RedCapitalist

Экономисты МВФ смотрят на это иначе. При сокращении населения стареющее общество начнет больше сберегать (потому что на пенсии уже не рассчитывают). Одновременно снизятся возможности для выгодных инвестиций — медленно растущей экономике не нужны новые заводы и дома в прежних масштабах. Обеспеченные люди будут искать куда вложиться, но предложений будет мало. В итоге процентные ставки упадут, и государству наоборот станет легче обслуживать долг.

Теперь про стариков, которых все содержат. В Великобритании, например, 9 миллионов трудоспособных людей не работают и не учатся. Это больше, чем предполагаемый демографический спад к 2100 году. Резерв огромный. Плюс пенсионный возраст растет естественным образом: в среднем по миру люди стали выходить на пенсию на 4 года позже, чем в 2000-м. И в медицине заметный прогресс: 70-летний работник сегодня по когнитивным способностям не уступает 53-летнему в начале 00-х.(Источник)

Но самое интересное то, что Великобритания тратит на граждан до 25 лет (образование, медицина) больше, чем на пенсии и лечение пожилых. Молодёжь сейчас учится до 22-25 лет, потребляя ресурсы, а зарабатывать начинает поздно (тенденция общемировая). Так что, кто кого содержит еще большой вопрос.

Настоящая проблема

Проблема не в коллапсе, а в скорости и качестве адаптации. Общество должно перестроиться с модели "много молодых кормят мало стариков" на модель "меньше людей, но живут дольше и работают дольше". И вот эта перестройка будет болезненной.

Представьте инфраструктуру, которая строилась под один демографический профиль, а теперь нужен другой. Школы закрываются, районы пустеют, инвестиции в детскую инфраструктуру падают. Города перестраиваются под пожилых. Политики ориентируются на возрастных избирателей — их больше и они активнее голосуют.

И тут может возникнуть ловушка. Если система окончательно перекосится в сторону старшего поколения, баланс сломается — и немногочисленная молодёжь просто не захочет размножаться в мире стариков.

Инновации

Отдельная тема — инновации. В США замедление роста рабочей силы уже привело к сокращению создания новых компаний на 26% (Источник). Меньше предпринимателей и учёных — меньше прорывов.

Но надо смотреть глубже. Даже в Израиле, мировом лидере по доле исследователей, в науке работает 1% населения (Источник). Проблема не в абсолютном числе людей, а в том, что подавляющее большинство даже в развитых странах не имеет возможности реализовать свой потенциал. В развивающихся странах ситуация ещё хуже: в Пакистане один исследователь на 10 тысяч человек — не от нехватки населения, а от разрушенной системы образования.

Появление продвинутого ИИ может изменить расклад, но я бы не ставил на это всё. Технологические прорывы случаются медленнее, чем обещают оптимисты. А вот качество институтов, образования и делового климата — определяет способность к инновациям здесь и сейчас.

Демографический сдвиг — не конец света, а структурная перестройка экономики и общества. Экономика адаптируется — она уже проходила через не менее драматичные трансформации. Вопрос в том, насколько болезненной будет адаптация и кто окажется в выигрыше.

Власти должны не пытаться вернуть прошлое, а строить инфраструктуру будущего.

А Нам с вами не стоит надеяться на государство, придется готовиться к пенсии самостоятельно или работать до 70+ лет.

Не забывайте подписываться на мой канал в телеграме - Рыжий Капиталист

Логика простая, чтобы произвести X тонн стали, нужно Y угля и Z электроэнергии. Строишь гигантскую таблицу зависимостей — и теоретически можешь рассчитать оптимальное распределение ресурсов.

Проблема в том, что эти таблицы составлялись вручную. Тысячи статистов собирали данные по предприятиям, сводили их месяцами. И к моменту готовности плана экономическая реальность уже менялась. Плюс коррупция, политическое давление, неподтвержденные данные. Модель была правильной, но адекватных инструментов для ее применения не было.

Сейчас все принципиально изменилось:

➖Данные собираются автоматически. Каждая транзакция, покупка, логистическая операция фиксируется в базах данных, в режиме реального времени.

