O czym jest ten film
- Główna teza gościa: „wyścig zbrojny” USA–Chiny w AI to złudzenie — nie ma mety, jednego zwycięzcy ani gry o sumie zerowej, a wiara w ten obraz prowadzi do marnotrawstwa zasobów.
- Nikt nie wygrał wyścigu o elektryfikację — AI jak prąd i oprogramowanie rozprzestrzeni się nieuchronnie, przede wszystkim dzięki modelem o otwartych wagach.
- Inteligencja się utowarowi: małe, coraz sprawniejsze modele działają już na Macu Studio, niedługo na laptopach i telefonach — nie da się ich zagarnąć ani zmonopolizować.
- Przełomy w medycynie zrobią wyspecjalizowane modele rzędu 10–20 miliardów parametrów, a nie giganty — przykład chińskiej firmy zajmującej się odkrywaniem leków.
- Ryzyko finansowe: około 3 bilionów dolarów pozabilansowych zobowiązań czołowych hiperskalerów (za „Wall Street Journal”), wskaźnik Buffetta na 240%, 45% S&P 500 to spółki z kręgu AI — bańka pęknie.
- Rynek pracy: dwudziestolatki ponoszą skutki jako pierwsze (ok. 19% luki płacowej), a łączna masa płac spada od 2023 roku mimo rosnącej giełdy; AI wdrożyło realnie tylko ok. 20% firm, a dobrze zaledwie 5%.
- Rada dla młodych: profil w kształcie litery „T”, przejście pełnego cyklu życia produktu i szeroka lektura humanistyczna — wąska specjalizacja czyni z człowieka „pieczątkę” pod AI.
- Prawdziwym zagrożeniem nie są państwa, lecz aktorzy niepaństwowi: modele chemiczne o milionach parametrów mogą w kilka godzin zaprojektować broń na laptopie; potrzebne są standardy bezpieczeństwa i „czerwony telefon” między Waszyngtonem a Pekinem.
- Branża AI stosuje scenariusz znany z kompleksu wojskowo-przemysłowego: znajdź wroga, przestrasz, przedstaw siebie jako rozwiązanie — stąd setki milionów dolarów na lobbing.
- Scenariusz optymistyczny: kryzys ekonomiczny jako trzeźwiący wstrząs, „plan Marshalla 2.0” dla globalnego Południa, dywidenda pokoju i więcej czasu na relacje — AI może pozwolić nam być bardziej ludzcy.
Redakcyjne tłumaczenie
Zajawka z filmu
Na początku materiału pojawiają się fragmenty rozmowy:
Alvin: Zdumiewa mnie, jak wielką barierą bywa sama niechęć. Rozmawiam z wieloma ludźmi w przedsiębiorstwach i słyszę: „Nie zależy mi na tym, żeby moi inżynierowie uczyli się programować. W porządku, dobrze im. Nie zamierzam robić z całej firmy zbioru programistów — mam inne rzeczy na głowie.”
Nate: Spójrzmy na następne dziesięć lat. Nakreśl mi dwie drogi: tę szczęśliwą, która prowadzi do lepiej działającego społeczeństwa, i tę ciemniejszą.
Alvin: Nikt przecież nie wygrał wyścigu o elektryfikację, prawda?
Nate: Wszyscy w końcu dostaliśmy prąd.
Alvin: No właśnie. I właśnie to mnie martwi: jeśli wasz produkt jest naprawdę tak dobry, to po co wam tyle lobbingu?
Nate: Brzmi jak sztuczna inteligencja, którą tworzymy. Nie musimy liczyć na życzliwość przybyszów z innej planety — sami tworzymy własnych „obcych”.
Alvin: Zdecydowanie.
Zapowiedź prowadzącego
Nate: Na dzisiejszy odcinek przygotowałem coś wyjątkowego. Od dawna szukałem kogoś, kto potrafi rozmawiać o relacjach USA–Chiny w sztucznej inteligencji, nie stając po żadnej ze stron — i wreszcie go znalazłem. Alvin Graylin zajmuje się AI od 1990 roku, po obu brzegach Pacyfiku. Takiej perspektywy nie spotkałem nigdzie indziej. On twierdzi, że wyścig zbrojny w AI nie istnieje. Dokładnie tak. Zostańcie z nami — będzie ciekawie.
(Informacja dodatkowa: w automatycznym transkrypcie nazwisko gościa jest zniekształcone; chodzi o Alvina Graylina — weterana branży technologicznej z wieloletnim doświadczeniem zawodowym w Chinach i USA, znanego komentatora relacji obu krajów w dziedzinie AI.)
Kim jest gość
Nate: Alvin, jesteś u nas po raz pierwszy. Zacznijmy od podstaw: kim jesteś, jak trafiłeś do AI i czym zajmujesz się dziś?
Alvin: Dziękuję za zaproszenie. W technologii siedzę od 1980 roku i mniej więcej wtedy też zacząłem programować. Z AI związałem się na przełomie 1990 i 1991 roku — budowałem sieci neuronowe, robiłem własne płytki drukowane, zajmowałem się przetwarzaniem języka naturalnego. Przeszedłem przez cały stos technologiczny: od centrów danych, przez projektowanie chipów i urządzenia, po aplikacje i modele. Sporo więc widziałem. W Intelu pracowałem nad pierwszym zestawem instrukcji SIMD — jedna instrukcja, wiele danych — na którym do dziś opierają się procesory graficzne. Nazywał się MMX. Działałem po obu stronach Pacyfiku. Studiowałem na University of Washington, informatykę ukończyłem w MIT, a niedawno dorzuciłem tamże MBA. Przeszedłem z branży do akademii: prowadzę badania w Stanford, w instytucie HAI — Human-Centered AI Institute — a od zimy będę wykładał na University of Washington o polityce w obszarze AI i technologii. Poza tym pracuję w waszyngtońskim think tanku, doradzając rządowi, jak podejmować w tych sprawach lepsze decyzje.
Największe nieporozumienie: „wyścig zbrojny”
Nate: W takim razie: co ludzie rozumieją w temacie AI najgorzej? Nad czym poświęcasz najwięcej tchu, prostując cudze poglądy?
Alvin: Największy problem — a właściwie sedno wielu złych decyzji podejmowanych właśnie teraz — to fałszywe wyobrażenie o „wyścigu zbrojnym” w AI. I towarzyszące mu przekonania: że istnieje meta, że wygra jeden i zabierze wszystko, że świat działa według reguł gry o sumie zerowej. Nic z tego nie jest prawdą. Gdy ludzie to w końcu pojmą, okaże się, że to, co robimy — zarówno w przemyśle, jak i w bezpieczeństwie narodowym — to w gruncie rzeczy marnotrawienie zasobów. Rywalizacja uniemożliwia nam też uczynienie tych produktów i technologii bezpieczniejszymi, bo od samego początku ustawia AI jako broń, a nie jako technologię.
Nate: Cóż, nikt przecież nie wygrał wyścigu o elektryfikację.
