Глава Nvidia Дженсен Хуанг пришёл на подкаст All-In и спокойно разобрал волну страха вокруг искусственного интеллекта. На его чипах работают почти все модели мира, поэтому его взгляд на то, где в этой индустрии деньги, стоит послушать целиком. Прямо во время разговора ему позвонил президент США и добавил своё.
Мы собрали главное в десятиминутном выпуске: смотреть разбор на YouTube. Ниже выводы текстом, для предпринимателя, а не для инженера.
Страшные прогнозы про ИИ пока стабильно не сбываются
Хуанг называет цифры вроде «10% вероятности вымирания» выдумкой, которую никто не считал, и напоминает про прошлые прогнозы.
- Обещали, что через пять лет ИИ заменит рентгенологов. Сегодня их нужно больше, чем когда-либо, при этом ИИ в радиологию действительно пришёл.
- Обещали, что за год 90% кода будет писать ИИ. Не сбылось.
- Обещали, что за полгода исчезнет половина стартовых вакансий. Тоже мимо.
Его позиция простая: за громкие прогнозы надо отвечать, и кто-то должен вести им счёт.
Что делать: сверять прогнозы с фактами, а решения принимать по своим цифрам, а не по заголовкам.
Риски сидят у поставщиков моделей, а не в вашем отделе продаж
Откуда тогда паника? Хуанг считает, что страх идёт изнутри лабораторий, которые строят самые сильные модели. Все реальные инциденты случались именно там, потому что мощности есть только у них. У обычной компании и у стартапа просто нет столько серверов, чтобы натворить бед.
Регулировать, по его мнению, надо реальные проблемы, а не гипотетические, а контроль строить как в финансах: несколько независимых аудиторов.
Что делать: спрашивать у поставщика ИИ, как он тестирует модель перед выпуском и кто это проверяет.
Главная развилка: открытая модель или закрытая
Открытая модель это та, которую можно скачать и запустить на своих серверах, как обычную программу. Закрытая живёт у поставщика, и вы платите за доступ.
Хуанг сравнивает закрытые модели с бутилированной водой: вода бесплатная, но в бутылке удобнее. Сам он на выходных пользовался четырьмя закрытыми моделями и хвалит их. А дальше приводит цифру, ради которой стоит смотреть весь выпуск: за полгода в компании, построенные на ИИ, пришло 400 миллиардов долларов венчурных денег, и 80% из них строят на открытых моделях.
Причины прозаичные: суверенитет, приватность данных и своя технология, которую не хочется отдавать чужому сервису. Большая часть сильных открытых моделей сегодня приходит из Китая, и проблемы он в этом не видит: логика как с Linux, скачал, доработал, и это уже твоё.
Что делать: не платить за бутылку там, где хватит воды из крана. Посмотрите, какую часть ваших задач закроет открытая модель на своём сервере.
Гонку выигрывает не изобретатель, а тот, кто применил
Любимый его аргумент исторический: все изобретатели прошлой промышленной революции были европейцами, Максвелл, Вольта, Ампер, а выиграла на ней Америка. Значит, побеждает не тот, кто изобрёл технологию, а тот, кто раньше и лучше её применил.
Тут же в эфир позвонил президент США, назвал панику вокруг ИИ обманом и сказал, что дата-центры это нефть следующих двадцати лет. Хуанг добавил то, что не успел сказать по телефону: те же 400 миллиардов это новые компании, спрос на серверы и стройка по всей стране, то есть рабочие места, а не их исчезновение.
Что делать: внедрять, а не ждать. Спорить о конце света бесполезно, а применить технологию раньше конкурента выгодно.
Где в индустрии ИИ на самом деле деньги
Главный ответ выпуска: не в чипах. Хуанг говорит, что индустрия это в основном приложения поверх моделей плюс инфраструктура: дата-центры, стройка, электричество, генерация энергии. Nvidia ищет по всей цепочке узкие места и вкладывается туда, включая землю, энергию и здания.
Стратегия компании звучит так: изобрести базу и дать расцвести тысяче цветов, а не откусывать долю у собственных клиентов. Свои модели Nvidia делает только там, где они нужны клиентам: система для беспилотников, модели для белков под фарму.
И самое смелое утверждение: сверхинтеллект уже здесь, только не универсальный, а в узких задачах. Беспилотник с аварийностью в десять раз ниже человеческой, подбор белков. Замедляться, по его словам, точно неверная стратегия.
Что делать: не ждать универсального гения, а найти узкую задачу, где ИИ уже сильнее человека, и начать с неё.
С чего начать у себя
Если по этой логике перевести разговор на свой бизнес, порядок такой. Взять один процесс, который повторяется десятки раз в день и опирается на ваши документы. Проверить, какие модели можно держать у себя, а какие удобнее арендовать. Замерить результат до и после.
Разобраться, чем модели отличаются и какая нужна вам, помогает бесплатная Академия Solaris: там это объясняют на примерах из бизнеса, без инженерного жаргона. А если нужен готовый результат, мы собираем ИИ-агентов под конкретный процесс, подробности на странице про внедрение искусственного интеллекта.
Этот выпуск, как и другие на канале, целиком собрал наш ИИ-агент: нашёл источник, написал сценарий, перевёл и озвучил цитаты, смонтировал и загрузил. Что он успел за первые три дня работы, я посчитал в отдельной статье: 14 роликов и 24 шортса за три дня.
Частые вопросы
Что такое открытая модель ИИ?
Модель, которую можно скачать и запустить на своём сервере, дообучить на своих данных и не отдавать запросы наружу. Закрытая модель работает у поставщика, вы платите за доступ к ней.
Почему стартапы выбирают открытые модели?
По словам главы Nvidia, 80% из компаний, получивших за полгода 400 миллиардов долларов инвестиций, строят на открытых моделях. Причины: контроль над своей технологией, приватность данных и независимость от одного поставщика.
Правда ли, что ИИ заменит специалистов за несколько лет?
Прошлые прогнозы такого рода не сбылись: рентгенологов сегодня требуется больше, чем раньше, доля кода, написанного ИИ, ниже обещанной, стартовые вакансии никуда не делись. Разумнее считать по своим процессам, а не по прогнозам.
Где в индустрии ИИ зарабатывают больше всего?
Хуанг указывает на приложения поверх моделей и на инфраструктуру: дата-центры, строительство, энергетику. Чипы это только часть цепочки.
С чего начать бизнесу, который ещё не использует ИИ?
С одной узкой задачи, которая повторяется каждый день и опирается на ваши документы. На ней проще замерить результат до и после и решить, стоит ли масштабировать.