Анализ
Как ИИ так быстро вырос: десятилетие, которое изменило всё
От исследовательского интереса до индустрии стоимостью $390 миллиардов менее чем за десять лет — история невероятного взлёта искусственного интеллекта, силы, которые его ускорили, и что будет дальше.
Патрик Т ·
30 ноября 2022 года OpenAI выпустила чат-бота. Всего за пять дней у него появилось один миллион пользователей. Через два месяца — сто миллионов, что сделало ChatGPT самым быстрорастущим потребительским приложением в истории, превзойдя TikTok, Instagram и все предыдущие платформы. Такая скорость была не просто вехой для продукта. Это был сигнал того, что в отношениях между людьми и машинами произошло что-то фундаментальное.
Но момент с ChatGPT не возник из ниоткуда. Это была видимая поверхность десятилетней трансформации — совокупность прорывов в исследованиях, потоков капитала, доступности вычислительных мощностей и конкурентного давления, которые накапливались как минимум с 2012 года, когда нейронная сеть под названием AlexNet выиграла конкурс по распознаванию изображений с таким отрывом, что сообщество исследователей ИИ фактически перестроилось вокруг глубинного обучения за одну ночь.
Десятилетие, которое создало фундамент
Современная эпоха ИИ часто датируется прорывом ImageNet 2012 года, когда команда Джеффри Хинтона из Университета Торонто продемонстрировала, что глубокие сверточные нейронные сети могут распознавать изображения с уровнями ошибок, недоступными классическому компьютерному зрению. Результат был не просто лучше алгоритм — он доказал, что масштаб работает. Больше данных, больше вычислений, больше слоев: формула была проста и универсальна.
К 2017 году исследователи Google опубликовали архитектуру Transformer в статье под названием 'Внимание — это все, что вам нужно' (Attention Is All You Need). Transformer стал основой практически для каждой значимой языковой модели, появившейся после — GPT, BERT, T5, PaLM, Gemini, Claude. Это была конструкция, которая элегантно масштабировалась: чем больше параметров обучалось, тем более способной становилась модель, и никакого очевидного предела не было видно.
OpenAI выпустила GPT-1 в 2018 году с 117 миллионами параметров. GPT-2 последовала в 2019 году с 1,5 миллиарда — 12-кратным увеличением — и изначально не была выпущена для широкой публики, потому что OpenAI опасалась злоупотреблений. GPT-3, выпущенная в 2020 году с 175 миллиардами параметров, была первой моделью, которая привлекла внимание широкой публики. GPT-4, выпущенная в марте 2023 года, по оценкам, имела более одного триллиона параметров. Кривая масштабирования не замедлялась.
Лавина капитала
Прорывы в исследовании привлекли капитал с темпом, которого венчурная индустрия никогда не видела. Согласно Отчету Стэнфордского университета по индексу ИИ за 2025 год, корпоративные инвестиции в ИИ достигли 252,3 миллиарда долларов в 2024 году — это число представляет собой более чем тринадцатикратное увеличение по сравнению с 2014 годом. Только частные инвестиции выросли на 44,5% в годовом исчислении. Сектор поглотил больше капитала за последние три года, чем за предыдущие три десятилетия вместе взятые.
Подсектор генеративного ИИ был особенно впечатляющим. Частные инвестиции в генеративный ИИ достигли 33,9 миллиарда долларов США в 2024 году, что на 18,7% больше, чем в 2023 году, и более чем в 8,5 раза выше уровня 2022 года. В настоящее время этот сектор представляет собой более 20% всех частных инвестиций в ИИ в мире. Для контекста, весь мировой рынок венчурного капитала в 2019 году составлял примерно 300 миллиардов долларов США — только генеративный ИИ сейчас потребляет более 10% этой суммы.
США доминируют в развертывании этого капитала. Частные инвестиции США в ИИ достигли 109,1 миллиарда долларов в 2024 году, что почти в двенадцать раз превышает 9,3 миллиарда долларов Китая и в двадцать четыре раза больше 4,5 миллиарда долларов Великобритании. Разрыв в области генеративного ИИ еще более заметен: инвестиции США превысили совокупную сумму Китая и Европейского Союза плюс Великобританию на 25,4 миллиарда долларов.
Изменение уровня внедрения
Статистика инвестиций описывает предложение. Статистика внедрения описывает спрос. И цифры спроса, если уж на то пошло, даже более впечатляющие, чем показатели финансирования. В 2023 году 55% организаций, опрошенных McKinsey, сообщили о использовании ИИ хотя бы в одной бизнес-функции. К 2024 году этот показатель вырос до 78%. Число респондентов, сообщивших о использовании генеративного ИИ хотя бы в одной бизнес-функции, более чем удвоилось за один год — с 33% до 71%.
Расходы предприятий на генеративный ИИ отражают ту же тенденцию. Компании потратили 37 миллиардов долларов на генеративный ИИ в 2025 году, по сравнению с 11,5 миллиарда долларов в 2024 году — рост в 3,2 раза за год, согласно данным Menlo Ventures. Отчет Deloitte «Состояние ИИ в предприятиях 2026» показал, что доступ сотрудников к ИИ увеличился на 50% только в 2025 году, а количество компаний, у которых 40% или больше ИИ-проектов уже в производстве, ожидается удвоится в следующем году.
Почему это произошло так быстро?
Скорость роста ИИ не случайна. Это результат одновременного слияния нескольких сил, в результате чего возник самоподдерживающийся цикл, который оказался чрезвычайно трудно замедлить.
