Davos 2026: Дженсен Хуанг про п’ятишаровий AI-стек, трильйонний build-out і дефіцит GPU

Одне з засідань цьогорічного Давоса отримало більш уваги, ніж різні інші політичні засідання та сесії. Звісно, коли на сцені голова найбільшого інвест-фонду у світи BlackRock Ларрі Фінк (Larry Fink) та засновник і СЕО компанії з найбільшою капіталізацією NVIDIA Дженсен Хуанг (Jensen Huang), інакше б і бути не могло.

На цій сесії прозвучала теза, яка відсікає половину дискусій про «бульбашку АІ» ще до того, як вони встигають розгорітися. Мова йшла не про те, «який чатбот кращий» або «чи замінить АІ людей», і навіть не «скільки коштує наступний GPU». Все пояснювалося значно більш приземленішеми речами - AI стає інфраструктурою, приблизно такою ж базовою, як електрика, дороги чи зв’язок. І якщо прийняти це як стартову рамку, то далі майже все сказане Ларрі Фінком і Дженсеном Хуангом складається в доволі логічну, навіть неминучу картину: ми на початку найбільшого інфраструктурного будівництва в сучасній історії, і головне питання не в тому чи щось перегріто, а чи встигає світ підвести необхідний фундамент.

Розмова почалася з теплого (і показово «фінансового») компліменту: Фінк нагадав, що BlackRock і NVIDIA стали публічними майже синхронно-у 1999 році-але траєкторії різні настільки, що порівняння звучить як анекдот. Він назвав для NVIDIA компаундний приріст сукупної дохідності для акціонерів на рівні 30–37%, і тут же перевів це у мову пенсійних фондів: «уявіть, що це означало б для кожного пенсійного фонду, якби він зайшов тоді в IPO». Хуанг відповів власним анекдотом про капіталізацію: він зізнався, що після IPO продав деяку частку акцій, коли компанія коштувала 300 млн дол., щоб купити батькам Mercedes S-Class - «найдорожчу машину у світі», як він пожартував. Давос любить такі сцени: вони знімають пафос і одночасно підкреслюють масштаб змін - сьогодні це звучить як історія з іншої економічної епохи.

Платформний зсув: чому цей цикл «не як завжди»

На головне питання Фінка - чому AI може стати настільки потужним двигуном росту і що відрізняє цей момент від попередніх технологічних хвиль - Хуанг відповів не маркетинговими гаслами, а тим що він назвав «поверненням до перших принципів». Його ключова теза проста: це платформний зсув, подібний до періодам, повʼязаним з появою ПК, розвитком Інтернету, мобільного звяʼзку та розквитом хмарних платформ. У кожному такому зсуві фактично перевинаходився обчислювальний стек і народжувався новий клас застосунків.

Але нинішня відмінність-у природі самого програмування. Раніше, як каже Хуанг, софт був попередньо створеною людиною «подією»: інженери описували алгоритм, а комп’ютер виконував; і робив це переважно зі структурованими даними-таблицями, полями, запитами. Він навіть окремо підкреслив роль SQL як найважливішого двигуна баз даних, який знав світ, на якому майже все працювало до цього моменту.

Тепер, у його інтерпретації, з’явився комп’ютер іншого типу: той, що розуміє неструктуроване - зображення, текст, звук - і може міркувати в реальному часі в контексті ситуації й наміру користувача. Тобто програмування дедалі частіше перетворюється на формулювання наміру-промпту - і на подальше керування тим, як система працює з контекстом, перевіряє себе, уточнює та діє.

У цій точці прозвучала думка, яка в Давосі важлива не менше за технологію: якщо це платформний зсув, то найцінніше-не сьогоднішні чатботи як додатки, а те, що на них будуватимуть інші рішення. ChatGPT, Claude, Gemini-це лише верхівка, на якій з’являється новий прикладний шар.

«П’ятишаровий торт»: AI як система, а не модель

Найкорисніша частина розмови - спроба Хуанга розкласти AI по шарах, щоб забрати увагу з одного магічного слова «модель» і повернути її до індустріальної реальності. Він описав AI як п’ятишаровий торт.

Перший шар - енергетика. Бо якщо інтелект генерується в реальному часі, то й енергія потрібна не епізодично, а постійно.
Другий шар - чипи й обчислювальна інфраструктура (саме там, де NVIDIA як компанія).
Третій - хмарна інфраструктура і сервіси.
Четвертий - моделі, те, що більшість людей звикла називати «AI».
І нарешті п’ятий - прикладний шар, де й виникає економічний ефект: фінанси, медицина, виробництво, логістика, наука.

Ця ієрархія потрібна для наступного висновку: якщо хочеш прикладний ефект нагорі, мусиш побудувати все знизу. А отже, AI не може масштабуватися так званим «легким софтом». Він масштабується будівництвом, і саме це, за словами Хуанга, запустило «найбільший інфраструктурний build-out в історії людства».

