На Milken Global Conference лидеры ASML, Google Cloud, Applied Intuition, Perplexity и Logical Intelligence обсудили, где у AI-экономики ломается архитектура
Ранее на этой неделе пятеро людей, которые затрагивают каждый уровень цепочки поставок AI, собрались на Milken Global Conference в Беверли-Хиллз и поговорили с этим редактором обо всем — от дефицита чипов до орбитальных дата-центров и до возможности, что вся архитектура, на которой держится технология, может оказаться неверной.
На сцене вместе с TechCrunch были: Christophe Fouquet, CEO компании ASML из Нидерландов, которая фактически монопольно владеет машинами для экстремальной ультрафиолетовой литографии, без которых современные чипы не существовали бы; Francis deSouza, COO Google Cloud, который курирует одну из крупнейших инфраструктурных ставок в корпоративной истории; Qasar Younis, сооснователь и CEO Applied Intuition, компании в сфере physical AI с оценкой $15 млрд, начавшей с симуляции и затем пришедшей в оборону; Dimitry Shevelenko, chief business officer Perplexity, компании AI-native, которая развивает поиск и agents; и Eve Bodnia, квантовый физик, оставившая академическую среду, чтобы бросить вызов фундаментальной архитектуре, которую большая часть индустрии AI считает само собой разумеющейся, в своем стартапе Logical Intelligence. (Бывший chief AI scientist Meta Yan LeCun в начале этого года стал founding chair ее технического исследовательского совета.)
Вот что сказали пятеро участников:
Узкие места реальны
Бум AI упирается в жесткие физические ограничения, и эти ограничения начинаются намного ниже по стеку, чем многие могут представить. Первым об этом сказал Fouquet, описав “огромное ускорение производства чипов”, и при этом выразив “твердую уверенность”, что, несмотря на все усилия, “в ближайшие два, три, может быть, пять лет рынок будет ограничен предложением”, то есть hyperscalers — Google, Microsoft, Amazon, Meta — не смогут получить все чипы, за которые платят, точка.
DeSouza подчеркнул, насколько велика — и насколько быстро растет — эта проблема, напомнив аудитории, что выручка Google Cloud в прошлом квартале превысила $20 млрд, увеличившись на 63%, а backlog — подтвержденная, но еще не поставленная выручка — почти удвоился всего за один квартал, с $250 млрд до $460 млрд. “Спрос реален”, — сказал он с впечатляющим спокойствием.
Для Younis ограничение в первую очередь находится в другом месте. Applied Intuition строит системы автономности для автомобилей, грузовиков, дронов, горного оборудования и военной техники, и его узкое место — не silicon, а данные, которые можно собрать только отправляя машины в реальный мир и наблюдая, что происходит. “Это нужно искать в реальном мире”, — сказал он, и никакая synthetic simulation не закрывает этот разрыв полностью. “Пройдет еще долгое время, прежде чем вы сможете полностью обучать модели, работающие в физическом мире, синтетически”.
Techcrunch event
San Francisco, CA|October 13-15, 2026
Проблема энергии тоже реальна
Если чипы — первое узкое место, то энергия — следующее, которое уже маячит за ним. DeSouza подтвердил, что Google всерьез рассматривает дата-центры в космосе как ответ на энергетические ограничения. “Там можно получить доступ к более обильной энергии”, — отметил он. Разумеется, даже на орбите все не просто. DeSouza указал, что космос — это вакуум, а значит, там отсутствует конвекция, и единственным способом отводить тепло в окружающую среду остается radiation (что гораздо медленнее и сложнее с инженерной точки зрения, чем воздушные и жидкостные системы охлаждения, на которые сегодня опираются дата-центры). Но компания по-прежнему рассматривает это как реальный путь.
Более глубокий тезис deSouza, что неудивительно, касался эффективности через интеграцию. Стратегия Google по совместной разработке всего AI-стека — от собственных TPU-чипов до моделей и agents — дает выигрыш в flops per watt (больше вычислений на единицу энергии), который компания, покупающая готовые компоненты, просто не сможет повторить, предположил он. “Запуск Gemini на TPUs гораздо энергоэффективнее любой другой конфигурации”, потому что разработчики чипов заранее знают, что будет в модели до ее релиза, сказал он.
Fouquet позже в дискуссии сделал похожий вывод. “Ничто не может быть бесценным”, — сказал он. Индустрия сейчас находится в странном моменте, вкладывая чрезвычайно большие объемы капитала под давлением стратегической необходимости. Но больше compute означает больше энергии, а у энергии есть цена.
Другой тип intelligence
Пока остальная индустрия спорит о масштабе, архитектуре и эффективности inference внутри парадигмы large language model, Bodnia строит нечто совсем иное.
Ее компания Logical Intelligence основана на так называемых energy-based models (EBMs) — классе AI, который не предсказывает следующий token в последовательности, а пытается понять правила, лежащие в основе данных, и, по ее словам, это ближе к тому, как на самом деле работает человеческий мозг. “Язык — это интерфейс между моим мозгом и вашим”, — сказала она. “Сама логика рассуждения не привязана ни к какому языку”.
