Коротко
Али Годси, CEO Databricks, на стэнфордском курсе по экономике AI говорит прямо: AGI уже здесь, гонка за суперинтеллект пустая трата времени, а настоящий затык не в моделях. Он в том, что контекст из голов сотрудников так и не перекочевал в модели. Провал 95% корпоративных POC Годси объясняет не слабостью AI, а тем, что организации не переписали процессы под новую технологию, и приводит в пример электродвигатель: тому понадобилось 40 лет, чтобы дать хоть какой-то прирост производительности. Софт не умер: барьеры входа и издержки переключения рухнули, но рвы (данные, бренд, масштаб, доверие) никуда не делись, старые неинновационные компании вымрут, адаптирующиеся выживут. По слоям стека Годси ставит на приложения, не на чипы и модели: ценность всегда ползёт вверх, а угадать конкретных победителей заранее невозможно (multicast, Airbnb тому пример). Frontier-модели он видит как бизнес книготорговли Amazon: экономия на масштабе, копеечная маржа, мало игроков, открытые модели душат цены.
Главный тезис
AGI уже существует. Узкое место не в интеллекте модели, а в переносе человеческого контекста и переписывании корпоративных процессов: провал внедрений это человеческая проблема, не техническая.
Ключевые идеи
- 2:24: AGI уже есть, модели умнее многих людей, с которыми ты взаимодействуешь; это и есть общий интеллект, просто нечеловеческий
- 3:05: критерий AGI постоянно сдвигают: не смогла посчитать буквы «r» в strawberry, значит не AGI; это перенос ворот, а не аргумент
- 1:52: погоня за суперинтеллектом не оправдана, его даже не определяют, кроме как «богоподобное» из Курцвейла с рекурсивным самоулучшением
- 4:27: отчёт MIT про провал 95% POC верен по направлению, но виноват не AI, а отсутствие контекста
- 3:00: модели тупят, потому что у них нет контекста, который живёт в головах сотрудников
- 5:58: в каждой компании есть тот один человек с 10–40 годами контекста в голове, потеряешь его, рухнет вся фирма; вот этого в модели нет
- 7:11: задача, перенести мозг в кремний, заставить углерод говорить с кремнием
- 8:17: если весь софт мёртв, то мертвы и OpenAI с Anthropic и NVIDIA, ведь это тоже софтверные компании; значит софт не мёртв
- 9:11: барьеры входа рухнули, писать софт стало почти бесплатно, но это оружие досталось всем, включая старых игроков
- 9:15: издержки переключения падают: если ты просто говоришь с агентом, тебе плевать, что он дёргает под капотом, Salesforce или конкурента
- 10:55: софт не единственный ров: экономия масштаба, бренд (Ferrari, Rolex), доверие, патенты, данные остаются рвами
- 17:14: статья 1990 года про диффузию технологий: электродвигателю понадобилось 40 лет, потому что сначала просто меняли паровик на электро, не перестраивая завод
- 22:18: история с коннекторами Databricks: сам AI дал экономию полтора месяца из девяти, а переделка процесса с нуля дала семь коннекторов за квартал
- 25:38: деньги утекут в приложения, ставить надо на ранние стадии и много посевов, большинство промахнётся, но пара станет новым Google
- 31:53: ценность всегда движется вверх по стеку: IBM → Microsoft → VMware, так же будет с чипами и моделями
- 34:28: frontier-модели станут игрой на масштабе с крошечной маржой, как книготорговля Amazon, игроков останется мало
Почему это важно
Годси говорит с позиции человека, у которого 20 000 корпоративных клиентов, и его диагноз бьёт по главному нарративу Долины: гонку финансируют лаборатории (OpenAI, Anthropic, xAI, DeepMind) и продавцы железа (NVIDIA, TSMC), которым выгодно продавать историю про суперинтеллект, требующий бесконечных GPU и дата-центров. Если Годси прав и затык человеческий, а не вычислительный, капитал, залитый в чипы, переоценён. Выигрывают те, кто умеет переносить процессы в агентов, вертикали вроде здравоохранения (17% ВВП США) и образования, владельцы данных и масштаба. Проигрывают неинновационные SaaS-компании с застывшим UX и, в перспективе, сами провайдеры моделей: их маржа схлопнется под давлением открытых моделей вроде Kimi от Moonshot.
