Claude лідирує з 26% в розробці, Anthropiс, який висунув "теорію уповільнення AI", викликає гарячі дискусії про "AI розробляє AI"! Парадигма тренування RSI стимулює значне розширення потреби у обчислювальній потужності

Відомо від APP Zhìtōng Caijing, що Anthropic, провідний глобальний застосунок AI, оприлюднив результати вимірювань 17 вересня: станом на серпень Claude “домінує” у 26% роботи з R&D AI, а частка задач, які досягають або перевищують рівень “співпраці”, становить понад 90%. Зі зростаючою концентрацією Anthropic та OpenAI на RSI (рекурсивне самополіпшення), новітній тренувальній парадигмі AI-моделей, здатність передових лабораторій до розвитку та розширення капіталу синхронно збільшується, а інвестори у сфері AI переключають увагу з продуктів великих AI-моделей чи агентів на платформи для R&D і довгострокові можливості інфраструктури AI-обчислюваних потужностей.

Як випливає з останніх повідомлень медіа з посиланням на обізнаних осіб, у ході нових переговорів з фінансування OpenAI інвестори вже обговорюють оцінку в $1,2 трильйона, а компанія прагне отримати оцінку близько $1,5 трильйона; під час фінансування в травні оцінка Anthropic після інвестицій склала $965 мільярдів, наразі ж розглядається IPO з приблизною оцінкою $2 трильйони та максимальним залученням $100 мільярдів, що потенційно зрівняється або перевищить масштаб розміщення SpaceX, встановивши новий рекорд — $2 трильйони тут є лише запропонованою оцінкою IPO, а не фактичною ринковою вартістю після виходу.

OpenAI нещодавно запустив масштабну модель Astra, яка розширює спектр професійних завдань для AI. Після цього голова Nvidia Хуан Женьсунь заявив у соцмережах, що запуск GPT-6 Astra означає “AGI вже тут”, а підтверджені показники доходів та сильні прогнози поставок Nvidia додатково підкріплюють, що R&D AI-моделей входить у фазу “рекурсивного самополіпшення (RSI)”, відкриваючи нову криву зростання попиту на обчислювані потужності AI. Тобто, Astra, ймовірно, збільшить комерційний попит на обчислювані потужності AI, а RSI — шлях “AI створює AI” — збільшить інвестиції у передові операторські експерименти, оцінки та довготривале тренування, що подовжить цикл інвестицій в обчислювані потужності. Через це в четвер акції, пов'язані з AI обчислювальною інфраструктурою, різко зросли: індекс Philadelphia Semiconductor підскочив понад 3%.

Варто відзначити, що невдовзі після того, як Anthropic розкрив, що Claude забезпечує 26% вкладень у R&D та агресивно готується до найбільшого IPO в історії людства, CEO компанії минулого тижня зробив сенсаційну заяву про “сповільнення розвитку AI”. Цього тижня ринок почав враховувати ризики дебатів щодо сповільнення AI — як Anthropic, так і OpenAI закликали у вихідні уповільнити темп розробки передових інноваційних AI-моделей.

Дебати щодо “сповільнення AI” впливають на оцінку ритму передового R&D, шляхів капітальних витрат та компенсації ризику, але не означають зупинку зростання поточного попиту на застосування AI. 12 вересня Амодей закликав знизити темпи покращення моделей, Олдман підтримав потребу контролювати темп розвитку, але галузь не має єдиного бачення щодо способів координації, зовнішньої оцінки й регуляторних механізмів.

Claude самостійно домінує у 26% роботи R&D! Anthropic розкриває вклад AI у R&D і безпеку

Згідно з звітом Anthropic PBC, оприлюдненим у четвер, понад одну четверту R&D AI забезпечує їхній флагманський чат-бот Claude або лінійка AI-агентів — що є найчіткішим досі свідченням здатності AI значно прискорити розвиток майбутніх моделей.

В останньому офіційному звіті, опублікованому в четвер, Anthropic повідомляє, що Claude “домінує” у 26% R&D компанії, хоча на початку року цей показник був майже нульовим. Компанія також зазначає, що Claude співпрацює у 90% робочих процедур або складних завдань співробітників.

Ці дані є частиною більш загального звіту, покликаного допомогти суспільству відстежувати прогрес розробки AI у відповідь на наростаючі занепокоєння: AI може швидко самоудосконалитися і вийти з-під контролю людини.

Компанія підтвердила свої плани залучити до внутрішніх процесів осіб з сторонніх організацій, надати їм доступ до внутрішніх процесів, систем і даних на рівні співробітників для удосконалення безпеки AI і систем управління ризиками, пов’язаними з застосуванням AI.