Хуанг кілька разів повернувся до цифр, що демонструють масштаб: мовляв, зараз ми лише «на кілька сотень мільярдів доларів» зайшли в цей процес - і це, по суті, тільки початок, попереду - трильйони. Він одразу прив’язав це до ланцюжка виробництва: нові чип-фабрики, заводи з виробництва комп’ютерних систем, «AI-фабрики» як датацентри нового типу. 

«Подивіться, що відбувається зараз. Енергетичний сектор переживає надзвичайне зростання. TSMC щойно оголосила, що побудує 20 нових заводів з виробництва чипів. Foxconn разом з нами, Wistron і Quanta будують 30 нових комп'ютерних заводів. Маємо фабрики чипів, комп'ютерні фабрики та AI-фабрики по всьому світу», сказав Хуанг. «І пам'ять», - додав Фінк. «Точно! Micron оголосила про інвестиції у 200 млрд дол. у США. SK Hynix працює неймовірно активно, Samsung теж. Весь шар чипів зростає як божевільний»,-підтвердив Хуанг. І ось тут - найцікавіше. Індикатор того, що це не просто хайп: венчурне фінансування. 2025-й став одним з самим помітним роком у венчурному фінансуванні за всю історію. Куди пішли ці гроші? У так звані AI-native компанії - стартапи в охороні здоров'я, робототехніці, виробництві, фінансових сервісах. «Уперше моделі стали достатньо хорошими, щоб будувати на них бізнес», - пояснив Хуанг.

Переломний 2025-й: агентність, відкриті моделі та «фізичний AI»

Коли Фінк перевів розмову від чатботів до розповсюдження AI в фізичному світі - транспорт, наука, промисловість - Хуанг позначив три технологічні зрушення останнього року, які, на його думку, зробили все серйозним.

Перше - перехід від просто цікавих моделей, що галюцинують до більш реальних систем, здатних робити дослідження, розкладати задачі на кроки і будувати плани. Хуанг назвав це розвитком до agentic systems - агентних AI-систем, які не просто відповідають, а діють.

Друге - прорив у напрямку розробки відкритих моделей. Хуанг окремо згадав «open reasoning models» як ключовий момент, що дав університетам, стартапам і компаніям можливість стартувати швидше, спеціалізуватися і будувати доменні рішення, а не чекати «закритої магії» від кількох провайдерів.

Третє - фізичний AI. Штучний інтелект, який розуміє не лише мову, а й природу. AI, який розуміє фізичний світ, який оперує термінами динаміки рідин, квантової фізики, мікробіологіх. І в цьому напрямку зараз дуже великий прогрес, що дозволяє компаніям, наприклад у виробництві та розробці ліків дуже стрімко масштабуються. Приклад — компанія Eli Lilly. «Вони зрозуміли: AI досяг такого рівня в розумінні структури білків і хімікатів, що тепер ми можемо взаємодіяти з білками, як розмовляємо з ChatGPT. Нас чекають справді великі прориви», заявив Хуанг.

У цій частині важливий підтекст: економічний ефект переміщується з генерації тексту в прискорення науки та виробництва, а отже - у довгі цикли капітальних інвестицій, а не в короткі цикли “скачав застосунок - і готово”.

Робота і страхи: «мета професії» проти «задач професії»

Там, де аудиторія зазвичай очікує заспокійливих фраз, Хуанг запропонував інший ракурс. Так, AI автоматизує задачі, але ключове - відрізняти і відділяти мету роботи від її задач.

Його улюблений приклад - рентгенологія. Десять років тому багато хто прогнозував зникнення фахівців і цій галазі, бо комп’ютерний зір став “суперлюдським” у завданнях розпізнавання зображень. Сьогодні, каже Хуанг, AI справді глибоко проник у рентгенологію, і фахівці справді використовують AI для аналізу знімків. І як не дивно, кількість рентгенологів зросла, тому що робота цього спеціалісту - діагностувати захворювання, допомагати пацієнтам. Це мета їхньої роботи, а вивчення знімків - це завдання роботи. Тепер, коли вони можуть вивчати зображення набагато швидше з допомогою АІ, виникла можливість витрачати більше часу на пацієнтів - діагностувати та взаємодіяти з іншими лікарями. Кількість пацієнтів, яких може прийняти лікарня, зросла, бо до цього багато людей довго чекали на обробку рентнген-світлин. Тепер, лікарні взмозі приймати більше пацієнтів, доходи  зростають і штат рентгенологів розширюється. 

Хуанг згадав і другий приклад - медсестри, в США дуже великий дефіціт цього персоналу. Він зазначив, що AI-інструменти для транскрипції та документації знімають величезний адміністративний тягар з них: менше часу на “чартинг”, більше - на спілкування з пацієнтами. 