Alvin: I wszyscy mamy prąd. W wielu wymiarach jest tu tak samo: nie da się na trwałe odciąć ludzi od elektryczności i nie da się odciąć ich od AI. To oprogramowanie, a oprogramowanie chce być darmowe i chce być wszędzie. Nie da się powstrzymać jego rozprzestrzeniania — zwłaszcza teraz, gdy mamy modele o otwartych wagach, dostępne dla każdego. Są niewielkie, mają nową architekturę i działają już na Macu Studio, podczas gdy porównywalne modele zamknięte wymagają całych szaf serwerowych, z których każda kosztuje miliony dolarów. To komodytyzacja inteligencji wysokiej jakości — i nie uważam tego za złą wiadomość. Może poza kilkoma firmami, które liczą na grube marże; dla wszystkich pozostałych to zysk.
Nate: Wierzysz w przyszłość, w której inteligencja jest wszechobecna…
Alvin: Wszechobecna i praktycznie darmowa. Dziś uruchomisz taki model na zwykłym komputerze. Za kilka miesięcy ktoś go skwantyzuje — i wejdzie na laptopa. Kolejne trzy, cztery, sześć miesięcy później — na telefon. A te systemy już teraz oferują poziom, którego większość ludzi nie potrafi wykorzystać przez większość czasu. Ta inteligencja będzie wszędzie i nie da się jej zagarnąć ani zmonopolizować. Kilka firm próbowałoby — ale to pod prąd naturalnych sił makro. Wtedy pada pytanie: masz już tę inteligencję — co z nią zrobisz? Z tym dylematem zmierzymy się wszyscy, każdy w innym stopniu. I wracamy do wcześniejszego wątku: użyjemy jej jako broni, czy jako narzędzia poprawy życia? Pozwolimy jej pomóc w poszukiwaniu nowych materiałów, oszczędzaniu energii, lepszej edukacji dzieci, szybszej diagnostyce chorób? Byłem niedawno w Chinach i rozmawiałem z ludźmi z jednej z czołowych firm od odkrywania leków. Powiedzieli mi: „Używamy AI bez przerwy, ale nie modelu o dziesięciu bilionach parametrów. Używamy dziesięciomiliardowego, wyspecjalizowanego w chorobie, nad którą pracujemy.” I to jest drugie wielkie nieporozumienie: ludzie myślą, że wyścig polega na budowaniu największego, „superinteligentnego” modelu i że właśnie on wyleczy raka. Tymczasem raka wyleczy model o 10–20 miliardach parametrów, wytrenowany na danych o konkretnej chorobie — i uruchomiony na laptopie.
Przegrzane inwestycje i długi pozabilansowe
Nate: Można by zapytać: czy nie lepiej wykorzystywać usprawnień, które pojawiają się codziennie, i wydobywać więcej z tego, co już mamy — a część pieniędzy pompowanych dziś w centra danych przeznaczyć na lepsze szpitale, drogi, elektrownie? To wszystko, czego społeczeństwo realnie potrzebuje. Wygląda to na nadmierne skupienie się i nadmierne uzależnienie od jednego obszaru. A jeśli rentowność nie nadejdzie w skali, jakiej wszyscy oczekują — jak spłaci się te inwestycje?
Alvin: Kilka tygodni temu „Wall Street Journal” opublikował materiał, z którego wynika, że okrągłe 3 biliony dolarów zobowiązań pozabilansowych ma na swojej burcie samych czołowych amerykańskich hiperskalerów. Dla porównania: w szczytowym momencie bańki subprime na rynku krążyło 1,6 biliona dolarów takich kredytów. Mam wrażenie, że nieco strzelamy sobie w kolano i czynimy gospodarkę wyjątkowo kruchą. To jest dziś moje największe zmartwienie — i o tym właśnie próbuję przekonywać decydentów. Nie mówiąc już o możliwych zwolnieniach: nie wiem, czy do końca zgadzamy się co do tempa, w jakym nastąpią, i tego, jak szybko sytuacja się unormuje — ale w Ameryce w zasadzie nie istnieje sieć bezpieczeństwa socjalnego. Jest zasiłek dla bezrobotnych, szybko się kończy i nie wystarcza na życie. Skutki widać już dziś wśród młodych. Według badania Stanfordu z zeszłego roku, niedawno zaktualizowanego — a trend się utrzymuje — dwudziestolatki w wieku 20–25 lat mają około 19% luki w zarobkach względem tego, co powinny mieć przy porównaniu z innymi grupami wiekowymi. W branżach wystawionych na AI młodzi pierwsi odczuwają uderzenie, podczas gdy starsi pracownicy nadal awansują i zarabiają w dotychczasowym tempie.
Nate: Czyli seniorzy po prostu wycinają młodych… albo w ogóle ich nie zatrudniają.
Alvin: Jedno z dwojga. Firmy albo nie robią naboru, albo zwalniają najmłodszych, bo uważają, że AI przejmie to, czym zajmowali się juniorzy. Jestem ciekaw, jak złożyć te dane w całość, bo to badanie znam — i sporo rozmawiam z ludźmi z pokolenia Z, którzy wyraźnie czują ten ucisk. Jak postawić to obok danych od firmy Stripe, pokazujących skyrocketing… to znaczy lawinowy wzrost zakładania nowych firm? Przedsiębiorczość rośnie. Jaki obraz z tego razem wychodzi?
Alvin: Proponuję spojrzeć na lata 1998–2000 i wtedy wzrost zatrudnienia. Pamiętasz „programistów HTML”, którzy po tygodniowym kursie dostawali sześciocyfrowe pensje? A potem zobacz, co stało się między 2001 a 2005 rokiem — większość tych etatów zniknęła. Nie chodzi o to, że zapotrzebowanie nie istnieje. Istnieje, bo dziś AI wdrożyło realnie tylko około 20% firm, a dobrze zrobiło to może 5%. Jest więc przestrzeń, by wnosić AI do biznesów i ich procesów. Te firmy w większości nie wydobyły jeszcze z niego wartości, więc nie doszło jeszcze do zwolnień. A firmy, które to umożliwiają — ci sprzedawcy „łopat i kilofów”, nie złota — one naturalnie pierwsze widzą boom. Warto jednak zwrócić uwagę na coś innego: jeśli porównamy wartość giełdową z łączną masą płac, to płace spadają konsekwentnie od 2023 roku. Giełda rośnie w górę, płace idą w dół. To pierwszy raz w historii, kiedy rynek akcji i rynek pracy nie poruszają się razem.
Nate: I to jest chyba poważniejszy sygnał…
Alvin: Wskazuje na realny problem. Aktywność zawodowa też systematycznie spada.
Nate: To trend sprzed AI.
Alvin: Sprzed AI, ale trwa nadal. To po prostu znak automatyzacji — wszędzie: w produkcji i w pracy biurowej.
Rada dla młodych: profil „T” i pełne cykle życia produktu
Nate: Z tym tłem — co mówisz młodym ludziom? Uczysz studentów, dziś to już pokolenie Z na uczelniach.
