Реальность AI-агентов из Кремниевой долины: массовая трата токенов, интеграция систем «крайне хаотична», прогноз Хуан Жэньсюня «следующего ChatGPT» требует проверки

Согласно углубленному репортажу CNBC, на двух закрытых встречах в Силиконовой долине на этой неделе несколько CEO AI-стартапов и инженеров прямо заявили, что две ключевые структурные проблемы при масштабировании развертывания AI agent — это «массовая трата token» и «крайняя неразбериха между системами». Эта запись с места событий резко контрастирует с оптимистичными ожиданиями, которые CEO Nvidia Дженсен Хуанг в марте озвучил, назвав AI agent «следующим ChatGPT», показывая, что реальные узкие места в этой гонке заключаются не в вычислительных мощностях, а в проектировании решений, эффективности token и интеграции множества систем.

Главная проблема — перекладывать все на LLM

CEO AI-стартапа Meibel Кевин Макграт на встрече отметил: «Главная проблема, с которой мы сейчас сталкиваемся, — это ошибочное убеждение, что все нужно обрабатывать с помощью больших языковых моделей: просто выдать все token и все деньги одному AI bot — и он сожжет несколько миллионов token». Он подчеркнул, что при проектировании рабочих процессов agent предприятия должны точнее определять, какие задачи действительно требуют LLM, а какие можно выполнить гораздо более дешевой правиловой логикой или стандартными подходами машинного обучения.

Это наблюдение перекликается с реакцией рынка после того, как корпоративная версия Anthropic Claude перешла на тарификацию по факту использования: когда расход token напрямую превращается в стоимость, становится сразу видна финансовая нагрузка при разработческом подходе «слепо отдавать все agent». Мнение Meibel представляет собой группу практиков, выступающих против ажиотажа: искусство архитектуры agent заключается в ограничениях, а не в безудержности.

Хаос из-за взаимозависимости систем с несколькими agent

Еще один ключевой термин, который многократно встречается в репортаже CNBC, — «chaotic». Когда в компаниях одновременно запускают несколько AI agent — например, один обрабатывает клиентскую поддержку, другой занимается расписанием, третий — финансами, — взаимодействие между агентами по передаче сообщений, согласованность состояний и восстановление после ошибок неизбежно влияют друг на друга; любые сбои в поведении одного agent запускают цепную реакцию. На этой неделе Карпатхи также упоминал, что лично ведет рабочий процесс с одновременным запуском 10–20 agent, но признал, что узким местом стали code review и PR-процессы.

Хаос в таких системах с несколькими agent по своей сути является повторением старых проблем распределенных систем в эпоху LLM: нет четких SLA, нет границ транзакций, нет семантики для повторных попыток при отказах. Хотя Anthropic и OpenAI представили протокольный уровень вроде MCP и Agent SDK, при внедрении в реальной практике стандартизация все еще далеко отстает от роста количества agent.

Охлаждение вокруг зарплатных token на 250 тысяч долларов у Хуанга

В марте CEO Nvidia Дженсен Хуанг активно продвигал концепцию «зарплаты в token», утверждая: «Если инженер с годовой зарплатой 500 тысяч долларов не потребляет хотя бы 250 тысяч долларов token, я буду глубоко обеспокоен». Его логика такова: инженеры должны заменить себя AI agent для выполнения низкоуровневых действий, а абсолютная сумма потребленных token — это прокси-показатель производительности. Этот тезис можно посмотреть в материалах о Дженсене Хуанге в его последнем эксклюзивном интервью (часть первая), где он подробно объясняет потребности в AI вычислительных мощностях.

Но мнения на местах в репортаже CNBC показывают, что силиконовская инженерная среда все больше сохраняет сдержанность по отношению к этому утверждению: объем потребленных token не равен производительности и даже может быть сигналом плохо спроектированного agent. Реальная ценность инженера все еще лежит в том, чтобы «решать, какие задачи стоит отдавать agent, как разбирать задачи и как проектировать обработку ошибок» — эти работы сами по себе нельзя измерить количеством потребленных token.

Crypto и пересечение с AI agent все еще требуют времени

Для индустрии crypto на этой неделе тенденции, включая то, что AI поглощает 80% глобального инвестирования в венчурные проекты, а также активную интеграцию автономных agent в DeFi-проекты, опираются на предпосылку: «агент-технологии уже достигли уровня, пригодного для развертывания». Однако этот репортаж CNBC напоминает: даже в чисто web2 корпоративной среде эффективность token agent и интеграция множества систем еще не стабилизировались. Размещение agent в среде on-chain, работающей 7×24 и где активы мгновенно могут быть украдены, одновременно усиливает технические риски и финансовые риски. Настоящая точка старта для Crypto × AI, возможно, еще подождет, пока созреет стандартизация на уровне фреймворков agent (например, MCP, LangGraph, Cloudflare Agents).

Эта статья «Реальность AI Agent в Силиконовой долине: массовая трата Token, “крайняя неразбериха” в системной интеграции, прогноз Хуанга “следующим ChatGPT” требует проверки» впервые появилась на сайте «Сеть новостей ABMedia».