители в беспилотном вождении, то это в основном действующие игроки. Waymo, Tesla, вы упомянули рейтинг безопасности, который получила Nvidia. То есть это люди, которые работают над этим уже очень давно. Это потребовало огромного капитала. У вас есть цепочки поставок, есть железо, есть вся эта дополнительная сложность. Как вы думаете, в робототехнике будет то же самое? То есть победителем по сути станет Tesla Optimus и другие, кто уже давно в индустрии. А есть ли место для стартапов? Они будут одними из лидеров, безусловно, очень крупными, но всё, что движется, будет роботизировано. Всё, что движется. А всё, что движется — это очень большое пространство. Это не только люди или роботы. И при этом каждый ИИ будет иметь множественное телесное воплощение. То есть, как и человек, с нашим собственным множественным телесным воплощением. Мы можем сесть в машину и воплотиться в неё. Мы можем взять в руки теннисную ракетку, воплотиться в неё. Мы можем взять палочки для еды и воплотиться в них. Таким образом, мы воплощаем инструменты, люди универсального назначения. И поэтому ИИ будет становиться универсального назначения. То есть у вас может быть одна рука робота для захвата и перемещения, может быть две руки робота для захвата и перемещения, может быть шесть таких рук. У вас будет огромное количество размеров и форм. Это может быть гусеница, может экскаватор, и ИИ будет воплощаться во всём этом. Точно так же, как строитель воплощается в экскаваторе и воплощается в тракторе. То есть тогда будет небольшое количество компаний, которые делают телесное воплощение для всего. Или вы говорите о чём-то другом. Безусловно, будет много софтверных компаний, и затем тот ПО, где одна компания может обслуживать множество разных вертикалей, но каждый из этих вертикалей всё равно будет иметь провайдеров решений, которые приземляют это всё, превращают это во что-то, что работает идеально. Понимаете? Потому что в случае потребительского ИИ, если это работает в 90% случаев, вы в восторге, у вас взорван мозг. Если работает в 80% случаев, вы довольны. А в случае большинства индустриальных и физических ИИ, если это работает в 90% случаев, всем на это всё равно. Их интересуют только те 10%, где это не работает. Это, по сути, 100% неудовлетворённости, и поэтому вы должны довести это до 99.9999%. Так что базовая технология может довести вас до 99%. А затем вертикальный провайдер решений может взять эту базовую технологию и сделать из неё 99.999%.
Вы думаете, что именно так это и будет происходить на самых ранних этапах? Потому что на таких незрелых рынках кажется, что один из самых быстрых путей на рынок — это полная вертикализация, потому что у вас просто есть контроль над скоростью итераций. Сложность вертикализации для технологий общего назначения в том, что у тебя нет масштаба R&D, чтобы построить действительно универсальную технологию. Конечно, Open source очень сильно помогает в этом. Угу. >> И именно поэтому в ближайшие несколько лет мы увидим большой всплеск вертикальных возможностей ИИ. Мой прогноз такой: в течение следующих 5 лет основной хайп будет именно вокруг вертикализации. Обратите внимание, мы в восторге от Open Evidence, мы в восторге от Harvey, мы в восторге от CERS. CERS — это горизонтальный продукт, но он как бы горизонтально-вертикальный, если так можно сказать. И я в целом очень воодушевлён всеми этими вертикалями. Знаете, многие говорили: "Мо, ИИ станет настолько, чёрт возьми, хорош, что все эти враперы станут ненужными". Но это упускает главный момент. Причина, по которой кто-то может рассуждать о жизни хирурга, в том, что он никогда не был хирургом. Причина, по которой человек, создающий ИИ, может рассуждать о жизни бухгалтера и налогового специалиста, в том, что он никогда не был налоговым специалистом, понимаете? И поэтому я думаю, нужно быть, и поэтому я думаю, что нужно быть чуть более эмпатичными к глубине и сложности реальной работы и пытаться по-настоящему понять её смысл и цель. Часто технология решает задачу, но не решает цель этой задачи.