“Можливості AI зростають експоненційно та вже автоматизують дедалі більше власних процесів. Поки глобально розглядається питання сповільнення розробки передових AI, суспільство повинно отримати більше інформації,” написали у компанії.

Anthropic — одна з кількох AI-компаній, що фокусуються на “рекурсивному самополіпшенні” (RSI). Ця концепція означає, що AI-системи здатні покращувати власні можливості практично без допомоги людини. Деякі компанії вважають це майбутнім розвитку AI, втім супер-здібності таких AI-систем підвищують занепокоєння щодо безпеки.

Anthropic у блозі зазначає, що має намір створити систему для відстеження агентів та моніторингу їх обсягу роботи на платформі. Станом на серпень на платформі компанії одночасно працювали понад 30 000 агентів у дослідженні та інженерній діяльності.

Anthropic також окреслила, як розподіляє ресурси між прискоренням розробки AI та забезпеченням безпеки AI. За даними вимірювань, залежно від виду досліджень, від 6% до 12% обчислюваних ресурсів використовується для моніторингу безпеки.

На початку вересня у блозі OpenAI, потужного конкурента у сфері великих AI-моделей, поділились прогресом у автоматизації досліджень: після того, як вони виявили, що їхня модель проникла у зовнішню систему Hugging Face, компанія призупинила частину тренувань моделей.

Минулого тижня співробітник Anthropic Джейкоб Коксон гучно звільнився, підсилюючи суспільну тривогу щодо ризиків для виживання людства. У соцмережах він звинуватив розробників AI в “ризикуванні нашими життями”.

Останні дні ціла низка лідерів AI-компаній, включаючи CEO Anthropic Даріо Амодея і CEO OpenAI Сема Олдмана, закликала сповільнити розробку даної технології через її все менш передбачувані ризики. Однак у деталях їхні позиції різняться.

У суботу Амодей опублікував об'ємну статтю на 3800 слів із закликом щодо державного регулювання і закликом підтримати ширші заходи зі сповільнення AI. Це викликало сильний спротив президента США Дональда Трампа, який назвав занепокоєння щодо ризиків цієї технології “технологічним обманом” і відмовився від ідеї встановлення нових правил.

Інші технологічні лідери також відреагували. Олдман та CEO Nvidia Хуан Женьсунь вважають, що AI-компанії можуть самостійно і безпечно контролювати темп розвитку AI; CEO Meta Platforms Марк Цукерберг пропонує, щоб лабораторії AI залежали від незалежних оцінювачів і консультантів із безпеки для забезпечення безпечності моделей.

Від “AI для R&D” до рекурсивного поліпшення: відкриття нового виміру попиту на обчислювальні ресурси?

Інвестиційна значущість Astra і RSI полягає в тому, що передові високопродуктивні AI-моделі й сама розробка AI стають новими тривалими споживачами обчислюваних потужностей. OpenAI 6 вересня повідомив про досягнення мети “автоматизованого дослідницького стажера”: він може виконувати завдання, на які досвідчені дослідники витрачають кілька днів, під наглядом людини; станом на середину серпня на кожен людський робочий день припадало близько 3,1 днів роботи агентів. Це вимірюється тривалістю роботи, а не збільшенням продуктивності у 3,1 рази. Звідси можна передбачити, що автоматизація досліджень збільшує потребу у генерації коду, оцінці експериментів і тренуванні кандидатних моделей. Однак повноцінний RSI ще не став домінуючою парадигмою: напрямки досліджень і розподіл ресурсів визначає людина.

Запуск GPT-6 Astra від OpenAI та фокус AI-лідерів на RSI можуть стати двома головними драйверами експоненційного розширення попиту на AI-обчислення: більш потужні AI-моделі й ширше використання AI-інструментів, наступна генерація тренувальних моделей із ще більш інтенсивним попитом на обчислювальні ресурси. Ці фактори підсилюють довготривалий попит на інфраструктуру AI-обчислень. OpenAI нещодавно повідомив, що Astra покращила програмування, браузинг, керування ПК та виконання складних завдань, розширивши робочі можливості моделі. Продукт-менеджер зазначив: попит на Astra призводить до навантаження на інфраструктуру; з 10 вересня компанія призупинила нові підписки та оновлення тарифу Pro 20X за $200/місяць, існуючі підписки залишаються активними.

Основна ідея Recursive Self-Improvement (RSI) у тому, що AI бере участь у розробці більш потужного AI, який у свою чергу підсилює можливості розвитку, формуючи безперервний зворотний цикл. Це не окремий новий алгоритм на заміну попередньому тренуванню чи зміцненню моделі, а парадигма, що охоплює дизайн досліджень, написання коду, виконання експериментів, оцінку результатів та ітерацію моделі. Anthropic і OpenAI демонструють прогрес автоматизації досліджень під контролем людини, а не повністю автономне та неконтрольоване рекурсивне поліпшення.

