AI-дайджест недели 22-29 марта: как железо и миллиарды долларов определяют будущее искусственного интеллекта

Главный вывод недели: AI перестал быть историей про модели и датасеты. Теперь это история про железо, инфраструктуру и миллиарды долларов. Если раньше прогресс определялся алгоритмами, то сейчас – кто может себе позволить больше чипов и дата-центров.

Arm и Meta анонсировали первый процессор для AGI. Nvidia выкатила новые платформы для обучения моделей. Eli Lilly и Roche строят AI-суперкомпьютеры для фармацевтики. Meta сокращает 700 человек, чтобы больше тратить на AI. GitHub меняет политику и будет обучать модели на пользовательском коде. Oracle запускает агентные приложения для бизнеса. Shield AI привлекает $2 миллиарда для военных дронов.

Картина ясна: мы на пороге новой эры. Искусственный интеллект выходит из лабораторий Google и OpenAI в реальную экономику. И это меняет всё.

AGI получает собственное железо: Arm, Meta и Nvidia меняют правила

Arm и Meta представили первый CPU, созданный специально для AGI-задач. Это не очередной GPU для тренировки моделей. Это процессор, архитектура которого заточена под работу с системами общего искусственного интеллекта.

Почему это важно? Потому что до сих пор AI работал на «чужом» железе. GPU Nvidia изначально создавались для графики. TPU Google – для поиска и рекламы. Все адаптировали существующие чипы под нейросети. Теперь начинается эра специализированного оборудования.

Nvidia тоже не дремлет. Компания анонсировала платформы NemoClaw и Vera Rubin для обучения следующего поколения моделей. Это уже не просто GPU, а целые экосистемы для AI-инфраструктуры. Nvidia фактически говорит: если хотите AGI, вам нужна наша платформа.

Для индустрии это означает одно: барьер входа растёт. Раньше вы могли обучить приличную модель на облаке Amazon. Теперь для frontier-моделей нужны специальные чипы, которые производят единицы компаний. Искусственный интеллект становится капиталоёмким бизнесом, как нефтедобыча или авиастроение.

Маленькие модели для больших целей: OpenAI запускает GPT-5.4 Mini и Nano

OpenAI выпустила GPT-5.4 Mini и Nano. Это компактные версии флагманской модели, которые могут работать на edge-устройствах и стоят дешевле в inference.

Тренд на «демократизацию» AI продолжается. Только не очень понятно, кому это нужно. Большие модели стоят дорого, но они и качественнее. Маленькие дешевле, но справляются хуже. В итоге крупные компании всё равно берут флагманы, а стартапы не могут себе позволить даже Mini.

С другой стороны, edge-варианты открывают новые применения. AI-ассистенты на смартфонах без подключения к интернету. Локальная обработка данных в медицине и финансах. Модели для IoT-устройств.

Но давайте честно: основная причина выпуска Mini и Nano – конкуренция. Google выпускает Gemini Nano. Anthropic готовит свои компактные версии. Meta раздаёт Llama бесплатно. OpenAI не может позволить себе остаться в стороне.

Результат: у разработчиков больше выбора. У OpenAI – больше денег. У индустрии машинного обучения – ещё больше фрагментации.

Фармацевтические гиганты строят AI-заводы

Eli Lilly запустила LillyPod – AI-суперкомпьютер на Blackwell GPU от Nvidia. Roche расширила сотрудничество с Nvidia, добавив 2000+ Blackwell GPU в свою инфраструктуру.

Фарма делает ставку на искусственный интеллект. И это логично: разработка лекарства стоит миллиарды долларов и занимает 10-15 лет. Если AI может ускорить процесс хотя бы вдвое, это окупает любые вложения.

LillyPod будет использоваться для симуляций взаимодействия молекул, предсказания побочных эффектов, анализа клинических данных. Roche планирует применять нейросети для диагностики и персонализированной медицины.

Но есть нюанс. AI в фарме – это не ChatGPT для докторов. Это сложные симуляции, требующие проверки и валидации. Регуляторы (FDA, EMA) пока не понимают, как сертифицировать AI-разработанные препараты. Первые лекарства, созданные с помощью машинного обучения, только проходят клинические испытания.

Так что фармацевтические AI-заводы – это инвестиция в будущее. Отдача будет через 5-10 лет. Или не будет, если регуляторы решат, что AI-препараты слишком рискованны.

Корпоративные жертвы и спорные решения

Meta сократила 700 сотрудников, чтобы перенаправить деньги на AI. GitHub (принадлежит Microsoft) отменил свою политику и начнёт обучать модели на публичных репозиториях пользователей с 24 апреля.

