Від «конкуренції обчислювальної потужності» до «конкуренції національних можливостей»: Дженсен Хуанг та Ро Ханна обговорюють, як США виграють у епоху ШІ

Написано: Techub News зібрано

У цій публічній дискусії навколо «Лідерства США у галузі штучного інтелекту», засновник і CEO NVIDIA Jensen Huang, член Конгресу США Ro Khanna та ведучий H.R. McMaster обговорювали не лише чіпи, моделі та експортний контроль, а й більш широку проблему: коли штучний інтелект стає новою універсальною технологією, яким чином країна може зберегти лідерство? Відповідь полягає не лише у технологіях, а у комплексі здібностей: талантів, енергетики, виробництва, університетської системи, політичного дизайну, суспільної довіри та національної наративної здатності.

З точки зору змісту, ця дискусія містить щонайменше три основні лінії: по-перше, AI — це не окрема технологія, а багаторівнева індустріальна система; по-друге, щоб США залишалися лідером, потрібно не лише підкреслювати передові інновації, а й відновлювати виробничі можливості, розширювати поширення технологій і робити так, щоб більше звичайних працівників отримали вигоду; по-третє, у глобальній конкуренції, особливо з Китаєм, США не можуть просто «зменшувати ризики» до рівня, що гальмує інновації, і водночас не повинні дозволяти безладній глобалізації руйнувати внутрішню промисловість і соціальну згуртованість.

Ще більш важливо, що ця дискусія не зупиняється на двополярності «технологічного оптимізму» або «страху перед AI». Huang Huang наголошує, що AI змінює індустрії, але «автоматизація завдань» не означає «зникнення професій»; Ro Khanna нагадує, що навіть при довгостроковому підвищенні продуктивності зростає кількість робочих місць, але перехідний період поширення технологій може супроводжуватися значною безробіттю, розшаруванням доходів і регіональним дисбалансом. Тому справжньою важливістю є не питання розвитку AI, а спосіб його розвитку — більш інклюзивний і соціально відповідальний.

AI — це не модель, а ціла індустріальна інфраструктура

Huang Huang багато разів підкреслює, що однією з найбільших помилок суспільства щодо AI є сприйняття його як єдиної моделі або продукту. За його словами, AI — це по суті «п’ятишаровий стековий» індустріальний системний підхід: найнижчий рівень — енергетика, далі — чіпи, потім хмара та інфраструктура AI-заводів, далі — моделі, і лише на верхньому рівні — застосунки.

Це дуже важливий висновок, оскільки він розширює «конкуренцію у AI» з просто змагання моделей до конкуренції на рівні національної інфраструктури. Тобто, чи зможе країна зберегти лідерство у епоху AI, залежить не лише від кількості зіркових компаній, що створюють моделі, а й від того, чи достатньо у країні електроенергії, чи стабільно постачаються чіпи, чи потужні дата-центри і хмарна інфраструктура, чи розвинена екосистема моделей, і найголовніше — чи дійсно AI-застосунки проникли у промисловість і суспільство, сформувавши масштабне використання.

Huang Huang особливо наголошує, що якщо США сильні у перших чотирьох рівнях, але застосунки не поширюються, то весь індустріальний механізм не запуститься, і технології не зможуть справді масштабувати цінність. Його тривога полягає не у недостатній технічній досконалості, а у тому, що суспільство через страх і нерозуміння може надмірно обмежити AI, навіть «регулюючи його у спосіб, що виводить індустрію і суспільство з рівноваги». Якщо поширення застосунків штучного інтелекту буде штучно стримуватися, навіть перша країна, яка винайде цю індустріальну революцію, може не отримати повної вигоди від її результатів.

З цього погляду, основа політики у сфері AI — не лише «упередження ризиків», а й «зниження перешкод для ефективного використання». Ці перешкоди можуть бути як системними, так і психологічними, і медіа-орієнтованими. Якщо суспільство сприймає AI як чисту загрозу, а не як інструмент для навчання і управління, то воно ризикує втратити можливість швидко поширювати технології через внутрішні страхи і недовіру.

