Пока OpenAI и Anthropic сосредоточены на рекурсивном самосовершенствовании алгоритмов, Google DeepMind под руководством Демиса Хассабиса делает принципиально иной выбор. Вместо погони за лидерством в бенчмарках компания инвестирует в «мировые модели» — ИИ, способный понимать физические законы, а не просто предсказывать следующий токен. Это не просто смена приоритетов, а фундаментальный разворот, который может переопределить всю индустрию.

Почему Google уступает на бумаге

Внешне разница почти незаметна. 21 июля вышла модель Gemini 3.6 Flash: быстрая, дешёвая, но в рейтинге Artificial Analysis заняла лишь 10-е место. Акцент смещён на стоимость — новая версия генерирует на 17% меньше токенов, чем предшественница. Однако в гонке за «сырую» мощность Google пока не фаворит.

Ещё один тревожный сигнал — отток кадров. В июне два ведущих исследователя покинули DeepMind, перейдя к конкурентам, что вызвало падение акций Alphabet на 6%. Инвесторы нервничают: компания тратит огромные ресурсы, но не демонстрирует явного технологического превосходства.

Стратегия DeepMind: ИИ, который понимает мир

Хассабис делает ставку на embodied AI и модели, анализирующие гравитацию, движение и причинно-следственные связи. В мае лаборатория расширила Project Genie, интегрировав его со Street View, а также представила SIMA 2 — агента, обучающегося в виртуальных 3D-мирах.

Это принципиально отличается от подхода конкурентов. OpenAI и Anthropic фокусируются на рекурсивном самоулучшении, когда ИИ самостоятельно проектирует следующее поколение алгоритмов. Уже сейчас Claude от Anthropic написал более 80% кода, внедряемого в продукты компании, а за апрель производительность их моделей выросла в 52 раза. Для сравнения: опытному инженеру для четырёхкратного роста требуется 4–8 часов.

Мнение экспертов: DeepMind «самая сдержанная»

Сооснователь Anthropic Джек Кларк оценил вероятность того, что ИИ сможет самостоятельно управлять исследованиями к концу 2028 года, в 60%. При этом он назвал DeepMind «самой сдержанной среди большой тройки», ссылаясь на публикации самой лаборатории по вопросам безопасности. Anthropic, напротив, действует смелее: уже зафиксированы случаи, когда ИИ создавал более совершенный ИИ.

Однако списывать Google со счетов рано. Компания удерживает первенство в бенчмарке MLE-Bench (Gemini 3 показала 64,4% в феврале), а аудитория приложения Gemini достигла 950 млн пользователей в месяц. Это колоссальный охват, который даёт огромное преимущество в данных и обратной связи.

Финансовый аспект: выдержка дорожает

Выручка Alphabet во втором квартале 2024 года достигла $119,8 млрд (+24% год к году), но расходы растут ещё быстрее. За три месяца компания направила $44,9 млрд на развитие центров обработки данных — почти вдвое больше, чем год назад. В результате свободный денежный поток стал отрицательным: минус $5,86 млрд. Для покрытия дефицита Alphabet выпустила акции на $49,6 млрд и привлекла $20,3 млрд кредитов. Долгосрочные обязательства выросли с $46,5 млрд до $98,2 млрд за полгода.

Статья расходов на ИИ-разработки принесла убыток в $5,79 млрд (год назад — $3,37 млрд). Выжидательная позиция обходится корпорации всё дороже.

Что будет решающим в ближайшие 30 дней

  • Состоится ли релиз Gemini 3.5 Pro и какие позиции займёт модель в тестах.
  • Представит ли DeepMind новые данные по мировым моделям для Gemini 4.
  • Вернётся ли денежный поток Alphabet к положительным значениям в сентябре.
  • Озвучит ли Хассабис чёткую позицию по технологии самообучения.

Запуск Gemini 4 станет определяющим моментом. Если подход с мировыми моделями себя оправдает, текущее замедление окажется точным расчётом. Если нет — Google рискует окончательно уступить лидерство в гонке, где цена ошибки измеряется миллиардами.

Комментарий Cryptalist: Рынок пока недооценивает потенциал мировых моделей. В долгосрочной перспективе ИИ, понимающий физику реального мира, может оказаться гораздо ценнее алгоритмов, просто генерирующих текст. Однако инвесторы требуют быстрых результатов, и у DeepMind всё меньше времени, чтобы доказать правоту своей стратегии.