Аналитика
Как искусственный интеллект так быстро вырос: десятилетие, которое изменило всё
От исследовательского интереса до индустрии стоимостью 390 миллиардов долларов менее чем за десять лет — история исключительного взлета искусственного интеллекта, силы, которые его ускорили, и что будет дальше.
Патрик Т ·
30 ноября 2022 года OpenAI выпустила чат-бота. За пять дней у него появилось один миллион пользователей. Через два месяца их стало сто миллионов — что сделало ChatGPT самым быстрорастущим потребительским приложением в истории, обогнавшим TikTok, Instagram и все платформы, существовавшие до него. Эта скорость была не просто продуктовым достижением. Это был сигнал того, что в отношениях между людьми и машинами произошло что-то принципиально новое.
Но момент ChatGPT не возник из ниоткуда. Это была видимая поверхность десятилетней трансформации — совокупность прорывов в исследованиях, потоков капитала, доступности вычислительных ресурсов и конкурентного давления, которая накапливалась как минимум с 2012 года, когда нейронная сеть под названием AlexNet выиграла соревнование по распознаванию изображений с таким огромным отрывом, что сообщество исследователей ИИ фактически перестроилось вокруг глубокого обучения за одну ночь.
Десятилетие, которое заложило основу
Современная эпоха ИИ часто датируется прорывом ImageNet 2012 года, когда команда Джеффри Хинтона в Университете Торонто продемонстрировала, что глубокие сверточные нейронные сети могут распознавать изображения с ошибками, до которых классическое компьютерное зрение не могло приблизиться. Результат был не просто лучшим алгоритмом — это было доказательство того, что масштаб работает. Больше данных, больше вычислений, больше слоев: формула была проста и универсальна.
В 2017 году исследователи Google представили архитектуру Transformer в статье «Attention Is All You Need». Transformer стал основой практически всех появившихся впоследствии крупных языковых моделей, включая GPT, BERT, T5, PaLM, Gemini и Claude. Эта архитектура хорошо масштабировалась: чем больше параметров обучалось, тем шире становились возможности модели, причем явного предела этому росту не наблюдалось.
OpenAI выпустила GPT-1 в 2018 году с 117 миллионами параметров. GPT-2 последовала в 2019 году с 1,5 миллиардами — увеличение в 12 раз — и первоначально не была выпущена в публичный доступ, потому что OpenAI опасалась неправильного использования. 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.
Капитальная лавина
Прорывы в исследованиях привлекли капитал с такой скоростью, какой венчурная индустрия никогда прежде не видела. Согласно Отчету Индекса ИИ Стэнфордского университета за 2025 год, корпоративные инвестиции в ИИ достигли 252,3 миллиарда долларов в 2024 году — это цифра, которая представляет собой более чем тринадцатикратный рост по сравнению с 2014 годом. Только частные инвестиции выросли на 44,5 % по сравнению с предыдущим годом. Сектор поглотил больше капитала за последние три года, чем за предыдущие три десятилетия вместе взятые.
Подсектор генеративного ИИ оказался особенно драматичным. Частные инвестиции в генеративный ИИ достигли 33,9 млрд долларов в 2024 году, что на 18,7% больше, чем в 2023 году, и более чем в 8,5 раз превышает уровень 2022 года. Сейчас сектор представляет собой более 20% всех частных инвестиций в ИИ в мире. Для сравнения: весь мировой рынок венчурного капитала в 2019 году составлял примерно 300 млрд долларов — только генеративный ИИ теперь потребляет более 10% этой суммы.
Соединенные Штаты доминировали в этом распределении капитала. Частные инвестиции США в ИИ достигли 109,1 миллиарда долларов в 2024 году, что почти в двенадцать раз больше, чем в Китае с 9,3 миллиарда долларов, и в двадцать четыре раза больше, чем в Великобритании с 4,5 миллиарда долларов. Разрыв в области генеративного ИИ еще более заметен: инвестиции США превысили совокупный показатель Китая, Европейского Союза и Великобритании на 25,4 миллиарда долларов.
Склонение принятия
Статистика инвестиций описывает предложение. Статистика внедрения описывает спрос. И цифры спроса, если на то пошло, даже более впечатляющи, 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 применении генеративного ИИ хотя бы в одной бизнес-функции, более чем удвоилось за один год — с 33% до 71%.
Расходы предприятий на генеративный ИИ рассказывают ту же историю. Компании потратили 37 миллиардов долларов на генеративный ИИ в 2025 году, по сравнению с 11,5 миллиардами долларов в 2024 году — это рост в 3,2 раза по сравнению с предыдущим годом, согласно данным Menlo Ventures. В отчёте Deloitte «Состояние ИИ в предприятиях 2026» было обнаружено, что доступ работников к ИИ увеличился на 50% только в 2025 году, а число компаний, у которых 40% и более ИИ-проектов находятся в производстве, должно удвоиться в следующем году.
Почему это произошло так быстро?
Скорость роста искусственного интеллекта не является случайной. Это результат одновременного слияния нескольких факторов, которые создали самоподдерживающийся цикл, замедлить который оказалось чрезвычайно трудно.