Переваги США — не лише у бізнесі, а й у відкритості талантів і університетській системі

Ro Khanna у відповіді на питання «чому США все ще мають шанс зберегти лідерство у AI» доповнює погляд Huang Huang. Він вважає, що головна перевага США — це здатність залучати світові таланти для навчання, досліджень, підприємництва і співпраці. Другий — потужна дослідницька університетська система, третій — свобода академічного мислення, критика авторитетів і культура відкритості, а також досить зріла механіка трансформації технологій між університетами, урядом і приватним сектором.

У цій дискусії Ro Khanna особливо підкреслює, що багато AI-стартапів засновані іммігрантами, багато дослідників у галузі AI здобули освіту не в США, але згодом приїхали сюди для інновацій. Цей механізм «запозичення талантів з усього світу і формування високоплотної співпраці» — одна з головних причин технологічного лідерства США.

Він також наголошує, що роль дослідницьких університетів не можна недооцінювати. Довгострокові інвестиції у фундаментальні дослідження, підготовку кадрів і технологічний експорт — це не випадковість, а результат системної підтримки з боку держави. Тому, говорячи про переваги США у AI, потрібно враховувати не лише капітал і провідні компанії, а й фундаментальні дослідження і університетські інститути.

Саме тому, хоча ця дискусія ведеться за участю зіркового підприємця і члена Конгресу, її базовий логічний посил — не «компанії все вирішують» або «уряд все вирішує», а тристороння співпраця: уряд задає довгострокову орієнтацію і створює умови, університети — формують кадри і фундаментальні дослідження, компанії — просувають індустріалізацію і масштабне застосування.

Реіндустріалізація — новий ключовий тренд у конкуренції за AI

Якщо кілька років тому обговорення AI зосереджувалося на обчислювальній потужності, моделях і капіталі, то ця дискусія яскраво показує, що «реіндустріалізація» стала важливою частиною порядку денного. Ro Khanna прямо заявляє, що США у минулому десятилітті зробили велику помилку, сподіваючись, що зможуть зосередитися лише на фінансових і інноваційних центрах, залишивши сильну промислову базу. Це не лише шкодить національній безпеці, а й послаблює суспільну згуртованість і залишає довгострокові рани у регіонах.

Він нагадує, що занепад традиційного виробництва — це не абстрактна макропрограма, а конкретне руйнування гідності, робочих місць і міжпоколінної ідентичності багатьох громад. Міста і сім’ї, що колись трималися на фабриках, металургії і промислових ланцюгах, тепер змушені стикатися з реальністю: «Якщо ти не потрапляєш у фінансовий або технологічний сектор, то можеш бути викинутим». Ця розломка, зрештою, відбивається і на політичних настроях — на обуренні, розколах і недовіри.

Тому Ro Khanna пропонує нову економічну політику у стилі «Маленької Маршалівської програми» для 21 століття: США не можуть обмежуватися тарифами, а мають справді відновити ключові галузі, зосереджуючись на рідкоземельних металах, критичних мінералах, лікарських засобах, робототехніці, нових матеріалах, створюючи нові інвестиційні можливості для промисловості, щоб уряд, бізнес і працівники знову об’єдналися у спільну стратегію.

Huang Huang додає, що сама індустрія AI вже стає рушієм для повторної індустріалізації США. Зі створенням AI-заводів, чіпових фабрик і обчислювальної інфраструктури в США з’являються нові робочі місця у виробництві, будівництві, електриці, трубопроводах, точних інструментах, а також зростає зарплата у відповідних сферах. Він також зазначає, що компанії планують масштабні інвестиції у внутрішнє виробництво, і для цього потрібно створити сприятливе, прибуткове і стимулююче інвестиції середовище.

