AI-новости 30 марта: OpenAI жертвует Sora, Google наконец догоняет в reasoning, а Trump регулирует

30 марта выдалось насыщенным днём для индустрии искусственного интеллекта – причём в хорошем смысле слова. Если раньше новости сводились к очередным «мы запустили модель получше», то сегодня мы видим сразу несколько векторов: гонку frontier-моделей с неожиданными манёврами, регуляторные подвижки из Белого дома, сделку на $2.75 млрд в фарме и новый альянс на железном фронте. Мы в Enclava пропустили большую часть этих событий (честно признаём), так что разбираем всё разом. Без пафоса, с долей скепсиса и вопросами, на которые пока никто не отвечает.

Большая гонка моделей: кто обгоняет, кто тормозит

Начнём с самого драматичного: OpenAI объявила о закрытии Sora, своего video-generation продукта, чтобы перебросить вычислительные мощности на разработку модели под кодовым названием Spud. Запуск ожидается «в ближайшее время», но конкретики ноль. Судя по инсайдам, компания решила, что гонка с Anthropic и Google в текстовых и reasoning-задачах важнее, чем мультимедиа. Логика понятна: видео красиво, но не приносит денег так быстро, как агентные сценарии и корпоративные API. Впрочем, это ещё и сигнал: ресурсы ограничены даже у OpenAI.

А пока OpenAI перегруппировывается, Google выпустила Gemini 3.1 Pro и наконец показала зубы в reasoning. Модель набрала 77.1% на ARC-AGI-2 – бенчмарке, устойчивом к memorization, где до этого лидеры едва переваливали за 30-40%. Удвоить результат – это не просто итерация, это качественный скачок. Google явно устала быть третьей в дуополии OpenAI-Anthropic и решила напомнить, что DeepMind никуда не делся. Вопрос: насколько это воспроизводимо в реальных задачах, или мы снова видим overfitting под бенчмарк?

И да, мы уже писали про Claude 4 от Anthropic – модель с улучшенными reasoning-способностями и на 30-60% более дешёвым inference (за счёт собственной инфраструктуры). Anthropic продолжает делать ставку на качество и скорость итераций, и пока это работает. Claude 4 ещё сильнее закрепляет их позицию как «думающей альтернативы» GPT.

Но не все так радужно. Meta отложила релиз Avocado – своей модели на 9 млрд параметров и связанных агентов – до мая. Причина: отставание от конкурентов. Более того, по слухам, Meta в некоторых случаях роутит запросы на Gemini, что выглядит как капитуляция. Для компании, которая позиционирует себя лидером open-source AI, это удар по репутации.

И напоследок: OpenAI готовит GPT-5.4, по слухам, с 1M-токеновым контекстом и «extreme reasoning mode» – режимом с экстремальными вычислительными затратами на один запрос. Если это правда, то OpenAI пытается не просто догнать, а перепрыгнуть конкурентов. Но extreme mode намекает: reasoning стоит дорого, и не факт, что массовый рынок за это заплатит.

Что это значит? Гонка frontier-моделей перешла в фазу специализации и жёстких компромиссов. OpenAI жертвует мультимедиа ради reasoning. Google наконец-то включилась в бой. Anthropic эксплуатирует преимущество в издержках. Meta буксует и теряет лицо. Мы видим не «победителя берёт всё», а многополярный мир с разными ставками.

Чипы и железо: NVIDIA ставит на Groq и новую платформу

На GTC 2026 NVIDIA анонсировала Groq 3 LPX и платформу Vera Rubin. Суть: интеграция архитектуры Groq (специализированной на inference) с экосистемой NVIDIA даёт ускорение inference до 35x. Плюс сделка на $20 млрд с Groq – это не шутки.

Что здесь интересно: NVIDIA, фактически монополист в AI-железе, диверсифицирует подходы. Groq делает inference быстрее и дешевле за счёт специализированной архитектуры (LPU вместо GPU). Это сигнал: спрос на агентные AI и real-time inference настолько вырос, что NVIDIA больше не может опираться только на свои GPU. Vera Rubin же – попытка создать единую платформу для agentic AI, где inference и reasoning работают в связке.

