В 1937 году дальнобойщик Малком МакЛин простоял несколько часов на причале в Нью-Джерси, ожидая, пока грузчики вручную перегрузят ящики с его грузовика на корабль. Разгрузка шла медленно: каждая единица груза требовала отдельной операции. МакЛин задался простым вопросом: а что, если грузить ящики целиком?
Идея была почти примитивной, но за ней стояла сложная инженерная задача. Нужно было создать стандартный металлический контейнер, перепроектировать доки и корабли, изобрести мощные краны — и убедить профсоюзы, видевшие в этом угрозу рабочим местам. На реализацию ушло двадцать лет. 26 апреля 1956 года корабль Ideal X отплыл из Ньюарка с 58 стальными ящиками. Стоимость перевалки упала с $5,83 до $0,16 за тонну.
МакЛин не хотел менять мир. Он просто хотел избавиться от очереди. Но именно это сняло ключевое узкое место — и запустило глобализацию.
С этой же логикой стоит читать интервью Илона Маска от 5 февраля 2026 года. Он атакует сразу несколько физических ограничений: электричество, чипы, роботы, орбита. Он может ошибаться в сроках. Но важно понимать, куда он бьёт — не ради точности прогнозов, а чтобы замечать сдвиги раньше других.
У всего этого — один главный вопрос: когда вычисления перестают быть дефицитом, что становится следующим горлышком бутылки? Каждый тезис Маска — про снятие физического ограничения. Но история МакЛина учит: снятие одного бутылочного горлышка не решает проблему — оно перемещает её. Контейнер убрал дефицит перевалки — и порты стали новым узким местом. Это и есть ключ к пониманию.
⚡ Электричество — настоящий дефицит для AI
«Производство чипов растёт почти экспоненциально, а выработка электроэнергии стоит почти на месте. Как вы собираетесь всё это обеспечивать? Волшебными феями электричества?»
МакЛин мог спроектировать идеальный контейнер — но без кранов, способных его поднять, он был бы бесполезен. То же сейчас с AI-чипами: они производятся всё быстрее, а электросеть не успевает.
Маск называет это абсолютным ограничением — и почти прав. Но дефицит не глобальный, а локальный. В США дата-центры потребили 176 ТВт·ч в 2023 году — около 4,4% национального потребления. К 2028 году, по оценкам Lawrence Berkeley National Laboratory, эта доля вырастет до 6,7–12%.
В очереди на подключение к сети ERCOT — 226 ГВт заявок, почти втрое больше пиковой нагрузки Техаса. PJM Interconnection зафиксировала рост стоимости резервирования мощности с $2,2 млрд до $14,7 млрд — и причина названа прямо: AI-дата-центры. Счета за электричество уже растут быстрее инфляции.
Проблема не в общем дефиците энергии, а в её концентрации: дата-центры строятся там, где дешевле — в Техасе, Вирджинии, Айове. Именно там сеть испытывает критическое давление.
Есть и ловушка, о которой Маск не говорит напрямую. Британский экономист Уильям Стэнли Джевонс описал её в 1865 году: повышение эффективности ведёт не к экономии, а к росту потребления. Например, медианный промпт в Gemini Apps стал в 33 раза энергоэффективнее за год — но углеродный след Google вырос на 48% с 2019 по 2023 год.
DeepSeek снизил стоимость инференса — и совокупные расходы на вычисления выросли. Решение энергетической проблемы не снимет нагрузку — оно её ускорит. Morgan Stanley отмечает: следующими бенефициарами станут не только производители чипов, но и компании в энергетике и сетевой инфраструктуре.
🔩 Турбинные лопатки — горлышко бутылки
«Узкое место здесь — лопатки и направляющие аппараты турбин… В мире всего три литейные компании, которые это производят, и они забиты заказами под завязку.»
За электричеством стоит ещё более длинная очередь.
Даже при деньгах и политической воле построить газовую электростанцию за 2–3 года невозможно. Не из-за инженеров или финансирования — а из-за физического предела: лопатки турбин из монокристаллических суперсплавов. Их производство сконцентрировано в трёх компаниях. Это не метафора — это реальный механизм дефицита.
Siemens Energy зафиксировала рекордный портфель заказов — €146 млрд, напрямую связанный с AI-дата-центрами. GE Vernova расписана до 2030 года. Новый литейный завод требует 5–7 лет от инвестиции до выхода на мощность. Даже если начать сегодня, физическое горлышко сдвинется не раньше 2031 года.
Маск говорит это не абстрактно. Для проекта Colossus в Мемфисе пришлось агрегировать турбины, переносить генерацию и тянуть высоковольтные линии. Это реальная инфраструктурная боль, которую сейчас испытывают все крупные игроки.
Важно: не все пути к энергии проходят через турбины. Солнечная генерация масштабируется за 18–24 месяца — но упирается в импортные тарифы, дефицит компонентов и систем хранения. Разные пути — разные узкие места.