➖Вычислительные мощности выросли на порядки. США инвестировали $328 млрд в ИИ за последние годы. Nvidia разрабатывает энергоэффективные платформы для обработки данных. То, на что у советских плановиков ушёл бы год, ИИ просчитывает за секунды.

➖Скорость реакции. Можно корректировать планы непрерывно, а не раз в пять лет.

Технически барьеры сняты, но достаточно ли этого?

Три фундаментальных проблемы

1) Монополия на данные. Для работы такой системы государство должно контролировать все экономические данные. Это прямой путь к цифровому авторитаризму.

2) Человеческий фактор. ИИ анализирует прошлое. Но экономика — это не физика. Завтра может появиться новый тренд, продукт, технология. Как ChatGPT, который за два месяца перевернул рынок. Никакие исторические данные этого не предскажут.

3) Субъективность. Проблема планирования не в нехватке информации, а в том, что существует информация принципиально нецифровизуемая. Ваши предпочтения, мечты, спонтанные решения. Сегодня вы хотите айфон, завтра — жить в деревне без гаджетов. Эту субъективность нельзя предугадать.

Мог ли СССР выжить с современным технологиями?

С технической точки зрения — да, планировать стало бы проще. Не была бы нужна толпа планировщиков с тетрадками. Балансы в реальном времени, мгновенная корректировка производства, прогнозирование дефицитов.

Но это не решило бы главного. ИИ не отменит коррупцию. Не изменит политическую систему, где решения принимаются не по экономической логике, а по воле партаппарата. Не заставит предприятия работать эффективно, если нет конкуренции. Не сократит безумные военные расходы и дотации.

СССР загубила не техническая отсталость планирования. Его загубила природа самой системы — закрытость, отсутствие обратной связи, подавление инициативы. ИИ здесь бессилен.

Джек Ма не призывает к возрождению СССР. Он говорит о использовании данных для повышения эффективности — возможно, в отдельных секторах экономики.

Китай может стать первой лабораторией. У КНР есть инфраструктура, данные и специфическое отношение к приватности. Посмотрим, что из этого выйдет.

Но я ставлю на то, что "невидимая рука рынка" окажется умнее генеративной модели. Потому что она учитывает то, что не учтёт ни один ИИ — поведение человека.

А вы как считаете — можно ли спланировать экономику с помощью современных технологий?

Не забывайте подписываться на мой телеграм канал, там еще больше контента.

➖Версия №1: Монополисты, жадные до последней копейки, сознательно тормозят снижение цен.

➖Версия №2: Покупатели не знают, какая должна быть «честная» цена, они не могут проследить изменения издержек или даже не пытаются в этом разобраться.

Но эти объяснения не учитывали, что эффект наблюдается даже в условиях жесткой конкуренции и там, где информация о себестоимости открыта (например, в банковской сфере, при официальных ставках ЦБ).

В 2024 году профессор Серджио Ребело и Мигель Сантана из Северо-Западного университета, а также Педру Телеш из Банка Португалии предложили новую интерпретацию, обратившись к нейробиологии. Связали всё в единое, взяв за основу труды лауреата Нобелевской премии по экономике Даниэля Канемана. При принятии решений наш мозг работает в двух режимах:

➖«Автопилот» (Система 1): мы автоматически делаем покупки без лишнего анализа.

➖«Аналитик» (Система 2): включается, когда цены начинают меняться, и мы начинаем сравнивать варианты.

Представьте, что вы владелец кофейни. Издержки выросли — быстро поднимаете цены, клиенты ворчат, но остаются, ведь все конкуренты вынуждены делать то же самое. А вот когда издержки падают… Зачем торопиться? Клиент на автопилоте всё равно купит привычный кофе. Но стоит ценам поползти вниз — он тут же включит аналитика и побежит сравнивать вас с конкурентами.

На какие ухищрения идёт бизнес, чтобы удержать нас подольше в системе №1:

➖Используют некруглые цены (999 ₽ вместо 1000 ₽), которые создают ощущение меньшей цены;

➖Прибегают к шринкфляции (уменьшают объём товара, не меняя цену);

➖Используют «умную выкладку», тем самым облегчая поиск привычных нам товаров.