Ее крупнейшая модель насчитывает 200 млн параметров — по сравнению с сотнями млрд у ведущих LLM — и, по ее словам, работает в тысячи раз быстрее. Что еще важнее, она спроектирована так, чтобы обновлять знания по мере изменения данных, а не требовать переобучения с нуля.
Для проектирования чипов, robotics и других областей, где системе нужно понимать физические правила, а не языковые паттерны, EBMs, по ее мнению, подходят естественнее. “Когда вы ведете машину, вы не ищете паттерны на каком-то языке. Вы смотрите вокруг, понимаете правила мира вокруг себя и принимаете решение”. Это интересный аргумент, который, вероятно, привлечет еще больше внимания в ближайшие месяцы, поскольку AI-сфера все чаще задается вопросом, достаточно ли одного лишь масштаба.
Agents, guardrails и trust
Shevelenko большую часть разговора объяснял, как Perplexity эволюционировала из поискового продукта в то, что теперь называет “digital worker”. Perplexity Computer, их новейшее предложение, задумано не как инструмент, которым пользуется knowledge worker, а как staff, которым knowledge worker управляет. “Каждое утро вы просыпаетесь, и у вас в команде сто сотрудников”, — сказал он, описывая возможности. “Что вы будете делать, чтобы использовать это максимально эффективно?”
Это убедительный тезис, но он неизбежно поднимает вопросы контроля, поэтому я задал их. Его ответ был таким: granularity. Администраторы предприятий могут задавать не только, к каким connectors и tools агент имеет доступ, но и являются ли эти разрешения read-only или read-write — различие, которое имеет огромное значение, когда agents действуют внутри корпоративных систем. Когда Comet, компьютерный agent Perplexity, совершает действия от имени пользователя, он сначала показывает план и запрашивает одобрение. Некоторых пользователей это раздражает, сказал Shevelenko, но он считает это необходимым, особенно после того, как вошел в совет Lazard, где, по его словам, неожиданно обнаружил в себе сочувствие к консервативным инстинктам CISO, защищающего 180-летний бренд, целиком построенный на доверии клиентов. “Granularity — это фундамент хорошей security hygiene”, — сказал он.
Не только безопасность, но и суверенитет
Younis высказал, возможно, самое геополитически острое наблюдение на панели: physical AI и национальный суверенитет связаны между собой так, как чисто digital AI никогда не был.
Интернет изначально распространялся как американская технология и сталкивался с сопротивлением только на уровне приложений — Uber и DoorDash — когда последствия офлайн-мира становились заметны. Physical AI устроен иначе. Autonomous vehicles, defense drones, mining equipment, agricultural machines — все это проявляется в реальном мире так, что правительства не могут это игнорировать, поднимая вопросы безопасности, сбора данных и того, кто в конечном итоге контролирует системы, работающие внутри границ страны. “Почти без исключения каждая страна говорит: мы не хотим, чтобы эта intelligence в физической форме находилась на нашей территории под контролем другой страны”. Он сказал аудитории, что сейчас стран, способных развернуть robotaxi, меньше, чем стран, обладающих ядерным оружием.
Fouquet сформулировал это немного иначе. Прогресс AI в Китае реален — выпуск DeepSeek earlier this year вызвал почти панику в части индустрии — но этот прогресс ограничен ниже уровня модели. Без доступа к EUV lithography китайские производители чипов не могут выпускать самые передовые semiconductors, а модели, построенные на более старом оборудовании, неизбежно работают в условиях нарастающего отставания, как бы хорош ни был software. “Сегодня в Соединенных Штатах у вас есть данные, доступ к вычислениям, чипы, таланты. Китай очень хорошо работает на верхнем уровне стека, но ему не хватает некоторых элементов ниже”, — сказал Fouquet.
Вопрос о поколении
Ближе к концу панели кто-то из зала задал очевидный и некомфортный вопрос: повлияет ли все это на способность следующего поколения к критическому мышлению?
Ответы были оптимистичными, что и ожидаемо от людей, которые вложили свою карьеру в эту технологию. DeSouza сразу указал на масштаб задач, которые более мощные инструменты, возможно, наконец позволят человечеству решить. Речь о неврологических заболеваниях, биологические механизмы которых мы пока не понимаем, об удалении greenhouse gas и об инфраструктуре энергосетей, которую откладывали десятилетиями. “Это должно вывести нас на следующий уровень креативности”, — сказал он.
Shevelenko высказал более прагматичную мысль: начальные должности, возможно, исчезают, но возможность запустить что-то самостоятельно никогда не была такой доступной. “[Для] любого, у кого есть Perplexity Computer . . . ограничение — это ваше собственное любопытство и agency”.
Younis провел наиболее резкую границу между knowledge work и физическим трудом. Он напомнил, что среднему американскому фермеру 58 лет, а нехватка рабочей силы в горнодобывающей отрасли, дальнобойных перевозках и сельском хозяйстве — хроническая и растущая, не потому что зарплаты слишком низкие, а потому что люди не хотят делать эту работу. В этих сферах physical AI не вытесняет желающих работников. Он заполняет пустоту, которая уже существует и, похоже, будет только расширяться.
Когда вы покупаете по ссылкам в наших материалах, мы можем получить небольшую комиссию. Это не влияет на нашу редакционную независимость.
Материал — перевод статьи с английского.
Оригинал: Five architects of the AI economy explain where the wheels are coming off