Элон Маск только что представил архитектуру того, что может стать крупнейшей рабочей силой на Земле. Проект называется Macrohard. Совместное предприятие между Tesla и xAI, созданное в рамках соглашения на 2 миллиарда долларов, подписанного ранее в этом году. Цель не в том, чтобы создать лучшие программные инструменты, а в том, чтобы заменить целые компании, чья продукция является цифровой. Маск сравнил систему с человеческим мозгом. Digital Optimus обрабатывает инстинкты, обрабатывая живое видео с экрана, нажатия клавиш и щелчки мыши в реальном времени. В то время как Grok занимается мышлением, рассуждением, планированием и управлением каждым действием. Один слой реагирует, а другой принимает решения. Вместе они управляют компьютером так, как это сделал бы человек. Но вот где становится интересно. Это не работает на дорогом оборудовании Nvidia в каком-то дата-центре, а работает на чипе AI4 от Tesla. Кусок кремния, который стоит 650 долларов и уже установлен в миллионах автомобилей Tesla по всей стране. Когда эти машины припаркованы, они становятся вычислительными узлами. Один гигаватт распределенной вычислительной мощности и теневой суперкомпьютер, скрывающийся в проездах и парковках по всей Америке. xAI уже тестировала это внутри компании. Они создали AI-агентов и внесли их в организационную структуру компании как реальных сотрудников. Сотрудники отправляли им сообщения, назначали встречи и подходили к их столам, но находили пустые стулья. Некоторые люди внутри xAI даже не осознавали, что работают рядом с машинами. Маск говорит, что к концу этого года эмуляция цифровых людей будет решена. Это означает, что AI сможет делать все, что может делать человек с экраном компьютера. Название Macrohard — это шутка, направленная на Microsoft, но амбиции за этим стоят совершенно серьезные. Если каждая компания, чья продукция — это информация, может быть эмулирована AI-агентами, работающими на чипах за 650 долларов в припаркованных Tesla, вся структура белых воротничков находится на разломе. Ни одна другая компания не имеет такой комбинации. Миллиарды миль реальных данных о вождении, передовая AI-модель и миллионы устройств вычислений на краю уже развернуты и ждут инструкций.

OpenAI только что сделала шаг, который говорит вам все о том, где на самом деле стоит эта компания. Они интегрируют Sora, свой генератор видео на основе ИИ, прямо в ChatGPT. Звучит как обновление, но на самом деле это операция по спасению. Приложение Sora в отдельности теряет популярность. Загрузки упали на 45 процентов в январе, и оно полностью исчезло из Топ-100 в App Store, доходы упали на треть за один месяц. Тем временем рост ChatGPT остановился. Девятьсот миллионов пользователей в неделю звучит впечатляюще, пока вы не вспомните, что они обещали один миллиард более года назад и до сих пор не выполнили это обещание. Google Gemini росла в пять раз быстрее за тот же период. Veo уже встроен в чат-опыт. OpenAI теперь пытается догнать функцию, которую сама же и изобрела. Затем пришла сделка с Пентагоном. Более 2,5 миллиона пользователей пообещали отказаться от ChatGPT за одну ночь, количество удалений в США возросло почти на 300 процентов за один день. Claude от Anthropic впервые обошел ChatGPT в App Store. Так что же делает OpenAI с умирающим видео-приложением, замедляющим рост пользователей и PR-кризисом, который сжигает их базу подписчиков? Они объединяют все вместе и надеются, что комбинированный продукт будет другим. Но вот часть, о которой никто не говорит. Создание одного десятисекундного видео на основе ИИ стоит примерно один доллар тридцать в сыром времени GPU. OpenAI уже прогнозирует 600 миллиардов долларов на вычислительные расходы до 2030 года. Их затраты на вывод данных увеличились в четыре раза в прошлом году, а маржа уменьшилась. Теперь они хотят передать генерацию видео 900 миллионам пользователей в окне чата. Это компания, которая тратит деньги в условиях кризиса роста, сжигая наличные в темпе, который напугал бы любого инвестора на публичном рынке, в то время как конкуренты приближаются с каждой стороны. Мечта о миллиарде пользователей становится проблемой на миллиард долларов.

Десять лет назад на этой неделе машина села напротив величайшего игрока в настольные игры на планете в отеле в Сеуле, Южная Корея. Игра была Го. Ей более 3000 лет, и у нее больше возможных позиций на доске, чем атомов в наблюдаемой вселенной. Никто не думал, что компьютер сможет выиграть этот матч, как минимум еще в течение десятилетия. Машина выиграла четыре игры из пяти. Но счет не был главной историей, а скорее один единственный ход во Второй игре. Ход 37. AlphaGo поставила камень в позицию, настолько странную, что комментаторы, транслирующие матч в прямом эфире, подумали, что система дала сбой. Профессиональные игроки в Го, наблюдающие за игрой по всему миру, назвали это ошибкой в реальном времени. Но это не была ошибка. Оказалось, что это был один из самых блестящих ходов за всю 3000-летнюю историю игры. И машина придумала его сама. AlphaGo рассчитала, что вероятность того, что какой-либо человек когда-либо сделает этот ход, составляет примерно один к десяти тысячам. Она все равно сделала этот ход, и именно этот ход выиграл игру. Ли Седол, чемпион мира, сидящий за столом, смотрел более двенадцати минут, пытаясь осмыслить то, что произошло. Позже он сказал, что в тот момент понял, что AlphaGo была креативной. Этот единственный матч перепрограммировал мир. Китай наблюдал, как машина доминирует в самой священной стратегической игре восточноазиатской культуры, и воспринял это как кризис национальной безопасности. Пекин запустил масштабную программу инвестиций в ИИ на сотни миллиардов долларов. Глобальная гонка вооружений в области ИИ, в которой мы все сейчас живем, началась в той гостиничном номере. Вот почему это важно сейчас. Почти каждая крупная лаборатория ИИ в 2026 году сосредоточена на том, чтобы сделать языковые модели больше. Предсказать следующее слово, но сделать это лучше и быстрее. Хассабис делает совершенно другую ставку. Он утверждает, что предсказание слов никогда не приведет к настоящему интеллекту. То, что отсутствует, — это способность действительно думать наперед, исследовать различные возможности и планировать перед действием. Вот что могла делать AlphaGo в 2016 году, и DeepMind с тех пор тихо строит на этой основе. План состоит в том, чтобы объединить понимание языка и мира Gemini с возможностью AlphaGo искать и рассуждать над проблемами. А затем подключить специализированные инструменты, такие как AlphaFold, который решил одну из старейших нерешенных проблем биологии, используя тот же основной подход. Хассабис сказал, что верит, что AGI может появиться в течение пяти-восьми лет. И что, когда это произойдет, это сделает промышленную революцию медленной по сравнению. Все это восходит к одному единственному камню, положенному на деревянную доску в тихой комнате в Сеуле. Это был первый реальный признак того, что машины могут делать то, что мы думали, что могут делать только люди, придумывать идею, о которой никто никогда не думал раньше. И люди, которые это создали, теперь используют тот же план, чтобы создать что-то гораздо большее.