Если лабы это экономика масштаба, цены должны падать дальше. Они и падают, токен при том же качестве дешевеет в десятки раз за год, и на днях это случилось прямо на фронтире. Anthropic выпустила Opus 5.5, сильнее предыдущего, дешевле и быстрее, а OpenAI в тот же день ответила GPT-6 Sol и Luna вдвое дешевле предшественников. Но тут есть контраргумент куда сильнее истории про венчурные субсидии. Компьюта не хватает. Сразу после запуска Astra OpenAI остановила продажи тарифа за $200, потому что спрос обогнал мощности. А если у тебя дефицитный товар, совершенно не обязательно отдавать пользователю весь выигрыш от снижения себестоимости. Частично так и будет, только не там, где ждут. Дефицитный компьют отдают туда, где с мегаватта получают больше выручки, в API и энтерпрайз, а подписчикам режут лимиты и подсовывают модель попроще. Цена та же, продукт хуже. Но дефицит мощности не то же самое, что плохая юнит-экономика. Его можно уменьшать строительством новых датацентров, а контракты на новые мощности уже идут на десятки и сотни миллиардов долларов. Запас на снижение цен тоже пока большой, потому что вся цепочка сейчас жирная. У Nvidia валовая маржа 75%, у TSMC под 70%, у самих лаб на API 80–90%, так что юзер, который выжег токенов на $400 по прайсу API, обошёлся им в условные $40–80. Сами модели тоже недооптимизированы, проще завалить задачу GPU, чем сидеть и ужиматься, разменивая на это упущенный рынок. DeepSeek показал, сколько там запаса, когда железа было в обрез и пришлось выжимать из каждой карты всё. Если рынок перейдёт в режим экономии, первым сгорит этот жир, потом пойдут давить маржу поставщиков, уменьшать внутренние расходы и замедлять рост R&D. Даже банкротства отдельных лаб не означают, что построенная ими инфраструктура исчезнет. Датацентры, GPU и часть интеллектуальных активов останутся и сменят владельца. В моём разборе Бена Томпсона как раз была эта мысль: инфраструктура пузыря часто переживает тех, кто её построил. Хотя здесь есть важная оговорка. Если игроков станет сильно меньше, конкуренция ослабнет, и это само по себе может толкнуть цены вверх. Банкротство не уничтожает компьют, но вполне может изменить рынок вокруг него. У гонки при этом есть потолок, и ставит его не бюджет, а ограничения мира, в котором все происходит. Чипов выпускает конечное число фабрик TSMC, электричества тоже конечное число станций. Игорь в Сиолошной продолжил мысль. К 2028 году две-три компании будут забирать больше половины всех новых чипов, и удваивать расходы на компьют станет физически негде, а выручка расти сможет. И цену за токен никто не удержит ниже своей себестоимости, а выручка с мегаватта у фронтира выше, чем у всех остальных. Настоящая угроза сидит с другой стороны. В первом посте рядом стояли два тезиса, остановить обучение нельзя, и сидеть в минусе это выбор. Но есть нюанс! Выйти в прибыль, урезав R&D, можно ровно на один ход. Кто первым перестал учить, тот проиграл рынок. Остановиться не могут и Uber с Amazon и Netflix, их тоже сожрут конкуренты, разница в скорости, у них продукт устаревает годами, у лаб за условный квартал. Гонка в трейн это равновесие, из которого никто не выходит добровольно. Выходят из него только все сразу, когда выручка встаёт у всех по внешним причинам, тогда R&D режут одновременно и никто не отстаёт. И вот здесь появляется риск, который мне кажется куда интереснее венчуров, оплачивающих банкет. Рынок разработки, на котором лабы растут быстрее всего, конечен, switching costs между моделями низкие, и конкуренция уже дошла до ценовой. Это первый признак коммодитизации. Пока себестоимость падает быстрее цены, всё хорошо. Если цена токена начнёт падать быстрее себеса, никакой масштаб не спасёт, фикс кост просто не на что будет размазывать. Поэтому лабы так и лезут в смежные вертикали, заворачивая в обучение данные и траектории из CAD, финансов, биологии, всего, где есть non consumption. Захватить софтверный рынок и остановиться не выйдет, после него наступит зима.

