Инфраструктурная революция: как Дженсен Хуан разделил ИИ на пять слоёв

На Давосском экономическом форуме 21 января 2026 года главный исполнительный директор NVIDIA Дженсен Хуан представил идею, которая меняет фокус дискуссии об ИИ. Вместо привычного спора о "чатботах, которые галлюцинируют", Хуан развернул на сцене архитектурный чертёж — модель ИИ-экономики, которую можно назвать "пятиуровневым пирогом".

Беседуя с CEO BlackRock Лоуренсом Финком, Хуан подчеркнул простую, но мощную идею: это не просто развитие софта. Это переборка всего, что лежит под цифровым обществом. И каждый уровень требует своего капитала, своей инфраструктуры, своего рынка труда.

Архитектура ИИ: пять слоёв, которые меняют мир

Хуан назвал структуру так: представьте себе торт из пяти этажей. Каждый этаж держит следующий. Снизу вверх:

Первый слой — энергия. Буквально электричество, которое питает всю мозговую деятельность ИИ. Кажется скучно? Вот почему нет: современные ИИ-системы требуют того же порядка электроэнергии, что и целые города. Если вы строите новый облачный центр на 100 000 GPU, вам нужна электростанция. Это означает либо новые ЛЭП, либо новые атомные реакторы. В США и Европе это стало узким местом номер один.

"Энергия — это физический фундамент всего остального. Без неё вы не сможете обработать ни один сигнал", — объяснил Хуан на сцене Давоса.— Дженсен Хуан, CEO NVIDIA

Второй слой — чипы и вычислительная инфраструктура. GPU от NVIDIA, процессоры от AMD, кастомные ускорители от Broadcom. Это аппаратная начинка. Здесь NVIDIA построила империю: компания имеет $500 млрд неполученных заказов и прогнозирует доход в $330 млрд только от облачного дивизиона в 2026 году. Это не тонкая маржа. Это монополия на критическое оборудование.

Но тут же появляется новый игрок. Broadcom поставляет высокоскоростные сетевые фабрики и кастомные ASIC, которые связывают GPU между собой. И гиперскейлеры (Google, Meta, Amazon) начинают разрабатывать свои собственные чипы на основе архитектур Broadcom. Они становятся не просто потребителями, а со-конструкторами инфраструктуры.

Третий слой — облачная инфраструктура. Центры обработки данных, сети, системы охлаждения, резервное электропитание. Это физические здания, которые стоят млрд долларов. AWS, Azure, Google Cloud — они сейчас инвестируют $527 млрд в расширение капиталовложений только в 2026 году. Для сравнения: это вдвое больше, чем весь рынок корпоративного ПО.

Четвёртый слой — ИИ-модели. ChatGPT, Claude, DeepSeek, Gemini. Это слой, о котором говорят в медиа. Но он — середина стека, а не вершина. Модели потребляют энергию и вычислительные ресурсы из нижних слоёв.

Пятый слой — приложения. Где деньги. Диагностика в здравоохранении, риск-моделирование в финансах, оптимизация производства в промышленности. Хуан подчеркнул: "Экономическая ценность возникает именно в этом слое". Нижние четыре — это подмость для верхнего. 

"Приложения на уровне отраслей — финансы, здравоохранение, производство — вот где зарождается реальная экономическая ценность. Всё остальное служит лишь доставкой этого потенциала".— Дженсен Хуан, CEO NVIDIA, Давос 2026

Три прорыва, которые сделали ИИ практичным

Год назад ИИ был любопытством. Интересной игрушкой для исследователей, но не орудием для производства. Что изменилось за 12 месяцев?

Первый прорыв: надёжность вместо галлюцинаций. Ранние модели постоянно выдумывали факты. Звали людей именами, которые они не носили. Цитировали статьи, которых не существовало. В 2025 году это изменилось кардинально. Модели научились методическому рассуждению — Chain-of-Thought: разбирать сложную задачу на шаги, формулировать гипотезы, проверять их на логику. Результат: система, которой можно доверить серьёзные задачи. "Впервые модели стали достаточно надёжны, чтобы на них можно было строить приложения", — сказал Хуан.

