Великий уравнитель: Как чистая математика сокрушит ИИ‑империи Кремниевой долины и Пекина

Мировой рынок искусственного интеллекта превращается в закрытый элитарный клуб. Несколько американских корпораций — Microsoft, Google, Meta, Anthropic — фактически монополизировали создание «цифрового сверхразума». Они сами диктуют правила, скупают атомные электростанции и строят вокруг индустрии непреодолимый финансовый барьер.

В ИИ‑сообществе принято верить в красивые сказки. Блогеры уверяют, что открытый код (Open Source) вот‑вот разрушит эту гегемонию, а децентрализованный «народный майнинг» раздаст нейросети каждому желающему. Нам рассказывают, как китайские лаборатории вроде DeepSeek совершили чудо, раздав свои алгоритмы миру бесплатно.

Но если снять розовые очки, становится очевидно: ИИ‑индустрия устроена иначе, чем обычный софт. Лобовая атака против Кремниевой долины со старыми рецептами свободы бессильна. Чтобы понять, почему мир оказался под угрозой тотальной ИИ‑колонизации, нужно заглянуть за кулисы главной маркетинговой иллюзии наших дней — открытого кода.

Ловушка, которой не было: Почему Open Source не спасет от монополии

В традиционном IT‑мире компания, выложившая исходный код в открытый доступ, навсегда теряет над ним контроль. Разработчики создают «форки» (ответвления) и развивают проект сами на своих ноутбуках. С искусственным интеллектом этот фокус не проходит из‑за колоссальной разницы в стоимости этапов его создания.

Современная нейросеть держится на двух процессах: инференсе (когда готовая модель отвечает пользователям) и претренинге (когда базовый «мозг» месяцами обучают с нуля).

Выпуская «веса» своих моделей в open‑source, компании не занимаются благотворительностью. Это прагматичный бизнес‑расчет. Они просто перекладывают астрономические счета за инференс — за электричество и серверы для обслуживания миллионов пользователей — на плечи самих скачавших. При этом сама модель быстро устаревает. Независимые программисты могут слегка подкрутить её под свои задачи («файн‑тьюнинг»), но они физически не способны провести новый претренинг и сделать алгоритм принципиально умнее.

Для создания следующего поколения ИИ по‑прежнему нужны сотни тысяч дефицитных чипов и миллиарды долларов. Как только открытая версия морально устаревает, создатели закрывают её продвинутого преемника в своем облаке. Open‑source в ИИ сегодня — это лишь тактика «троянского коня» для быстрого захвата рынка. Рано или поздно клиентов все равно ждет платная подписка.

Битва с законами физики: Почему майнинг и союзы стран бессильны

Возникает логичный вопрос: а что если сообществу или независимым государствам объединить ресурсы и накопить на собственный претренинг? Например, за счет децентрализованных сетей доступа к видеокартам (вроде Cocoon от Павла Дурова или Gonka от братьев Либерманов)? Или если страны БРИКС скинутся деньгами и построят свой суверенный суперкомпьютер?

Увы, этот манифест цифровой анархии разбивается о жесткие законы физики и геополитики.

Чтобы обучить базовую ИИ‑модель с нуля, миллиарды параметров нейросети должны ежеминутно синхронизироваться. Чипы обязаны непрерывно обмениваться колоссальными объемами данных.

• В дата‑центрах монополистов суперчипы стоят в одном зале и соединены физическими шинами связи со скоростью в терабайты в секунду.

• В распределенной сети майнеров видеокарты раскиданы по всему миру и соединены обычным интернетом. Даже с самым быстрым оптоволокном скорость передачи данных между странами падает в тысячи раз. Обучение, занимающее в дата‑центре три месяца, в распределенной сети растянется на столетия: чипы будут 99% времени просто простаивать, ожидая ответов от «соседей» по сети.

Попытка стран БРИКС (без Китая) построить один общий централизованный мега‑датацентр тоже упирается в тупик. Во‑первых, США намертво заблокировали экспорт передового кремния (TSMC/Nvidia) для неугодных регионов, и горы денег тут не помогут. Во‑вторых, государства никогда не договорятся, на чьей именно территории будет стоять этот ИИ‑грааль. Тот, у чьей границы находится «рубильник», получает абсолютную цифровую власть, на что партнеры по блоку никогда не пойдут из соображений национальной безопасности.

Рождение Большой Двойки: Кремниевый занавес Вашингтона и Пекина

Но означает ли бессилие малых стран, что монополистом останется только Кремниевая долина? Нет. Первая фаза ИИ‑гонки завершается созданием жесткой двухполярной монополии США и Китая.

