12. Циклы Кондратьева и колебания неравенства 🌊
• Фаза медленного роста стимулирует поиск новой GPT; после внедрения начинается резкий подъём и «разрыв» между ранними и поздними адаптерами.
• Сегодняшний низкий TFP может сигнализировать о предстоящем цикле экспансии, если ИИ станет полноценным GPT.
13. Географическая концентрация богатства и знаний 🗺
• До 1980‑х регионы выравнивались; с наступлением компьютерной эпохи мегаполисы (НЙ, СФ, Шэньчжэнь) поглощают таланты и капитал.
• Попытки «копировать» кластеры (Сколково, зарубежные технопарки) наталкиваются на дефицит плотности идей и сетевых эффектов.
14. Политические и социальные вызовы 🛠
• Без массового переобучения средний сегмент рынка труда рискует остаться «выжженным».
• Неравенство внутри стран и между регионами усилится, если не создавать условия для мобильности и распределения инвестиций.
• Нужна модернизация городской, транспортной и энергетической инфраструктуры, иначе ИИ‑эффект «упрётся» в физические ограничения.
15. Итоговый вывод 🎯
Искусственный интеллект имеет реальный шанс стать новой технологией общего применения и запустить волну быстрого роста, но исторический опыт показывает:
• нужны десятилетия, чтобы перестроить инфраструктуру и институты,
• период «боли перехода» возможен — особенно для средних навыков,
• государствам придётся инвестировать в образование, мобильность и сглаживание региональных разрывов, чтобы выиграть от грядущей AI‑революции, а не стать её жертвой.
1. Повторяющиеся технологические «сенсации» 🔄
• Каждое десятилетие объявляют «мир‑меняющую» новинку: термоядерный синтез, блокчейн, нанотех, роботы, метавселенные.
• Прогнозы обрываются: спустя годы обещанные перевороты либо остаются нишевыми, либо откладываются ещё «на 20 лет».
2. Реальные макропоказатели: затяжное торможение производительности 📉
• ВВП на час труда и TFP росли бурно в 1960‑е, но с 1975 г. темпы погасли почти до нуля во всех развитых странах.
• США — выпуск растёт линейно, значит TFP замедляется; Германия и Япония стагнируют с 1990‑х; Франция и Великобритания просели после 2008 г.
• Парадокс: исследователей всё больше, а отдача по TFP падает.
3. Роботы: сугубо демографический инструмент 🤖
• Около 90 % новых установок — Китай, Япония, Корея, Германия, Италия: там быстро стареет рабочая сила.
• Сферы — электроника и автопром (> 50 %). Роботы заменяют уходящих на пенсию, а не ломают промышленную структуру.
• Темп мирового ввода роботов не растёт, а сокращается.
4. ИИ сегодня: узкий корпоративный круг 🧠
• 40 % американских программистов уже применяют AI‑ассистенты; массового эффекта за пределами IT нет — только 5 % фирм реально интегрировали ИИ.
• То есть кривая проникновения похожа на ранние ПК: сначала разработчики, затем долгое «заполнение ниши».
5. Прогнозы массовой автоматизации — хронология ошибок 📜
• От Энгельса, Кейнса и Леонтьева до Фрея–Осборна (2013) твердят о грядущем «классе ненужных» — ни один всплеск страхов не подтвердился.
• Факт‑чек: из 300 самых распространённых профессий 1950 г. исчезла одна; 99 % рутинных функций поглощены внутри существующих профессий.
6. Кому грозит замещение на самом деле? 🎯
• Наибольший риск — у среднего сегмента (операторы, бухгалтеры, офисный «бэк‑офис»).
• Высококвалифицированных (нейрохирурги, аудиторы) могут заменить первыми: дорогой час работы и жёсткие протоколы => задача рутинная и выгодная для AI.
• Низкоквалифицированные строители или сиделки менее уязвимы: задачи ситуативные, физические, требуют гибкости.
7. Финансовые сигналы: масштаб инвестиций 💰
• Капитализация шести AI‑гигантов ≈ 16 трлн $: сопоставима с национальным богатством десятка стран.
• После первого релиза мощной китайской модели индекс топ‑30 местных IT‑компаний +40 % за месяц.
• Nasdaq‑100 вырос вдвое с момента выхода ChatGPT, обойдя «широкий» S&P 500.
8. AI как технология общего применения (GPT) и реальные прорывы 🚀
• Новые антибиотики халицин и авауцин созданы полностью алгоритмами.
• AlphaFold предсказала 200 млн белковых структур, миллионы учёных уже используют базу.
• Эти кейсы впервые выводят ИИ из сферы «программирование помогает программистам» в материальный мир.
9. Инфраструктурные тормоза и «лаг» внедрения ⏳
• Электродвигатель был готов к 1890 г., но массовая электрификация фабрик заняла ≈ 40 лет — требовалась совместная перестройка жилья, транспорта, электросетей.
• Похожий барьер ждёт автономные автомобили: без коридоров 200 км/ч и синхронизации потоков экономического эффекта не будет.
• США с наследием COBOL‑систем и устаревших регуляций меняются медленнее, в Китае «чистого листа» — внедрение идёт быстрее.
10. Исторические уроки: «лошадь и двигатель» 🐴➡️🚗
• Каждая технология сначала увеличивает спрос на старый ресурс (лошадей понадобилось больше из‑за железных дорог), а затем одно радикальное новшество (ДВС) обрушивает спрос мгновенно.
• Сценарий вероятен и для труда: множество мелких «усиливающих» инструментов — потом одна замена целиком.
11. Пауза Энгельса и порождение марксизма 📚
• 1760‑1840 гг.: выпуск рос на 46 %, а почасовая зарплата британских рабочих падала — дети работали по 18 ч, появилась идейная база «ужасов капитализма».
• Уже к 1870‑м реальные доходы резко выросли и опровергли тезис об «абсолютном обнищании», но теория прижилась.