🧠 Дефицит памяти важнее дефицита логики
«Если честно, моя главная тревога сейчас — это память… Как делать логические чипы, более-менее понятно; а вот как обеспечить эти чипы достаточным объёмом памяти — уже далеко не так очевидно...»
Почему память сложнее масштабировать, чем логику? Потому что это разные процессы. Логические чипы (GPU) производятся на тех же линиях, которые TSMC и Samsung наращивают агрессивно. А HBM (High Bandwidth Memory) — это трёхмерное стекирование кристаллов с микронными допусками. Только три компании умеют это делать коммерчески: SK Hynix, Samsung, Micron.
Производственный цикл — 2–3 года. Это значит: даже если GPU перестанут быть дефицитом, AI-кластеры упрутся в HBM. Эта очередь уже есть. TrendForce называл рост цен на DDR5 «беспрецедентным». SK Hynix в феврале 2026 года заключил контракт на поставку HBM3E для NVIDIA — прямое подтверждение, что память стала отдельным переговорным активом.
Публичных данных о дефиците HBM мало — производители не раскрывают лимиты. Но именно это и тревожит: когда информации нет, а Маск говорит «my biggest concern», это сигнал, что внутренняя картина хуже.
Парадокс Джевонса здесь особенно жёсткий. Когда память станет доступнее, модели станут ещё больше — следующее поколение потребует вдвое больше HBM. Дефицит не исчезнет — он переедет на следующий уровень.
🤖 Optimus — рекурсивный мультипликатор
«Практическая полезность робота — это примерно результат перемножения трёх факторов: цифрового интеллекта, вычислительных возможностей чипов и электромеханической ловкости. А затем робот начинает производить других роботов — и возникает рекурсивный экспоненциальный рост с мультипликативным эффектом!»
Маск описывает не просто робота — он описывает механизм, где три экспоненты не складываются, а перемножаются. И потом рекурсируют: роботы начинают производить роботов.
Направление верное. AI-интеллект растёт: каждое поколение моделей решает задачи, которые год назад считались недостижимыми. Вычислительная мощность на доллар удваивается примерно каждые три года. Прогресс в электромеханической ловкости реален, но медленнее.
Amazon Robotics к середине 2025 года развернул более миллиона роботов при 1,56 млн сотрудников — почти 1:1. Но даже при таком масштабе роботы требуют значительного человеческого участия.
Рекурсивное самовоспроизводство — сложнее, чем кажется. Производство робота — это сборка тысяч компонентов от разных поставщиков. Tesla Optimus пока не прошёл публичных тестов в реальных условиях.
Но тезис важен не как факт сегодняшнего дня, а как структурный прогноз. Множитель AI × физический труд уже работает. Insilico Medicine совместно с Университетом Торонто открыла кандидата для лечения гепатоцеллюлярной карциномы за 30 дней, используя AlphaFold и AI-платформу Pharma.AI. Это не про «быстрее» — это про задачи, невозможные при ручном переборе.
Если роботы станут дешевле людей — спрос на них не просто заместит рабочую силу. Он создаст новые категории задач, которые сейчас не выполняются, потому что нерентабельны.
🚀 Орбитальный дата-центр — дальний горизонт
«Я прогнозирую, что уже через 36 месяцев, а может и через 30, самым дешёвым местом для размещения ИИ — и с огромным преимуществом перед всем остальным — окажется космос.»
Когда наземная инфраструктура не успевала — МакЛин не стал ждать. Он обошёл проблему, построив свою систему. Маск предлагает то же: вместо ожидания роста энергосетей — выйти в космос, где солнечная панель вырабатывает в пять раз больше энергии. Нет дня и ночи, погоды, атмосферных потерь. Не нужны батареи.
Физика здесь корректна. Солнечная постоянная в космосе — около 1360 Вт/м², на поверхности — до 1000 Вт/м² в лучших условиях. Преимущество реальное.
Но экономика пока не сходится. Запуск Falcon 9 стоит $67–74 млн — это $3 800–4 200 за килограмм на орбиту. Серийные GPU весят и стоят так, что CAPEX орбитального кластера на порядки выше наземного при той же мощности.
Ключевая переменная — Starship. Маск называет цель: «миллион тонн на орбиту в год». Starship совершил 5 тестовых полётов в 2025 году — ни один не завершился полноценным орбитальным рейсом. Для нужного масштаба потребовались бы тысячи запусков в год. За всю историю космонавтики — около 7 000 успешных орбитальных запусков суммарно.
36 месяцев — почти наверняка нереалистичный срок для экономического паритета. Но это не делает тезис ложным. Скорее, вектор выбран верно, а горизонт — агрессивно сжат.
Для SpaceX это важно уже сейчас. Starlink показал, что орбитальная инфраструктура может быть коммерческим активом, финансирующим следующий этап. Если тезис о вычислениях в космосе подтвердится хотя бы частично, SpaceX перестанут оценивать как транспортную компанию — и начнут видеть как претендента на роль вертикально интегрированной орбитальной compute-инфраструктуры.