Начнём с Meta. 700 человек – это капля в море для компании на 70+ тысяч сотрудников. Но символ важен. Марк Цукерберг открыто говорит: всё, что не AI, больше не приоритет. Метавселенная? Отложена. Социальные сети? Пусть работают на автопилоте. Все ресурсы – в AGI и агентные системы.

Другие компании следуют примеру. Google, Amazon, Microsoft – все режут «неосновные» направления и нанимают AI-исследователей. Рынок труда в tech раскололся: специалисты по искусственному интеллекту получают миллионные пакеты, остальные ищут работу.

Теперь GitHub. Обучение на пользовательских данных – это классический ход Microsoft. Сначала дать бесплатный сервис. Потом изменить правила. Пользователи возмущаются, но никуда не уходят, потому что альтернатив нет (или они хуже).

С одной стороны, публичный код open source. С другой – разработчики не подписывались на то, что их код станет тренировочными данными для Copilot. GitHub обещает opt-out, но сколько человек реально им воспользуются?

Вывод: AI требует данных. И компании будут брать их там, где могут. Этика – второй вопрос.

Агентные системы выходят из лабораторий

Oracle анонсировала Fusion Agentic Applications – платформу для автономных бизнес-процессов. DGM-Hyperagent продемонстрировал способность к самоулучшению без участия человека.

Агентные системы – это следующий шаг после языковых моделей. LLM отвечают на вопросы. Агенты выполняют задачи. Разница огромная.

Oracle предлагает бизнесу AI-агентов, которые могут самостоятельно управлять закупками, бухгалтерией, HR. Звучит как фантастика? Пока да. Enterprise-софт консервативен. Компании годами внедряют ERP. Идея отдать искусственному интеллекту контроль над бюджетом пугает.

Но Oracle не единственные. Salesforce работает над агентными CRM. ServiceNow обучает агентов для IT-поддержки. Microsoft встраивает агенты в Office. Все хотят кусок пирога.

DGM-Hyperagent – другая история. Это исследовательский проект, который показал, что AI может улучшать сам себя. Звучит как начало фильма про восстание машин, но пока это скорее proof of concept.

Проблема с самоулучшающимся AI – контроль. Если система меняет свой код, как проверить, что она не сломалась? Как убедиться, что цели остались теми же? Пока никто не знает.

Военный AI набирает обороты

Shield AI купила Aechelon и привлекла $2 миллиарда при оценке $12.7 миллиарда. Компания разрабатывает автономные системы для военных дронов.

Военный искусственный интеллект – это тема, о которой не очень любят говорить в Кремниевой долине. Но деньги текут туда рекой. Palantir, Anduril, Shield AI – все растут как на дрожжах.

Shield AI специализируется на автономных пилотах для дронов. Их системы уже используются в реальных операциях. Теперь с $2 миллиардами они могут масштабироваться.

Это часть более широкого тренда. США, Китай, Европа – все инвестируют в военный AI. Автономное оружие, кибервойска, AI-разведка. Гонка вооружений переходит в цифру.

Этические вопросы остаются. Должны ли роботы принимать решения о жизни и смерти? ООН годами обсуждает запрет на автономное оружие. Но пока страны видят, что конкуренты разрабатывают эти технологии, никто не остановится.

Тренды недели: от обещаний к инфраструктуре

Что объединяет все эти новости? Один простой тренд: искусственный интеллект перестаёт быть историей про модели и стартапы. Это теперь история про инфраструктуру, капитал и власть.

Раньше считалось, что AI демократичен. Open source модели, доступные API, облачные сервисы. Любой студент мог обучить модель на Colab. Любой стартап – конкурировать с Google.

Теперь всё меняется. Frontier-модели требуют миллиардов долларов. Специализированное железо производят три компании. Данные контролируют Big Tech. Регуляция усиливается.

Второй тренд – AI выходит из потребительского сегмента в B2B. ChatGPT для масс – это хорошо. Но реальные деньги в enterprise и специализированных применениях. Фарма, финансы, оборонка, enterprise-софт.

Третий тренд – от моделей к агентам. Языковые модели достигли плато. GPT-5 лучше GPT-4, но не настолько, чтобы менять игру. Следующий скачок – автономные системы, которые действуют, а не просто отвечают.

Вопрос на закуску

Мы движемся к AGI или к миру, где искусственный интеллект контролируют несколько корпораций? Может, это одно и то же?

Arm и Meta создают AGI-процессоры. Nvidia контролирует инфраструктуру. OpenAI, Google, Anthropic – модели. Microsoft, Oracle, Salesforce – агентные платформы. Фармацевтические гиганты строят AI-заводы. Shield AI получает миллиарды на военных дронов.

Где здесь место для независимых исследователей? Для open source? Для демократического AI?

Или мы уже прошли точку невозврата?