Первая сила заключалась в вычислениях. Та же самая аппаратная часть GPU, которую Nvidia изначально разработала для видеоигр, оказалась чрезвычайно подходящей для обучения нейронных сетей. По мере того как производительность GPU росла по кривым, близким к закону Мура, стоимость обучения данной модели резко снижалась. Модель, обучение которой стоило 10 миллионов долларов в 2018 году, к 2023 году можно было обучить за 100 000 долларов. Это снижение стоимости демократизировало эксперименты и ускорило темпы итераций.
Второй силой были данные. Интернет накапливал текст, изображения, код и видео, созданные людьми, на протяжении десятилетий. Большие языковые модели обнаружили, что эти данные — собранные, очищенные и поданные в трансформерные архитектуры в большом масштабе — были достаточны для создания удивительно способных систем. Проблема обучающих данных, которая казалась неразрешимой в предыдущие эпохи ИИ, на самом деле была решена 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 в области ИИ. Эта конкуренция стимулировала инвестиции, ускоряла набор персонала и создавала рынок талантов, который вытаскивал исследователей из академической среды в индустрию с беспрецедентной скоростью. Конкурентное давление также сокращало циклы разработки: компании, которые могли бы потратить три года на выпуск продукта, начали выпускать его за месяцы.
Эталонное сжатие
Одним из самых ярких показателей темпов развития ИИ является сжатие сроков выполнения эталонных задач. Задачи, которые исследователи оценивали как требующие десятилетие для освоения ИИ-системами, решались за два или три года. Экзамен на право ведения юридической практики, ранее считавшийся значимым тестом юридического мышления, был успешно сдан GPT-4 на 90-м процентиле в 2023 году. Медицинские лицензированные экзамены, математика на уровне аспирантуры, соревновательное программирование — каждая задача была освоена быстрее предыдущих прогнозов.
Это сжатие бенчмарков создало своеобразную динамику: цели постоянно менялись. Каждый раз, когда системы ИИ достигали ранее установленного порога производительности на уровне человека, исследователи определяли более сложный бенчмарк и заявляли, что предыдущий не был истинным тестом интеллекта. В результате возникал непрерывный цикл достижений и переопределений, который осложнял оценку того, насколько на самом деле был достигнут прогресс — и сколько осталось пройти.
Ставка на инфраструктуру
Наиболее ощутимым проявлением истории роста ИИ является инфраструктура, создаваемая для его поддержки. В 2026 году крупные облачные провайдеры — Microsoft, Google, Amazon и Meta — совместно 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 облачного ИИ растут с темпами, которые оправдывают распределение капитала, а гиперскейлеры конкурируют за рынок, который аналитики Gartner оценивают почти в 1,5 триллиона долларов США в совокупных мировых расходах на ИИ в 2025 году, с последующим ростом до более чем 2 триллионов долларов в 2026 году и 3,3 триллиона долларов к 2028 году.
Физический масштаб этой застройки трудно осознать. Один современный кластер для обучения ИИ может потреблять 100 мегаватт энергии — достаточно, чтобы снабжать электроэнергией город из 80 000 домов. Планируемый Microsoft кампус дата-центров в Висконсине займет более 1000 акров. Энергетические потребности ИИ стали значительным фактором в планировании национальной электросети, вызывая возобновленный интерес к атомной энергии и побуждая коммунальные службы ускорять модернизацию инфраструктуры, которую откладывали десятилетиями.
Что будет дальше
Траектория роста ИИ ставит вопрос, который одновременно является техническим, экономическим и философским: можно ли поддерживать такой темп? Честный ответ заключается в том, что никто не знает. Законы масштабирования, которые определяли прогресс в течение десятилетия, могут достигать пределов, требующих качественно других подходов. Данные, доступные для обучения, конечны, и самые мощные модели уже фактически потребляют их все. Вычислительные ресурсы, необходимые для обучения передовых моделей, удваиваются примерно каждые шесть месяцев, и стоимость растет соответственно.
В то же время экономические стимулы для продолжения более сильны, чем когда-либо. Компании, которые вложили наибольшие средства в ИИ, теперь получают доход, который оправдывает дальнейшие инвестиции. Конкурентная динамика усиливает сама себя. А геополитическое измерение — с тем, что и Соединённые Штаты, и Китай рассматривают лидерство в области ИИ как вопрос национальной безопасности — добавляет слой давления, который выходит за рамки обычной рыночной логики.
Что точно известно, так это то, что десятилетие с 2012 по 2022 год породило то, чего предыдущие шестьдесят лет исследований в области ИИ не смогли: технологию, которой могли пользоваться обычные люди, которую бизнес мог внедрять в масштабе, и которую правительства не могли игнорировать. Десятилетие, которое следует за этим, определит, исполнит ли эта технология самые оптимистичные прогнозы, создаст ли риски, которых опасаются критики, или — скорее всего — сделает что-то, чего никто вообще не предсказывал.
Самая быстрорастущая технология в истории человечества продолжает ускоряться. Единственное, в чем сходятся все, кто изучает её наиболее внимательно, это то, что история ещё далеко не закончена.