Тогда ещё один нарратив, который сейчас часто обсуждается. Тогда ещё один нарратив, который часто обсуждается — это энергия и использование энергии. Хватит ли у нас энергии, чтобы поддерживать ИИ? Как вы на это смотрите? В первую неделю администрации президента Трампа он сказал: "Drill baby drill, сверли, малыш, сверли". За это его сильно критиковали. Но если бы не полный разворот отношения к росту энергетики в нашей стране, мы все сейчас могли бы признать, что отдали бы эту индустриальную революцию кому-то другому. И мы всё ещё ограничены по мощности. Всё ещё. Без энергии не может быть новой индустрии. И по сути мы уже около 10 лет живём в условиях энергетического голода. Если бы президент Трамп не развернул бы этот нарратив, мы были бы полностью в заднице. Без энергии не может быть промышленного роста. Без промышленного роста страна не может становиться более процветающей. [откашливается] Без процветания мы не можем решать внутренние проблемы, мы не можем решать социальные вопросы и так далее. Так что это действительно имеет значение. Нам нужна энергия для роста. Нам нужны все формы энергии. Нам нужен природный газ. Нам, конечно, нужно больше энергии в сети. Нам нужно больше энергии локальной генерации. Нам понадобится атомная энергетика. Ветра будет недостаточно, солнца будет недостаточно. Давайте просто все признаем, мы возьмём всё, что можем получить. Но по факту, я думаю, в ближайшие десятилетия природный газ, вероятно, единственный реальный путь вперёд.
Что действительно интересно. Я согласна, что эти сроки слишком далеки, чтобы решить проблемы генерации энергии, которые волнуют людей уже в 2027-2028 годах, когда крупные игроки, строящие вычислительные кластеры, очень обеспокоены. Но самые большие драйверы климатических инноваций в США на самом деле появились именно из-за проблемы и инфраструктуры. Угу. Потому что люди смотрят на спрос. Наконец-то, да, сигнал спроса. И этот спрос заставляет людей создавать огромные новые батарейные компании, солнечные концентраторы, вкладывать новую энергию, новый импульс в СМР и процессы согласования и
решений. Строительство индустрии ИИ двигает вперёд всю эту индустрию устойчивой энергетики, потому что люди видят, что на это будет спрос. Так что даже если, я думаю, что в краткосрочной перспективе нет практического ответа, кроме масштабного газа, всё равно это двигает климатические инновации.
Да, без вопросов. Без вопросов. Я думаю, это абсолютно права. Думерские сообщения формируют политику. И эта политика может как-то влиять на индустрию, но нет ничего мощнее, чем спрос. Посмотрите, сколько рабочих мест создаётся, сколько индустрий формируется вокруг этого, в том числе в устойчивой энергетике. И когда история будет переписана, Сара, я думаю, ты окажешься абсолютно права, если бы не Ии и, вероятно, стал самым большим драйвером устойчивой энергетики за всю историю.
У одного моего друга есть выражение: думеры - это люди, которые звучат умно на званных ужинах. Оптимисты - это люди, которые двигают человечество вперёд. И мне кажется, это очень верно. Да, это правда. Ну, это один из главных выводов за последний год. Битва нарративов. И слишком упрощённо говорить, что всё, что говорят думеры, не имеет значения. Это не так. Говорится много очень разумных вещей. Также слишком упрощённо говорит, что оптимисты просто наивны. Оптимизм должен быть приземлён к реальности.
Да, говорить, что оптимистичные люди просто наивные, это, конечно, неправда, но я думаю, нам нужно помнить о балансе. >> Угу. Когда 90% сообщений - это разговоры о конце света и пессимизме, мы по сути пугаем людей и отбиваем у них желание инвестировать в Ии, который делает его более безопасным, более функциональным, более продуктивным и более полезным для общества, а значит, делает нас более защищёнными. Всё это требует технологий. Безопасность требует технологий. Защищённость требует технологий. Мне нравится, что моя машина сегодня безопаснее, потому что в ней лучше технологии, чем 50 лет назад. И я считаю, что для безопасности нужны технологии, для защищённости нужны технологии. И я рад видеть, что развитие технологий всё ещё ускоряется и продолжается. И теперь нам просто нужно, чтобы политики по всему миру, правительство умели думать о балансе между этими двумя идеями.
