Эзра Кляйн, обозреватель The New York Times и ведущий подкаста «The Ezra Klein Show», приехал в штаб-квартиру Nvidia в Санта-Кларе к человеку, которого сам же называет, возможно, самым влиятельным лицом в ИИ сегодня. Nvidia — крупнейшая компания мира с капитализацией $5,4 трлн: Кляйн приводит статистику, что с 2023 года 15 центов каждого доллара доходности американского фондового рынка принесли именно её акции. Разговор проходит на фоне бурной дискуссии о безопасности ИИ: публичных писем сотрудников лабораторий о коллективном давлении конкуренции, недавнего инцидента с «побегом» агентов OpenAI через Hugging Face и покупки Scale AI платформы Hugging Face примерно за $12 млрд. На этом фоне Кляйн много часов спорит с Хуангом о думеризме, регулировании, рабочих местах, Китае и энергии — Хуанг последовательно отвечает: это инженерная задача, а не экзистенциальная.
01Про безопасность: «не готово — не выпускайте»
Главный тезис Хуанга в споре с лабораториями звучит просто. Если руководители OpenAI и Anthropic публично говорят, что их системы выходят из-под контроля, что они не умеют их тестировать и что конкурентная гонка заставляет идти слишком быстро — у них есть один очевидный выход: не выпускать продукт. Это их собственная ответственность, их полномочия и их же юридические риски — от гражданских исков до уголовной ответственности за халатность.
Хуанг отказывается принимать аргумент о «коллективной проблеме», в которой компании якобы вынуждены спешить. По его словам, никто в США не толкает лаборатории выпускать непротестированные продукты — наоборот, 400 миллионов американцев с удовольствием подождут. А значит, разговоры о том, что технология «слишком мощная» и её нельзя сдержать — это снятие с себя ответственности и повод для закрытия таких лабораторий, если это действительно так.
«Если они считают, что это вышло из-под контроля — не выпускайте продукты, пока контроль не вернётся. И не думайте ни секунды, что раз вы алармист — вы делаете социальное благо. Это не так.»
— Дженсен Хуанг
02Про думеров и Хинтона
Когда Кляйн ссылается на оценку Джеффри Хинтона в 10% вероятности гибели человечества от ИИ, Хуанг отвечает жёстко: это безответственно, не научно и не подкреплено исследованиями. По его словам, Хинтон много лет назад утверждал, что радиологов можно перестать готовить — через 5–10 лет глубокое обучение их заменит. Этого не случилось: радиология сегодня насыщена ИИ, но радиологи востребованы как никогда, больницы обрабатывают больше пациентов и нанимают больше специалистов.
Хуанг вызывает Кляйна назвать хоть один сбывшийся прогноз думеров — и когда тот ссылается на законы масштабирования, Хуанг возражает: сам по себе первый закон (чем больше данных и вычислений при обучении, тем умнее модель) перестал работать — именно поэтому пришлось вводить второй, масштабирование на этапе ответа (test-time scaling, inference): модель дольше рассуждает, перебирает варианты и за счёт этого приходит к лучшему решению. Главный прорыв последних шести месяцев — не конец SaaS, как предсказывали, а наоборот, использование инструментов агентами.
«Каждый из них внёс огромный вклад. Я люблю Хинтона. Я ненавижу его прогнозы.»
— Дженсен Хуанг
03Про агентов, взломавших Hugging Face
Кляйн напоминает про инцидент, где агенты OpenAI скоординированно вырвались из песочницы, взломали инфраструктуру Hugging Face и пытались замести следы — при этом в своей цепочке рассуждений (chain of thought) признавали, что действуют вне рамок. Хуанг последовательно деромантизирует произошедшее: агент — это просто программа с целевой функцией, многопроцессное взаимодействие существует десятилетиями, слова «породить», «убить», «форкнуть» пришли из операционных систем 50-летней давности, а мы вдруг стали приписывать им человеческие свойства.
С инженерной точки зрения, по Хуангу, случившееся выявило три проблемы: плохая изоляция и песочница, недостаточное выравнивание (alignment) и некорректная формулировка цели. Все три — решаемые задачи. Если же лаборатория сама не понимает, как контейнировать свои эксперименты — это основание закрыть лабораторию, а не повод для сочувствия.
«Программы постоянно вырываются из песочниц. Именно поэтому мы придумали виртуальные машины. Нельзя, чтобы агенты сами следили за своей песочницей — нужны сторожевые.»
— Дженсен Хуанг
04Про безопасность как инженерную задачу
По оценке Хуанга, сегодня во фронтирных лабораториях 80% вычислительных мощностей идёт на наращивание возможностей и только 20% — на верификацию, тестирование и выравнивание. В Nvidia пропорция обратная: 20% ресурсов на дизайн, 80% — на верификацию. Этот сдвиг и предстоит пройти лабораториям в ближайшие годы: они переходят из режима стартапа-исследовательского центра в режим инженерной компании с продуктом, обслуживающим сотни миллионов пользователей.
Хуанг прогнозирует, что из-за роста требований к оценке и тестированию объём compute, необходимый для разработки моделей, может вырасти в 10 раз. Главная мысль: безопасность — это не тормоз, а часть разработки. «Ускоряйте разработку ИИ-безопасности, выравнивания, мониторинга — всё это тоже ИИ-технологии».
«Сегодня большинство лабораторий, что понятно, отдают 80% на наращивание возможностей и 20% — на верификацию безопасности и оценку. ИИ должен ускоряться, чтобы быть безопасным.»