Китайские ИИ‑лаборатории (DeepSeek, Alibaba, Baidu, Tencent) совершили феноменальный рывок. Выкатив мощнейшие открытые модели, они выполнили стратегическую задачу Пекина: влюбили в себя инженеров по всему миру, подсадили на свои архитектуры глобальный софт и разрушили единоличную гегемонию Вашингтона.

Но как только плацдарм был завоеван, правила игры изменились. Китайский ИИ‑рынок экстренно разворачивается к закрытию технологий — раздавать премиальный софт бесплатно больше никто не планирует.

• Компания ByteDance закрыла исходный код своей лучшей видеомодели Seedance 2.0, а интернет‑гигант Kuaishou сделал коммерческой тайной модель Kling 3.0.

• Стартап Z.ai официально выкатил новейшую флагманскую GLM-5-Turbo как полностью закрытую систему.

• Даже корпорация Alibaba, считавшаяся главным оплотом свободы, запечатала свою передовую Qwen-3.7 в проприетарную коммерческую оболочку, оставив доступ только по платному API.

Параллельно в игру включился сам Пекин. Министерство коммерции КНР (MOFCOM) опубликовало законопроект об экспортном контроле, который фактически запрещает свободную публикацию открытых весов (open‑weight) для всех флагманских моделей нового поколения. Китайское правительство официально приравняло «утечку» ИИ‑кода за рубеж к угрозе национальной безопасности.

Над миром опускается «кремниевый занавес». Весь остальной мир вынужден выбирать, под чей цифровой протекторат пойти — американских корпораций или закрытого китайского Госплана. У отдельно взятых стран — будь то Германия, Франция, Индия или Россия — в одиночку запрыгнуть в этот уходящий поезд шансов нет. Даже если Европа или БРИКС попытаются объединиться, они вряд ли преодолеют внутренние политические дрязги и смогут поделить «рубильник» общего дата‑центра. Мы заперты в тисках двух закрытых империй.

Кризис жанра: Почему лидеры уперлись в стену

Пока мир с опаской смотрит на формирующуюся монополию Вашингтона и Пекина, сами эти цифровые гиганты прямо сейчас упираются в глухую технологическую стену. Их могущество построено на чудовищно неэффективном математическом фундаменте — архитектуре Transformer, созданной еще в 2017 году.

Её главный грех — квадратичная сложность механизма «внимания» (Attention). Чтобы понять смысл последнего слова в предложении, алгоритм должен физически сопоставить его со всеми предыдущими словами одновременно. Если объем текста увеличивается в 10 раз, нагрузка на компьютер возрастает в 100 раз. Монополисты побеждают в ИИ‑гонке не потому, что их алгоритмы гениальны, а просто потому, что у них есть миллиарды долларов на сжигание тераватт энергии для обсчета этих прожорливых матриц. Это победа грубой силы над эффективностью.

Но сегодня этот экстенсивный подход официально зашел в тупик, который называют «стеной данных» (Data Wall). Качественные человеческие тексты в интернете попросту закончились — ИИ уже прочитал всё, что написали люди за всю историю. Попытка обучать новые модели на «синтетических» данных (текстах, которые сгенерировали другие нейросети) привела ученых к шокирующему открытию — «коллапсу модели» (Model Collapse). Обучаясь на копиях собственных ответов, ИИ начинает накапливать ошибки, бредить и стремительно глупеть, как ксерокопия, сделанная с другой ксерокопии.

Путь бесконечного раздувания дата‑центров исчерпан. Именно этот системный кризис гигантов открывает уникальное окно возможностей для всего остального мира.

Рыночный парадокс: Почему ИИ до сих пор не умеет учиться «на лету»

Помимо неэффективной математики и дефицита данных, у современной индустрии ИИ есть еще одно странное ограничение. Речь идет о динамическом самообучении (Continuous / Lifelong Learning).

Современный ИИ статичен. Он рождается в дата‑центре, «замораживается» и продается вам как готовый слепок данных. Если вы хотите научить модель новым фактам вашей компании или своей профессии, вы не можете сделать это прямо в чате раз и навсегда. Вам приходится либо покупать её новую версию, либо регулярно платить за сложный файн‑тьюнинг на серверах той же корпорации.

На научных конференциях топ‑менеджеры Google или OpenAI объясняют это техническими трудностями: «Увы, ИИ не может учиться на лету, как человек. Возникает эффект „катастрофического забывания“ — обучившись новому, нейросеть стирает старую память». И хотя в биологическом мозге эта проблема решена миллионы лет назад, а в математике ИИ уже есть первые теоретические рецепты, крупные корпорации не спешат делать эту технологию своим приоритетом.