Ну и раз уж мы много говорили про двадцать пятый год и нарратив вокруг двадцать пятого, как ты думаешь о двадцать шестом? Что тебя радует? Что ты видишь впереди? Какие большие изменения, по-твоему, нам стоит учитывать? Я оптимистично настроен в том, что наши отношения с Китаем улучшаются, что у президента Трампа и его администрации действительно очень приземлённый, здравый и практичный подход. И философия в том, как думать о Китае. что они противник, но они же во многом и партнёр, и что идея полного декаплинга наивна. И сама идея декаплинга по каким бы то ни было причинам, философским или соображениям национальной безопасности просто не основана на здравом смысле. И чем глубже в это вникаешь, тем больше видно, что две страны на самом деле очень сильно связаны между собой. Обем странам стоит инвестировать в собственную независимость. Когда ты слишком сильно от кого-то зависишь, отношения становятся слишком эмоциональными. И поэтому хорошо иметь некую независимость или настолько большую независимость, какую каждая из сторон хочет иметь, но при этом признавать, что между двумя странами существует сильная связанность. Я думаю, здесь нужна тонкая стратегия, тонкий подход к тому, как управлять этими отношениями. продуктивно для людей в обеих странах и для людей по всему миру. От продуктивных конструктивных отношений двух самых важных наций зависит весь мир. И это самые важные отношения для следующего столетия. И поэтому мы должны найти на это ответ. И я искренне рад, что президент Трамп ищет конструктивное решение. И я думаю, что следующий год будет гораздо лучше, чем несколько предыдущих.
Я доволен тем, что администрация смогла предложить политику экспортного контроля, основанную на национальной безопасности, с учётом того, что они уже сами производят так много чипов и могут полагаться на Huawei для своих военных и нужд национальной безопасности. У них достаточно собственных технологий, чтобы это обеспечивать. И поэтому американские технологии, хотя и являются технологиями общего назначения, маловероятно будут использоваться их военными, потому что их военные слишком умны, так же как и наши военные слишком умны, чтобы использовать их технологии. И поэтому эта политика основана на национальной безопасности, она основана на технологическом лидерстве, она основана на национальном процветании. И одна из вещей, о которых нам всегда нужно помнить, это то, что самая мощная армия в мире поддерживается самой мощной экономикой в мире. И то богатство, которое мы создаём, возвращает рабочие места домой, создаёт процветание в Соединённых Штатах, обеспечивает налоговые поступления и в итоге финансирует самую мощную армию на планете. И поэтому эта циклическая система, эта взаимосвязанная система требует тонкой стратегии. И я рад видеть определённый прогресс в этой области, который позволяет американским технологическим компаниям сохранять приоритет Америки и сохранять лидерство Америки, с одной стороны, и поддерживать технологическое лидерство США, чтобы побеждать на глобальном уровне.
А затем, конечно, Китай тоже по-своему разбирается с этим. Я имею в виду не разбирается, а формирует своё отношение к тому, как думать об американских технологиях. Потому что исторический аргумент здесь заключается в том, что если посмотреть, например, на интернет, существовало то, что называли великим фаерволом. Китай, по сути, предотвращал конкуренцию со стороны США внутри Китая. В то время как обратная ситуация была не столь справедливой, произошла массовая релокация рабочих мест и промышленности из США в Китай, как часть развития девяностых и двухтысячных. И поэтому, как мне кажется, многие вещи, которые люди понимают с точки зрения политики Китай, США, помимо чисто военного противостояния, сфер влияния и всего прочего, связаны также просто с экономическими дисбалансами, которые существуют между двумя странами.