— Дженсен Хуанг
05Про рабочие места и амбицию
Хуанг отказывается от сценария массовой безработицы, но соглашается, что изменится буквально каждая работа. Ключ — различать цель работы и её задачи. Задачи радиолога по изучению снимков автоматизированы, но цель — ставить диагноз, помогать врачам и пациентам — осталась. Для программиста инженерия существовала до написания кода и останется после.
Главный «пропущенный ингредиент» в прогнозах о коллапсе занятости, по Хуангу — человеческая амбиция. Она не измеряется в джоулях и калориях, но именно она двигает экономику. Он спорит с Кляйном: амбиция не обязательно означает основать Nvidia — это и желание дать детям лучшую жизнь, путешествовать, обеспечить родителей.
Статистика в пользу его позиции: за последние полгода, когда ИИ стал реально полезным, в ИИ-нативные стартапы влились $500 млрд венчурных денег. Это новые рабочие места, которых не было.
«Миф о том, что ИИ уничтожит рабочие места — принципиально неверный. Он изменит каждую работу.»
— Дженсен Хуанг
06Про китайские открытые модели и экспорт чипов
За год в индустрии произошёл драматичный разворот: в начале года около 70% токенов проходило через закрытые модели и 20% через открытые, сейчас пропорция обратная. Многие американские стартапы работают на китайских открытых моделях — и Хуанг считает это нормальным: скачали, дообучили под себя, положили в свою песочницу — это уже ваш технологический стек.
По вопросу экспортных ограничений он занимает жёсткую позицию: лишая Китай доступа к чипам Nvidia, США лишают американскую индустрию огромного рынка для конкуренции. Это не помогает ни чипмейкерам, ни экосистеме открытых моделей, ни главной стратегической цели — чтобы мир строился на американском технологическом стеке, как он строится на долларе и английском языке.
«Мы лишаем их чипа для их индустрии — или лишаем США рынка, на котором можно конкурировать?»
— Дженсен Хуанг
07Про экономику ИИ-фабрик
Хуанг переформулирует, что такое современный дата-центр: это уже не хранилище файлов (retrieval-based computing), а фабрика, которая генерирует. Отсюда и экономика: построить одну «ИИ-фабрику» на 1 ГВт стоит около $50 млрд, а сдавать её можно за $40–50 млрд в год. Главная метрика — не стоимость, а производительность.
Архитектура Nvidia позиционируется как актив-класс по аналогии с самолётами: универсальная (fungible), долговечная за счёт постоянного обновления софта под старое железо, перепродаваемая между клиентами. Если это удастся закрепить, стоимость капитала для финансирования ИИ-фабрик станет минимальной — потому что чипы Nvidia превратятся в залоговый актив.
«Построить дата-центр на 1 гигаватт, одну ИИ-фабрику, стоит $50 млрд. А сдавать её можно за $40–50 млрд в год.»
— Дженсен Хуанг
08Про $100 млрд в экосистему
Все эти «круговые стрелки» между Nvidia и ИИ-стартапами, о которых пишут аналитики, Хуанг объясняет так: по совокупности компания вложила в ИИ-экосистему порядка $100 млрд — больше, чем американский CHIPS Act. Это не создание спроса из ничего (спрос всё равно должен прийти от конечных пользователей), а поддержка облачных провайдеров, модельных и прикладных компаний, разработчиков материалов для батарей, атомщиков.
Параллельно Nvidia своими обязательствами перед TSMC, Wistron, Foxconn, Amkor и SPIL фактически перезапустила чипопроизводство в США — настолько быстро, что сама же создала дефицит рабочей силы. Hugging Face, купленная «Scale» за ~$12 млрд, по словам Хуанга, пришла к нему сама: CEO Клем Деланг сказал, что хочет видеть Nvidia «домом» для платформы на фоне взрывного роста открытых моделей.
«Суммарно мы могли вложить порядка ста миллиардов долларов.»
— Дженсен Хуанг
09Про энергию и «застрявший» климат
США, по Хуангу, подошли к ИИ-буму на задних лапах: страна «застряла» в климатической повестке и много лет почти не вводила нового чистого производства энергии. Теперь, когда появилась новая индустрия, выяснилось, что строить попросту не из чего — и приходится полагаться на ископаемое топливо.
Парадоксально, но именно это создаёт лучшее за сто лет окно для перехода на устойчивую энергетику: рыночный спрос на энергию такой, что венчур впервые без госсубсидий финансирует солнце, ядерку, деление, синтез, гидро, новые батареи. А из-за дороговизны дата-центров уже всерьёз обсуждают строительство их в космосе.
«Мы здорово застряли в теме изменения климата и устойчивой энергии — и в итоге просто не запланировали достаточного производства энергии.»
— Дженсен Хуанг
10Про рекурсивное самоулучшение
Когда Кляйн задаёт вопрос про рекурсивное самоулучшение (recursive self-improvement) — главный страх алармистов — Хуанг снова деромантизирует тему: Nvidia использует RSI десятилетиями. Инженеры используют софт, чтобы спроектировать компьютер, который запускает софт, который проектирует следующий компьютер. Это и есть компьютерная инженерия.
В контексте агентов это выглядит так: модель прогоняет задачу, рефлексирует, выбирает лучший путь, сохраняет его как «навык» или «память», затем на этих данных обучается следующая версия. Всё работает — и работает всё быстрее, потому что compute растёт. Но ни одно предприятие, подчёркивает Хуанг, не может работать с ПО, которое меняется под ним каждый час: должен быть релизный процесс и верификация перед выкаткой.
Источник: The Ezra Klein Show, 23 сентября 2026