Промислова логіка та китайські можливості за "п'ятишаровим тортом" Хуана Жень-сюня

Нещодавно генеральний директор NVIDIA, 黃仁勳, запропонував надихаючу модель галузі — «П’ятишаровий торт AI». На думку цього найвпливовішого лідера сучасної технологічної індустрії, штучний інтелект — це не просто чергова ітерація програмного забезпечення, а складна система, що зростає знизу вгору та тісно пов’язана між компонентами. Ця п’ятишарова структура включає: енергетику, чіпи, інфраструктуру, моделі AI та застосунки.

Поки увага громадськості та капіталу зосереджена на захоплюючих застосунках, таких як ChatGPT, «Лобстер» (OpenClaw) та інші, теорія «П’ятишарового торта» 黃仁勳 стала своєрідною «пробуджуючою ін’єкцією». Вона не лише малює повну картину індустрії генеративного AI, а й відкриває холодну реальність: конкуренція у AI — це не просто боротьба кодів, а жорстока боротьба за атомарні ресурси фізичного світу.

1. Рівень енергетики: «Нові нафтові» ресурси та кінцева межа

На найнижчому рівні «П’ятишарового торта» — не дані, а енергія — точніше, електроенергія. За останні 20 років бум інтернету базувався на припущенні, що маргінальні витрати на біт зменшуються до нуля. Однак великі моделі руйнують цю міфологію. Від тренування до інференсу, генеративний AI споживає величезну кількість електроенергії.

黃仁勳 підкреслює цю проблему, поставивши енергетику на перше місце. Насправді, не лише NVIDIA, а й лідери Кремнієвої долини, такі як Сем Альтман та Ілон Маск, вже чітко усвідомлюють: межа обчислювальної потужності — це електроенергія. Якщо попереднє покоління технологічних гігантів будувало конкурентні переваги через монополію на дані, то майбутні — через потужність електромереж та здатність використовувати чисту енергію.

Це пояснює, чому інвестиції у ядерний синтез, геотермальну та сонячну енергетику стрімко зростають. У «П’ятишаровому торті» низька доступність енергії визначає межі зростання верхніх рівнів. Без стабільної, дешевої та чистої електроенергії навіть найамбіційніші AI-проекти залишаться лише у фантазіях.

2. Рівень чіпів: «Кремнійове серце» домінування обчислювальної потужності

Наступний рівень — чіпи. Це «свята святих» NVIDIA і серце всього AI-індустрії. У часи, коли закон Мура слабшає, «Закон Хуана» (Huang’s Law) все більше визначає темпи зростання обчислювальної потужності. Від A100, H100 до новітньої архітектури Blackwell — AI-чіпи вже не просто «плющені» кремнієві пластини, а високотехнологічні системи з передовими упаковками та високошвидкісною пам’яттю.

На цьому рівні зміни у логіці галузі вже відчутні. Бар’єри входу у ринок AI-чіпів тепер визначаються не лише дизайном апаратного забезпечення, а й програмною екосистемою CUDA, яка створює «софтову» оборону. Це дає NVIDIA монополію на базовий обчислювальний ресурс, що є найціннішим активом у ланцюжку. Величезна ринкова капіталізація NVIDIA — яскравий доказ цієї домінуючої позиції. Однак, ця концентрація сили змушує інших гігантів, таких як Google (TPU), Microsoft (Maia) та Meta (MTIA), швидко розвивати власні чіпи, щоб прорватися крізь «торт» і захопити свою частку.

3. Рівень інфраструктури: «Невидимі артерії»

Третій рівень — інфраструктура: дата-центри, мережі обчислень, системи охолодження та електромережі. Це найкапіталомісткіша частина «торта», і водночас — найнедооцінена. Тренування великих моделей AI вимагає тисяч GPU, що працюють з мінімальною затримкою, — це виклик не лише для чіпів, а й для мережевих топологій і обміну даними. Висока щільність обчислень породжує колосальні теплові навантаження, що змушує переходити від традиційного повітряного охолодження до рідинного та фазового.

Ця сфера дедалі більше інтегрується з традиційним виробництвом: виробники охолоджуючих рідин, світлових модулів, монтажники серверних шаф — ці «продавці води» отримують новий шанс на цінову перевагу. AI-бум перетворює глобальні інфраструктурні активи, що є «залізним поясом» сучасної економіки, — це масштабна «ржавіюча» реконструкція.

