Claude возглавляет 26% исследований и разработок, Anthropic, выдвинувший теорию «замедления AI», вызывает горячие обсуждения о «AI разрабатывает AI»! Тренировочная парадигма RSI способствует резкому росту спроса на вычислительную мощность

По данным приложения Zhitong Caijing, результаты измерений, опубликованные ведущим мировым лидером в области AI-приложений Anthropic 17 сентября, показывают, что по состоянию на август Claude уже "доминирует" в 26% работ по AI-исследованиям, а доля работы на уровне "сотрудничества" или выше превышает 90%. С одновременной модернизацией исследовательских мощностей и расширением капитала передовых AI-лабораторий благодаря полному фокусу Anthropic и OpenAI на последней парадигме обучения больших AI-моделей — RSI (рекурсивное самосовершенствование), интересы инвесторов в AI по всему миру выходят за рамки просто AI-моделей или продуктов на базе AI-агентов, все больше охватывая исследовательские платформы и долгосрочные мощности и потенциал AI-инфраструктуры.

Согласно ряду недавних сообщений СМИ со ссылкой на осведомленные источники, обсуждения новых раундов финансирования между инвесторами и ещё одним лидером AI-приложений OpenAI уже затрагивали оценку компании в 1,2 трлн долларов, при этом сама компания стремится к оценке около 1,5 трлн долларов; после последнего раунда финансирования в мае стоимость Anthropic оценивалась в 965 млрд долларов, а текущий обсуждаемый сценарий IPO направлен на листинг с оценкой около 2 трлн долларов и потенциальным привлечением до 100 млрд долларов, что сопоставимо или даже превышает масштаб размещения SpaceX и может стать новым историческим рекордом — отметим, что 2 трлн долларов — это предлагаемая оценка на момент листинга, а не реальная рыночная капитализация после размещения.

Недавно представленный OpenAI крупный языкoвый модуль Astra продолжает активно расширять спектр профессиональных задач, решаемых AI. Генеральный директор Nvidia Дженсен Хуанг позже даже заявил в соцсетях, что появление GPT-6 Astra означает наступление "эры AGI" (искусственного общего интеллекта), а подтвержденный Nvidia мощный диапазон выручки и последующая сильная динамика поставок, вкупе с тем, что разработка больших AI-моделей входит в "этап рекурсивного самосовершенствования (RSI)", который открывает новую кривую роста спроса на AI-вычисления, — все это означает: Astra способна расширить спрос на AI-вычисления со стороны коммерческих приложений, а RSI-траектория, согласно которой AI начинает "создавать AI", может повысить потребность в проведении передовых экспериментов, оценке и долгосрочных инвестициях в обучение, что вместе продлевает цикл инвестиций в вычислительные ресурсы. Именно поэтому в четверг акции, связанные с AI-вычислениями, на американском рынке резко выросли, включая рост Филадельфийского полупроводникового индекса более чем на 3%.

Стоит отметить, что вскоре после того, как компания Anthropic раскрыла, что Claude внес 26% во все инвестиции в исследования и разработки и перед рекордной попыткой IPO среди частных технологических компаний, генеральный директор компании на прошлых выходных сделал громкое заявление о "замедлении AI", и в этом же направлении начал переоцениваться риск в связи с этими дискуссиями. На этих выходных Anthropic, OpenAI и другие лидеры мировой AI-индустрии единогласно призвали замедлить темпы разработки передовых больших AI-моделей.

Обсуждение "замедления AI" влияет на восприятие рынком ритма передовых исследований, траектории капитальных затрат и компенсации риска, но не эквивалентно прекращению роста спроса на существующие AI-приложения. 12 сентября Амодей призвал замедлить темпы повышения способностей моделей, а Олтман вскоре согласился с необходимостью контроля развития передовых технологий, однако в отрасли нет единого мнения по координации, внешней оценке и регулированию.

Claude в одиночку обеспечивает 26% исследовательской работы! Anthropic раскрывает детали инвестиций в помощь исследованиям и безопасность AI

В отчете, опубликованном в четверг компанией Anthropic PBC, говорится, что более четверти всех работ по искусственному интеллекту компании обеспечивается флагманским AI-чатботом Claude или продуктовой линейкой AI-агентов, что является самым ясным на сегодня свидетельством того, что AI-технологии уже существенно ускоряют разработку будущих моделей.

Согласно опубликованному в четверг отчету, Anthropic выявила, что Claude "доминирует" в 26% исследовательских работ компании, тогда как в начале года этот показатель был близким к нулю. Компания также отмечает: Claude сотрудничает с сотрудниками в около 90% всех рабочих процессов или при выполнении сложных задач.

Эти данные являются частью более широкого отчета, цель которого — помочь общественности отслеживать прогресс в развитии AI в ответ на растущие опасения по поводу того, что искусственный интеллект может быстро самосовершенствоваться и выйти из-под контроля человека.

