Після анонсу DeepSeek акції Nvidia пішли донизу: якщо для навчання моделі не потрібні захмарні ресурси, на чому буде заробляти Nvidia? Зрештою, до оцінки в $6 млн було чимало питань. Та навіть якщо тренування моделей і справді зможе стати дешевшим та простішим, це не означає кінець бізнесу Nvidia. Скоріше, навпаки.

Економісти одразу згадали економічну теорію під назвою Парадокс Джевонса. Якщо спрощено, то ця теорія означає наступне: коли прогрес покращує ефективність використання якогось ресурсу, то цей ресурс будуть споживати ще більше, а не менше, як могло б здатись. Цю економічну теорію ввів в обіг Вільямс Стенлі Джевонс аж у 1865 році, і говорив він тоді про ефективність використання вугілля: хоча ефективність зростала, споживання вугілля також зростало.

Сьогодні Парадокс Джевонса накладають на чіпи Nvidia. Економісти стверджують: навіть якщо для тренування моделей буде потрібно менше ресурсів (зокрема, чіпів), то це зовсім не означає, що чіпи будуть непотрібні. Навпаки, з популяризацією технологій штучного інтелекту їх ставатиме більше, більше компаній буде за це братись, більше науковців, інженерів і так далі. Зниження порогу входу в індустрію сприятиме тому, що ще більше людей захоче стати частиною AI-індустрії.

Як свідчать дані видання Sherwood, ця думка сподобалась величезній кількості людей: зазвичай значення терміну Парадокс Джевонса переглядало всього 500-600 людей щодня. В кінці січня — у 200 разів більше, більше 120 тисяч переглядів на день.

Цікавість до теорії Джевонса технологічному світу повернув керівник компанії Microsoft Сатья Наделла. Саме він опублікував у своєму профілі на LinkedIn посилання на статтю у Вікіпедії про це та додав, що ця теорія підходить для сучасної індустрії штучного інтелекту.

У статті, зокрема, мова присвячена саме історії з збільшенням енергоефективності: мова йде про те, що зі збільшенням ефективності, люди не стають споживати менше енергії, а зовсім навпаки — споживання продовжує йти вгору. І ця історія стосується вже не лише вугілля і XIX століття, а й нашого часу, сучасності. Цю ідею намагаються накласти і на AI вцілому, і на Nvidia зокрема. Мовляв, ця компанія продовжує залишатись лідером на ринку чіпів під навчання AI і компанії далі інвестуватимуть кошти у обладнання. Це доводиться і реальними прикладами: значні майбутні інвестиції планує Meta, на $60-$65 млрд, китайський уряд підтримує індустрію додатковими вливаннями на $140 млрд, проект Stargate потребує $100 млрд лише на першому етапі. І у всіх цих історія є Nvidia.