Исследования показывают, что средний лаг реакции на рост издержек составляет около 4,4 недели, а на снижение — 4,8 недели. Кажется, разница всего несколько дней? Но в масштабах экономики это приводит к миллиардам дополнительных доходов для бизнеса.

Эффект «ракеты и перья» — это не случайность, а умный приём, основанный на особенностях работы нашего мозга. Компании используют этот механизм, чтобы сохранять прибыль, а мы, не всегда внимая мелким изменениям, платим лишнее.

А как вы думаете, насколько часто вы покупаете «на автопилоте»? Делитесь своими наблюдениями в комментариях.

Не забывайте подписываться на мой телеграм канал, там еще больше контента

К 1983 году СССР на единицу национального дохода тратил:

- нефти в 2,2 раза больше, чем США

- стали — в 3 раза больше

- цемента — в 2,9 раза больше

Не потому что у нас были плохие технологии (хотя и это тоже), а потому что система мотивировала УВЕЛИЧИВАТЬ затраты, а не снижать их.

Логика была железная, чем больше потратил на производство — тем выше можешь установить цену. Чем выше цена каждого изделия — тем меньше их нужно сделать для выполнения плана в рублях. Получался своеобразный экономический мазохизм - чем хуже работаешь, тем легче живется.

Еще в 1920 году австрийский экономист Людвиг фон Мизес предсказал эту проблему в своем "калькуляционном аргументе": без рыночных цен у плановиков нет возможности понять, что действительно нужно экономике. Советские теоретики долго спорили с Мизесом, но к 1970-м стало ясно — старик оказался прав.

Самое трагикомичное — история с девятой пятилеткой (1971-1975). Работу над ней начали в начале 1968 года, а утвердили только в конце 1971-го. Первый год пятилетки уже прошел, а план еще обсуждали.

Почему так долго? Потому что математика не сходилась. Министерства требовали ресурсов на 200 миллиардов рублей больше, чем их было в природе. Госплан пытался всех "помирить", но как говорится - "Хотели как лучше, а получилось как всегда".

И при всем этом сам план включал в себя около 90 тысяч показателей! Представляете масштаб бюрократического безумия? В 1971 году коллегия Госплана провела 21 заседание только по пятилетке — практически каждые две недели сидели и меняли расчеты.

Венгерский экономист Янош Корнаи описал главную болезнь плановых экономик одним словом — дефицит. В капитализме рост производства ограничивается спросом или деньгами. В СССР — только нехваткой материалов.

Почему? Потому что деньги всегда можно было "выбить" из бюджета или взять льготный кредит. Банкротств не было — ведь работающее предприятие хоть что-то производит, а закрытое вообще ничего. Поэтому все предприятия жили в режиме "мягких бюджетных ограничений" и требовали все больше ресурсов.

Так к концу 1980-х средний возраст промышленного оборудования вырос до 26 лет против 16-20 в США. Доля оборудования старше 20 лет увеличилась с 8% до 14%. Новые заводы строили, но рабочей силы на них не хватало. Старые работали на изношенном оборудовании, а о реконструкции можно было только мечтать, останавливать нельзя — план же.

Академик Юрий Яременко объяснил системный кризис через концепцию "качественных" и "массовых" ресурсов. Качественные (высокотехнологичные материалы, точное оборудование, квалифицированные кадры) десятилетиями шли в ВПК и космос. Остальные отрасли приспособились работать с тем, что осталось.

К примеру, даже сложно было снабдить сельское хозяйство современной техникой. Новые комбайны и тракторы могли выйти из строя за пару месяцев, потому что не было ни квалифицированных механиков, ни качественного масла. Система породила технологическую шизофрению: одни отрасли жили в XX веке, а другие из XIX еще не вышли.

Получался порочный круг: низкотехнологичные отрасли требовали больше первичных ресурсов, для добычи которых нужны были высокие технологии. Как итог, качественные ресурсы тратились на обеспечение работы отсталых производств, но обходным путем.

Неизбежный финал

К 1980-м стало ясно: система исчерпала свой потенциал. Методы, которые обеспечили индустриальный рывок 1930-х, к 1970-м превратились в смирительную рубашку.