Alvin: Jest trudno. Szczerze: nawet na MIT, Stanfordzie czy University of Washington — uczelniach z najwyższej półki — młodzi mają problem ze znalezieniem pracy. Mówię im: nie skupiajcie się na etacie, który — jak myślicie — dostaniecie. Zbierajcie jak najszerszy zestaw doświadczeń. Budujcie profil w kształcie litery „T”: wiedza o wielu rzeczach plus jedna rzecz opanowana naprawdę głęboko — i to nie na papierze, ale tak, że coś fizycznie zbudowaliście. Nie na poziomie „liźnięcia” tematu. Bo kiedy przejdziecie cały proces — projektowanie, budowa, wdrożenie, aż po wycofanie produktu z rynku — wiecie już, jak rzeczy działają w prawdziwym świecie, i nie ma znaczenia, w jakiej branży. Przejdźcie ten cały cykl. Nawet za darmo. Oddajcie firmie wakacje albo popołudnia po zajęciach w zamian za możliwość przejścia pełnego cyklu życia produktu. A potem czytajcie historię, filozofię, psychologię, socjologię, zarządzanie — wszystko to, co daje szerokość rozumienia i pozwaja łączyć kropki. Niestety, nasz system edukacji to nam zabrał: każe się specjalizować. A dziś specjalista wnosi bardzo mało ponad to, co daje AI. Co gorsza: gdy dostaniesz odpowiedź od modelu, nie masz jak jej ocenić ani skrytykować — więc po prostu ją akceptujesz. Jeśli tak wygląda twoja rola, to po co w ogóle tam jesteś?
Nate: Stajesz się opakowaniem wokół AI.
Alvin: Właśnie — opakowaniem. Niektórzy idą dalej: mówią, że taki człowiek ma dla firmy wartość wręcz ujemną, bo płacisz mu za przybijanie pieczątki pod tym, co zrobił model. W końcu wszyscy to zauważą — i ciebie tam nie będzie.
Nate: To się zgadza z tym, co sam widzę w firmach i o czym rozmawiam z młodymi. Potrzebna jest umiejętność szybkiego łączenia wzorców na bardzo szerokim materiale doświadczeń — ta szeroka lektura, o której mówisz — a jednocześnie głębokie zrozumienie, jak coś zbudować, uruchomić, zoptymalizować i, jak słusznie dodałeś, wycofać, by wynieść wnioski gdzie indziej. Praca, która przetrwa — niezależnie od tego, jak sprytne będą modele — to praca wielowymiarowa, oparta na połączeniach. Doświadczenie „z ulicy” waży tu coraz więcej. Jest taki żart: do drugiego startupu trzeba dojść jak najszybciej, bo pierwszy i tak zepsujesz okropnie — to startup nauki.
Alvin: Albo w pierwszym startupie idź uczyć się u kogoś, kto już to robił, zamiast popełniać te same błęny samodzielnie. Wolę tę wersję — nie każdy musi być prezesem.
Nate: Nie każdy powinien. Na to się zanosi: jeśli ktoś aspiruje, to tak, mówi się o cechach przywódczych, ale zdolność do „połykania szkła” przez długi czas musi być poza skalą.
Alvin: I to jest, moim zdaniem, brak, którego nie uzupełnia się u młodych Amerykanów — są po prostu rozpieszczeni. Przyznaję, moje dzieci też; i ja mam w tym swój udział. Dorastali w tak miłych czasach, spokojnych, gdy wszystko rosło i mieli wszystko, czego zapragnęli. Nigdy nie zaznali trudu. Ja pochodzę z kultury azjatyckiej i mamy tam powiedzenie: „jedzenie goryczy jest znakiem dorastania” — trzeba nauczyć się przełykać trud. Młodzi ludzie — zwłaszcza ci, którzy nie podróżowali po świecie — nie wiedzą, jak żyje reszta globu.
Nate: To do mnie trafia, bo pamiętam lata 90. w Indonezji, okres azjatyckiego cudu gospodarczego. Widziałem ludzi, którzy poświęcali wszystko, by posłać dzieci do szkoły, by dojechać do Dżakarty za pracą. Pracowali po godzinach. Przeciętne gospodarstwo domowe nie miało telewizora, nie miało motocykla, kurczaka jadło raz w tygodniu — a nagle wszystko to zaczęło przychodzić, bo gospodarka odpowiadała na wysiłek tych pojedynczych ludzi.
Alvin: Człowiek jest zwierzęciem niezwykle wytrzymałym. Kiedy współpracujemy, dokonujemy zdumiewających rzeczy. Wojen nam brak — to pomaga. Istnieje dywidenda pokoju, a w ostatnich latach, niestety, wydaje się, że cofamy się w przeciwnym kierunku. I właśnie ta wytrzymałość daje mi nadzieję. Nie wiem, co przyniesie przyszłość, ale jako gatunek wykazaliśmy się raz po raz zdolnością, by spojrzeć na nowe wyzwanie i na własne narzędzia i zapytać: jak zareagować inaczej?
Nate: W perspektywie długoterminowej w pełni się zgadzam. Krótkoterminowo: ludzie zmieniają się dopiero w obliczu kryzysu. Moje jedyne pytanie brzmi — jak duży kryzys musi nadejść, żeby się obudzili?
Czego potrzebna jest współpraca międzynarodowa
**Nate:**Zejdźmy poziom niżej: załóżmy, że machnęliśmy różdżką i wszyscy postanowiliśmy współpracować. Na jakich konkretnych sprawach w obszarze AI naprawdę warto uzgodnić stanowisko międzynarodowe — ten drugi, trzeci poziom szczegółów?
Alvin: Skoro mówimy o USA i Chinach — a to one są dziś bohaterami tej narracji o rywalizacji — to dialog o AI już trwa. Miałem szczęście uczestniczyć we wczesnych przygotowaniach i uważam, że od tego trzeba zacząć. Bo ryzyko jest wspólne i interes też jest wspólny. Nawet w najgorętszym okresie zimnej wojny USA i Związek Radziecki usiadły razem i stwierdziły: może wystarczy budować nowe pociski balistyczne. Siedemdziesiąt, osiemdziesiąt tysięcy głowic wystarczy, żeby zniszczyć świat kilka tuzinów razy — zacznijmy redukować. I to przy technologii, która była wyłącznie bronią. Tutaj mamy dodatkowy powód, by trzymać technologię w ryzach — żeby korzyści cywilne realnie trafiały do społeczeństwa. Jeśli uzgodnimy standardy bezpieczeństwa, protokoły komunikacji na wypadek incydentów, tę „czerwoną telefonikę” z czasów zimnej wojny…
Nate: Czerwony telefon. To działało — bywało, że trzeba było doprecyzować: „To był pocisk czy satelita?”.
