ИИ как финансовый пузырь: разговор Кругмана с Кедроски

Это адаптированный пересказ интервью Пола Кругмана с Полом Кедроски — «Talking With Paul Kedrosky», опубликованного 6 декабря 2025 года на Substack Пола Кругмана. Кедроски — инвестор, аналитик, научный сотрудник MIT. Пересказ сохраняет ключевые тезисы и порядок разговора, прямые цитаты взяты из оригинала.

Пол Кругман, нобелевский лауреат по экономике, признаётся, что в происходящем вокруг ИИ чувствует себя совершенно потерянным. Именно поэтому он позвал на разговор Пола Кедроски — инвестора, аналитика и научного сотрудника MIT. Разговор получился длинным и неожиданно откровенным.

Что такое LLM на самом деле

Кедроски предлагает думать о больших языковых моделях как о «рыхлых грамматических движках». Язык, право, код — всё это грамматики: наборы правил о том, что может идти за чем. Модель поглощает огромный корпус таких грамматик, обучает на нём гигантскую матрицу весов и учится предсказывать продолжение — следующий токен, следующую строку кода, следующий абзац.

Ключевое техническое открытие, удивившее даже Google, — механизм внимания (attention) из трансформерной архитектуры. Модель смотрит не только на ближайший контекст, но и на всё, что далеко. Это «жуткое действие на расстоянии» (спинная цитата Эйнштейна) позволяет схватывать смысл там, где простое предсказание следующего слова давно бы провалилось.

«Когда модели говорят то, чего вы хотите услышать, и дают плохой совет — это как если бы "37-летний парень с Reddit" дал вам совет. Примерно столько же информации вы из этого извлечёте.» — Кедроски

Именно такой «37-летний парень с Reddit» и является усреднённым центром тяжести обучающего корпуса. Это объясняет и сильные стороны моделей, и их слепые пятна.

Проблема обучения: льстивость и исчерпанность

Двойная проблема современных LLM:

Первая — исчерпание данных. Кедроски сравнивает период 2017–2022 годов с открытием «ИИ-Саудовской Аравии данных» — публичным интернетом. Законы масштабирования работали: в 10 раз больше данных давали предсказуемый прирост качества. Теперь этот резервуар в значительной мере исчерпан. Отдача падает, обучение становится дороже, а прирост меньше.

Вторая — льстивость (sycophancy). Из-за исчерпания предобучающих данных компании всё больше вкладываются в постобучение: человек смотрит на два ответа и говорит, какой лучше (RLHF). Результат — модели, которые всё сильнее стремятся понравиться, а не быть точными. Кедроски сравнивает это с профессором MIT, одержимым студенческими оценками: можно стать очень популярным, но очень неточным.

Почему ИИ-CapEx удерживает США от рецессии

Кедроски исследует то, что почти никто не обсуждает открыто: масштаб капитальных вложений в ИИ как макроэкономический стимул.

По его оценкам, в первом полугодии 2025 года США без ИИ-CapEx формально находились бы в рецессии. ИИ-инвестиции составляют порядка 14% нежилых капитальных вложений (nonresidential fixed investment) — это уже больше, чем в пике телекоммуникационного пузыря 1990-х. На годовой основе — вероятно, свыше $1 трлн, что обеспечивало более половины роста ВВП в первом полугодии.

При этом официальная статистика — национальные счета, переписные обследования — ИИ-CapEx практически не улавливает. Кругман: «Данные BEA просто не нарезаны так, чтобы это можно было отследить». Кедроски собирал числа снизу вверх — из заявлений самих компаний, которые охотно хвастаются тратами: отчасти это стратегическое запугивание конкурентов.

GPU горят, а не устаревают

Один из самых неожиданных фактов разговора — природа амортизации ИИ-оборудования.

Принято считать, что GPU устаревают из-за новых поколений чипов. На деле главная причина — тепловой стресс при обучении. Обучение моделей гоняет чипы 24/7 на полную мощность. Среднее время до отказа — около 2,5 лет. В дата-центре на 10 000 GPU один чип статистически выходит из строя каждые 3–4 часа.

