просто напомню некоторые прогнозы от Леопольда Ашенбреннера на это и последующие годы (прогнозы от 2024 года).
2025–2026.
Модели начинают превосходить многих выпускников колледжей: уже не просто чат-боты, а системы, которые всё лучше рассуждают, пишут код, решают задачи и становятся похожими на удалённых интеллектуальных работников.
2026.
Главный сдвиг — переход от “умного помощника” к agent-coworker: ИИ получает инструменты, память, планирование, выполнение задач, возможность работать дольше и автономнее. Aschenbrenner называет это “unhobbling” — снятием ограничений с уже сильных моделей.
AI-бизнес становится гигантским рынком: он допускает, что у Google/Microsoft-подобной компании AI-продукты могут выйти на около $100 млрд годовой выручки примерно к середине 2026 года.
Начинается гонка инфраструктуры: тренировочные кластеры уровня ~1 млн H100-equivalent, стоимость — десятки миллиардов долларов, потребление — около 1 ГВт.
2026–2027
Появляется proto-automated engineer: ИИ ещё не полностью заменяет инженера/исследователя, но уже ускоряет работу примерно в 1.5–2 раза.
2027
Его ключевой тезис: AGI by 2027 is strikingly plausible. То есть к 2027 модели могут стать сопоставимыми с PhD/экспертами и выполнять работу AI researcher/engineer.
Конец 2027
ИИ может автоматизировать значительную часть AI research: читать статьи, генерировать идеи, писать код экспериментов, анализировать результаты и повторять цикл. Именно это, по Aschenbrenner, запускает ускорение прогресса.
За счёт огромных GPU-флотов можно будет запускать миллионы копий AI-исследователей; в его расчётах это потенциально до ~100 млн human-researcher-equivalents.
2027–2028
Появляются proto-automated researchers, которые могут автоматизировать больше 90% работы, но ещё остаются человеческие bottlenecks. Прогресс ускоряется уже в 3x+.
Государство вмешивается. Леопольд прогнозирует, что США создадут нечто вроде национального AGI-проекта: AI labs, cloud-провайдеры и государство объединяются вокруг гонки за AGI/superintelligence.
2028
Инфраструктура выходит на уровень $100+ млрд training clusters, около 10 млн H100-equivalent, около 10 ГВт мощности — примерно масштаб энергопотребления небольшого/среднего штата США.
2028–2029
Начинается “intelligence explosion”: автоматизированные AI-исследователи ускоряют алгоритмический прогресс так, что десятилетие улучшений может сжиматься до года или меньше.
2029–2030
Переход от AGI к superintelligence: системы становятся уже не просто “уровня человека”, а значительно сильнее лучших человеческих команд.
2025–2026.
Модели начинают превосходить многих выпускников колледжей: уже не просто чат-боты, а системы, которые всё лучше рассуждают, пишут код, решают задачи и становятся похожими на удалённых интеллектуальных работников.
2026.
Главный сдвиг — переход от “умного помощника” к agent-coworker: ИИ получает инструменты, память, планирование, выполнение задач, возможность работать дольше и автономнее. Aschenbrenner называет это “unhobbling” — снятием ограничений с уже сильных моделей.
AI-бизнес становится гигантским рынком: он допускает, что у Google/Microsoft-подобной компании AI-продукты могут выйти на около $100 млрд годовой выручки примерно к середине 2026 года.
Начинается гонка инфраструктуры: тренировочные кластеры уровня ~1 млн H100-equivalent, стоимость — десятки миллиардов долларов, потребление — около 1 ГВт.
2026–2027
Появляется proto-automated engineer: ИИ ещё не полностью заменяет инженера/исследователя, но уже ускоряет работу примерно в 1.5–2 раза.
2027
Его ключевой тезис: AGI by 2027 is strikingly plausible. То есть к 2027 модели могут стать сопоставимыми с PhD/экспертами и выполнять работу AI researcher/engineer.
Конец 2027
ИИ может автоматизировать значительную часть AI research: читать статьи, генерировать идеи, писать код экспериментов, анализировать результаты и повторять цикл. Именно это, по Aschenbrenner, запускает ускорение прогресса.
За счёт огромных GPU-флотов можно будет запускать миллионы копий AI-исследователей; в его расчётах это потенциально до ~100 млн human-researcher-equivalents.
2027–2028
Появляются proto-automated researchers, которые могут автоматизировать больше 90% работы, но ещё остаются человеческие bottlenecks. Прогресс ускоряется уже в 3x+.
Государство вмешивается. Леопольд прогнозирует, что США создадут нечто вроде национального AGI-проекта: AI labs, cloud-провайдеры и государство объединяются вокруг гонки за AGI/superintelligence.
2028
Инфраструктура выходит на уровень $100+ млрд training clusters, около 10 млн H100-equivalent, около 10 ГВт мощности — примерно масштаб энергопотребления небольшого/среднего штата США.
2028–2029
Начинается “intelligence explosion”: автоматизированные AI-исследователи ускоряют алгоритмический прогресс так, что десятилетие улучшений может сжиматься до года или меньше.
2029–2030
Переход от AGI к superintelligence: системы становятся уже не просто “уровня человека”, а значительно сильнее лучших человеческих команд.