Компания также подтвердила свои планы пригласить во внутрикорпоративные процессы сторонних оценщиков из разных организаций и предоставить им доступ к внутренним процессам, системам и данным наравне с собственными сотрудниками компании, чтобы повысить безопасность AI и управлять рисками в области применения искусственного интеллекта.

«Способности AI-систем растут в геометрической прогрессии и уже начинают все больше автоматизировать собственные процессы. По мере того как на глобальном уровне обсуждается замедление разработки передового AI, обществу необходима большая прозрачность», — говорится в сообщении компании.

Anthropic — одна из нескольких AI-компаний, сосредоточенных на концепции "рекурсивного самосовершенствования" (RSI). Этот термин означает, что AI-системы могут улучшать собственные возможности почти или полностью без помощи человека. Некоторые крупнейшие компании считают это следующим этапом развития AI, однако столь мощные системы вызывают обеспокоенность возможными угрозами безопасности.

В своем блоге Anthropic заявила, что пытается выстроить систему для отслеживания AI-агентов и мониторинга выполняемых ими объемов работы на платформе. По состоянию на август более 30 000 агентов одновременно участвуют в исследованиях и инженерных проектах компании.

Anthropic также раскрыла распределение ресурсов между ускорением AI-разработки и обеспечением безопасности AI. Согласно отчету, в зависимости от типа исследования, от 6% до 12% вычислительных ресурсов компании тратится на мониторинг безопасности.

В начале сентября конкурент OpenAI также поделился последними достижениями в автоматизации исследований: после того как их модель обнаружила вторжение стартапа Hugging Face во внешние системы, компания приостановила обучение ряда моделей.

На прошлой неделе из Anthropic с большим резонансом ушел сотрудник Джейкоб Коксон, что усилило тревогу по поводу риска для человечества со стороны AI. В своём посте в соцсетях он обвинил разработчиков AI в "ставке жизнями людей".

В последние дни многие главы AI-компаний, включая CEO Anthropic Дарио Амодея и CEO OpenAI Сэма Олтмана, призвали замедлить развитие технологии для снижения непредсказуемых рисков. Однако они расходятся во мнениях по поводу конкретных шагов.

В субботу Амодей в длинной статье на 3800 слов призвал к государственному регулированию и поддержке со стороны технологической индустрии более широких инициатив по замедлению развития AI. Это вызвало резкую реакцию экс-президента США Дональда Трампа, который назвал опасения по поводу рисков AI "технологическим обманом" и отказался рассматривать новые правила.

Другие технологические лидеры также высказались. Олтман и генеральный директор Nvidia Дженсен Хуанг считают, что AI-компании способны самостоятельно контролировать темпы развития технологий безопасным образом; генеральный директор Meta Platforms Марк Цукерберг считает, что AI-лаборатории должны полагаться на независимых оценщиков и консультантов по вопросам безопасности, чтобы обеспечить безопасность моделей.

От "AI-помощи в исследованиях" к рекурсивному улучшению: откроет ли это новый уровень спроса на AI-вычисления?

Инвестиционная значимость Astra и RSI заключается в том, что передовые, высокопроизводительные большие AI-модели, а также сама AI-разработка становятся новым сценарием для непрерывного потребления вычислительных мощностей. По данным OpenAI от 6 сентября, уже достигнута цель создания "автоматизированных исследовательских стажеров", которые под руководством человека выполняют часть задач, на которые у опытных исследователей уходили бы дни; по состоянию на середину августа на один день работы человека приходилось около 3,1 дня работы AI-агентов. Эта метрика отражает только время работы, а не трехкратный прирост исследовательской продуктивности. Отсюда можно сделать вывод, что автоматизация исследований увеличит объем задач по генерации кода, экспериментальной оценке и тренировке моделей. Однако полноценный RSI еще не стал доминирующей парадигмой: направление исследований и распределение ресурсов по-прежнему определяются человеком.

Выпущенные OpenAI GPT-6 Astra и ориентированный на RSI технологический фокус лидирующих AI-компаний могут стать двумя ключевыми драйверами экспоненциального роста спроса на AI-вычисления: более мощные AI-модели и более широкое применение AI-инструментов вместе с более интенсивными требованиями к вычислениям для AI-обучения следующего поколения служат основой непрерывного роста спроса на инфраструктуру AI-вычислений. Недавно OpenAI сообщил, что Astra усилил свои способности программирования, браузинга, управления компьютерами и решения сложных задач, а также расширил перечень реальных рабочих задач, в которых может участвовать модель. Руководитель направления заявил, что всплеск спроса на Astra создал нагрузку на инфраструктуру; с 10 сентября компания приостановила прием новых подписок и апгрейдов Pro 20X на 200 долларов в месяц — действующие подписки продолжают работать.

Ядро RSI (Recursive Self-Improvement) — в том, чтобы AI участвовал в разработке более совершенного AI, а затем эти улучшенные модели продолжали увеличивать свои исследовательские возможности, создавая замкнутую итеративную петлю обратной связи. Это не замена какому-либо конкретному алгоритму предварительного обучения или обучения с подкреплением, а новая исследовательская парадигма, охватывающая проектирование исследований, написание кода, проведение экспериментов, оценку результатов и итерацию моделей. Публичные достижения Anthropic и OpenAI сейчас преимущественно касаются автоматизации исследований под контролем человека, а не полностью автономного рекурсивного улучшения без человеческого вмешательства.