Идеи
- Интерны Databricks за два года превратились из спрашивающих карьерный совет в 22-летних, паникующих, не опоздали ли они на поезд AGI, отложив старт компании на полгода
- Голосование в аудитории: только 10% считают, что AGI уже есть, но почти все признают, что модели умнее многих их знакомых, противоречие само себя выдаёт
- Годси пошёл и переспросил коллег из AMP Lab 2009 года, согласны ли они, что по тогдашнему определению AGI достигнут, все сказали да
- Michael Jordan (тёзка баскетболиста) назван «богом AI», работавшим в той лаборатории
- Даже внутри AI-компаний всё держится на людях, тасующих TPS-отчёты, как в фильме Office Space, они нанимают старомодных продавцов и работают по-старому
- Пример с коннекторами: сам CEO написал коннектор за два дня, команда объяснила, что это игрушка, а прод требует девять месяцев
- Первая команда сжала девять месяцев только до семи с половиной, вторая, «первопринципная», переделала весь процесс и выдала семь коннекторов за квартал
- Квартал уходил только на то, чтобы стэнфордские продакт-менеджеры собрали 60–80-страничный отчёт с требованиями, это блокировало всё по закону Амдала
- Решение: писать требования за неделю и переписывать код быстро, аутсорсить поднятие тестовых инстансов Salesforce, семь человек на семь коннекторов вместо bus factor один
- GPT-7 или Opus 6 не помогли бы в этой задаче ни на йоту, нужна была человеческая переделка
- Аналогия с ПК: люди печатали на компьютере, распечатывали, клали в папки и отдавали ассистентам индексировать, поэтому прироста производительности не было в статистике
- Шутка нобелевского лауреата: компьютеры видны везде, кроме статистики производительности
- Электрификация заводов дала эффект только когда поняли, что надо вынести заводы из городов и сделать большие одноэтажные планы, unit drive вместо group drive
- Multicast был «самой важной проблемой», над которой бились лучшие математические умы, сегодня никто не знает, что это, потому что цена трафика рухнула и проблема исчезла
- Годси построил компанию на решении multicast, оптоволокна проложили столько, что решение стало никому не нужным, полная потеря времени
- Странные штуки, что взлетели на интернете: такси (Uber), продажа книг (Amazon → AWS), сдача спальни (Airbnb), короткие тексты (Twitter), в 2000 за это назвали бы сумасшедшим
- Airbnb мог появиться в 2001, но идея пришла Брайану только через девять лет, и не на стэнфордском кейсе, а потому что ему самому негде было переночевать на дизайнерской конференции
- Здравоохранение: компания, «видевшая 100 миллионов пациентов» с твоим генетическим профилем, может стоить триллионы, потому что за здоровье люди готовы платить сколько угодно
- Образование в VC считается ужасной инвестицией, нет ни одной триллионной образовательной компании, но детей рожают, учить надо, выборы выигрываются и проигрываются на теме школы
- Kimi 2.6 от Moonshot, вышедшая во вторник, была бы лучшей моделью в истории человечества, выйди она в январе
- Разрыв между открытыми и закрытыми моделями сжался с трёх-четырёх месяцев до примерно месяца
- Никто не будет держать мини-дата-центр в гостиной со вставленными GPU-картами, будут «token factories», как облако
- Годси пользуется Cursor (нравятся диффы), но перестал после того, как Elon купил его, из-за риска потерять доступ к токенам Anthropic и OpenAI
- Внутри Databricks он реально пользуется собственным продуктом Genie для численных и time-series решений про ROI и издержки
- Bezos сделал секулярную ставку на интернет и начал с самого несексуального коммодити, книг, и каждый год оказывался всё правее
Инсайты
- Обучение на человеческом восприятии AGI создаёт бесконечный сдвиг ворот: как только машина достигает планки, планку поднимают, поэтому «у нас ещё нет AGI» это психологическая, а не техническая позиция
- Технология не даёт прироста производительности, пока организация не перестроит вокруг неё свои процессы, сама по себе замена старого узла новым бесполезна
- Ценность внедрения AI лежит не в интеллекте модели, а в извлечении неявного человеческого знания, что превращает задачу из ML-проблемы в проблему организационного дизайна
- Узкое место внедрения не вычисления, а закон Амдала на человеческих процессах: самая медленная негибкая стадия задаёт потолок ускорения всей цепочки
- Падение барьеров входа не убивает лидеров, потому что новое оружие достаётся всем одновременно, включая тех, у кого уже есть данные, масштаб и бренд
- Рвы, не связанные с кодом (данные, бренд, доверие, экономия масштаба), устойчивее программных именно потому, что их нельзя воспроизвести дешёвым софтом
- В любой технологической волне убийцами становятся не предсказанные фаворитные проблемы, а нелепые на вид приложения, которые никто не воспринимал всерьёз
- Хорошие идеи это дефицитный ресурс с многолетним лагом: технология может существовать годами, прежде чем кто-то догадается, что на ней построить
- Туннельное зрение сообщества направляет лучшие умы на престижные, но тупиковые проблемы, а реальные победы приходят с периферии
- Ценность в технологическом стеке систематически мигрирует вверх по мере коммодитизации нижних слоёв, поэтому текущий фаворит стека почти всегда будущий коммодити
- Товар с нулевыми издержками производства и открытыми субститутами неизбежно скатывается в бизнес с тонкой маржой и олигополией на масштабе
- Секулярная ставка на широкий тренд с скромного коммодити-входа бьёт погоню за самой громкой темой, потому что тренд с каждым годом оказывается всё правее
Цитаты
«I think you guys can chill out. Don't be stressed.» - 0:43 Расслабьтесь, ребята. Не надо стресса
«the stress makes people do stupid things» - 0:52 Стресс заставляет людей делать глупости
«I think we already have AGI.» - 2:24 Думаю, у нас уже есть AGI
«the hypnosis is working for some reason» - 2:52 Гипноз почему-то работает
«You've got to download the brain into the silicon.» - 7:11 Надо загрузить мозг в кремний
«Get the carbon to talk to the silicon.» - 7:14 Заставь углерод говорить с кремнием
«if all software is dead, then isn't OpenAI and Anthropic dead?» - 8:17 Если весь софт мёртв, то разве OpenAI и Anthropic не мертвы?