Второй прорыв: от ассистентов к агентам. Чатбот отвечает на вопрос. Агент выполняет последовательность действий. Берёт информацию из разных источников, принимает решения, корректирует ошибки, переделывает работу. Это качественный скачок. Модели стали способны работать с неопределённостью, адаптироваться на ходу. И это открывает путь к автономным системам.

Третий прорыв: выход в физический мир. Physical AI. Роботы на CES 2026 продемонстрировали это наглядно. Tesla Optimus, Boston Dynamics Spot, многорукие манипуляторы — они теперь используют вижн-трансформеры и ИИ-модели, чтобы понимать среду и адаптироваться к новым задачам без переучивания. Это не предпрограммированные роботы. Это системы, которые видят, понимают, действуют.

Триллионы: пузырь или реальность?

На Уолл-стрит беспокоятся. Может ли быть, что компании вкладывают слишком много в ИИ-инфраструктуру? Что произойдёт, когда гиперскейлеры решат, что у них достаточно мощностей, и начнут сокращать расходы?

Хуан отвечает просто: это не dot-com. И вот почему.

Глобальное R&D и операционные расходы промышленности оцениваются в $20–30 триллионов в год. Это пространство, где ИИ будет встроен везде: в научные расчёты, в логистику, в проектирование. Если даже $85 триллионов за 15 лет (эстимат, который Хуан привёл на Fox Business) просто цена переборки этого пространства, то это не спекуляция. Это модернизация.

Вот что отличает сейчас: спрос переполнен. NVIDIA не может произвести достаточно GPU. Очереди на чипы растут, а не падают. Компании не выбрасывают из окна деньги — они конкурируют за доступ к инфраструктуре. Это поведение реального, ограниченного рынка, а не спекулятивного пузыря.

Рабочие места: не замещение, а дополнение

Конечно, все беспокоятся о работе. Заменят ли ИИ людей? Хуан приводит пример, который часто цитируют неправильно. Количество радиологов, работающих с ИИ-диагностикой, не упало. Наоборот, выросло. Почему? Потому что системы ИИ ускорили диагностику, увеличили объёмы обследований и позволили врачам взять больше пациентов.

Главное различие: "работа" vs "рабочая задача". Работа — это профессия в целом (быть врачом, инженером, архитектором). Рабочая задача — повторяющийся фрагмент, который можно автоматизировать. ИИ меняет второе, расширяя первое.

И что самое важное: каждый слой стека требует людей. Энергосистемы нужны инженеры. Центры обработки данных нужны операторы и системные администраторы. Разработка кастомных ASIC нужна инженеров-проектировщиков. Облачные операции нужны DevOps специалисты. Приложения нужны архитекторы и data scientists. Создание рабочих мест, которые требуют новых профессиональных навыков, — это главный побочный эффект.

Практические идеи для разных аудиторий

Для инвесторов: Нижние слои стека (энергия, инфраструктура, облако) — это то, где вы найдёте консервативный, долгоживущий рост. NVIDIA, Broadcom, гиперскейлеры AWS/Azure/GCP — они не зависят от того, какая модель окажется лучше. Они обслуживают спрос на всех уровнях.

Для CTO и ИТ-директоров: Kubernetes, Ray, NVIDIA AI Enterprise становятся контрольными точками. Вас перестанут просить "внедрить ChatGPT". Вас будут просить "интегрировать ИИ-агентов в производственный workflow". Это требует думать об архитектуре, масштабируемости, надёжности.

Для правительств: Хуан и Финк прямо говорили об этом: ИИ-инфраструктура — это как дороги и электросети. Если страна не имеет своих энергоресурсов и вычислительных мощностей, она остаётся зависима. Это вопрос суверенитета, а не просто технологии.