Любые попытки реформ только ухудшали ситуацию. Половинчатые меры создавали новых игроков, которые начинали тянуть одеяло на себя еще активнее. Как говорил Брежнев про косыгинскую реформу: "Реформа, реформа... Кому это надо? Работать нужно лучше, вот и вся проблема".

Но проблема была не в том, что люди плохо работали. Проблема была в том, что система мотивировала работать неправильно.

СССР стал жертвой собственного успеха. Страна, которая хотела построить самое рациональное общество в мире, создала самую иррациональную экономику. Но это был не случайный сбой — это была закономерность, заложенная в основе системы.

Экстенсивный рост имеет свой предел. Можно согнать крестьян с земли один раз, можно выкачать природные ресурсы, можно мобилизовать все силы страны. Но что делать дальше?

Накопившиеся противоречия требовали кардинальных решений. В следующей серии постов мы разберем, как Михаил Горбачев попытался реформировать нереформируемое и, почему перестройка вместо обновления системы ускорила ее крах. Готовьтесь — впереди история о том, как благие намерения привели к необратимым последствиям!

Не забывайте подписываться на мой телеграм канал, там еще больше контента.

Общие затраты внутри сегмента ИИ-моделей составляют около $120 млрд при общей выручке $30 млрд. Эти данные явно указывают, что экономика ИИ-проектов дотационная с довольно большим дефицитом.

Для стабилизации ситуации необходим стремительный рост минимум в 10-15 раз, чтобы хотя бы покрыть текущие расходы. Но если судить по завышенным оценкам этих компаний, инвесторы ждут значительно большего увеличения доходности.

Теперь к инфраструктуре — здесь монополистом выступает Nvidia с капитализацией $4,3 трлн. Компания доминирует на рынке чипов, необходимых для развития LLM-моделей. Планируемая выручка за 2025 год — $130 млрд, но кратное увеличение вряд ли произойдет. (Источник)

В 2024-м Nvidia произвела чипов достаточно, чтобы обеспечить 150 тыс. новых серверов. Сейчас на вооружении биг-тех компаний порядка 600 тыс. подобных серверов, а стоимость их обслуживания в год составляет примерно $105 млрд.

Всё это очень дорого, и если раньше крупные IT-компании могли позволить увеличивать вычислительные мощности за счёт своей прибыли, то сейчас часто прибегают к помощи кредитов.

Стоит ещё отметить, что столь большое количество дата-центров потребляет огромное количество электроэнергии. В США, например, в штате Вирджиния серверами потребляется до 25% электричества. Это повлекло за собой увеличение счетов за электричество на 7% по всей стране, что сказывается на традиционных секторах экономики — строительстве и промышленном производстве. (Источник)

А теперь к ред флагам:

🚩 Технологическое плато: LLM-модели больше не показывают скачкообразного развития. Так GPT-5 мало того, что вышел со значительной задержкой, так и не привнес каких то явно выраженных изменений. Это уже как айфон, который каждый год апгрейдит свое железо, но уже давно не предлагает ничего нового и революционного.

🚩 Исчерпание данных: в модели уже "загружено" всё, что было оцифровано в интернете.

🚩 Корпоративное внедрение буксует: исследование MIT показывает крайне медленный прогресс интеграции ИИ в бизнес-процессы.

Лично я склоняюсь к мысли, что потенциал ИИ огромен, но ожидания, связанные с его ростом, часто основаны на смелых прогнозах, а не на реальной доходности. Если инфраструктурные затраты не будут сопоставлены с равномерным ростом выручки, очень высок риск столкнуться с коррекцией рынка.

Интернет выжил после краха доткомов и изменил мир, но 90% компаний того времени обанкротились. ИИ, скорее всего, ждёт та же участь — технология останется и трансформируется, но нынешняя ситуация на рынке изменится.

Что думаете вы? Соответствуют ли инвестиции в ИИ его реальному потенциалу или мы на пороге нового экономического потрясения? Делитесь мнением в комментариях!

Мой телеграм канал - Рыжий Капиталист, не забывайте подписываться.