Я бы предложил смотреть на это, возвращаясь к первым принципам технологий. И, скажем, взять интернет. У вас есть индустрия чипов, индустрия систем, индустрия программного обеспечения, а сверху индустрия сервисов. Помните, рост интернета в Китае стал бумом для Intel и AMD, продающих CPU, для Micron, продающий дим, для SK, HX и Samsung, продающих dir, это второй по величине интернет-рынок для американской технологической индустрии. >> И поэтому, возможно, это было не выгодно для какого-то слоя стека. Для таких компаний, как Google, именно. Но не стоит исключать каждый слой стека. Всегда нужно делать шаг назад и смотреть на весь стекликом. Возможно, это и есть сегодняшняя ключевая тема. И понятно, почему ты доносишь этот месседж. Но технология - это не только уровень интернет-софта и приложений, который доминировал десятилетиями. Это весь стек целиком. И помните, по мере того, как Intel и AMD процветали благодаря интернет-индустрии в Китае и росту китайской индустрии, не забывайте, что Китай также внёс огромный вклад в Open source. Ни одна страна в мире не вносит больший вклад в Open source, чем Китай. И посмотрите на все эти стартапы в Америке, которые смогли воспользоваться всем этим Open Source, чтобы создавать новые компании. Так что нельзя рассматривать одну область в изоляции. Нужно смотреть на весь жизненный цикл технологий и на каждый слой стека. Понимаете, если смотреть под этим углом, интернет-индустрия Китая создала огромное процветание для Америки, просто не обязательно для самих интернет-компаний как таковых.
Дженсон, мои друзья инвесторы не простят меня, если я не спрошу тебя про двадцать шестой год с точки зрения бизнеса. Мы сейчас в пузыре и и пузырь. Есть много способов рассуждать об этом. И когда задают такой вопрос, мой первый импульс - это понять, что такое и где мы сейчас находимся. Есть Ии, а есть вычисления. Как ты знаешь, Nvidia изобрела ускоренные вычисления. Ускоренные вычисления занимаются компьютерной графикой и рендерингом и этим не занимается. Ускоренные вычисления занимаются обработкой данных, сиквелообработкой данных и этим не занимается. Ускоренные вычисления применяются в молекулярной динамики и квантовой химии. Это не задача искусственного интеллекта. Часто можно услышать, когда-нибудь ИИ сможет это делать. Но на сегодняшний день он этим не занимается. При этом ускоренные вычисления играют ключевую роль в классическом машинном обучении. Это XG Boost и рекомендательные системы. И весь процесс инжениринг, извлечение, загрузка, преобразование данных. Весь жизненный цикл дата Science и машинного обучения опирается на ускоренные вычисления. Они используются на каждом этапе этого процесса. Первое, к чему нужно обратиться, особенно в контексте Nvidia - это то, что мы видим сдвиг от универсальных вычислений к ускоренным вычислениям, потому что закон Мура в значительной степени закончился. Вы больше не можете использовать CPU для всего, как раньше. Это недостаточно продуктивно. Это больше не даёт дефляционного эффекта. И поэтому нам нужно переходить к новой вычислительной модели. И здесь на сцену выходят ускоренные вычисления. Если бы чатботов, давайте так скажем, Open AI Antropic Gemini, если бы всего этого сегодня не существовало, Nvidia всё равно была бы компанией с капитализацией в сотни миллиардов долларов. И причина в том, что, как вы знаете, фундамент вычислений смещается в сторону ускоренных вычислений. И первое, что нужно осознать - это сделать шаг назад и спросить себя, что на самом деле происходит.