Экспортный контроль чипов действительно существенно влияет на китайские компании. Да, некоторые уже пытаются переходить на Huawei и другие — но их производство тоже сильно ограничено, и особо сильно упирается в память. Epoch.AI подсчитали, что если Китай будет использовать только HBM (память в GPU для LLM) собственного производства, то они смогут производить примерно... 1% от GPU Nvidia (первая картинка) в ближайшие годы — и эта доля падает (в 2026-м это примерно 4%). Насколько контрабанда HBM позволила бы сократить дефицит? Предположим, Huawei контрабандой ввезла бы в 2028 году в 10 раз больше HBM, чем на внутреннем рынке, — невероятно большой объем, обошедшийся как минимум в 40 миллиардов долларов. В этом случае ее производство в 2028 году выросло бы с 1 млн до примерно 11 млн H100-эквивалентов, что по-прежнему составило бы лишь 11% от производства Nvidia в том году. Поставки HBM в Китае и производство чипов Huawei будут быстро улучшаться, но, вероятно, недостаточно быстро. Даже 18-кратное увеличение мощностей HBM в Китае к 2030 году приведет к тому, что объем производства Huawei составит примерно 12-18% от объема производства Nvidia в 2028 году. На второй картинке — попытка Epoch.AI оценить контрабанду чипов в Китай через Малайзию в период после введения ограничений администрацией Байдена и до ужесточения регуляций на экспорт в самой Малайзии. Логика подсчёта проста: таможни всех стран записывают что приходит и что уходит, а затем общие данные отправляются в ООН. Цифры агрегированы по кодам пересылаемых объектов — и почти все чипы попадают в одну категорию. Разница, которую видно на картинке — это разница между тем, что отправлено из Малайзии (по заниженным ценам) в что записано к получению в Китае (по реальным ценам, они ж не могут уходить от оплаты пошлин и налогов у себя дома). Итого насчитали за ~год контрабанды на $3.8B, или примерно аналог ~150'000 видеокарт H100. === Вся информация выше лишний раз подчеркивает, насколько сильный рычаг воздействия остается у США и Nvidia. Если укрепить меры контроля за контрабандой и отслеживать карты прямо с производства на Тайване — Китаю придется несладко (как бы не пришлось возвращать остров под свой контроль 👨‍🦳).

NVIDIA выпустила CUDA 13.4 с поддержкой Windows на Arm NVIDIA представила комплект инструментов CUDA Toolkit 13.4, ключевым обновлением которого стала полноценная поддержка платформы Windows на Arm. Это позволит разработчикам оптимизировать ПО под мини-ПК и ноутбуки линейки RTX Spark, а также запускать вычисления на базе CUDA на уже существующих устройcтвах с архитектурой ARM64 без использования эмуляции. Кроме того, в релиз вошел ранний превью-доступ для разработчиков к архитектуре следующего поколения Vera Rubin (compute capability 107), включая оптимизацию базовых математических библиотек под новые GPU и чипы N1X. Обновление также включает инструмент Multi-Process Service V3 с интеграцией в cgroups для точного разграничения памяти GPU в контейнерах, модуль CUDA Compute Fabric Transport для передачи данных по NVLink и расширение библиотеки CUDA Python.

Когда деньги упрутся в физику Пока деньги побеждают, мы покупаем всё больше интеллекта вычислениями. Но никто не знает, где здесь предел. Если бы в освоение космоса вкладывали столько же, сколько сегодня вкладывают в ИИ, весьма возможно, человек уже был бы на Марсе. Но чтобы отправиться намного дальше, недостаточно просто купить ещё топлива. Деньги не отменяют уравнение Циолковского: дополнительное топливо тоже приходится разгонять - а для этого нужно ещё топливо. И возможно, с ИИ происходит нечто похожее. Мы научились покупать всё больше интеллекта вычислениями - но пока не знаем, где закончится власть денег и начнётся власть физики. Авторы нового интересного препринта «Как развивался искусственный интеллект за 70 лет» обращают внимание на разительный разрыв. Объёмы вычислений, используемых для обучения ИИ, сейчас ежегодно растут в 4 - 5 раз, тогда как сама аппаратная база развивается по гораздо более медленной, муровской траектории - порядка удвоения за два года. Этот разрыв уже невозможно объяснить одним только прогрессом железа: значительная его часть покупается инвестициями. Тогда может статься, что нынешняя революция ИИ - это не новый двигатель, а прежде всего очень много топлива. И хотя этот путь пока работает блестяще, никто не знает, сколько ещё прогресса можно купить таким способом. Купить ещё и ещё вычислений, GPU, дата-центров и электричества можно - были бы деньги. Но физические ограничения нельзя отменить даже триллионным чеком. Так сколько ещё интеллекта можно купить деньгами - прежде чем деньги упрутся в физику? Полагаю, что раздумья над этим вопросом уже не дают спать не только Маску, Альтману и Амодеи, но и крупнейшим инвесторам. Потому что от ответа зависит очень многое: продолжаем ли мы покупать всё больше интеллекта - или приближаемся к точке, где для следующего скачка понадобится уже не больше денег, а новый двигатель.   ИИгонка

