Новая оценка из Exponential View пытается измерить не ажиотаж вокруг чипов и дата-центров, а реальные деньги, которые конечные клиенты уже платят за генеративный ИИ. Если расчёт близок к реальности, разговор об ИИ всё меньше держится на обещаниях и всё больше — на наблюдаемом спросе.
CNBC описывает рост Zhipu как важный признак новой фазы рынка: борьба идёт уже не только за престиж и максимальные возможности модели, но и за то, сколько полезного результата она даёт за ту же сумму. Для мира это важно ещё и потому, что при политических ограничениях на американские модели китайские компании получают больше пространства в чувствительных к цене странах и отраслях.
Пол Кругман сравнивает нынешний спор об ИИ с давней экономической дискуссией о машинах и труде. Его главный вывод: опасность может быть не в полном исчезновении занятости, а в том, что выпуск вырастет быстрее, чем переговорная сила работников, и многие прежде дефицитные навыки подешевеют.
Our World in Data фиксирует не просто ускорение прогресса моделей, а куда более жесткую инфраструктурную гонку. Если объем вычислений для обучения передовых систем удваивается примерно раз в шесть месяцев, то разрыв между теми, кто может позволить себе такой темп, и всеми остальными будет только расти.
Два свежих наблюдения от Our World in Data показывают, как ИИ одновременно меняет корпоративную практику и инвестиционные потоки: бизнес уже массово внедряет такие системы, а капитал в генеративный ИИ пришел заметно раньше, чем широкие приросты производительности.
Новая заметка Our World in Data показывает не просто успех одной компании, а резкий поворот всей ИИ-экономики в сторону вычислительной инфраструктуры. Если в 2014 году направление центров обработки данных и ИИ давало NVIDIA около 57 миллионов долларов за квартал, то к 2026 году оно превысило 75 миллиардов и заняло больше 90% выручки компании.
MIT Technology Review разбирает заявление стартапа о том, что он преодолел одно из главных узких мест современных LLM. Даже если к таким обещаниям нужно относиться осторожно, главный вывод здесь не только технический, но и экономический: следующий рывок ИИ может прийти не от «ещё более умных» моделей, а от архитектур, которые делают серьёзные системы заметно дешевле, быстрее и доступнее.
В обсуждении на Hacker News участники формулируют важную мысль: прошлые технологические сдвиги всё равно оставляли человеческий мозг главным инструментом адаптации, а ИИ начинает давить именно на этот слой. Поэтому главный риск может быть не в мгновенном исчезновении всех рабочих мест, а в ослаблении привычного способа, которым люди раньше заново находили себе ценность в меняющейся экономике.
Новая работа Agentomics предлагает смотреть на ИИ-агентов не как на отдельные волшебные продукты, а как на участников общей человеческой работы со своими узкими местами, ошибками и пределами пользы. Из этого следует неприятный, но важный вывод: бизнесу мало знать, что агент умеет по тестам — нужно понимать, какую добавленную ценность он даёт в реальном процессе рядом с людьми.