Первой силой был вычислительный потенциал. То же самое оборудование GPU, которое Nvidia изначально разработала для видеоигр, оказалось чрезвычайно подходящим для обучения нейронных сетей. По мере того как производительность GPU росла по кривым, близким к закону Мура, стоимость обучения конкретной модели резко снижалась. Модель, обучение которой в 2018 году стоило 10 миллионов долларов, можно было обучить уже за 100 000 долларов в 2023 году. Это снижение затрат демократизировало эксперименты и ускорило темп итераций.
Второй силой были данные. Интернет накапливал тексты, изображения, код и видео, созданные людьми, в течение десятилетий. Большие языковые модели обнаружили, что эти данные — собранные, очищенные и поданные в архитектуры трансформеров в большом масштабе — достаточно для создания удивительно способных систем. Проблема с обучающими данными, которая казалась неразрешимой в предыдущие эпохи ИИ, оказалась решённой самим интернетом.
Третьей силой была конкуренция. Как только стало ясно, что масштаб работает, каждая крупная технологическая компания — Google, Microsoft, Meta, Amazon, Apple — начала соревноваться в создании или приобретении возможностей ИИ. Эта конкуренция стимулировала инвестиции, ускоряла найм и создавала рынок талантов, который привлекал исследователей из академической среды в индустрию с беспрецедентной скоростью. Конкурентное давление также сокращало циклы разработки: компании, которые могли бы тратить три года на выпуск продукта, начали выпускать его через месяцы.
Сжатие эталона
Один из самых поразительных показателей темпов развития ИИ — это сжатие сроков прохождения контрольных испытаний. Задачи, которые исследователи оценивали как требующие от ИИ систем десяти лет для освоения, решались за два или три года. Экзамен на адвокатскую лицензию, когда-то считавшийся значимым тестом юридического мышления, был сдан GPT-4 на 90-м процентиле в 2023 году. Медицинские лицензирующие экзамены, математика уровня аспирантуры, соревновательное программирование — каждый из них был освоен быстрее, чем предсказывалось ранее.
Эта эталонная компрессия создала своеобразную динамику: цели постоянно смещались. Каждый раз, когда ИИ-системы достигали ранее установленного порога человеческого уровня, исследователи определяли более сложный эталон и заявляли, что предыдущий не был настоящим тестом интеллекта. В результате возникал непрерывный цикл достижений и переопределений, который затруднял оценку того, какой прогресс был действительно достигнут — и сколько еще оставалось.
Ставка на инфраструктуру
Наиболее конкретным выражением истории роста ИИ является инфраструктура, создаваемая для его поддержки. В 2026 году гипермасштабные компании — Microsoft, Google, Amazon и Meta — в совокупности обязались потратить от 300 до 400 миллиардов долларов на инфраструктуру ИИ только в текущем финансовом году. Microsoft объявила о вложении 80 миллиардов долларов в дата-центры. Google обязалась потратить 75 миллиардов долларов. Meta повысила прогноз капитальных расходов на ИИ до диапазона от 125 до 145 миллиардов долларов.
Это не спекулятивные инвестиции. Это ответы на измеримый спрос. Доходы от облачного ИИ растут с темпами, которые оправдывают распределение капитала, а гипермасштабируемые компании конкурируют за рынок, который аналитики Gartner оценивают почти в 1,5 триллиона долларов США в совокупных мировых расходах на ИИ в 2025 году, с ростом до более чем 2 триллионов долларов в 2026 году и до 3,3 триллиона долларов к 2028 году.
Физический масштаб этого развертывания трудно осознать. Один современный кластер для обучения ИИ может потреблять 100 мегаватт электроэнергии — достаточно, чтобы обеспечить электричеством город с 80 000 домов. Планируемый кампус дата-центров Microsoft в Висконсине будет занимать более 1000 акров. Энергетические потребности ИИ стали значительным фактором в планировании национальных электросетей, вызывая возобновленный интерес к ядерной энергии и побуждая энергокомпании ускорить модернизацию инфраструктуры, от которой они отказывались десятилетиями.
Что будет дальше
Траектория роста ИИ ставит вопрос, который одновременно является техническим, экономическим и философским: может ли этот темп сохраняться? Честный ответ заключается в том, что никто не знает. Законы масштабирования, которые определяли прогресс на протяжении десятилетия, возможно, приближаются к ограничениям, требующим качественно иных подходов. Данные, доступные для обучения, ограничены, и самые мощные модели уже потребляют практически все доступные данные. Вычислительные ресурсы, необходимые для обучения передовых моделей, удваиваются примерно каждые шесть месяцев, а стоимость растет соответственно.
В то же время экономические стимулы для продолжения работы сильнее, чем когда-либо. Компании, которые сделали наибольшие инвестиции в ИИ, сейчас получают доход, который оправдывает дальнейшие вложения. Конкурентная динамика самоусиливается. А геополитический аспект — с тем, что США и Китай рассматривают лидерство в ИИ как вопрос национальной безопасности — добавляет уровень давления, который выходит за рамки обычной рыночной логики.
То, что несомненно, так это то, что десятилетие с 2012 по 2022 год дало то, чего не дали предыдущие шестьдесят лет исследований в области ИИ: технологию, которую могли использовать обычные люди, которую могли разворачивать бизнесы в масштабах, и которую не могли игнорировать правительства. Следующее десятилетие определит, исполнит ли эта технология самые оптимистичные прогнозы, создаст ли риски, которых опасаются критики, или — что наиболее вероятно — сделает что-то, чего никто вообще не предсказывал.
Самая быстрорастущая технология в истории человечества продолжает ускоряться. Единственное, по чему сходятся те, кто изучает её наиболее внимательно, это то, что история ещё далеко не завершена.