Це означає, що AI — це не лише технологія «заміни праці», а й можливість відновити реальну економіку і регіональні робочі місця. Однак, чи стане це реальністю, залежить від політики, яка сприятиме довгостроковим інвестиціям, а не лише короткостроковим спекуляціям.

«Чи знищить AI робочі місця?» — не таке просте питання

Щодо впливу AI на зайнятість, найпоширенішою частиною цієї дискусії є прямий заперечення Huang Huang щодо міфу про «знищення робочих місць AI». Він вважає, що описувати AI як потужність масового знищення зайнятості — неправильно і шкодить довірі суспільства до технологій.

Він наводить приклад: кілька років тому деякі провідні дослідники у галузі AI прогнозували, що з поширенням AI у сфері зображень і діагностики радіології, лікарі-радіологи стануть «зайвими» за десять років. Huang Huang визнає, що перша частина — правда: AI вже проникла у майже всі етапи радіології; але друга — ні: кількість радіологів не зменшилася, а навпаки — зросла.

Чому так? Його пояснення — ціль професії і конкретні завдання у ній не співпадають. AI може автоматизувати окремі задачі, але не обов’язково знищує саму професію. Навпаки, підвищуючи ефективність, AI дозволяє обслуговувати більше пацієнтів, виконувати більш складні завдання і створювати додатковий дохід, що вимагає залучення більшої кількості фахівців для вищого рівня аналізу, співпраці і сервісу.

Він поширює цю логіку і на програмну інженерію. У NVIDIA вже широко використовують AI-асистентів, і це не призвело до скорочення інженерів, а навпаки — до того, що «інженери, які краще використовують AI», стають більш затребуваними і успішними, а команда може швидше реалізовувати більше проектів. Тобто, AI змінює спосіб організації роботи і межі продуктивності, а не просто зменшує кількість робочих місць.

Однак Ro Khanna додає важливий нюанс. Він не заперечує, що довгостроково технології створюють нові потреби і робочі місця, але історія показує, що зростання продуктивності не рівномірно розподіляється і часто супроводжується безробіттям, зростанням нерівності і тривалими регіональними дисбалансами. Тому відповідальна політика — не просто повторювати «технології створюють роботу», а враховувати питання працевлаштування, доходів і рівних можливостей у перехідний період.

Саме тому Ro Khanna позиціонує себе як «демократа AI», а не «зомбі-оптиміста» або «прискорювача AI». Його головна ідея — не проти AI, а проти концентрації його вигод у руках капіталу і відсутності захисту для працівників.

Небезпека — не сама AI, а її використання обмеженою кількістю

Huang Huang у питаннях зайнятості дає дуже характерну оцінку: більшість людей не програють AI, але програють ті, хто вміє ним користуватися. Це не для того, щоб викликати тривогу, а щоб показати напрямок поширення технологій — замість страху перед AI, потрібно швидше навчати більше людей його використовувати.

Він наголошує, що AI — одна з найшвидше поширюваних технологій у світі, і головна причина — низький поріг входу. Не потрібно бути інженером-чіповиком або дослідником алгоритмів, щоб у своїй професійній діяльності використовувати AI для підсилення своїх можливостей. Навіть приклад: тесля, який за допомогою AI може краще демонструвати свої проєкти і підвищувати рівень послуг.

Логіка тут така: головна цінність AI — не у закритті професійних знань у вузьких колах, а у тому, щоб високий рівень когнітивних і виразних навичок став доступним більшій кількості людей. Коли звичайні працівники, підприємці і студенти зможуть використовувати AI для виконання складних завдань, технологічний розподіл вигод стане більш рівномірним.

