Поки OpenAI та Anthropic зосереджені на рекурсивному самовдосконаленні алгоритмів, Google DeepMind під керівництвом Деміса Хассабіса робить принципово інший вибір. Замість гонитви за лідерством у бенчмарках компанія інвестує в «світові моделі» — ШІ, здатний розуміти фізичні закони, а не просто передбачати наступний токен. Це не просто зміна пріоритетів, а фундаментальний розворот, який може перевизначити всю індустрію.
Чому Google поступається на папері
Зовні різниця майже непомітна. 21 липня вийшла модель Gemini 3.6 Flash: швидка, дешева, але в рейтингу Artificial Analysis посіла лише 10-те місце. Акцент зміщено на вартість — нова версія генерує на 17% менше токенів, ніж попередниця. Однак у гонці за «сиру» потужність Google поки не фаворит.
Ще один тривожний сигнал — відтік кадрів. У червні два провідні дослідники покинули DeepMind, перейшовши до конкурентів, що спричинило падіння акцій Alphabet на 6%. Інвестори нервують: компанія витрачає величезні ресурси, але не демонструє явної технологічної переваги.
Стратегія DeepMind: ШІ, який розуміє світ
Хассабіс робить ставку на embodied AI та моделі, що аналізують гравітацію, рух і причинно-наслідкові зв'язки. У травні лабораторія розширила Project Genie, інтегрувавши його зі Street View, а також представила SIMA 2 — агента, який навчається у віртуальних 3D-світах.
Це принципово відрізняється від підходу конкурентів. OpenAI та Anthropic фокусуються на рекурсивному самовдосконаленні, коли ШІ самостійно проєктує наступне покоління алгоритмів. Уже зараз Claude від Anthropic написав понад 80% коду, що впроваджується в продукти компанії, а за квітень продуктивність їхніх моделей зросла в 52 рази. Для порівняння: досвідченому інженеру для чотириразового зростання потрібно 4–8 годин.
Думка експертів: DeepMind «найстриманіша»
Співзасновник Anthropic Джек Кларк оцінив імовірність того, що ШІ зможе самостійно керувати дослідженнями до кінця 2028 року, у 60%. При цьому він назвав DeepMind «найстриманішою серед великої трійки», посилаючись на публікації самої лабораторії з питань безпеки. Anthropic, навпаки, діє сміливіше: уже зафіксовані випадки, коли ШІ створював досконаліший ШІ.
Однак списувати Google з рахунків рано. Компанія утримує першість у бенчмарку MLE-Bench (Gemini 3 показала 64,4% у лютому), а аудиторія застосунку Gemini досягла 950 млн користувачів на місяць. Це колосальне охоплення, яке дає величезну перевагу в даних і зворотному зв'язку.
Фінансовий аспект: витримка дорожчає
Виручка Alphabet у другому кварталі 2024 року досягла $119,8 млрд (+24% рік до року), але витрати зростають ще швидше. За три місяці компанія спрямувала $44,9 млрд на розвиток центрів обробки даних — майже вдвічі більше, ніж рік тому. У результаті вільний грошовий потік став від'ємним: мінус $5,86 млрд. Для покриття дефіциту Alphabet випустила акції на $49,6 млрд і залучила $20,3 млрд кредитів. Довгострокові зобов'язання зросли з $46,5 млрд до $98,2 млрд за півроку.
Стаття витрат на ШІ-розробки принесла збиток у $5,79 млрд (рік тому — $3,37 млрд). Вичікувальна позиція обходиться корпорації дедалі дорожче.
Що буде вирішальним у найближчі 30 днів
- Чи відбудеться реліз Gemini 3.5 Pro і які позиції займе модель у тестах.
- Чи представить DeepMind нові дані щодо світових моделей для Gemini 4.
- Чи повернеться грошовий потік Alphabet до позитивних значень у вересні.
- Чи озвучить Хассабіс чітку позицію щодо технології самонавчання.
Запуск Gemini 4 стане визначальним моментом. Якщо підхід зі світовими моделями себе виправдає, поточне сповільнення виявиться точним розрахунком. Якщо ні — Google ризикує остаточно поступитися лідерством у гонці, де ціна помилки вимірюється мільярдами.
Коментар Cryptalist: Ринок поки недооцінює потенціал світових моделей. У довгостроковій перспективі ШІ, що розуміє фізику реального світу, може виявитися набагато ціннішим за алгоритми, які просто генерують текст. Однак інвестори вимагають швидких результатів, і в DeepMind дедалі менше часу, щоб довести правильність своєї стратегії.