Эпизод #71: Ловушка инерции ИИ: когда венчурные модели заменяют бизнес-модели

Описание: В этом эпизоде ​​подкаста Stewart Squared ведущий Стюарт Олсоп беседует со своим отцом, Стюартом Олсопом II, в рамках еще одной увлекательной дискуссии об индустрии технологий. Они обсуждают эффект Осборна — бизнес-феномен, возникший еще в начале компьютерной эры, когда преждевременные анонсы продуктов могут разрушить текущие продажи, — и исследуют, как эта динамика проявляется в современном мире ИИ. Их разговор затрагивает недавние стратегические ошибки OpenAI, конкурентную реакцию Google с Gemini и TPU, циклические модели получения доходов между крупными технологическими компаниями и причины, по которым мы можем наблюдать фундаментальные сдвиги на рынке чипов для ИИ. Они также рассматривают текущее состояние инструментов программирования ИИ, разницу между LLM и истинным AGI, а также вопрос о том, сможет ли уровень развития технологической индустрии предотвратить повторение исторических моделей «пузыря».

Временные метки

00:00 Эффект Осборна: историческая перспектива
05:53 Конкурентная среда ИИ
12:03 Понимание пузыря ИИ
21:00 Ценность ИИ в программировании и повседневных задачах
28:47 Ограничения ИИ: креативность и человеческая интуиция
33:42 Эффект Осборна в разработке ИИ
41:14 США против Китая: глобальная среда ИИ

Ключевые выводы

1. Эффект Осборна остается крайне актуальным в современной среде ИИ. Компания Адама Осборна обанкротилась в 1980-х годах после того, как слишком рано анонсировала свой следующий компьютер, что привело к краху текущих продаж. Эта же стратегическая ошибка повторяется такими компаниями в сфере ИИ, как OpenAI, которая преждевременно анонсировала несколько продуктов и была вынуждена объявить «красный код», чтобы переориентироваться на ChatGPT после того, как унифицированное предложение Gemini от Google превзошло их фрагментированный подход.

2. Google осуществила мастерское стратегическое перепозиционирование в сфере ИИ. В то время как такие компании, как OpenAI, распределяли свои усилия по множеству приложений, Google объединила все в Gemini и разработала TPU (тензорные процессоры) для задач вывода и рассуждения, позиционируя себя не только как крупные языковые модели, но и как настоящие возможности ИИ, и вынуждая крупные компании, такие как Anthropic, Meta и даже OpenAI, заключать многомиллиардные сделки по TPU.
3. Индустрия ИИ демонстрирует опасные циклические модели получения дохода, напоминающие пузырь доткомов. Компании заключают друг с другом обязывающие многомиллиардные контракты — OpenAI заключает контракты с Oracle на центры обработки данных, Oracle покупает чипы NVIDIA, NVIDIA заключает сделки с OpenAI — создавая взаимосвязанную сеть, где все знают, что это пузырь, но финансовые обязательства гораздо более обязывающие, чем простые инвестиции в акции.
4. Современные возможности ИИ представляют собой скорее мощные инструменты, чем ИИ, несмотря на ажиотаж. Как справедливо утверждает Ян Лекун, крупные языковые модели, которые предсказывают следующий токен на основе существующих данных, не могут достичь истинного искусственного общего интеллекта. Однако ИИ действительно преобразил некоторые задачи, такие как программирование (где Клод доминирует) и языковой перевод, сделав некоторых специалистов невероятно продуктивными и устранив барьеры для прототипирования.
5. Anthropic захватила наиболее ценный сегмент рынка, сосредоточившись на корпоративных программистах. В то время как Copilot от Microsoft не получил широкого распространения, будучи интегрированным в Office, Anthropic стратегически ориентировалась на ИТ-отделы и разработчиков, обладающих бюджетными полномочиями и реальными техническими потребностями. Эта ориентация на программирование и корпоративное программирование сделала их серьезной конкурентной угрозой традиционному доминированию Microsoft в корпоративном секторе.
6. Огромная оценка NVIDIA сталкивается с экзистенциальным риском из-за перехода от LLM к другим технологиям. Торгуясь примерно в 25 раз больше выручки по сравнению с 10-кратным показателем Google, оценка NVIDIA в 4,6 триллиона долларов полностью зависит от спроса на графические процессоры для обучения языковых моделей. Стратегия Google с использованием TPU для вывода и рассуждений представляет собой фундаментальный архитектурный сдвиг, который может подорвать доминирование NVIDIA, объясняя недавнюю волатильность акций после объявления крупных сделок с TPU. 7. ИИ будет преуспевать в задачах, которые люди не хотят делать, в то время как уникальные человеческие способности останутся незаменимыми. В будущем, вероятно, ИИ будет обрабатывать лингвистические данные и выполнять рутинные задачи, физический ИИ будет управлять роботизированными приложениями, а онтологии будут кодифицировать бизнес-логику, но креативность, интуиция и воображение представляют собой фундаментально человеческие способности, которые невозможно смоделировать или воспроизвести с помощью обработки данных, независимо от масштаба или сложности.