Ro Khanna підсилює цю ідею, вважаючи, що «розповсюдження» AI — це не лише технічна справа, а й соціальний контракт. Він вважає, що сучасне суспільство в США не довіряє елітам і не вірить, що нова технологічна революція автоматично принесе можливості для всіх. Щоб відновити довіру, потрібно не лише пропаганда, а й конкретні програми працевлаштування, навчання, регіональні інвестиції і публічні зобов’язання.

Між США, глобалізацією і регулюванням — «золота середина»

Ще одна чутлива тема — як США мають поводитися з Китаєм і глобальними ланцюгами постачання. Huang Huang чітко заявляє: світ — взаємозалежний, і AI з його ланцюгами не може бути закритим системою, яку можна повністю ізолювати. Будь-які «закривання» і «розриви» можуть мати серйозні наслідки.

Він багато разів підкреслює, що AI — це не окремий продукт, а глибоко інтегрована у глобальні ланцюги складна індустрія. Від енергетики, мінералів, обладнання до виробництва — у багатьох сферах США залежить від інших країн, зокрема і від Китаю. Тому політика не повинна бути емоційною або спрощеною, а зваженою і довгостроковою, з урахуванням системних наслідків.

Ro Khanna погоджується і додає, що США не можуть повністю «відрізатися», але й не повинні йти шляхом безконтрольної глобалізації. Потрібно створити «більш зважену відкритість»: визнавати ризики монополій у критичних ресурсах і одночасно розвивати внутрішні можливості; також — не допускати політики «кожен за себе», а підтримувати співпрацю і відкритість.

Huang Huang нагадує, що протистояння Китаю не має перетворюватися у антиміграційну або антипартійну риторику. Адже найцінніший актив США — це «найкращі у світі люди», і якщо країна перетворює конкуренцію у конфронтацію, вона шкодить своїй здатності залучати таланти і зберігати «американську мрію».

Що стосується регулювання, то обидва погоджуються, що потрібно встановлювати баланс: з одного боку — регулювати застосунки і сценарії використання, щоб уникнути зловживань, а з іншого — не забороняти швидкий розвиток базових технологій. Важливо зберігати динамічний баланс між ризиками і можливостями.

Ця дискусія справді торкається нової національної наративної моделі — не просто «свобода і безпека», а баланс між ними, що дозволяє зберегти конкурентоспроможність і довіру.

Ця дискусія — не просто «політичний семінар», а новий наратив держави

Якщо сприймати цю дискусію лише як «обговорення політики AI», то її значення недооцінюють. Глибше вона стосується питання: чи зможе США у часи, коли AI змінює економіку і суспільство, побудувати новий національний наратив, що об’єднує більшість.

Ro Khanna багато разів наголошує, що найсерйознішою проблемою США сьогодні є втрата довіри. Люди вже не впевнені, що зможуть отримати вигоду від зростання, що державні інститути працюють для звичайних громадян, і що «американська мрія» ще актуальна. Тому він пропонує використовувати AI як інструмент для переосмислення цінностей — створити більш згуртоване, різноманітне і безпечне суспільство.

Huang Huang з підприємницької точки зору дає інший натяк: зараз — найкращий час для молоді, щоб увійти у суспільство, використовувати AI і брати участь у перезавантаженні індустрії. Адже ця революція не відбувається на межі старого світу, а — у процесі його перезавантаження, і для молодих це — унікальна можливість рівного старту.

Загалом, найважливішим висновком цієї дискусії є не стільки «Америка обов’язково виграє», скільки «якщо хоче виграти, — потрібно, щоб вигравало якомога більше». Лідерство у AI — це не лише володіння найкращими чіпами, капіталом і моделями, а й здатність перетворити технології, індустрії, освіту, виробництво і довіру у спільну систему.

Можливо, саме це і є найціннішим послання цієї дискусії: у майбутньому конкуренція у AI — це не просто змагання між компаніями і країнами, а боротьба за створення цілісної, відкритої і стійкої системи державних можливостей. А головне — відповідати на три питання: хто інновує, хто виробляє і хто отримує вигоду.