Alvin: Zadzwoń i zapytaj. To bardzo wiele znaczy. Telefon ratuje świat. Telefonowanie jest znacznie tańsze niż wystrzelenie pocisku i tłumaczenie się potem. To są rzeczy, które powinniśmy po prostu zrobić, bo historia nas ich nauczyła. I trzeba ludziom uświadomić: prawdziwe zagrożenie nie płynie od państwa do państwa. Nikt nie użył broni jądrowej od 80 lat, bo rozumiemy, że eskalacja prowadzi do globalnego zniszczenia. Przez 80 lat istnieje naturalna równowaga. Z AI jest podobnie — nawet gdybyśmy doszli do superinteligencji: co robisz? Mówisz: „Wyżyję ją, by wyłączyć w Chinach sieć energetyczną, centra danych i system bankowy”? I oni będą siedzieć bezradnie? Nie. I oni tego nie zrobią. Więc to nie jest realne zagrożenie. Zagrożeniem są złodzieje i fanatycy — aktorzy niepaństwowi. Ludzie, którzy codzień, gdzieś na świecie, planują szkodę — dla własnego zysku albo dla ideologii. Wiemy, że istnieją. A skoro — jak mówiłem — te modele mieszczą się na laptopie, to nie jest potęga państwowa. To potęga jednostki. A skoro jednostki, to niezbędna jest komunikacja szeroko pojęta. Musimy wkrótce powtórzyć z tą technologią to, co już zrobiliśmy kiedyś, bo zdolność małych grup do wyrządzania wielkich szkód, które destabilizują społeczeństwa, już tu jest albo wkrótce będzie. To się dzieje i będzie narastać — i to tylko w cyberbezpieczeństwie. Nie mówiąc o zagrożeniach biologicznych i chemicznych. Wysłałem ci moją pracę „Większe modele to nie największe zagrożenia”. Pokazujemy w niej, że modele chemiczne o rzędzie milionów parametrów potrafią w kilka godzin zaprojektować broń chemiczną — na laptopie. Jak to powstrzymać? To wszystko jest już publicznie dostępne w otwartych repozytoriach, do ściągnięcia albo za grosze. Pytanie brzmi: jak pilnować prekursorów chemicznych, jak stosować zasadę „poznaj swojego klienta”, by wyłapywać ludzi, którzy robią złe rzeczy. Zrobiliśmy to przy materiałach wybuchowych, nawozach, farmaceutykach.
Nate: Oxykodon…
Alvin: Farmaceutyki — dokładnie. Podobnie w bio: działa globalne konsorcjum syntez, dzięki któremu syntezatory DNA sprawdzają sekwencje wirusów pod kątem szkodliwości, oznaczają podejrzane i nie produkują ich. Ten protokół istnieje od dawna. Ale jeśli teraz powiemy: „nasze maszyny nie będą rozmawiać z waszymi” — Chiny znajdą wzorzec wirusa i nie przekażą go Ameryce, Ameryka znajdzie i nie przekaże Chinom — to nie tylko nikt nie wygra.
Nate: Wszyscy przegrywają.
Alvin: Wszyscy tracą. Bo właśnie wtedy trzeba rozmawiać więcej. Nie wolno dopuścić do rozdwojenia systemów, bo to tworzy więcej ciemnych przestrzeni, w których kryją się złoczyńcy.
Nate: Kryją się w szczelinach. A szczeliny rosną z każdym dniem. Od tego trzeba zacząć, bo nie ma na świecie scenariusza, w którym odmowa współpracy opłaca się bardziej niż współpraca.
Alvin: Zgadza się. I dochodzi do tego jeszcze jedno: ta narzucona narracja konfliktu sama się zasila i wzmacnia, a wcale nie jest tak naturalna, jak wygląda. Obecny podręcznik gry branży AI to podręcznik kompleksu wojskowo-przemysłowego, sprawdzony od 60–70 lat, od czasów Eisenhowera: znajdź wroga, zrób z niego coś wielkiego i strasznego, a potem przedstaw siebie jako rozwiązanie tego problemu. Kiedy to zrobisz, wszyscy się z tobą lubują, cię wspierają, zrzucają z ciebie regulacyjne okowy — a ty zarabiasz fortunę. To w gruncie rzeczy opis ostatnich czterech-pięciu lat w branży AI. Jeśli wasz produkt jest tak wspaniały, to po co wam tyle lobbingu?
Nate: Tyle lobbingu — no właśnie.
Alvin: Setki milionów dolarów płyną teraz w lobbing i komitety polityczne, żeby przeforsować własne regulacje. Kto inny tak intensywnie lobbuje? Ubezpieczyciele, tytoniowcy, petrochemia, przemysł obronny — branże, które mają powód, by odciągnąć cię od czegoś, czego i tak nie zamierzałeś robić.
Dwie drogi na dziesięć lat
Nate: Ciekawa teza. Zmieńmy temat. Mówiliśmy o wszechobecnej inteligencji i długofalowym dobru dla społeczeństwa, ale też o krótkoterminowym bólu na rynku pracy. Spojrzyj na następne dziesięć lat i namaluj mi dwie drogi: jasną — dokąd dochodzimy do lepiej działającego społeczeństwa — i ciemną.
Alvin: Od której zacząć?
Nate: Wybór należy do ciebie.
Alvin: Zacznijmy od ciemnej — ból na początek.
Nate: Ból na początek, radość na koniec.
Alvin: Większość prognoz i tak maluje tę ciemną. Brzmi ona tak: jakieś państwo zbliża się do AGI. Ta AGI wymyka się spod kontroli, wywołuje wojny albo zamienia nas w baterie. Albo państwa walczą ze sobą nawzajem i niszczą się. Albo kilka firm zyskuje przemożną władzę i przejmuje świat — kilkanaście prywatnych spółek rządzi wszystkim. Moim zdaniem bardziej prawdopodobny jest wariant pośredni: wojny się zdarzą, bo przy masowych przesunięciach na rynku pracy najszybszym sposobem zatrudnienia ludzi jest wcielenie ich do armii. Armia ich na jakiś czas absorbuje, częściowo „rozwiązuje problem” nadmiaru rąk do pracy, odwraca uwagę od codziennych cierpień i jednoczy wobec wspólnego wroga. Ten scenariusz grywa się od dwóch tysięcy lat. Ale nie chcę, byśmy biernie zakładali, że któryś z tych scenariuszy musi się wydarzyć. Na obecnej ścieżce raczej skierujemy się w tę środkową. Nie wierzę, że ekonomia pozwoli jednemu laboratorium AI przejąć całość wartości. Jeśli AI zrobi to, czego się spodziewamy, wartość rozleje się po społeczeństwie w formach niemonetarnych — a to w prostej linii podważy te wielkie, bilionowe inwestycje. Skoro dostaję to za darmo i odpalam na własnym laptopie, po co miałbym płacić? Natomiast wojny… załamanie gospodarcze, pęknięcie bańki — to jest już dziś wysoce prawdopodobne. I paradoksalnie nie musi to być źle. Wracasz do wcześniejszego pytania: co nas zmieni? Kryzys. A najmniejszy kryzys, o jakim potrafię pomyśleć — odwracalny i możliwy do opanowania w sensownym czasie — jest natury ekonomicznej. Kryzysy gospodarcze trwają czasem mniej niż rok, czasem dekadę, ale są uleczalne i ludzie — bezpośrednio przynajmniej — nie giną. Ocknięcie zmienia umysły i pokazuje, że da się robić rzeczy inaczej. Spójrz na giełdę: dziś 45% indeksu S&P 500 to spółki z kręgu AI. Albo weź wskaźnik Buffetta — stosunek kapitalizacji giełdy do PKB; Buffett za rozsądną równowagę uznaje 100%, czyli wartość rynku mniej więcej równa produktowi krajowemu. Zgadnij, gdzie jesteśmy dziś.
Nate: Zdecydowanie powyżej.
Alvin: Na 240%.
Nate: Chciałem zgadywać w okolicach dwustu.