Технологическим гигантам просто невыгодно уделять этому направлению внимание. Их текущая бизнес‑модель великолепна: они построили триллионную инфраструктуру облаков и подсадили весь мир на ежемесячную ИИ‑ренту. Зачем инвестировать миллиарды в создание пластичного, локального ИИ, который сможет скачаться на обычный компьютер пользователя и самостоятельно умнеть прямо на рабочем месте? Ведь если клиенты получат автономный, развивающийся со временем ИИ у себя дома, они перестанут платить за облачные подписки, и гигантские дата‑центры частично потеряют свою коммерческую ценность. Это классический конфликт интересов, где сохранение текущих прибылей тормозит развитие фундаментальной науки.

Математический бунт: Mamba, RWKV и партизаны от науки

Но остановить эволюцию алгоритмов невозможно. Прямо сейчас независимые ученые и open‑source проекты разворачивают математический бунт против монополии двух сверхдержав, атакуя их неэффективную архитектуру и коммерчески выгодную статичность. Их оружие — чистая логика, и для остального мира это единственный физический билет на выживание в технологическом веке.

Сегодня мировая наука экстренно ищет этот математический «выключатель монополий» в нескольких независимых направлениях:

• Архитектурный прорыв (Mamba): Созданная учеными Альбертом Гу и Три Дао архитектура Mamba переводит память ИИ с квадратичной сложности на линейную. Вместо перечитывания терабайтов контекста заново, Mamba ведет компактный «внутренний мысленный блокнот» (скрытое состояние). Она прочитывает информацию, сжимает её суть в этот блокнот, а словесный мусор стирает. Нагрузка на железо падает на порядки, позволяя запускать мощнейший ИИ на обычных ПК.

• Народный претренинг (RWKV): Международное сообщество под руководством физика Бо Пэна развивает проект RWKV. Они создали алгоритм «математической дуальности»: во время работы это легкая рекуррентная сеть, а на этапе претренинга (обучения) она параллельно масштабируется на тысячи видеокарт, как трансформер, но без квадратичных затрат мощности. Стоимость обучения падает в разы, и всё это силами независимых инженеров без миллиардных бюджетов.

• Победа над статичностью (FIP и DGM): Пока корпорации фокусируются на облачных подписках, ученые из Калифорнийского технологического института (Caltech) создали алгоритм FIP, позволяющий нейросетям непрерывно учиться без потери старых данных. А токийский стартап Sakana AI представил архитектуру Darwin Gödel Machines, где ИИ‑агенты автономно тестируют и переписывают собственный код прямо во время использования. Новая волна стартапов (Letta, Trajectory, Adaption Labs) уже создает ИИ, который растет от личного опыта.

Эти технологии открывают дорогу к Суверенному ИИ (Sovereign AI). Странам и стартапам больше не нужно строить мега‑объекты или сдаваться в цифровое рабство США или Китаю — они смогут растить свой гибкий ИИ дома на скромном парке видеокарт.

Прогноз на ближайшие 2–3 года: Империи наносят ответный удар

Ближайшие годы станут ареной скрытой, но жесткой войны между старыми триллионными бюджетами и новой эффективной математикой. Этот период пройдет в три этапа:

1. Эпоха «компромиссных гибридов»

Чтобы сэкономить на обслуживании, корпорации начнут массово внедрять «слоеные пироги» — гибридные модели, где 80% слоев построены на экономичной архитектуре Mamba/RWKV, а 20% — на старом Трансформере. Монополисты снизят собственные расходы, но намеренно сохранят претренинг дорогим за счет оставшихся трансформерных слоев, чтобы заблокировать мелких конкурентов.

2. Лоббизм со стороны Nvidia и облачных гигантов

В старую инфраструктуру вложены триллионы долларов. Nvidia спроектировала свои лучшие чипы именно под перемножение матриц старых трансформеров. Если чистые линейные самообучающиеся сети победят, эти заводы превратятся в груду неэффективного хлама. Технологические гиганты будут всеми силами — через патенты, избирательное финансирование институтов и маркетинговое давление — душить чистые альтернативные архитектурные решения.

3. Алгоритмический прорыв «снизу»

Несмотря на сопротивление, алгоритмический прорыв случится там, где денег меньше всего — в независимых распределенных лабораториях Европы и Азии. К концу 2020-х годов чистые линейные самообучающиеся архитектуры (эволюционировавшая Mamba-3 или версии RWKV-7) будут успешно обучены до масштабов сотен миллиардов параметров.

В этот момент цифровой феодализм падет. Порог входа в ИИ‑гонку обнулится, а право определяться будущее технологий снова вернется от горстки миллиардеров и двух сверхдержав к независимым ученым, стартапам и всему человечеству.