Кедроски: «Склад GPU — как склад бананов с коротким сроком годности». Чипы не исчезают резко, они деградируют постепенно: замедляются, не сигнализируя об этом явно. Поэтому замены идут непрерывно — не потому что вышла новая модель, а потому что старые сгорают.

Важное следствие: дата-центр — не долгосрочный актив, как завод времён промышленной революции. 60–70% его стоимости — сами чипы. Здание с питанием и охлаждением — лишь оболочка, которую придётся постоянно перезагружать.

Сумма всех пузырей

Кедроски называет происходящее уникальным явлением в истории американских пузырей: впервые одновременно сошлись все четыре классических движущих силы:

1. Недвижимость — земельные спекуляции под дата-центры («компании с питанием», скупающие участки вслепую)
2. Технологии — ставка на LLM как следующий этап цивилизации
3. Дешёвые кредиты — SPV-структуры, секьюритизация, частный кредит
4. Государство — нарратив экзистенциального противостояния с Китаем, субсидии штатов на строительство дата-центров

В прошлых пузырях — доткомы, ипотека, телеком — всегда работала лишь часть этих механизмов. Сейчас все четыре. Каждый участник действует «рационально» в рамках своей логики — и все вместе раздувают один и тот же пузырь.

Круговое финансирование

Кредитные потоки между участниками ИИ-экономики образуют замкнутые контуры. Nvidia инвестирует в провайдеров с условием покупки чипов Nvidia. Провайдеры размещают долг через SPV, обеспеченный договорами с Meta и Google. Инвесторы смотрят сквозь юридическую структуру на кредит первоклассных заёмщиков, не задаваясь вопросом, что реально происходит внутри дата-центра. Кругман: «У меня дежавю — 2008–2009 годы, AIG, "совершенно безопасные" инструменты».

Некоторые провайдеры частного кредита открыто говорят, что им выгодно досрочное расторжение договоров: штраф в размере NPV будущих платежей высвобождает капитал для новых сделок немедленно.

Энергетика как жёсткое ограничение

Дата-центры — непривычные для технологического бизнеса потребители физических ресурсов: сотни мегаватт, иногда гигаватты. Подключение к сетям поднимает тарифы для рядовых потребителей. В ответ власти требуют автономного питания («за счётчиком»), но атомная станция строится 10–15 лет, газовая — 4–5.

Результат — абсурдные ситуации: Amazon подключил три дата-центра в Орегоне и теперь официально жалуется регулятору, что обещанной мощности нет. Энергетическая компания AEP спекулятивно закупила фьючерсы на электроэнергию под дата-центры, спрос не пришёл, и теперь она сбрасывает лишние мощности, искажая смежные рынки.

«Голландская болезнь» для всей остальной экономики

Пока весь венчурный, кредитный и акционерный капитал течёт в одно место, он не течёт никуда ещё. Производители, которые хотят вернуть производство в США из-за тарифов, не могут привлечь финансирование — не потому что идея плохая, а потому что они не ИИ-компании.

Кедроски проводит параллель с «голландской болезнью»: после открытия газа в Нидерландах пострадало всё производство. Или с Тайванем, где TSMC занимает ~15% ВВП, а все остальные секторы страдают от нехватки капитала.

Что дальше

Кедроски убеждён: LLM как архитектура находятся в структурном тупике. Малые модели (DeepSeek, Kimi и другие) указывают на то, что рынок инференса сожмётся в цене — что хорошо для пользователей, но плохо для обоснования триллионных инвестиций.

Полный оборот экономики дата-центров — обучение, инференс, тепловые потери, круговое финансирование, пузырь недвижимости — сложен и непрозрачен. Кругман: «Мне кажется, когда всё это рассыплется, единственными бенефициарами окажутся производители тетрадей для письменных экзаменов — студенты снова пишут руками, потому что ChatGPT».

Источник: Paul Krugman. Talking With Paul Kedrosky — Paul Krugman on Substack, 6 декабря 2025 года. Пересказ и адаптация: ЛЕРН ВАЙБКОДИНГ