AGI: когда, кто первый и что это изменит для инвесторов

Artificial General Intelligence (AGI) остается одним из наиболее обсуждаемых и наименее определенных понятий в технологической индустрии. Различные исследователи и компании вкладывают в этот термин существенно разные смыслы, что создает путаницу при оценке прогресса и инвестиционных последствий.

В наиболее строгом понимании AGI это AI-система, способная выполнять любую интеллектуальную задачу, которую может выполнить человек, с сопоставимой или превосходящей эффективностью. Это включает не только языковые задачи (где текущие LLM уже приближаются к человеческому уровню), но и физическое взаимодействие с миром, научное мышление, творчество, социальное взаимодействие и метакогнитивные навыки.

OpenAI определяет AGI как highly autonomous systems that outperform humans at most economically valuable work. Это определение существенно уже, чем академическое, и фокусируется на экономической ценности, а не на полном спектре человеческих когнитивных способностей. По этому определению, AGI может быть достигнут значительно раньше, чем по строгому академическому.

Для инвестора важно понимать, какое определение AGI использует компания, заявляющая о прогрессе к этой цели. Узкое определение может быть удовлетворено уже существующими или близкими к существующим технологиями. Широкое определение может потребовать фундаментальных научных прорывов, сроки которых непредсказуемы.

OpenAI остается наиболее агрессивным из основных игроков в гонке к AGI. Сэм Альтман неоднократно заявлял, что компания знает, как построить AGI, и что это вопрос инженерного исполнения, а не фундаментальных научных прорывов. OpenAI определила пятиуровневую шкалу AI-способностей: Level 1 (chatbots), Level 2 (reasoners), Level 3 (agents), Level 4 (innovators), Level 5 (organizations). По заявлениям компании, o1 и o3 находятся на Level 2, а прогресс к Level 3 активно ведется.

Стратегия OpenAI основана на масштабировании: более крупные модели, больше данных, больше compute. Компания привлекла суммарно более 20 миллиардов долларов и трансформировалась из некоммерческой исследовательской лаборатории в коммерческую компанию, оцениваемую более чем в 150 миллиардов долларов. Эта трансформация вызвала критику со стороны сооснователей, включая Илью Суцкевера, покинувшего компанию.

Демис Хассабис, глава Google DeepMind, придерживается более методичного подхода к AGI. DeepMind исторически достигал выдающихся результатов через сочетание глубокого обучения и символьных методов: AlphaGo, AlphaFold, AlphaCode. Стратегия DeepMind акцентирует scientific understanding и grounding, а не только масштабирование.

DeepMind опубликовал систематику уровней AGI, включающую пять уровней от Emerging (текущие LLM) до Superhuman. По оценке самого DeepMind, текущие системы находятся на уровне Emerging AGI, что означает сопоставимость с неквалифицированным человеком в отдельных задачах. Преимущество DeepMind: доступ к вычислительным ресурсам Google и интеграция с поисковой системой, YouTube, Android и другими продуктами с миллиардами пользователей.

Anthropic, основанная бывшими сотрудниками OpenAI во главе с Дарио Амодеи, позиционирует себя как safety-first AI-компанию. Компания разрабатывает модели Claude с акцентом на безопасность, управляемость и предсказуемость. Дарио Амодеи публично заявлял о вероятности достижения AGI-уровня способностей к 2027 году, но подчеркивает, что безопасность должна быть приоритетом.

Стратегия Anthropic включает Responsible Scaling Policy: компания берет на себя обязательство не развертывать системы, чьи риски превышают определенные пороговые значения. Этот подход привлекает инвесторов (Google, Salesforce, Amazon), заинтересованных в ответственном развитии AI, но может замедлить прогресс относительно менее осторожных конкурентов.

Компания Илона Маска, основанная в 2023 году, быстро стала одним из серьезных контендеров в гонке к AGI. xAI привлекла более 6 миллиардов долларов, построила один из крупнейших в мире GPU-кластеров (Colossus) и выпустила модель Grok. Стратегия xAI характеризуется агрессивным масштабированием и интеграцией с другими компаниями Маска: данные из социальной платформы X, приложения в Tesla и SpaceX.

Марк Цукерберг сделал стратегическую ставку на open-source AGI. Модели Llama распространяются бесплатно и стали основой для тысяч AI-приложений. Стратегия Meta: AGI, интегрированный в социальные платформы (Facebook, Instagram, WhatsApp) с миллиардами пользователей. Meta инвестирует десятки миллиардов долларов в AI-инфраструктуру и занимает второе место после NVIDIA по закупкам GPU.

