From Abstract Intelligence to Real World Autonomy

Недавно обратили внимание на пост Андрея Карпати — одного из сооснователей OpenAI и основателя Eureka Labs, который в мае 2026 года присоединился к команде предобучения Anthropic.

Карпати описывает интересный парадокс: возможности искусственного интеллекта растут стремительно, но представление людей об этих возможностях становится всё более неравномерным.

По его приблизительным оценкам:

• 6 млрд человек практически не взаимодействовали с LLM.
• 1–2 млрд используют AI как улучшенный поисковик или помощника для повседневных задач.
• 20 млн специалистов уже наблюдают, как AI-агенты выполняют за часы и дни работу, на которую раньше уходили недели и месяцы.
• Около 5 тысяч человек имеют внутренний доступ к передовым системам, где тысячи агентов способны совместно работать над сложнейшими инженерными, научными и исследовательскими задачами.

Получается удивительная ситуация: пока большинство людей обсуждает, насколько хорошо ChatGPT пишет письма, небольшая группа специалистов уже наблюдает принципиально другую технологическую реальность.

И здесь мы во многом согласны с Карпати. Но, на наш взгляд, самое интересное начинается за пределами его наблюдений.

1. AI-революция будет происходить неравномерно

Карпати использует понятие jagged intelligence — неравномерность возможностей искусственного интеллекта.

Современные модели невероятно сильны в задачах, где результат можно быстро проверить: программирование, математика, анализ данных, некоторые научные исследования.

Однако существуют области, где правильный ответ невозможно получить или проверить мгновенно. Это управление физическими объектами, сложные производственные процессы, безопасность, стратегические решения и взаимодействие с непредсказуемой средой.

Поэтому автономия будет распространяться не единой волной, а отдельными островами.

Именно на границах этих островов, как нам кажется, будут возникать наиболее интересные технологические и коммерческие возможности.

2. Код перестаёт быть главным конкурентным преимуществом

Если AI способен воспроизвести приложение, архитектуру или интерфейс за считаные часы, традиционная технологическая защита становится значительно слабее.

Но здесь важно различать цифровой продукт и реальную систему.

Создать программный аналог Uber — не значит построить Uber. Сгенерировать систему управления промышленным роботом — не значит обеспечить её безопасную работу на заводе.

Физическая инфраструктура, регуляторные разрешения, эксплуатационная надёжность, реальные данные и сложные операционные процессы не копируются одним промптом.

Конкурентное преимущество постепенно смещается от способности написать код к дизайну систем и способности гарантированно выполнять сложную работу в реальном мире.

3. Меняется сама экономика программного обеспечения

На протяжении десятилетий индустрия продавала инструменты, которыми пользовались люди.

SaaS-компании монетизировали рабочие места, лицензии и подписки.

Но если программная система самостоятельно выполняет работу аналитика, разработчика или оператора, возникает закономерный вопрос: зачем платить за количество пользователей, если можно платить непосредственно за результат?

Мы ожидаем дальнейшего развития outcome-based моделей: оплаты за выполненную операцию, обработанную транзакцию, достигнутую экономию или созданную стоимость.

Одновременно появится всё больше agent-native компаний — организаций, в которых AI не помогает существующим сотрудникам, а изначально выполняет значительную часть операционной работы.

Это уже не просто автоматизация. Это изменение дизайна экономической структуры бизнеса.

4. Следующий инфраструктурный слой — управляемая автономия

Сегодня индустрия в основном сосредоточена на том, насколько интеллектуальными могут стать модели.

Но по мере развития мультиагентных систем всё важнее будет другой вопрос:

Как обеспечить предсказуемость, координацию, проверяемость и безопасность тысяч автономно действующих агентов?

Одно дело — поручить агенту написать программу.

Совсем другое — позволить системе автономно управлять производственной линией, складской инфраструктурой, роботизированным комплексом или энергетическим оборудованием.

В таких сценариях недостаточно интеллектуального ответа. Необходимы управляемое исполнение, контроль ограничений, воспроизводимость результатов, аудит и механизмы безопасного восстановления после ошибок.

Мы предполагаем, что именно этот инфраструктурный слой станет одним из важнейших направлений развития AI.

5. Физический мир может оказаться самым устойчивым источником конкурентного преимущества

Есть интересная экономическая асимметрия.

Чем дешевле становится создание цифровых решений, тем большую относительную ценность могут приобретать активы, которые невозможно мгновенно воспроизвести: заводы, энергетические сети, логистическая инфраструктура, роботизированные производства и лицензируемые системы.

При этом AI способен радикально снизить стоимость их эксплуатации.

Возникает потенциально мощная комбинация: капиталоёмкая физическая инфраструктура + интеллектуальная автономия с низкими операционными затратами.

Именно здесь могут появиться компании с принципиально новой экономикой.

6. Почему это особенно важно

Мы смотрим на эту трансформацию со стороны инфраструктуры автономного исполнения.

Наша работа над Holo Engine связана с созданием вычислительной архитектуры, способной поддерживать координацию, управление состояниями и исполнение сложных процессов, в том числе на границе цифрового и физического мира.

Мы считаем, что следующий этап развития AI потребует не только более интеллектуальных моделей, но и принципиально более эффективных, контролируемых и проверяемых механизмов их взаимодействия с окружающей средой.

При этом важно понимать: детерминированное исполнение само по себе не гарантирует безопасность всей системы. Для реальной автономии необходимы дополнительные уровни верификации, контроля и работы с неопределённостью.

Именно поэтому для нас это не просто вопрос производительности AI. Это вопрос архитектуры следующего поколения автономных систем.

Наш главный вывод следующий:

Сегодня индустрия соревнуется в том, кто создаст самый интеллектуальный AI.

Но завтра не менее важной станет другая гонка — кто сможет превратить этот интеллект в надёжную, масштабируемую и экономически эффективную автономию.

Мы предполагаем, что значительная часть долгосрочной ценности будет создана не только на уровне моделей, но и на уровне систем, позволяющих интеллекту безопасно действовать в реальном мире.

Потому что создать интеллект и научиться ему доверять — две совершенно разные инженерные задачи. И, возможно, именно вторая окажется самым интересным вызовом следующего десятилетия.