Но давайте без иллюзий: 35x – это маркетинговая цифра на cherry-picked задачах. Реальные ускорения будут скромнее. И да, это ещё одна попытка NVIDIA застолбить новую волну AI-инфраструктуры, пока конкуренты (AMD, стартапы вроде Cerebras) пытаются отхватить долю рынка.

Вывод: железо эволюционирует вслед за моделями. Если раньше GPU были универсальны, то теперь мы видим специализацию: одни чипы для training, другие для inference, третьи для агентов. NVIDIA хочет контролировать все сегменты, но это хрупкое равновесие.

AI-фарма: Eli Lilly платит $2.75 млрд за drug discovery

Eli Lilly заключила сделку с Insilico Medicine на $2.75 млрд, чтобы использовать AI для поиска новых препаратов. Мы уже писали об этом, но стоит подчеркнуть масштаб: это не пилот, а полноценная ставка фармгиганта на AI-driven подход.

Insilico обещает использовать модели с триллионами параметров (через Basecamp's gene atlas) для предсказания молекулярных мишеней и ускорения разработки. Если раньше AI в фарме был экспериментом, то теперь это мейнстрим.

Но скепсис никто не отменял: drug discovery – это не только предсказание молекул, но и клинические испытания, регуляторные одобрения, производство. AI может ускорить первую фазу, но не решает остальные проблемы. И да, $2.75 млрд – это много, но для фармы, где одобрение препарата стоит миллиарды и занимает 10+ лет, это всё ещё рискованная ставка.

Тренд очевиден: AI выходит за пределы софта и начинает влиять на физический мир – медицину, материалы, биотех. Но пока успехи измеряются в контрактах, а не в спасённых жизнях.

Вашингтон решил навести порядок: Trump AI Policy Framework

Администрация Трампа представила National Policy Framework for Artificial Intelligence – законодательное предложение, которое может стать первой системной попыткой США регулировать AI. Основные пункты:

• Ограничения на использование AI детьми
• Упрощённое лицензирование для дата-центров (чтобы ускорить развёртывание инфраструктуры)
• Защита от несанкционированного использования голоса и внешности (deepfakes)

Выглядит разумно, но дьявол в деталях. Ограничения для детей могут превратиться в цензуру или барьер для образовательных инструментов. Упрощённое лицензирование дата-центров – это подарок BigTech, но удар по экологическим стандартам. Защита от deepfakes – правильный шаг, но как это enforced? Законы отстают от технологий на годы.

И главное: это U.S. government policy, которая может влиять на глобальное регулирование. Если США пойдут по пути «инновации превыше всего», Европа с её AI Act окажется в изоляции. Если наоборот – Китай воспользуется моментом.

Итог: регулирование AI перестало быть теорией. Вопрос не «будет ли», а «каким оно будет». И пока что мы видим лоббистские компромиссы, а не системный подход.

Тренды дня: гонка переходит в специализацию

Если собрать всё воедино, 30 марта показало несколько трендов:

1. Frontier-модели дорожают и специализируются. Extreme reasoning modes, 1M-токеновые контексты – это не массовый продукт, а премиум для корпораций.
2. Железо фрагментируется. GPU, LPU, specialized inference chips – монополия NVIDIA под давлением.
3. AI выходит в реальный мир. Фарма, регулирование, инфраструктура – AI больше не про чат-боты.
4. Компромиссы обостряются. OpenAI закрывает Sora. Meta опаздывает. Google форсирует. Никто не может делать всё сразу.

Мы в Enclava честно пропустили большую часть новостей дня – потому что их слишком много, и не всегда ясно, что важно прямо сейчас, а что выстрелит через полгода. Но общая картина складывается: индустрия AI переходит от «давайте запустим модель покруче» к «давайте решим конкретные проблемы». Это хорошо.

Открытый вопрос

А вот и вопрос, на который никто пока не ответил: когда индустрия AI начнёт реально зарабатывать?

OpenAI, Anthropic, Google – все они вкладывают миллиарды в разработку, но revenue пока не покрывает расходы. Eli Lilly платит $2.75 млрд за обещания. NVIDIA продаёт железо, но кто в итоге окупит эти инвестиции? Корпоративные клиенты? Подписчики на $20/месяц? Рекламодатели?

Или мы всё ещё в фазе dot-com bubble, где все строят инфраструктуру в надежде, что кто-то потом придумает, как на этом заработать?

Время покажет. А пока – следим за новостями.