🌍 Снятие энергетического ограничения меняет не инфраструктуру — а географию и власть
Маск фокусируется на инженерной стороне: как добыть достаточно электричества для AI. Но если поднять взгляд, открывается более важный вопрос: что происходит, когда это ограничение снимется?
Сейчас AI-вычисления концентрируются там, где дешёвое электричество. В Вирджинии дата-центры потребляют 24% продаж электроэнергии Dominion Energy. Запросы на подключение — 70 000 МВт, втрое больше пиковой нагрузки штата. Ирландия — где дата-центры забирают 22% энергии — стала AI-хабом не по стратегии, а из-за дешёвой энергии и мягкого налогового режима.
Это прямая аналогия с контейнерами. До МакЛина маршруты зависели от географии портов. После — всё изменилось. Стоимость перевалки стала ничтожной, и маршруты перестроились вокруг налогов, земли, рабочей силы. Так появились Роттердам, Сингапур, Гонконг — не из-за гаваней, а из-за адаптации к новой логике.
То же случится с AI-инфраструктурой, когда энергия перестанет быть дефицитом.
Но дальше — интереснее. Когда энергия перестаёт быть дефицитом, дефицитом становится что-то другое. После появления лампочек ценность определялась не «есть ли свет», а «что с ним делаешь». Заводы, перестроившиеся с группового привода на индивидуальный, получили кратный прирост производительности — не за счёт электричества, а за счёт реорганизации.
Это то, что Брайнджолфссон называет «дополняющими инвестициями» — нематериальный капитал, который накапливается медленно. В 2025 году производительность труда в США выросла на 2,7% — почти вдвое выше среднего за десятилетие. Это, возможно, первые признаки «фазы сбора урожая» для AI. Но не торопимся: про электричество в 1910-х говорили то же — и ждали 10–15 лет, пока заводы не перестроились.
Когда вычисления дешевеют, меняется не только эффективность — меняется то, что возможно в принципе. Перебирать миллионы молекул раньше было невозможно. Когда компьютер стал стоить меньше $1000, стал возможен интернет — не из-за компьютера, а из-за доступности.
И вот — главный вопрос: когда вычисления перестают быть дефицитом — что становится следующим горлышком бутылки?
Ответ уже виден: не энергия, не чипы — а доверие, регулирование и интерпретируемость.
Когда AI-агент может выдать диагноз, принять кредитное решение или спроектировать двигатель — вопрос «а проверить-то как?» становится дороже самого вычисления.
UnitedHealth Group использовала AI-алгоритм nH Predict для оценки страховых случаев пожилых пациентов. Он систематически отклонял заявки, игнорируя врачей, и имел 90% ошибок при пересмотре. Но обжаловали только 0,2% пациентов. Результат — коллективный иск, расследование Сената, и вопрос: «по каким критериям принималось решение?» — на который до сих пор нет ответа, потому что компания назвала логику «проприетарной».
Вычислительная мощность для этого алгоритма стоила копейки. Невозможность объяснить решения обошлась в репутацию, иски и человеческие жизни.
Именно поэтому Anthropic строит «debugger для нейронов» — возможность трассировать, где AI «подумал неправильно». Именно поэтому Маск в интервью упоминает интерпретируемость как критическую инфраструктуру: не потому что это модно, а потому что без неё вычислительный потенциал не конвертируется в реальные решения.
Города и юрисдикции, которые первыми создадут регуляторные песочницы для AI-агентов с реальными полномочиями, получат то же преимущество, что портовые города после контейнерной революции. Не просто «у них дешевле» — а «именно там это вообще возможно».
Финал. Возврат к причалу
МакЛин в 1956 году не думал о глобализации. Он думал о пробке на шоссе. Но, решая локальную проблему — очередь на причале — он переписал правила мировой торговли. Важно не то, что он «угадал будущее», а то, что он нашёл настоящее узкое место и ударил по нему.
Контейнер изменил не только логистику — он изменил географию производства, рынок труда и геополитику. Дешёвые вычисления могут сделать нечто похожее. Парадокс Джевонса здесь прост: чем дешевле вычисления, тем шире они встраиваются в реальные процессы. А значит, тем болезненнее становится вопрос, на который современные нейросети отвечают плохо: почему система приняла именно это решение, а не другое?
Проблема не в интерфейсе объяснений. Проблема в том, что большинство передовых AI-систем — особенно глубокие нейросети — устроены как чёрные ящики. Они уверенно выдают результат, но не раскрывают логику, которая к нему привела. Это не недоработка — это следствие архитектуры, масштаба и способа обучения.
Пока это так, удешевление вычислений будет производить не только больше ответов, но и больше решений, в которых нельзя по-настоящему разобраться. Турбинную лопатку можно отлить. Интерпретируемость нейросети — пока нет. В этом и состоит наша очередь на причале.