Alvin: Więc wiemy, że bańka jest. Pytanie tylko, kiedy pęknie. Po pęknięciu bańki internetowej Amazon w некоторых przypadkach stracił ponad 90% wartości i ledwo przeżył. Cisco spadło o 86% — i wróciło do poziomu z 2000 roku dopiero 26 lat później. Takie wstrząsy gospodarcze i zmiana poczucia zamożności skłonią ludzi do przemyślenia, czy robimy właściwe rzeczy. I wróćmy do twojego pierwszego pytania o największe nieporozumienie: kiedy człowiek zaczyna myśleć o własnym przetrwaniu, przestaje myśleć o walce z innym. Ratuje sam siebie. Myślę, że właśnie to stanie się katalizatorem jakiegoś poziomu współpracy USA–Chiny. Te dwa kraje — najpotężniejsze, najbogatsze i najbardziej technologiczne na świecie — mają siłę, by wyprostować kurs. W drugiej wojnie światowej były sojusznikami — przeciw Japonii. Moja babcia pojechała do Chin w 1937 roku z Berkeley jako korespondentka wojenna; próbowaja była mostem między tymi krajami. Chyba próbuję dokończyć to, czego jej się nie udało — kilka dekad później. Albo weź 2008 rok: przy kryzysie finansowym Chiny kupowały amerykańskie obligacje, co było nam bardzo potrzebne. Gdyby przestały, koszt obsługi długu mógł wystrzelić i stworzyć realny problem płynności państwa. Przybiegli nam z pomocą. Dziś Chiny są przy okazji mniej wystawione na tę bańkę AI: wydają na kapitałowe wydatki około 80 miliardów dolarów rocznie, my — ponad bilion. Ich ekspozycja i zadłużenie są znacznie mniejsze. I to może okazać się pozytywem: przestańmy ścigać się, przekierujmy wydatki tam, gdzie trzeba, zajmijmy się własnymi ludźmi zamiast walczyć. Wtedy dojdziemy też do wniosku, że może nie musimy budować tylu centrów danych — koszty zaczną spadać, niedobór pamięci stanie się łatwiejszy do zniesienia, bo nie wszyscy będą kupować to samo w tym samym momencie. Gospodarka wróci do równowagi z łańcuchem dostaw i z naturą. A wtedy zapytamy: mamy ten nadmiar mocy produkcyjnych chipów — komu jeszcze możemy sprzedawać? Globalnemu Południu. I zrobimy to, co w 1946 roku: plan Marshalla. To było, o ile pamiętam, 18 miliardów dolarów w cztery lata — odbudowało dużą część Europy i stworzyło na dekady, na 70–80 lat, rynek zbytu dla towarów amerykańskich. To samo trzeba zrobić dziś: nadmiarowe moce dostaną odbiorcę, kraje Południa nadrobią zaległości technologiczne i nie zostaną z tyłu, a rosnąc, staną się klientami amerykańskiej technologii, urządzeń i chipów. Chiny też tego chcą — interesy się pokrywają. Podnosimy globalne Południe, pomagamy sobie i tworzymy dużo większą dywidendę pokoju, bo mniej wydajemy na walkę. Może nie trzeba w tym roku wydawać 1,5 biliona dolarów na uzbrojenie? Bo z kim zamierzasz walczyć, skoro wszyscy walczą o przetrwanie? Produkcja większej liczby dział nie pomaga ci w żaden sposób.
Dywidenda pokoju i powrót do człowieczeństwa
Alvin: Człowiek jest zwierzęciem społecznym. Od kilku dekad — a szczególnie od 2020 roku, od pandemii — odwróciliśmy się od samych siebie: zamykamy się w domach, nie rozmawiamy z sąsiadami, nawet z własnymi dziećmi. Dzieci zamykają się w pokojach, wchodzą do sieci, nie rozmawiają z kolegami ani z rodzicami, wychodzą tylko po jedzenie. To nie jest zdrowy sposób życia. Jeśli potrafimy wykorzystać oszczędności pracy, jakie daje AI — jeśli ludzie będą mogli spędzać więcej czasu w domu zamiast rywalizować o wygraną — będziemy mieć więcej czasu na spotkania twarzą w twarz: z sąsiadami, dziećmi, rodziną, wspólnotą. I znów staniemy się bardziej ludzcy. Myślę, że AI pozwoli nam być bardziej ludzkimi. To jest ta jasna droga.
Robotyka: najpierw fabryki, nie ludzki kształt
Nate: To jest przełomowy moment w historii — i tak, są ludzie o nietuzinkowym wpływie, przywódcy firm i państw, ale to my wszyscy wspólnie kształtujemy przyszłość. Mówiłeś o potężnych inwestycjach w centra danych — może jest ich za dużo? Zwłaszcza że modele się kurczą, a kwantyzacja idzie w dół. A jeśli prawdziwa szansa jest bliżej takich rzeczy jak ta mini-kaczuszka od Hugging Face — małych robotycznych doświadczeń, gdzie sprzęt po prostu jest pod ręką w domu i dodaje wartość w konkretnych, drobnych sytuacjach? Z pewnością są tam biznesy. Ale jest też mnóstwo wartości trudnej do zmierzenia z perspektywy PKB, którą poczujemy w domach i społecznościach.
Alvin: Zdecydowanie. Robotyka będzie coraz ważniejsza — postęp z ostatnich lat widać gołym okiem. Z perspektywy USA–Chiny przyznam: w produkcji — w każdym wymiarze — Chiny są dziś daleko z przodu. Mają cały łańcuch dostaw i cały ten talent. Dwa miesiące temu byłem w fabryce Unitree.
(Informacja dodatkowa: Unitree — czołowy chiński producent robotów, znany m.in. z humanoidalnych maszyn.)
I zobaczyłem salle pełne pań, które ręcznie owijały cewki wokół magnesów. Wciąż ręcznie! Pokazywali mi już maszyny, które to zautomatyzują — ale samo tempo zmian w tej branży w najbliższych latach będzie takie, jakie software przeszedł w ostatnich kilku. Do naszych domów będzie wchodzić coraz więcej urządzeń — zaczynając od takich zabawnych rzeczy, jak to opisujesz. Doradzam jednej z firm szkolących roboty: trening czegoś tak prostego jak składanie pościeli trwa wieki. Bo to trudne — w każdym domu pościel jest inna, każde łóżko, każdy materiał, inne światło. Postaw natomiast walkę na płaskiej macie o ustandaryzowanym kształcie — to dla AI i robota pestka.
Nate: Dobre podsumowanie: rzeczywistość jest zaskakująco szczegółowa. Robotyka musi opanować tę masę detali, żeby naprawdę wejść do domów. Ale jesteśmy na dobrej drodze.
Alvin: W fabrykach robotyzacja po prostu się wydarzy — i szybciej niż w domach. I nie musi to być humanoid. To założenie, które każdy przyjmuje, a nie wiem dlaczego. Rozmawiałem z prezesem Unitree: sprzedają więcej humanoidów „pół-ciała” — samych torsów — niż pełnych postaci. Baterie trzymają dłużej, konstrukcja jest stabilniejsza, się nie wywracają. Brak nóg to mnóstwo zalet. W fabryce jest płasko — nie musisz chodzić. Stoisz i robisz swoje. Chodzenie jest po prostu nieefektywne: całą energię tracisz na utrzymanie równowagi, żeby się nie przewrócić. A te konstrukcje są wciąż dość delikatne.