«software is not the only moat» - 10:55 Софт не единственный ров
«It's a human problem. It's not an AI problem. We already have AGI.» - 16:52 Это человеческая проблема, а не проблема AI. AGI у нас уже есть
«I got the brain, but I got to rebuild the human body.» - 20:15 Мозг есть, но тело человека приходится собирать заново
«you wrote some toy. God knows what that is.» - 21:45 Ты написал игрушку. Бог знает, что это такое
«if someone is hit by a bus, the whole project is not stopped» - 24:03 Если кого-то собьёт автобус, весь проект не встанет
«it's problematic that no one knows what that is today» - 26:38 Показательно, что сегодня никто не знает, что это такое
«the applications are going to be the winners» - 25:38 Победителями будут приложения
«value in Silicon Valley and in tech moves up the stack all the time» - 31:56 Ценность в Долине постоянно движется вверх по стеку
«It's like an Amazon.com book selling business.» - 34:34 Это как книготорговля Amazon.com
«good ideas are very hard to come by» - 37:31 Хорошие идеи достаются очень тяжело
«I think humans are very bad at coming up with great ideas.» - 37:31 Люди очень плохо придумывают великие идеи
«don't be swayed by the coolest thing that everybody's making lots of noise on Twitter» - 38:48 Не ведись на самую модную штуку, вокруг которой шумят в Twitter
«my PhD was really stupid» - 37:46 Моя диссертация была реально дурацкой
Факты
- Годси был в исследовательской лаборатории AMP Lab в UC Berkeley в 2009 году, называет её крупнейшей и важнейшей AI-лабораторией того времени
- В той лаборатории работал Michael Jordan, названный «Michael Jordan of AI»
- Отчёт MIT сообщает о провале 95% корпоративных POC; Годси допускает, что цифра может быть завышена и реально ближе к 75% («who knows»)
- Статья 1990 года «From the Dynamo to the Computer» написана стэнфордским профессором/исследователем; электродвигателю (динамо) понадобилось около 40 лет (1880–1920) для эффекта на производительность
- Шутка про ПК и статистику производительности приписана нобелевскому лауреату-экономисту (в SRT назван «Richard», фамилия не звучит)
- Производственный коннектор Databricks к Salesforce занимал три квартала (девять месяцев); AI сжал это лишь на полтора месяца, переделка процесса дала семь коннекторов за один квартал
- У Databricks, по словам Годси, более 20 000 клиентов (сначала оговорился про 10 000)
- Healthcare это около 17% ВВП США
- Kimi 2.6 от Moonshot (Китай) вышла во вторник, предыдущая версия 2.5 в январе
- Разрыв между открытыми и закрытыми моделями сжался примерно с трёх-четырёх месяцев до одного месяца
- Выручка Anthropic названа собеседником как $30–40 млрд (оценка интервьюера, не Годси)
- Airbnb основана в 2009-м Брайаном (Chesky), Годси аргументирует, что технически она могла появиться в 2001-м
- Годси упоминает свою диссертацию по сетям в начале 2000-х и компанию на решении multicast, которая провалилась из-за обвала цен на трафик
- Собеседник ссылается на своё прошлое в Palantir («at Palantir»)
- Jensen (Huang, NVIDIA) описывает пятислойный стек: энергия, чипы, инфра, модель, приложения
Источники
- The Seven Powers (Hamilton Helmer) книга про рвы и process power, рекомендована к прочтению
- «From the Dynamo to the Computer» статья 1990 года о диффузии технологий (Paul David, автор в SRT не назван)
- Ethan Mollick и его концепция jagged frontier (в SRT «Ethan Malik»)
- Продукты: Cursor, Claude Code, Databricks Genie, Kimi 2.6 (Moonshot)
- Компании и люди: NVIDIA, TSMC, OpenAI, Anthropic, DeepMind, xAI, Amazon/AWS, Uber, Airbnb (Brian Chesky), Jeff Bezos, Jensen Huang, Michael Jordan (AI)
Рекомендации
- Прочитать The Seven Powers Хелмера, особенно если хочешь быть инвестором, и его материал про process power
- Прочитать статью «From the Dynamo to the Computer»
- Студентам: не поддаваться панике и fearmongering, брать долгий горизонт, работать над тем, что даст долгосрочный эффект, а не над самой громкой темой
- Тем, кто хочет реального импакта: научиться переносить человеческий контекст и процессы в агентов, а не гнаться за суперинтеллектом
Итог
AGI уже здесь. Деньги достанутся не тем, кто построит бога из GPU, а тем, кто выгрузит контекст из голов сотрудников в кремний и перепишет процессы под него.