Теперь следующий уровень. Вопрос про и теперь становится. А что такое? И когда мы задаём вопрос про пузырьи, мы всегда возвращаемся к выручке Open. AI в 100% случаев, не так ли? Спрашиваешь кого-нибудь, есть ли пузыри, и все сразу смотрят на выручку Open AI. Во-первых, если бы у Openi сейчас было в два раза больше мощности, их выручка бы удвоилась. Вы это знаете. Если бы у них было в 10 раз больше мощностей, я действительно считаю, что их выручка выросла бы в 10 раз. Им нужны мощности. Это ничем не отличается от того, как Nvidia нужны пластины от TSMC. То, что Nvidia существует и у нас всё отлично, не означает, что нам не нужны мощности. Нам нужны мощности. Нам нужны мощности порем. И в нашем мире всем это кажется логичным. Нам нужны мощности. Ну а в их мире им нужны фабрики. И если у них нет фабричных мощностей, то как им генерировать токены? А именно с этого мы начинали наш разговор сегодня. Но при этом мы также говорили, что ИИ - это не только чатботы. Он включает все эти разные области науки. Бизнес Nvidia в области автономных автомобилей приближается к 10 млрдам. Об этом почти никто не говорит. А ведь нужно обучать мировые модели. Нужно обучать эти автономные автомобили. И это происходит. Роботаси появляются по всему миру. Нашии работает в цифровой биологии, нашии работает в финансовых сервисах. Вся индустрия квантов количественной торговли. Раньше было классическое машинное обучение, куча вручную придуманных признаков, так называемые кванты. Эти специализированные математики пытались понять, какие признаки являются предсказательными. Теперь мы используем и, чтобы он сам это находил. И поэтому вместо того, чтобы иметь кванты, вам нужно много суперкомпьютеров. Финансовые сервисы один из наших самых быстрорастущих сегментов. миллиарды долларов в квантах, в финансовых сервисах, миллиарды долларов в автономных автомобилях, миллиарды долларов в работотехнике на подходе, миллиарды долларов в цифровой биологии. Итак, насколько большим может быть всё это? Простая математика. Независимо от того, считаете ли вы, что Е будет компенсировать дефицит рабочей силы или нехватку кадров, давайте на секунду это отложим. Мировой ВВП - это около 100 триллинв долларов. Из них, допустим, 2% 2% в год это R&D. Давайте просто вернёмся назад во времени. 5 лет назад, если бы вы взяли крупнейшую фармацевтическую компанию в мире, где были все их RnD во влажных лабораториях. Сегодня что они делают? Строят суперкомпьютеры. И поэтому происходит фундаментальный сдвиг в том, как они думают об этих двух триллионах долларов. Раньше это были 2 триллиона на старый способ ведения дел. Теперь это будут 2 триллиона на Ии способ ведения дел. Ну 2 триллин долларов, 2 триллин долларов на R&D будут обеспечиваться огромным количеством инфраструктуры. Именно поэтому мы строим суперкомпьютеры по всему миру. И поэтому, если рассуждать об этом снаружи внутрь, либо с фундамента вверх, снаружи внутрь, и вы приходите к выводу, что то, что мы переживаем, то, что все трое из нас переживают - это безумный объём спроса на вычисление. Приведите мне пример стартапа, который говорит: "Нет, нам хватает". Они все умирают за вычислительные мощности. Приведите мне пример исследователя в любом университете, учёного в любой компании, который скажет: "У нас полно мощности. Все умирают за мощности". И поэтому у нас глобальный мультикомпадийный, мультииндустриальный дефицит. Речь идёт не только об Open AI, хотя Openi тоже мог бы использовать намного больше мощностей.
Поэтому как мы думаем об этом? С точки зрения нарратива этот нарратив не помогает. и слишком поверхностно говорить: "А как вы докажете, что есть пузыри? 12 млрд долларов выручки, сотни миллиардов инфраструктуры, которая строится. Это немного слишком упрощённо. Другая вещь, которую люди часто указывают - это исследование MIT. Есть какое-то исследование, по-моему, из MIT, которое утверждало, что большинство корпоративных внедрений были не такими уж полезными. И ты думаешь: "Ну а вы сделали управление изменениями. Вы сделали переработку процессов, вы интегрировали это в инструменты. Вообще, сколько времени заняло внедрение?" Если цикл планирования в корпорации Гота вы сделали что-то за 6 месяцев, и создаётся ощущение, что есть много таких, опять же, чрезмерно раздутых вещей, которые получают много внимания, но потом ты сопоставляешь это с тем, что реально происходит. Если вы хотите узнать, где в мире