Индекс видеокарт Сотни миллиардов долларов вкладываются в датацентры, чтобы поставить там видеокарты NVidia и сдавать их в аренду. Это большой рынок. Видеокарты между собой идентичны, датацентры похожи – это стандартизованный рынок. Большой стандартизованный рынок тянется на биржу. Крупные продавцы и покупатели хотят хеджировать риски, спекулянты спекулировать, журналисты писать заголовки о том, что Brent подешевел на 5%. Часть будущей инфраструктуры – тот самый индекс, который дешеветь и дорожать должен. И его делает американский #стартапдня Silicon Data. Он обходит десятки мест, где видеокарты сдаются в аренду, парсит цены, усредняет-нормализует и получает некое среднее по больнице число. Вчера, например, час H200 в вакууме $3.28 стоил. Во многих странах неплохая зарплата для человека, между прочим. В октябре чикагская биржа планирует начать торги на аренду B200 и H100, используя как раз индекс стартапа. Следующим шагом это число и в контракты поедет: “стоимость аренды составляет Silicon Data на первое число месяца +5%”, что-то в таком духе финансисты писать будут. В удивительном мире живем. https://www.silicondata.com #сша #roundb #fintex #ai

У ИИ тоже есть физический предел ИТ-холдинг Т1 прогнозирует, что рынок решений и услуг в области ИИ в России в 2025–2028 годах будет расти в среднем на 22% в год. Особенно быстро будет расти GPUaaS: на 36% в год до 2028 года, говорится в исследовании T1 (есть в распоряжении @antidigital). При этом Т1 отмечает, что рост облачного рынка уже в 2026 году замедлится примерно до 20% из-за дефицита оборудования, площадок под ЦОДы и приостановки части проектов по строительству новых дата-центров. О дефиците вычислительных мощностей Т1 говорит отдельно, отмечая, что растущий спрос на облачные сервисы для ИИ упирается не только в стоимость технологий, но и в ограниченные возможности инфраструктуры. Этот же тезис прозвучал и во время выступления Антона Степанова, руководителя бизнес-направления «Облако» Т1: отмечалось, что для дальнейшего развития ИИ нужны всё большие вычислительные мощности, а их доступность становится одним из ограничений. Всё это мешает росту IT-индустрии. В начале 2026 года энергосетевые компании Москвы начали отказывать новым ЦОДам в технологическом присоединении из-за отсутствия свободных мощностей. А ввод новых дата-центров в России в 2025 году сократился почти втрое: до примерно 4,7 тыс. новых стойко-мест против порядка 11 тыс. годом ранее. При этом спрос на мощности остается высоким. Бизнесу нужно всё больше вычислений для ИИ, но инфраструктура, на которой эти вычисления должны происходить, становится дефицитной. И дефицит возникает сразу на нескольких уровнях: не хватает GPU и другого оборудования, свободных площадок для ЦОДов, электрических мощностей и инженерной инфраструктуры. Например, в Московском регионе свободные мощности практически исчерпаны, из-за чего часть проектов уже приходится переносить в регионы, где проще получить электричество. То есть инвестиции в ИИ постепенно сталкиваются с материальными ограничениями. Похоже, в какой-то момент развитие AI будет ограничивать пропускная способность розетки.