Editing Openai/692a0fb2-3438-8004-9439-3613c264f718 (section)

=== Assistant: 1. ===
# Простое объяснение Это «пузырь»? Коротко: часть ИИ-рынка может быть перегрета. Но не вся. Главная мысль: ценность в приложениях. Инференс (запуск моделей) требует ещё мощностей. А обучение гигантских моделей — самый рискованный кусок.

Аналогия: ИИ-стек как город.
• Дороги и электросеть — это инфраструктура (чипы, дата-центры).
• Автобусы — это инференс: везут людей по существующим маршрутам.
• Фабрики — это обучение: строят новые «автобусы».
• Магазины и услуги — это приложения. Именно они зарабатывают деньги.
Где аналогия хромает: в городе дороги быстро не меняются, а в ИИ алгоритмы и железо дешевеют и обновляются каждый год.

Что точно знаем:
• Nvidia действительно доходила до ~$5 трлн капы. Это показывает, как много денег верит в ИИ-инфру [1].
• Обсуждались вычислительные обязательства OpenAI на уровне ~$1,4 трлн — это масштаб ставок в отрасли [2].
• Спрос на вычисления для ИИ быстро растёт, и инфраструктура трещит по швам — это отмечают отраслевые обзоры [3].
Что скорее оценка:
• Прикладной слой недоинвестирован.
• Инференсу потребуется больше мощностей.
• Обучение SOTA-моделей — самый «пузырный» сегмент из трёх.

Скрытое допущение: мы предполагаем, что внедрение ИИ-приложений будет расти в 10× масштабе в ближайшие годы; если нет — оценка меняется.
# Если глубже — 4 ключевых механизма • Экономика стека: деньги приходят из приложений → платят за инференс → тот платит за чипы и энергию → часть идёт на обучение новых моделей. Если низ маржи (приложения) слаб, верх стека перегревается. • Издержки обучения падают: лучше алгоритмы и железо делают обучение того же уровня дешевле год от года → «технологический ров» вокруг обучения слабее, чем кажется. • Риск перепостройки инференса: если мощностей наделают «с запасом», цены могут просесть до низкой доходности. Но даже «лишняя» мощность пригодится приложениям — тогда выиграют пользователи. • Открытые/открыто-весовые модели: если их доля вырастет, монетизация проприетарного обучения за миллиарды может не отбиться.
# Мини-схема Идеи/Юзкейсы → (Приложения) → выручка ↓ платят (Инференс: чипы/ПО/энергия) ↓ часть идёт (Обучение: новые модели) → улучшенные модели → обратно в приложения
# Глоссарий • Пузырь — когда цена активов сильно выше устойчивой ценности. • Прикладной слой — конечные продукты на базе ИИ, которые юзеры покупают. • Инференс — запуск готовой модели для ответа пользователю. • Обучение (training) — создание/доводка модели на данных. • Токен — маленький кусочек текста, на который модель считает. • Агентные процессы — когда ИИ сам планирует шаги и зовёт инструменты. • Рын. капитализация — цена компании на бирже, акции×цена. • Открытые модели — модели с открытыми весами, их можно развёртывать у себя. • Ров (moat) — то, что защищает бизнес от конкурентов. • Перепостройка — построили мощностей больше, чем нужно сейчас.
# Проверка фактов (короткие цитаты, источники, даты) • «Nvidia… the first company to reach $5 trillion in market value.» — Reuters, 2025-10-29. Ссылка и детали в [1]. Уверенность: Высокая (ведущее агентство; точная дата). [1] • «How can a company with $13 billion in revenues make $1.4 trillion of spend commitments?» — Business Insider, 2025-11-03. Это подтверждает обсуждение масштаба $1,4 трлн. Уверенность: Средняя (интервью/репортаж, не официальная SEC-форма). [2] • «Surging demand for compute-intensive workloads… is creating new demands on global infrastructure.» — McKinsey Tech Trends, 2025-07-22. Уверенность: Средняя (аналитический отчёт, но отраслевой). [3] • «Google introduces Gemini 3, its most intelligent AI model…» — Google (официальный блог), 2025-11-18. Уверенность: Высокая (первичный источник). [4] • «Programmatic Tool Calling enables Claude to orchestrate tools… allowing for parallel tool execution.» — Anthropic (инженерный блог), 2025-11-24. Уверенность: Высокая (официальная документация). [5]

Источники
[1] Reuters — “Nvidia hits $5 trillion valuation…”, 2025-10-29. «…first company to reach $5 trillion…». Reuters<ref>{{cite web|title=Reuters|url=https://www.reuters.com/business/nvidia-poised-record-5-trillion-market-valuation-2025-10-29/|publisher=reuters.com|access-date=2025-11-29}}</ref>
[2] Business Insider — “Sam Altman… $1.4 trillion…”, 2025-11-03. «…make $1.4 trillion of spend commitments?» Business Insider<ref>{{cite web|title=Business Insider|url=https://www.businessinsider.com/sam-altman-defends-openai-trillion-spending-2025-11|publisher=Business Insider|access-date=2025-11-29}}</ref>
[3] McKinsey — “Top tech trends…”, 2025-07-22. «Surging demand for compute-intensive workloads…». McKinsey & Company<ref>{{cite web|title=McKinsey & Company|url=https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/the-top-trends-in-tech|publisher=McKinsey & Company|access-date=2025-11-29}}</ref>
[4] Google Blog — “A new era of intelligence with Gemini 3”, 2025-11-18. «…introduces Gemini 3…». blog.google<ref>{{cite web|title=blog.google|url=https://blog.google/products/gemini/gemini-3/|publisher=blog.google|access-date=2025-11-29}}</ref>
[5] Anthropic Engineering — “Advanced tool use…”, 2025-11-24. «Programmatic Tool Calling enables Claude…». Anthropic<ref>{{cite web|title=Anthropic|url=https://www.anthropic.com/engineering/advanced-tool-use|publisher=anthropic.com|access-date=2025-11-29}}</ref>

Checked: 2025-11-28 (America/Los_Angeles)
Overall confidence: Medium (рынок быстро меняется; часть тезисов — оценочные).

—
Не инвестиционный совет. Это объяснение для понимания логики стека и рисков.

Все ли понятно? Объяснить ещё проще на примерах? Скажите «Да» и я поясню. Или выберите вопрос из списка, указав его номер:
# «Да»
# «И зачем это надо? В чем польза?»
# «Приведите простой пошаговый пример ИИ-приложения?» (из текста: «зелёные ростки в приложениях»)
# «Какие риски перепостройки мощностей инференса?» (из текста: «если построим чрезмерный объём»)
# «Почему обучение моделей — самый рискованный сегмент?» (из текста: «самая рискованная корзина»)
# «Другое — напишу свой вопрос.»

Скажите «Да» для общего упрощения, или укажите номер вопроса (1–6).