происходят инновации, я бы не стал смотреть на корпорации. Вы согласны? Да. Корпорации - это самые медленные внедрители новых технологий. Я бы пошёл поговорить со всеми стартапами, с 30-40сячами стартапов, которые сейчас этим занимаются. Я бы пошёл поговорить с Open Evidence, как у вас это работает. Я бы пошёл поговорить с CР, как вообще идёт кодинг. Мне кажется, это очень интересно, что ты это видишь, потому что, конечно, есть компании, которые делают, знаете, 100 млн долларов плюс несколько сотен миллионов долларов плюс IRР в корпоративных продажах Harv, Сира и так далее. Но некоторые из самых быстрорастущих компаний были приняты конечными пользователями даже в консервативных отраслях, например, в здравоохранении или в скептически настроенных отраслях вроде инженерии. Здравоохранение, да, самое консервативное из всех. Но угадайте, что они настолько обеспокоены тем, чтобы получать правильный ответ, что возможность иметь что-то вроде Open Evidence, чтобы делать высококачественные исследования и получать эти исследования в виде информации, никто не хочет делать исследования. Они хотят ответы. Никто не хочет делать поиск. Они хотят ответы. Бридж тоже отличный пример. Они, по сути, делают очень простым внедрение врачебных заметок, вместо того, чтобы врач сидел и делал это сам. Про задачу против цели. Я думаю, другой способ думать о спросе - это то, что у тебя есть так много работ, где ты, по сути, требуешь невозможного от врача или радиолога. Успевать за мировыми биомедицинскими знаниями в R&D, которые ускоряются, знаете, и за счёт вычислений, и по другим причинам. Прямо как статьи Варкайв. Было время, Сара. Ты и я оба это делали. Я пыталась их читать. Ты и я раньше этим занимались. Я больше этого не делаю. Теперь я просто загружаю всё это в чат GPT. Теперь я просто загружаю всё, все те, что интересны. И потом я заставляю его это изучить. А потом я делаю так, чтобы он это обобщил, и я взаимодействую с ним. Но суть в том, что мы раньше делали поиск. Мы больше этого не делаем. Я больше не делаю поиск. Мы раньше делали исследование, цель получить ответы, цель стать умнее. И эти и помогают нам делать это.
Я думаю, всё это, всё это, возвращаясь к Всё намного полезнее, если ты возвращаешься к рамке, которая говорит, что Ии - это многослойный торт и что и - это не просто чатбот. И очень очень разнообразен во всех отраслях и модальностях и информации, и приложениях, которые он охватывает. Когда ты думаешь о желании победить, о том, что Америка должна победить в Иино Америка должна, чтобы эта компания победила в Ии. Но мы должны попытаться победить по всем направлениям, по всем доменам, по доменам именно. И когда мы думаем об open source, внезапно это становится полезным фреймворком. Когда мы думаем о победе- это полезный фреймворк. Когда мы думаем об энергии - это полезный фреймворк, потому что нам нужны фабрики. Фабрикам нужна энергия. А без энергии у нас нет фабрик. Без фабрик у нас нет и это полезный фреймворк. И поэтому я думаю, если у нас будет лучшее понимание система, фреймворк для понимания того, что такое и, я думаю, нарративы станут более здравыми, нарративы станут более прагматичными, станут более сбалансированными. Мы хотим, чтобы люди были в безопасности. Но один из лучших способов добиться этой безопасности - это быстро продвигать технологии. Я думаю, индустрия это делает. Я очень горжусь индустрией за это. Никто не хочет ездить на машине из первого десятилетия автомобилей. Ни в коем случае. ABS - это очень хорошая вещь. ABS - это очень хорошая вещь. Удержание в полосе - это очень хорошая вещь. Нет никаких сомнений. FSD - это очень хорошая вещь. И я думаю, люди будут в восторге от третьего или четвёртого поколения. И да, без сомнений. И я с большой гордостью говорю, что индустрия сделала огромные шаги в этом последнем году. все технологии, которые мы упомянули, и то, что законы масштабирования настолько сохранены, что теперь мы знаем больше вычислений, больше интеллекта и и боже, инновации в одном секторе так быстро распространяются и перетекают во все остальные сектора. Я так рад видеть это. И поэтому я думаю, что следующие 5 лет будут экстраординарными. Без сомнений, следующий год будет невероятным. Мы рады будем поговорить с тобой и в конце следующего года. Да, с нетерпением ждём этого. Ребят, спасибо вам за всю работу, которую вы делаете. Поздравляю. Какой отличный год. Спасибо. Спасибо, Дженсон.