Голова NVIDIA також підкреслив, що все це не заперечує заміщення в окремих офісних ролях, але ставить іншу рамку для розмови. AI піднімає пропускну здатність систем, а системи з незакритим попитом зазвичай ростуть, а не стискаються.

А ще - найбільша інфраструктурна побудова створює мільйони робочих місць. «І чудово, що ці роботи пов'язані з ремеслом. Сантехніки, електрики, будівельники, сталевари, мережеві техніки, люди, які встановлюють обладнання. У США ми бачимо значний бум у цій сфері. Зарплати таких фахівців майже подвоїлися. Ми говоримо про шестизначні зарплати для людей, які будують фабрики чипів, комп'ютерні фабрики, AI-фабрики. І у нас величезний дефіцит персоналу у цих напрямках. Я дуже радий, що так багато країн визнають цю важливу сферу», резюмував Хуанг.

Глобальний Південь і «національний інтелект»: AI як мова і культура

Фінк зробив важливий поворот: якщо AI зараз активніше використовує «освічене ядро» суспільств, як уникнути технологічного розриву-і як штучний інтелект може стати для країн, що розвиваються, таким самим фактором зростання, як колись мобільний зв’язок чи 5G?

Хуанг відповів категорично: кожна країна має сприймати AI як елемент національної інфраструктури. Так, AI можна імпортувати, але через відкриті моделі та доступність технологій країни можуть (і мають) будувати власні рішення, спираючись на свій фундаментальний ресурс - мову і культуру. І тут пролунала фраза, що звучить майже як політична доктрина: розвивайте “національний інтелект” як частину екосистеми.

Друга опора оптимізму Хуанг - радикальна простота використання: AI, за його словами, «найпростіше ПЗ в історії» і тому найшвидше масштабоване; якщо людина не знає, як користуватись AI, вона може прямо спитати про це систему - і та його навчить. Із цього випливає третя теза: прірва може скорочуватись, бо бар’єр входу в «цифрові навички» знижується.

Європа: шанс «перестрибнути еру софту» через фізичний AI

Коли розмова торкнулася Європи, Хуанг зробив комплімент, але з умовою. США, мовляв, домінували в «ері софту». Європа ж має унікальну перевагу - надпотужну індустріальну базу. І якщо AI - це софт, якому не треба писати софт, бо AI вчать, а не кодують, то Європа може зіграти наступний цикл не в копіювання американської моделі, а в злиття промисловості з штучним інтелектом, тобто в фізичний AI та робототехніку. «Раз у покоління»-так він описав можливість для європейських економік.

Але одразу ж назвав вузьке місце: енергетика. Європі доведеться серйозно нарощувати енергопостачання, щоб створити власну багату екосистему AI.

Бульбашка чи дефіцит: тест «орендуй GPU»

Фінк підсумував, яу інвестор: якщо так, то ми далекі від бульбашки? Чи, навпаки, ми просто не інвестуємо достатньо?

Хуанг запропонував дуже “польовий” тест: спробуйте орендувати GPU. За його словами, NVIDIA має мільйони GPU у хмарах, вони «в кожній хмарі», але оренда стає складною, а спотові ціни на GPU-оренду ростуть, причому не тільки на найновіші покоління, а навіть на попередні версії прискорювачів. Для нього це показник не перегріву попиту “на папері”, а скоріше реального дефіциту потужностей під роботи з прикладним шаром, який вибухово росте.

Другий показник - гроші венчурів. Він згадав 2025 як один із найпомітніших років у венчурному фінансуванні, де значна частина пішла в AI-native компанії, тобто в тих, хто будує прикладний шар над моделями. А саме цей шар, за логікою «п’ятишарового торта», неминуче тягне за собою все що нижче: датацентри, енергію, логістику, виробництво.

І, нарешті, фінальний меседж Фінка - майже соціальний: якщо “середній пенсіонер” спостерігатиме за цією хвилею збоку, відчуття «мене залишили позаду» стане політичним ризиком. Тому інвестиції в інфраструктуру AI він подає як спосіб «підключити» широкі групи до росту.

Повернення до тези: майбутнє будується не промптом, а бетоном

Ця розмова на WEF цікава й тим, що вона майже не про “моделі”. Вона про те, що AI переходить у клас технологій, де головний ресурс - не геніальність алгоритму, а здатність суспільства будувати: електрику, фабрики, датацентри, мережі, ланцюги постачання, кадри робітничих спеціальностей - і паралельно вчитися керувати “цифровою робочою силою” так само, як ми керуємо людьми.

Тому виступ Ларрі Фінка і Дженсена Хуанга більше виглядав, як прискіпливий аудит ситуації: якщо AI-інфраструктура, то “бульбашка” найчастіше виглядає не як надлишок, а як нестача фундаменту. І це, мабуть, найважливіша нота: у світі, де всі навчилися писати промпти, вирішальним стає те, хто навчиться швидше будувати шари під ними.

Стратегія охолодження ЦОД для епохи AI