Od pomysłu na X do produktu na TikToku
Nate: Jednym z moich sposobów śledzenia zmian technologicznych jest mierzenie tempa, z jakego pomysł wędruje od „ktoś coś zbudował i wrzucił na X” do „widzę reklamę tego produktu na TikToku”. To tempo kurczy się i kurczy. Dwa miesiące temu oglądałem projekt open source: mały ekran, który wieszasz na ścianie, i jeśli jesteś pasjonatem lotnictwa, widzisz samoloty przelatujące nad twoją głową — urządzenie pobiera dane lotów i pokazuje je na żywo. Świetna, drobna zabawka, w pełni otwarta. Nie minęło 60 dni — i dokładnie ten produkt jako reklama na TikToku. „Dla pasjonata lotnictwa w twoim życiu”.
Alvin: To jest szybkość Shenzhen. W zasadzie cokolwiek przyjdzie ci do głowy: masz pomysł, znajdujesz producenta na zlecenie w Shenzhen, po kilku tygodniach masz działający prototyp, a po kolejnym miesiącu-dwóch możesz wdrażać na linię produkcyjną. Jeśli chodzi o prototypowanie sprzętu i czas wejścia na rynek — możliwości są dziś szalone.
Nate: Widziałem to na własne oczy. Nie wiem, czy rozmawialiśmy o mojej karierze — zajmowałem się kiedyś produkcją sprzętową. W kawie. Skonstruowałem rodzaj stalowego filtra do ekspresów; prototypy robiłem ze spawaczami biżuterii — do dziś mam blizny na rękach. Próbowaliśmy produkować w Stanach, w końcu znaleźliśmy fabrykę w Pensylwanii — mnóstwo pracy. Ale kiedy już ruszyliśmy, pomysł rozeszedł się sam. Pomysły chcą być wolne: nagle pojawiła się powód bardzo podobnych urządzeń, a ja mogłem kupować te kopie i patrzeć: „spawasz coraz lepiej, coraz lepiej…”. Jako przedsiębiorca byłem wtedy zniechęcony, ale ostatecznie to dobre dla wszystkich.
Alvin: Największym zwycięzcą tego całego „wyścigu” AI jest konsument — użytkownik końcowy, firmy, które z niego skorzystają. I wróćmy do twojej uwagi o PKB: to nie pokaże się w statystykach. Musimy przemyśleć samą definicję wartości, bo dziś wszystko mierzymy tym, ile wyprodukowano i za ile sprzedano. A technologia obniża ceny. Była w ostatnich latach ta głośna krzywa: usługi — edukacja, mieszkania — drożały wyraźnie, podczas gdy telewizor, komputer, telefon taniały. Krzywe rozeszły się. A AI czyni automatyzowalnym w zasadzie wszystko: usługi poznawcze, pracę biurową, a wkrótce dobra fizyczne — bo projektowanie, testowanie i produkcja przejdą na maszyny. Ceny będą spadać. Surowe PKB może wręcz wykazać spadek, bo firmy zrobią to, co kosztowało tysiąc dolarów, za sto, a to za sto — za kilkadziesiąt. Z usługami nie trzeba dyskutować: mam znajomych w McKinsey i bankach — mówią, że opracowanie perspektywy na IPO zajmowało tygodnie i zespoły po kilkadziesiąt osób, a dziś robią to weekendem, we dwie-trzy osoby. W McKinsey projekty po kilka milionów dolarów — i teraz jak to wyceniać? To uderza w siłę cenotwórczą. PKB tego nie zarejestruje, a to jest dodatkowa wartość — choćby taka, że każdy z nas ma pod ręką prawnika najwyższej klasy. Kiedyś unikałem dzwonienia do swojego, bo każda rozmowa to co najmniej piętnaście minut razy tysiąc dolarów — za pięć minut rozmowy. Umowa? Setki godzin i dziesiątki tysięcy dolarów. Dziś wysyłam ją do AI i pytam: „Zajrzyj na to jako mój prawnik: czego nie widzę? Jakich zmian powinienem żądać?”. To jest wartość — ale nie wartość w PKB.
Nate: Trudno zmierzyć wpływ technologii ogólnego przeznaczenia. Ona po prostu przenika wszystko. Każdy z nas ma teraz zespół ekspertów w zasięgu ręki — ekspertów od czegokolwiek: kontuzji sportowych, medycyny, prawa.
Alvin: Kilka lat temu coś takiego było niedostępne nawet dla najbogatszych ludzi świata. A my to mamy i nawet o tym nie myślimy.
Tydzień na pustyni: gospodarka daru i odwrócona hierarchia
Nate: I właśnie pojawia się szansa na prawdziwy, realny kontakt — z czego powinniśmy skorzystać. Kiedy zestawiam to z miniaturyzacją AI, mam poczucie, że zmierzamy ku światu, w którym technologia będzie pod ręką, kiedy jej chcemy — a nam zostanie przestrzeń do budowania głębszych relacji. Bo ludzie pozostają zaciekawieni sobą nawzajem. To nie zniknie. W zeszłym tygodniu spędziłem cały tydzień na pustyni, na playa — i to było moje największe odkrycie: człowiek jest zwierzęciem społecznym.
(Informacja dodatkowa: mowa o Burning Man — dorocznym festiwalu na pustyni Black Rock Desert w Nevadzie, który działa bez pieniędzy, w oparciu o zasadę daru; „playa” to pustynna równina, na której stoi tymczasowe miasteczko, a „burner” — jego uczestnik.)
Wszystko, co masz, musisz przywieźć ze sobą. I szybko odkrywasz: po pierwsze — nie potrzebujesz wiele. Trochę wody, jedzenia i towarzystwa, a możesz być bardzo szczęśliwy. Wszyscy tam pracują — nikt nie dostaje za to pieniędzy. I wszyscy pracują na full: gotują dla siebie nawzajem, troszczą się o siebie, budują zdumujące instalacje, grają muzykę. Byłem szczęśliwy, choć pieniądze nie zmieniały właściciela.
Alvin: A hierarchia prestiżu działała tam na odwrót: jeśli byłeś miliarderem, który przyleciał odrzutowcem, a ktoś rozstawił za ciebie namiot i masz obsługę — ludzie patrzyli na ciebie z góry.
Nate: Status niższy. „Złe wieści, ten gość to nie burner.”
Alvin: Będziemy potrzebowali nowych mierników prestiżu. W świecie, który burnerzy nazywają „domyślnym” — czyli w tym naszym codziennym — wszystko obraca się wokół pieniędzy i władzy. Na playa liczy się kreatywność, służba innym i wspólnota. A tego nie da się zmonopolizować. Stąd dużo większa równość — a równość pozwala ludziom tworzyć więzi. Właśnie temu poświęcam pracę badawczą w Stanford: sprawdzam, czy gospodarka daru i zasady działania tej kultury są zwiastunem społeczeństwa pokoszarciowego — post-scarcity, po pracy najemnej, po pieniądzu. Bo ludzie oszczędzają cały rok, żeby spędzić jeden tydzień w miejscu, gdzie nie ma pieniędzy. A jeśli AI i roboty zrobią całą tę pracę — 51 tygodni w roku — to czy możemy żyć niekoniecznie na pustyni, ale w naszym świecie: z dużo mniejszą presją finansową i dużo większym naciskiem na wspólnotę, kreatywność i służbę?
