Google теперь платит людям за то, чтобы они не включали кондиционер. Мне кажется, это точнее любого бенчмарка показывает, где сейчас главное узкое место в ИИ. Google договорился с Voltus набрать гигаватт мощности в PJM, крупнейшей энергосистеме США.

Новых станций никто не строит. Тысячи домов и предприятий соглашаются чуть урезать потребление в пиковые часы: термостат сам приглушает кондиционер, домашняя батарея ненадолго берёт нагрузку на себя. В июне начинали со 100 МВт, теперь цель в десять раз больше.

Механика простая: чипы можно купить за квартал, а подключения к сети ждут годами. Мегаватт, который кто-то не потратил, оказывается самым быстрым мегаваттом на рынке. Отсюда интересное следствие: одна из самых нужных компаний в ИИ может вообще не трогать модели.

Она управляет термостатами. Та же логика видна в математике. Axiom формализовала «Огромную теорему»: 15 000 страниц доказательства, над которыми около сотни учёных работали десятилетиями.

Я вижу здесь главное не в уме агентов, а в том, что Lean сам проверяет каждый шаг. Ошибку нельзя спрятать или пропустить. Поэтому агентов можно запустить сотнями параллельно: никто не сидит и не читает их работу.

Когда я думаю про нового агента, я сначала решаю, чем буду проверять результат. Если проверяет машина, агентов можно масштабировать почти без предела. Если проверяет человек, продукт будет расти ровно с той скоростью, с какой человек успевает читать.

С роботами то же самое, только вместо проверки им нужно место, где можно ошибаться бесплатно. Железо уже штампуют. Не хватает мест, где их учить.

Поэтому Genie 4 от DeepMind интереснее как полигон, чем как игрушка для геймдева. Мир-симулятор с физикой, звуком и сменой погоды по команде играет для робота ту же роль, что Lean для математика: разбить тысячу виртуальных чашек дешевле, чем одну настоящую. Деньги идут туда же, в узкие места.

Это плата уже не за железо, а за доступ к нему. Даже в обучении моделей выигрывает та же мысль. SimplexLoRA не добавляет параметров, а просто отдаёт их тем слоям, где они сильнее влияют на результат.

Вывод у меня такой. Модели быстро дешевеют и становятся общими для всех. Остаётся ценным то, чего не хватает: электричество, автоматическая проверка, среды для обучения, умное распределение ресурсов.

Когда я выбираю, что строить, я всё чаще смотрю не на модель, а на то, во что она упрётся через год. #новости

#evgeniydubskiy #erartaai