По состоянию на август Claude "доминировал" в 26% AI-исследовательских работ, а доля работ на уровне "сотрудничества" или выше превышала 90%; на наиболее популярных внутренних платформах компании одновременно работало около 30 000 AI-агентов, осуществлявших исследования и инженерные задачи. Эта динамика говорит о том, что AI из вспомогательного инструмента, используемого исследователями от случая к случаю, превращается в ресурс постоянного участия в исследовательском процессе, а сами исследования становятся важным источником устойчивого спроса на вычисления.

Anthropic и OpenAI фокусируются на RSI прежде всего для повышения эффективности всего цикла итераций исследований, а этот процесс требует большего числа параллельных экспериментов и непрерывно работающих исследовательских агентов. С инженерной точки зрения, агенты могут предлагать и фильтровать гипотезы, изменять код обучения, создавать экспериментальные конфигурации, проводить тесты и анализировать результаты, что позволяет исследователям изучать больше альтернатив одновременно; при этом, для размышлений и программирования агенту нужны вычисления для вывода, а для проверки — ресурсы для обучения, оценки и обработки данных.

OpenAI раскрыла, что по состоянию на середину августа на каждый рабочий день человека в исследовательской организации приходилось около 3,1 стандартного рабочего дня AI-агента. Медианный исследователь по объему работы ежедневно использует вычислительные мощности, эквивалентные более 600 долларам по API-тарифам (это показатели времени работы и расчетной стоимости сервиса, а не множитель производительности или внутренние затраты компании). OpenAI также отмечает: по мере снижения остальных узких мест вычисления становятся более важным ограничителем. Исследования по безопасности также являются отдельной нагрузкой: Anthropic в выборке с 13 по 20 июля тратил около 6% общей вычислительной мощности на безопасность во всех AI-исследованиях и около 12% — на безопасность в AI-исследованиях, управляемых AI.

Эти новейшие результаты по RSI и выход на рынок крупных моделей класса Astra, вызвавший новую волну энтузиазма вокруг AGI, вместе означают: когда большие AI-модели начинают массово участвовать в научных исследованиях, индустрия перестает ограничиваться только "обучением моделей", появляется новый спрос — "запускать исследовательских агентов с помощью вычислений, а агенты организуют еще больше экспериментов"; автоматизация исследований расширяет объем экспериментов, а также повышает требования к доступной вычислительной мощности, эффективности планирования и надежности.

Ключевая инновация RSI и Astra для AI-вычислений заключается не только в увеличении размера моделей, но и в расширении спектра задач, которые AI способен выполнять, и в усложнении каждой задачи: пользовательские вычисления для приложений и исследовательские вычисления для разработки моделей вместе расширяют долгосрочный спрос на инфраструктуру вычислений. RSI и Astra предоставляют прямые сигналы спроса от коммерческих клиентов, так что два пути роста спроса — "автоматизация исследований + пользовательские вычисления" — становятся очевидными сразу.

Согласно прогнозу известной исследовательской компании TrendForce, в 2027 году поставки NVL72 стоек вырастут более чем на 50% по сравнению с предыдущим годом, а совокупная стоимость стоечных систем NVL с AI GPU Nvidia (включая GB200/GB300 и новое поколение систем на базе архитектуры Vera Rubin) превысит 710 млрд долларов, увеличившись на 214%, включая вклад от обновлений и повышения цен. С ростом спроса на продвинутые крупные модели, которые лидируют такие проекты, как Astra, Morgan Stanley прогнозирует, что суммарные капитальные затраты четырех крупнейших облачных и AI-компаний Северной Америки на дата-центры вырастут с 917 млрд долларов в 2026 году до 1,47 трлн долларов в 2027-м и до 1,64 трлн долларов в 2028-м, а объем разворачиваемых мощностей увеличится с 35 ГВт в 2025 году до 145 ГВт в 2028 году.

С точки зрения архитектуры систем вывода, более сложные задачи обычно связаны с более длинным контекстом, множеством последовательных запусков моделей, использованием инструментов и проверкой результатов: этап prefill обрабатывает входные данные, decode — непрерывно генерирует выходные результаты, а кэш ключ-значение (KV cache) по мере увеличения контекста и параллелизма потребляет больше памяти. Требования к вычислительной производительности, пропускной способности и объему памяти растут параллельно. Далее, по логике отрасли: GPU и TPU отвечают за вычисления моделей, CPU — за выполнение инструментов и оркестрацию задач, HBM, серверная DRAM, хранилище и высокопроизводительные сетевые устройства, а также оптические решения ЦОД обеспечивают эффективную передачу данных и управление состояниями. В результате требуется масштабируемый кластер серверов для AI, способный обеспечивать устойчивую работу сервисов.