Nate: Myślę, że właśnie dlatego wyobrażona przyszłość „Star Treka” pozostaje tak trwale fascynująca. Kapitan Picard nie myśli o pomnażaniu pieniędzy.
Alvin: Myśli o badaniu wszechświata. I mówi wprost: pracujemy dla dobra naszego gatunku. To go napędza — i cały zespół. A tak przy okazji, ciekawostka ze Star Treka: wiesz, co dzieje się w 2026 roku?
Nate: Nie mam pojęcia. Co?
Alvin: Trzecia wojna światowa. Ale wojna też wtedy obudziła ludzi i scementowała ich. Potem kilka dekad odbudowy, budowa napędu warp — i kto przyleciał? Wulkanowcy. Zaawansowana cywilizacja, przynieśli zaawansowane technologie, obfitość zasobów — i przestaliśmy się bić. Ruszyliśmy odkrywać galaktykę. Jak to brzmi?
Nate: Jak świat, w którym żyjemy. Jak AI, które tworzymy: nie musimy wyczekiwać na życzliwość obcej cywilizacji — tworzymy własną.
Alvin: No właśnie. I jeśli potrafimy z AI zrobić to, co ludzie sprzed Federacji zrobili z technologią Wulkanów — użyć jej do tworzenia wspólnego dobra — możemy rzeczywiście zbudować świat quasiutopijny, proto-utopijny, w którym ludzie będą się troszczyć o służbę sobie nawzajem i o dobro ludzkości bardziej niż o własne wzbogacenie.
Pokolenie bonobo
Nate: I żeby domknąć wątek pokolenia Z, o którym mówiliśmy wcześniej: tę motywację słyszę od nich stale, i to z własnej inicjatywy. Właśnie tego chcą.
Alvin: Mam na to teorię. Szympansy i bonobo rozeszły się drzewami ewolucji: na północ od rzeki Kongi żyły szympansy — w przestrzeni sezonowej, okresowo wysychającej. Raz było dużo jedzenia, raz nic. Tam siła i dominacja samca alfa dawały dostęp do zasobów — żyło ci się lepiej. Na południe od Kongi mieszkały bonobo — zawsze było jedzenie, świat obfitości. I tam lepiej sprawdzał się spójny model macierzysty: przywództwo samic, nieprzemocowość, a konflikty rozwiązywane… no, powiedzmy przez bliskość, nie przez walkę. Bo po co walczyć, skoro masz wszystko? Trzeba się po prostu dogadać. Jedna strona to reakcja na niedostatek, druga — na obfitość. I wróćmy do młodych: żyli tak osłonięci, że zawsze mieli obfitość. Nie czują głodu rywalizacji, nie czują potrzeby walki o przetrwanie. Ja urodziłem się na farmie reedukacyjnej w czasie rewolucji kulturalnej. Dostawaliśmy kartki: tyle i tyle uncji cukru na rodzinę na ten tydzień — i powodzenia, nic więcej nie dostaniecie. Niedostatek czuło się zawsze. Moje pokolenie, może nawet wcześniejsze, wyszło ze świata, w którym o wszystko trzeba było walczyć i rywalizować. Tamto pokolenie to bonobo naszych czasów. I mam nadzieję, że następne — Alfy czy jak je tam nazwą — będzie jeszcze bardziej „bonobo”: bardziej pokojowe, z większym talentem do współpracy niż do sporu.
Nate: Kocham ten kierunek. Jedno z rzeczy, które wyłoniły się z rozmów ze społecznością, którą zbudowałem na YouTube, Substacku i gdzie indziej: z setek i tysięcy historii ludzi, którzy zmienili życie dzięki AI — ani jedna nie odbyła się kosztem kogoś innego.
Alvin: Przyszłość jest przyszłością obfitości.
Nate: I jeśli zaczniemy to traktować poważnie, zmienia to absolutnie wszystko.
Alvin: Zdecydowanie. Dlatego dałem ci tę przypinkę — z napisem „Abundance”, obfitość. Wiem, że już to rozumiesz, ale świat musi o tym więcej myśleć: żeby zrozumieć, że już dziś żyjemy w świecie obfitości — szczególnie w Ameryce.
Nate: Zdumiewającej obfitości.
Alvin: Tak — tyle że nierówno rozdzielonej. Większość ludzi nie zdaje sobie sprawy z tego, co już ma. I właśnie dlatego wyjazd na pustynię pomaga zrozumieć, jak obfite życie już prowadzimy.
Nate: Obfitość już tu jest — tylko nierówno rozdzielona.
Alvin: Bardzo Gibsonowsko.
(Informacja dodatkowa: aluzja do słynnej myśli science-fiction pisarza Williama Gibsona — że przyszłość już nadeszła, tyle że nie dotarła wszędzie w tym samym stopniu.)
Nate: No właśnie. Dziękuję, że przyszedłeś i pogadaliśmy.
Alvin: Musimy to powtórzyć. To była przyjemność — mamy, sądząc po wszystkim, sporo wspólnego.
Nate: Zdecydowanie. Takiej perspektywy potrzebowałem: masz ten transpacyficzny punkt widzenia, a większość głosów w debacie utknęła na jednym albo drugim wybrzeżu.
Alvin: Z pokoju może przyjść więcej dobrego niż z wojny. Bardzo dobrymi słowami na koniec.
Nate: Dobrze. Dzięki, Alvin.
Alvin: Dziękuję. Dzięki, Nate.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Nie buduj strategii pod narrację „zwycięzca bierze wszystko”
Na czym polega: Teza Graylina: w AI nie ma mety ani jednego zwycięzcy — a traktowanie technologii jako wyścigu zbrojnego prowadzi do błędnej alokacji kapitału i utrudnia wprowadzanie standardów bezpieczeństwa.
Jak stosować: Przy każdej decyzji inwestycyjnej lub strategicznej w AI rozdziel realny popyt rynkowy od narracji geopolitycznej. Testuj plany biznesowe w scenariuszu, w którym inteligencja stanie się tanim, powszechnym zasobem — a nie rzadkim dobrem, o które toczy się walka.
Na co uważać: Komunikaty sprzedażowe i publicystyczne oparte na strachu („przegramy z Chinami”) prawie zawsze sprzedają coś konkretnego — produkt, pakiet regulacyjny, alokację budżetu.
2.Licz na komodytyzację inteligencji — wartość buduj obok modelu
Na czym polega: Modele o otwartych wagach, nowe architektury i kwantyzacja sprawiają, że coraz sprawniejsza inteligencja działa na zwykłym sprzęcie (Mac Studio dziś, laptop za kilka miesięcy, telefon za rok). Nie da się jej zmonopolizować.
Jak stosować: Projektuj systemy tak, by dało się podmienić model dostawcy na tańszy lub lokalny. Wartość firmy przesuwa się z „dostępu do modelu” do danych, dystrybucji, integracji z procesami i relacji z klientem — tam inwestuj.
Na co uważać: Uzależnienie od jednego dostawcy i płacenie premii za model, który za pół roku może być dostępny za darmo lub do odpalenia lokalnie.
