От метрик к экономике: почему это важно
К концу 2026 года модели уровня GPT-6 Astra и Fable 5.1 достигли такой зрелости, что стандартные бенчмарки METR больше не могут оценить их горизонт планирования. ИИ решает задачи, на которые у человека ушли бы месяцы, включая доказательство гипотезы Навье-Стокса и прохождение игры Pokémon Crystal. Однако ключевой вопрос экономики ИИ — не способность, а стоимость. Если вычислительные ресурсы остаются дорогими, массовая замена людей невозможна. Новые данные из базы данных AI tasks показывают обратное: когда ИИ может выполнить задачу, он почти всегда дешевле человека.
Методология и метрики: FLOP на секунду человеческого труда
Исследование сравнивает вычислительную мощность (в FLOP — операциях с плавающей запятой), необходимую ИИ, с активным временем человека. Для расчетов использовались данные о производительности GPU NVIDIA H100. Несмотря на то, что компании не публикуют точные параметры моделей, оценка порядка величин дает четкую картину:
- Медианная задача: требует около 0.014 FLOP на секунду человеческого времени.
- 90% задач: укладываются в диапазон от 0.0011 до 0.14 FLOP на секунду.
- Самые дорогие задачи: около 1.4 FLOP на секунду (доказательство Навье-Стокса, ARC-AGI-3).
Ценообразование: от 4 центов до $15 за час
На основе данных о стоимости аренды H100 (около $3–4 за GPU-час при типичной загрузке 10%) и пиковой производительности (39.6 TFLOP/s в 8-битном режиме) рассчитана реальная стоимость вычислений:
| Тип задачи | Вычислительная нагрузка (FLOP/сек) | Стоимость GPU-времени (USD/час) | Сравнение с зарплатой в США |
|---|---|---|---|
| Медианная задача | ~0.014 | ~$0.04 | В 600 раз дешевле медианной зарплаты ($25/час) |
| Сложная задача | ~1.4 | ~$15.00 | В 2–6 раз дешевле квалифицированных специалистов ($100–300/час) |
Даже самые ресурсоемкие задачи обходятся дешевле, чем минимальная почасовая оплата труда в США. Разрыв становится еще более очевидным, если учесть, что текущие цены на инференс у провайдеров (OpenAI, Anthropic и др.) в 10 раз выше стоимости «железа» из-за наценок и покрытия затрат на обучение. В долгосрочной перспективе, по мере амортизации затрат на R&D, цена будет стремиться к себестоимости вычислений.
Прогноз для AGI: сколько цифровых работников мы можем создать?
Если предположить, что AGI (полностью автоматизирующий белых воротничков) будет работать с эффективностью, близкой к текущим лидерам, масштаб замены труда становится пугающим. По оценкам Epoch, к июню 2026 года было продано 27.6 миллиона эквивалентов H100. Эта инфраструктура способна поддерживать следующее количество рабочих мест:
| Эффективность AGI (FLOP/сек) | Стоимость часа (USD) | GPU на 1 работника | Вместимость парка (млн чел.) |
|---|---|---|---|
| 0.014 (оптимистично) | $0.0011 | 24,000 | 0.14 |
| 0.11 (реалистично) | $0.011 | 2,400 | 1.4 |
| 1.1 (консервативно) | $0.11 | 240 | 14 |
Даже при консервативной оценке, текущий парк GPU позволяет заменить 14 миллионов высококвалифицированных специалистов. Если эффективность возрастет, число цифровых работников может исчисляться сотнями миллионов. Это ставит под угрозу не только занятость, но и контроль над экономическими процессами, так как стоимость труда ИИ становится маргинальной.
Вывод: конец эры дорогого интеллекта
Главный вывод исследования: барьер для замены человеческого труда — не техническая невозможность, а экономика. Как только ИИ достигает порога выполнения задачи, его стоимость падает ниже порога выживания для большинства профессий. Разница между «человеческой» и «машинной» стоимостью труда настолько велика, что даже с учетом текущих наценок провайдеров, ИИ остается экономически доминирующим решением. Развитие AGI в ближайшие годы может привести к экспоненциальному росту предложения интеллектуального труда, обесценивая человеческий труд в его текущем виде.
Источник: LessWrong ↗