На протяжении десятилетий фундаментом цифровой революции служил постулат, сформулированный Гордоном Муром в 1965 году. Наблюдение сооснователя Intel гласило:

Плотность транзисторов на кристалле удваивается каждые два года.

Это была эра железа, где мощность определялась физикой — умением инженеров вытравливать всё более мелкие переключатели на кремнии.

В индустрии искусственного интеллекта классический закон микроэлектроники уступил место новому, гораздо более агрессивному ритму развития. Если раньше прогресс измерялся нанометрами техпроцесса, то теперь он измеряется когнитивными возможностями алгоритмов.

Физический потолок Закона Мура

К середине 2020-х годов классическая интерпретация Закона Мура столкнулась с суровой реальностью квантового мира. Транзисторы стали настолько малы, что электроны начали буквально «просачиваться» сквозь диэлектрики из-за эффекта туннелирования. Дальнейшее простое уплотнение чипов стало экономически невыгодным и физически сложным.

Развитие ИИ не остановилось, но сменило вектор. Вместо того чтобы ждать новых процессоров от производителей железа, разработчики математических моделей научились побеждать ограничения аппаратной части тремя способами:

Архитектурная революция: Переход к механизмам самовнимания (Transformer) позволил обрабатывать информацию параллельно, используя каждый доступный транзистор на максимум.
Эпоха акселераторов: Появление узкоспециализированных чипов (GPU/TPU), чья архитектура идеально совпадает с потребностями матричных вычислений нейросетей.
Математика сжатия: Техники дистилляции и квантования весов позволили запускать мощные модели на потребительских видеокартах, игнорируя необходимость строить гигантские дата-центры для каждого эксперимента.

Антропический сдвиг

В конце 2024 года исследовательское подразделение Anthropic опубликовало данные, которые перевернули представление о темпах роста технологий. Ученые предложили метрику под названием «50%-ный временной горизонт выполнения задач».

Идея проста: берется набор сложных профессиональных задач (от написания кода до финансового анализа) и замеряется время, за которое их решает человек-эксперт. Затем оценивается вероятность успешного решения той же задачи моделью ИИ. Результаты оказались ошеломляющими:

Скорость удвоения: Когнитивные способности систем ИИ сейчас удваиваются примерно раз в 7 месяцев. Это почти в четыре раза быстрее классического двухлетнего цикла закона Мура.
Текущая точка отсчета: Современные флагманы способны автономно справляться с задачами, требующими у специалиста около 50 минут чистого рабочего времени, с вероятностью успеха 50%.
Взгляд в будущее: Экстраполяция этой кривой показывает, что уже к началу следующего десятилетия искусственный интеллект сможет самостоятельно вести проекты длительностью в сотни рабочих часов (полноценный месячный спринт команды разработчиков).

Почему софт обгоняет железо?

Экспоненциальный рост программного обеспечения подчиняется иным законам, нежели производство микросхем. Здесь работают факторы сетевого эффекта и рекурсии:

Synthetic Intelligence Loop: Новейшие поколения моделей обучаются на массивах данных, созданных их предшественниками. Это создает самоподдерживающуюся цепную реакцию обучения.
Оптимизация через боль (RLHF): Использование обучения с подкреплением позволяет моделям учиться на собственных ошибках в режиме реального времени, повышая эффективность без изменения базовой архитектуры.
Масштабирование контекста: Увеличение «окна внимания» модели дает нелинейный прирост понимания. Способность удерживать в памяти миллион токенов текста превращает чат-бота в полноценного аналитика документов.

Экономика новой реальности

Замедление физического Закона Мура привело к перераспределению триллионных инвестиций. Согласно глобальным отчетам за 2024 — 2025 годы, венчурный капитал стал крайне избирательным: деньги текут не просто в IT, а конкретно в фундаментальные генеративные модели. При этом физическая инфраструктура продолжает требовать колоссальных ресурсов. Несмотря на то что энергоэффективность суперкомпьютеров выросла на 60%, обучение одной масштабной LLM модели остается одним из самых энергозатратных процессов в современной науке.

Сопротивление материала

Безудержный оптимизм сталкивается с практическими ограничениями. Исследование Anthropic выявило критическую уязвимость текущих систем: чем менее структурирована задача («грязные данные», отсутствие четкого ТЗ, необходимость межведомственной коммуникации), тем сильнее падает производительность модели. Кроме того, индустрия приближается к точке экономической сингулярности, где стоимость увеличения параметров модели на 10% требует двукратного роста бюджета на электроэнергию и оборудование.

Закон Мура не исчез — он перешел на новый уровень абстракции. Мы перестали удваивать количество физических деталей и начали удваивать сложность интеллектуальных операций.

Для рынка труда и бизнеса это означает радикальное сокращение циклов инноваций. То, на автоматизацию чего пять лет назад закладывали десятилетие, согласно новому правилу «семи месяцев», станет рутиной уже к следующему кварталу. Эпоха постепенного прогресса закончилась; наступила эпоха взрывного усложнения машинного разума.