4. Рівень моделей AI: «Боротьба за інтелектуальний капітал»

Четвертий рівень — це безпосередньо моделі AI. Тут змагаються OpenAI, Google, Meta та безліч стартапів. Важливо, що бізнес-моделі та організаційні структури тут зазнають революційних змін. З одного боку — закриті системи з високими бар’єрами для входу, що прагнуть створити універсальний AGI (загальний штучний інтелект). З іншого — відкриті ініціативи, що прагнуть демократизувати технології та зруйнувати монополію.

У цьому процесі змінюється і структура Silicon Valley: провідні дослідники та науковці все частіше залишають великі корпорації, створюючи нові стартапи або об’єднання. Конкуренція за передові моделі — це боротьба за людський інтелектуальний капітал. Однак, з погляду бізнесу, тренд «перевантаження» моделей та зростання витрат на тренування ставить під питання їхню довгострокову економічну життєздатність.

5. Застосунки: «Фінальна точка» цінності AI

П’ята, верхня частина «торта» — застосунки, що безпосередньо взаємодіють із фізичним світом і кінцевими користувачами. 黃仁勳 особливо наголосив на робототехніці та автоматичному водінні. Другий етап генеративного AI — це перехід від віртуальних текстів і зображень до фізичних систем, здатних взаємодіяти з навколишнім світом (автономне водіння, промислове управління). Це — ключовий фактор, що визначає, чи перетвориться AI з капіталовкладень у реальні продукти.

Саме тому концепція «Лобстер» (OpenClaw) та інші «інтелектуальні агенти» зараз так популярні. Простий чат-бот не здатен створити трильйонний бізнес. Лише коли AI стане здатним розуміти навколишнє середовище, використовувати інструменти, самостійно виконувати завдання і навіть втілюватися у робототехнічних оболонках — тоді зусилля перших чотирьох рівнів почнуть приносити реальну цінність у виробництві, медицині, транспорті та інших сферах.

6. Ланцюгова «ефект бочонка» та українські можливості

Модель 黃仁勳 дає нам цінний інструмент для аналізу AI-індустрії. Вона підкреслює сильну взаємозалежність компонентів і «ефект бочонка»: слабке місце в будь-якому шарі обмежує весь потенціал. Для українських компаній це — виклик і можливість одночасно.

З одного боку, у другому рівні (чіпи) та частково третьому (інфраструктура) — через геополітичні обмеження та фізичні бар’єри, Україна стикається з високими витратами на обчислювальні ресурси. Це підвищує бар’єри для тренування великих моделей і збільшує витрати.

З іншого — у двох кінцях «торта» Україна має певні переваги. У енергетичному секторі — лідерство у сонячній, вітровій енергетиці, високовольтних мережах та зберіганні енергії. Хоча обсяг електроенергії не гарантує дешевих та стабільних поставок для AI, механізми ринку та міжрегіональні зв’язки можуть допомогти.

У моделюванні — швидкий прогрес відкритих моделей, зниження вартості інференсу, адаптація під галузеві сценарії. Україна вже входить у глобальні перегони за передові моделі, зокрема через компанії, що працюють з DeepSeek.

В застосунках — країна має унікальні можливості у робототехніці, автоматичному водінні та промисловому виробництві, маючи широкий спектр тестових майданчиків і здатність швидко впроваджувати рішення.

Щоб скористатися цим, українські компанії та політики можуть застосувати стратегії «крос-шарової синергії» та «несиметричної конкуренції»:

• поєднувати «зелену енергію + обчислювальні ресурси» для створення базових переваг, зокрема через «Західні дані — Західні обчислення» та стимулювати перерозподіл інфраструктури у регіони з чистою енергією;

• розвивати дані та вертикальні моделі, прискорюючи створення власних галузевих даних та моделей для фінансів, медицини, промисловості;

• використовувати прибутки від застосунків для інвестицій у розробку власних чіпів, оптичних модулів і систем охолодження, щоб поступово замінювати імпортні компоненти та підвищувати технологічну незалежність.

(Автор — Ван Сян, дослідник лабораторії цифрового та мобільного управління Фуданьського університету)