3.Dobieraj rozmiar modelu do zadania, nie do nagłówków
Na czym polega: Czołowa chińska firma od odkrywania leków używa dziesięciomiliardowego modelu specjalizowanego w konkretnej chorobie, nie olbrzyma o bilionach parametrów. Według Graylina przełomy (np. w medycynie) zrobią wąskie, wyspecjalizowane modele działające na laptopie.
Jak stosować: Zrób audyt zastosowań w organizacji: ile z nich naprawdę wymaga modelu klasy „frontier”, a ile da się obsłużyć mniejszym, dotrenowanym na własnych danych modelem — taniej, szybciej i bezpieczniej.
Na co uważać: FOMO na „największy model” oraz koszty inferencji przy skali; im większy model, tym trudniej osadzić go lokalnie i kontrolować.
4.Traktuj ekspozycję na bańkę AI jak ryzyko portfelowe
Na czym polega: Wskaźnik Buffetta na poziomie 240%, 45% S&P 500 w kręgu AI, około 3 bilionów dolarów pozabilansowych zobowiązań hiperskalerów. Historia dot-comów: Amazon −90%, Cisco −86% i 26 lat powrotu do szczytu.
Jak stosować: Przeglądaj business case’y inwestycji AI pod kątem dwóch scenariuszy: ciągłego wzrostu cen inteligencji i ich gwałtownego spadku. W portfelu i karierze dywersyfikuj ekspozycję na jedną tezę technologiczną.
Na co uważać: Projekty finansowane długiem, których spłata wymaga utrzymania dzisiejszych marż — komodytyzacja może te marże zniszczyć szybciej, niż kredyt się zwróci.
5.Młodzi na rynku pracy: profil „T” i dowód, że coś zbudowałeś
Na czym polega: Dwudziestolatki pierwsze ponoszą skutki automatyzacji (ok. 19% luki płacowej). Rada Graylina: szeroka wiedza plus jedna kompetencja głęboka — potwierdzona faktycznym przejściem pełnego cyklu: projekt, budowa, wdrożenie, wycofanie.
Jak stosować: Szukaj projektów (także nieodpłatnych) pozwalających przejść cały cykl życia produktu. Równolegle czytaj historię, filozofię, psychologię, zarządzanie — szerokość pozwala łączyć punkty i oceniać to, co podsuwa AI.
Na co uważać: Wąska specjalizacja bez umiejętności krytycznej oceny odpowiedzi modelu sprowadza człowieka do roli „pieczątki” — a taką rolę firmy zaczną likwidować jako wartość ujemną.
6.Przewaga biznesowa jest we wdrażaniu, nie w produkcji modeli
Na czym polega: AI wdrożyło realnie ok. 20% firm, a dobrze robi to zaledwie ok. 5%. Pierwszy boom widzą „sprzedawcy łopat” — dostawcy infrastruktury — a nie użytkownicy końcowi.
Jak stosować: Jeśli działasz w usługach lub doradztwie: największa przestrzeń jest w pomaganiu firmom wydobyć wartość z AI w ich procesach. Jeśli w firmie użytkownika: zaczynaj od procesów o mierzalnej wartości, nie od pilotaży „dla sztuki”.
Na co uważać: Nie myl boomu giełdowego hiperskalerów z popytem końcowym — łączna masa płac spada od 2023 roku mimo rosnącej giełdy; wiele firm wdroży AI dopiero pod presją, a nie z entuzjazmu.
7.Zaplanuj reakcję na pęknięcie bańki — kryzys jako trzeźwiacz
Na czym polega: Graylin uważa załamanie gospodarcze za wysoce prawdopodobne, ale — paradoksalnie — za najmniejszy, odwracalny kryzys zdolny zmienić sposób myślenia decydentów i uruchomić współpracę USA–Chiny.
Jak stosować: W firmie przygotuj plan scenariuszowy na załamanie finansowania projektów AI: co redukujemy jako pierwsze, które projekty mają wartość samą w sobie, jaki utrzymujemy bufor. Komunikuj zespołowi, że kryzys nie przekreśla technologii — tylko konkretną koniunkturę.
Na co uważać: Kryzys sam z siebie niczego nie naprawi — bez przygotowanych alternatyw (np. „plan Marshalla 2.0” dla Południa, przekierowanie kapitału) ryzyko scenariusza „armia jako zatrudnienie” rośnie.
8.Bezpieczeństwo AI: aktorzy niepaństwowi i kontrola prekursorów
Na czym polega: Modele chemiczne o milionach parametrów potrafią w kilka godzin zaprojektować broń chemiczną na laptopie. Zagrożeniem nie są państwa (działa logika odstraszania), lecz małe grupy i jednostki — zwłaszcza że potężne modele mieszczą się dziś na sprzęcie osobistym.
Jak stosować: W organizacji: kontroluj dostęp do lokalnie uruchamianych potężnych modeli, wprowadź governance i ścieżki zgłaszania incydentów. W debacie publicznej: wspieraj standardy bezpieczeństwa, protokoły komunikacji kryzysowej między USA a Chinami oraz zasady „poznaj swojego klienta” przy prekursorach chemicznych i syntezie DNA.
Na co uważać: Rozdział systemów amerykańskiego i chińskiego („nasze maszyny nie rozmawiają z waszymi”) tworzy szczeliny, w których swobodnie poruszają się przestępcy — każdy wydzielony „ciemny” obszar obniża bezpieczeństwo wszystkich.
9.Automatyzacja fizyczna zaczyna się w fabrykach — i bez nóg
Na czym polega: Unitree sprzedaje więcej humanoidów-torsów niż pełnych postaci: bez nóg bateria trwa dłużej, konstrukcja jest stabilniejsza i tańsza. Do domów robotyka wejdzie później, bo rzeczywistość domowa (np. składanie pościeli) jest wyjątkowo szczegółowa.
Jak stosować: Przy planowaniu automatyzacji mapuj procesy stacjonarne — stanowiska, gdzie robot nie musi chodzić. Śledź tempo komercjalizacji pomysłów (od projektu na X do produktu na TikToku) jako wskaźnik dojrzałości dostawców.
Na co uważać: Narracja „humanoid w każdym domu” bywa泡泡沫 marketingowa; energia zużywana na utrzymanie równowagi dwunożnej i kruchość konstrukcji to realne ograniczenia. W produkcji sprzętowej tempo zmian robi się „shenzhenskie” — przewaga konkurencyjna topnieje szybko.
10.Mierz wartość poza PKB — zwłaszcza w projektach AI
Na czym polega: Technologia obniża cenę tego, co automatyzuje — także usług eksperckich (prawnik, konsulting, analityka), których jakość bywa dziś nieosiągnięta dla większości ludzi. Tego wzrostu dobrobytu nie widać w PKB ani w przychodach.
Jak stosować: Przy ocenie projektów AI licz nie tylko oszczędności i przychody, lecz także czas odzyskany przez ludzi, jakość decyzji, dostęp do kompetencji, których firma nie kupi etatem. Tak skonstruowany business case jest odporny na zarzut, że „AI nie zarabia”.
Na co uważać: Decydenci patrzący wyłącznie na metryki makro (PKB, przychody) będą systematycznie zaniżać wartość technologii ogólnego przeznaczenia — i odwrotnie: nie każdy projekt „wartościowy niemonetarnie” faktycznie coś wnosi; wymagaj dowodów zmiany w procesie, nie samych deklaracji.