Лучшее нас ждет за AI-разворотом: инвестиции, гонка сверхдержав и новая инфраструктура для экономики ИИ

Эльмира Обри, город — Алматы, основатель Foody AI, Instagram, LinkedIn

Я посетила мировую конференцию по ИИ в Шанхае и вот что я забираю с собой в качестве рефлексии.

Как и любая конференция, WAIC изобиловала технологическими новинками и обилием экспертов из разных индустрий, но самые интересные инсайты — обычно не на поверхности, а в дискуссиях между экспертами и в кулуарах спикерских лаунжей. 

Привожу ключевые тезисы на основе интервью с Эстер Вонг, основателем и CEO 3C AGI Partners, гонконгского венчурного фонда и инкубатора, специализирующегося на AI-инфраструктуре, вычислительных технологиях и глобальных инвестициях в искусственный интеллект.  

AI переходит от обучения моделей к массовому использованию

AI-индустрия постоянно создает новые истории роста: модели становятся крупнее, стоимость инференса снижается, продукты обновляются быстрее.

AI-системы становятся пользователями других AI-систем. Поэтому будущая инфраструктура будет обслуживать не только людей, но и миллионы взаимодействующих AI-агентов.

Будущие AI-фабрики будут создаваться AI для AI. Старые дата-центры и вычислительные системы проектировались людьми для человеческих задач. Но AI-агенты могут взаимодействовать миллионы раз в секунду, поэтому потребуется иная архитектура. На первый план выходит скорость и плотность вычислений, высокая пропускная способность; энергоэффективность, инфраструктура охлаждения и подключения.

Главная инвестиционная возможность — это инфраструктура

Текущая инфраструктура была создана прежде всего для обучения ограниченного числа крупных моделей и плохо соответствует будущему масштабу AI.

По мнению Эстера Вонга, рынок прикладных AI-продуктов становится все более конкурентным: стоимость создания приложений снижается, а компании-одиночки могут быстро запускать продукты при помощи Copilot, Claude и других инструментов.

Но инфраструктура остается более устойчивым инвестиционным направлением, потому что именно она обеспечивает работу всей AI-экономики.

На что обратить внимание: 

— AI-дата-центры
— энергоэффективные вычисления
— биокомпьютинг
— новые типы процессоров
— космические дата-центры
— ядерный синтез и новые источники энергии.

Инвестировать нужно до формирования рыночного консенсуса

Эстер Вонг оценивает компанию по трем критериям:

1. Достаточно ли зрелая технология.

2. Существует ли реальный рынок.

3. Понимает ли этот рынок капитал.

Лучший момент для инвестиции — когда технология уже работает, рынок готовится к быстрому росту, но большинство инвесторов еще не осознало ее потенциал.

Именно такую стратегию фонд использовал при ранних инвестициях в Cerebras, Groq и инфраструктурные проекты.

В здравоохранении ценность смещается к данным и экспертизе

По мере удешевления AI-моделей создать обычное приложение становится все легче. Поэтому долгосрочное конкурентное преимущество будет формироваться вокруг: глубокого отраслевого знания, уникальных данных, практического опыта, специализированных рабочих процессов, доступа к реальным клиническим или производственным кейсам.

В здравоохранении компании, владеющие крупными массивами реальных данных, могут оказаться значительно ценнее разработчиков универсальных white-label AI-решений.

Китайские и американские AI-экосистемы имеют разные преимущества

Китай силен в быстром создании продуктов, большом количестве пользователей, коротких циклах обратной связи, сравнительно низкой стоимости тестирования, масштабировании прикладных решений.

США лидируют в разработке frontier-моделей, фундаментальных исследованиях, привлечении глобальных талантов, венчурном финансировании передовых технологий.

Китай и США: не конкурирующие копии, а разные экосистемы

Как выбрать свой голубой океан и не потерять вектор и фокус? 

Короткий совет стартапу — учитывать структуру каждого регионального рынка и адаптировать продукт, бизнес-модель и позиционирование. 

Глобализация не должна быть простым копированием внутренней стратегии. Напротив, следует учитывать особенности каждого рынка и искать ниши на стыке индустрий, культур и технологий. 

У прикладных AI-стартапов все еще есть шанс против технологических гигантов. Создавать новую фундаментальную модель и конкурировать с глобальными лидерами LLM крайне сложно. Но на прикладном уровне инновационные циклы проходят значительно быстрее.

Проверяйте гипотезы быстро и дешево, находите узкие отраслевые задачи, копите и используйте  собственные данные, меняйтесь и адаптируетесь быстрее крупных компаний, стройте нишевые  специализированные продукты.

Эстер Вонг выделяет два главных качества основателя:
— оптимистическое мышление
— настойчивое умение решать проблемы.

По его мнению, критиковать идею и объяснять, почему она не сработает, сравнительно легко. Намного сложнее взять ответственность и найти практическое решение.

Для технологических компаний также важен инвестор, который понимает долгосрочное видение, не исчезает во время рыночного спада, имеет собственный операционный опыт, способен поддерживать компанию на протяжении нескольких циклов.

Человеческий капитал становится самым важным ресурсом. Навыки человека станут дороже по мере удешевления интеллекта

Когда стоимость AI-интеллекта стремится к нулю, особенно ценными становятся человеческие качества как эмпатия, вкус, этика, эмоциональная глубина, критическое мышление, междисциплинарное мышление и экспертиза, профессиональная  и личная ответственность.

Эстер рекомендует также изучать историю, философию, искусство и естественные науки.