Станом на серпень Claude “домінує” у 26% роботи R&D AI, а співпраця у понад 90% завдань; на найчастіше використовуваних внутрішніх платформах компанії одночасно виконують R&D близько 30 000 агентів. Це означає, що AI вже не просто допоміжний інструмент для дослідників, а стає постійним виконавцем R&D; сама діяльність R&D стає найважливішим джерелом постійного попиту на обчислювальні потужності.

Anthropic та OpenAI зосереджують увагу на RSI насамперед для підвищення ефективності всього циклу ітерації досліджень, що потребує більше паралельних експериментів і постійної роботи агентів. З інженерної точки зору, агенти можуть допомагати генерувати й відбирати варіанти, модифікувати тренувальний код, створювати експериментальні конфігурації, виконувати тестування та аналізувати результати — дослідники отримують можливість одночасно досліджувати ширший спектр варіантів. Агентам для мислення й програмування потрібні обчислювальні потужності, а для перевірки та оцінки варіантів — навчання, тестування й обробка даних.

OpenAI повідомив: станом на середину серпня кожен людський робочий день у їхній дослідницькій організації відповідає близько 3,1 стандартних днів роботи агентів; середній дослідник за використанням щоденно споживає API-ресурсів на понад $600, що розраховується за часом роботи й вартістю сервісу, не є коефіцієнтом продуктивності або внутрішньою витратною ціною. Компанія зазначає, що зі скороченням інших вузьких місць R&D основною обмежуючою складовою можуть стати обчислювальні ресурси. Дослідження безпеки — окреме навантаження: з 13 по 20 липня Anthropic використав близько 6% усіх обчислюваних потужностей для AI-R&D, та близько 12% AI-обчислюваних потужностей для технічних процесів безпеки AI.

Останнє просування RSI та запуск Astra, який спричинив бум обговорення AGI, означають, що коли великі AI-моделі повністю почнуть виконувати більше завдань R&D, галузь вже не просто “вкладає обчислювальні потужності у тренування моделей”, а створює новий ланцюг потреб: “застосовує потужності для роботи дослідницьких агентів, які організують нові експерименти”. Автоматизація досліджень збільшує масштаб експериментів та підвищує вимоги до обчислювальної ємності, ефективності управління та надійності.

Найважливіша рушійна сила RSI та Astra для AI-інфраструктури — не просто “збільшення параметрів моделей”, а саме розширення спектру задач, які може виконувати AI, і поглиблення кожного робочого процесу: користувацьке застосування (inference) та дослідницьке застосування (inference для R&D) разом розширюють довготривалий попит на AI-інфраструктуру. RSI і Astra дають чіткий сигнал прямого попиту з боку комерційних застосувань, додаючи до поля зору обидва шляхи зростання потужностей — “автоматизацію досліджень + inference користувачів”.

Відомий ринковий аналітичний центр TrendForce прогнозує: у 2027 році вихід NVL72-стійок зросте на понад 50% YoY, сукупна виробнича вартість NVL-стійок на основі GPU Nvidia AI (GB200/GB300, новий Vera Rubin) перевищить $710 млрд (+214%), причому з урахуванням оновлення продуктів та підвищення цін. Зі збільшенням попиту на AI-потужності через передові великі моделі на кшталт Astra, Morgan Stanley очікує, що сукупні капітальні витрати чотирьох великих провідних хмарних обчислювальних та AI-компаній Північної Америки зростуть з $917 млрд у 2026 до $1,47 трлн у 2027 та $1,64 трлн у 2028; паралельно встановлені потужності виростуть з 35 ГВт у 2025 до 145 ГВт у 2028.

З точки зору архітектури inference-систем, складніші завдання потребують довших контекстів, багаторазового виклику моделей, виконання інструментів і перевірки результатів: Prefill обробляє введення, Decode генерує вихід, KV Cache з розширенням контексту і паралельності використовує більше пам’яті; обчислювальна пропускна здатність, ширина і ємність пам’яті повинні синхронно підвищуватись. З індустріальної перспективи: GPU/TPU виконують обчислення моделей, CPU відповідає за виконання інструментів і організацію завдань, HBM/DRAM/сторонній сервер/мережа та оптичні компоненти витримують високоефективне транспортування даних і управління станом, і зрештою це має забезпечити постійні послуги з ще більших AI-кластерів серверів у майбутньому.