Консенсус среди ведущих AI-исследователей смещается в сторону более ранних сроков. Опросы показывают, что медианная оценка исследователей относительно вероятности AGI к 2030 году выросла с примерно 10% в 2020 году до 30-50% к 2026 году. Отдельные видные исследователи называют более конкретные сроки: Рэй Курцвейл прогнозирует 2029 год, Сэм Альтман и Демис Хассабис говорят о горизонте 3-5 лет, Дарио Амодеи называет 2027 год правдоподобным.

Однако необходимо учитывать систематический bias в прогнозах: AI-исследователи и CEO AI-компаний имеют стимул завышать скорость прогресса (привлечение капитала, талантов, внимания). Исторически прогнозы AI-прорывов оказывались значительно оптимистичнее реальности: полноценный автономный транспорт, обещанный к 2020 году, до сих пор не реализован в массовом масштабе.

Ключевая неопределенность: являются ли текущие подходы (масштабирование transformer-архитектуры) достаточными для AGI, или требуются фундаментальные архитектурные инновации? Если scaling laws продолжат работать, AGI может быть вопросом инженерии и капитала. Если же требуется conceptual breakthrough, сроки непредсказуемы.

Если AGI будет достигнут, его экономическое воздействие может быть самым масштабным событием в истории человечества. Различные оценки предполагают увеличение глобального GDP на 7-14 триллионов долларов ежегодно, что эквивалентно созданию новой экономики размером с Китай.

AGI потенциально способен ускорить научный прогресс на порядки: автономное проведение исследований, генерация и тестирование гипотез, оптимизация экспериментов. Это может привести к каскаду прорывов в медицине, материаловедении, энергетике и других областях.

Однако экономическое воздействие AGI будет неравномерным. Первые несколько лет после достижения AGI основными бенефициарами будут компании, контролирующие AGI-системы, и их инвесторы. Более широкое распределение выгод потребует времени, инфраструктуры и регуляторных рамок.

Очевидные бенефициары: OpenAI, Google DeepMind, Anthropic, xAI, Meta. Однако инвестиционный доступ к этим компаниям ограничен: OpenAI и Anthropic привлекают капитал на оценках, которые уже включают значительную AGI-премию. Публичные компании (Google, Meta, Microsoft) предлагают экспозицию, но AGI-ценность размывается другими бизнес-линиями.

AGI потребует колоссальных вычислительных ресурсов: GPU/TPU, дата-центры, энергетика, сетевая инфраструктура. NVIDIA, AMD, компании-производители серверов, операторы дата-центров и энергетические компании выиграют вне зависимости от того, кто первым достигнет AGI.

AGI общего назначения потребует адаптации для конкретных отраслей: здравоохранение, финансы, юриспруденция, производство. Компании, обладающие доменной экспертизой и данными в этих отраслях, смогут создать ценные application layers поверх AGI. Этот сегмент может предложить наиболее привлекательные risk-adjusted returns для венчурных инвесторов.

AGI, действующий не в соответствии с человеческими ценностями, представляет экзистенциальный риск. Даже менее катастрофический сценарий, в котором AGI оптимизирует не те цели, может привести к масштабным экономическим потерям. Этот риск практически невозможно количественно оценить, но его необходимо учитывать в сценарном анализе.

AGI может привести к беспрецедентной концентрации экономической и политической власти у компаний и государств, контролирующих эту технологию. Это создает регуляторный риск: правительства могут потребовать национализации, принудительного лицензирования или ограничения использования AGI. Для инвесторов это означает, что даже успешные AGI-компании могут столкнуться с регуляторным давлением, ограничивающим их способность монетизировать технологию.

Достижение AGI почти наверняка вызовет масштабную регуляторную реакцию. Правительства, застигнутые врасплох, могут ввести мораторий на разработку или развертывание AGI-систем. Международные соглашения по контролю AGI (аналогичные ядерному нераспространению) могут ограничить коммерческое использование. Инвесторы должны учитывать, что регуляторная среда после AGI будет принципиально отличаться от текущей.

Artificial Superintelligence (ASI), AI-система, значительно превосходящая человеческий интеллект во всех областях, является следующим рубежом за AGI. Если AGI будет достигнут, ASI может последовать быстро: AGI-система, способная к самосовершенствованию, теоретически может достичь сверхчеловеческого уровня за короткое время (intelligence explosion).

Для инвесторов ASI-сценарий представляет фундаментальную неопределенность: он может означать как безграничное создание ценности (ASI решает все существующие проблемы), так и полную деструкцию существующего экономического порядка. В таком сценарии традиционные инвестиционные стратегии могут потерять релевантность.

Практический вывод для инвесторов: экспозиция на AGI-тренд желательна, но должна быть калибрована с учетом высокой неопределенности. Рекомендуется сочетать прямые ставки на AGI-разработчиков с picks-and-shovels инвестициями (инфраструктура, энергетика, полупроводники) и defensive позициями (компании, бенефитящие от AI-трансформации вне зависимости от достижения AGI).