📚 Apoorv Agrawal, кто вел Stanford MS&E 435: Economics of the AI Supercycle, выложил саммари всего курса статьей.
Я в этом году полностью прошел курс - раз в неделю разбирали очередную лекцию на созвоне Lecture Club и выкладывал сюда заметки и рассуждения после каждой встречи.
Agrawal тоже подвел итоги - написал статью о том, чему сам научился, ведя курс. Стоит прочитать целиком, но вот главное.
Курс шел девять недель весной 2026, около 150 студентов и десять приглашенных спикеров. Структуру собрали вокруг five-layer AI stack модели Дженсена Хуанга: energy, chips, infrastructure, models, applications.
Agrawal сделал таблицу bullish/bearish взглядов каждого спикера - и ни один не оказался bearish на AI как таковой, только на конкретных конкурентах внутри стека. NVIDIA получала похвалу стабильнее всех - на шести из девяти сессий, а Brad Gerstner называл ее кандидатом на звание первой компании с капитализацией $10 триллионов. Физическая инфраструктура - вторая по значимости тема курса.
Самый острый разбор дал Ali Ghodsi (Databricks) - про экономику open source. Разрыв между open и closed моделями сократился примерно до трех недель: open модели работают "в 90 днях позади frontier при цене на 70-90% ниже". Дистилляцию Ghodsi назвал "unstoppable" - продукты, построенные на токенах, не могут защититься от копирования. Бизнес-модель он описал как постепенный ratchet: все более сложные запросы уходят к дешевым открытым моделям, пока прибыльной не остается только frontier-модель.
Из критики курса - главная претензия была в недостаточной глубине при двух часах в неделю. А из того, что сработало - маленькие ужины со спикерами и игра long/short, которая заставляла активно вести заметки.
https://tailwinds.substack.com/p/what-i-learned-teaching-the-economics
https://t.me/rvnikita_blog/1880
#stanford@rvnikita_blog #ai@rvnikita_blog #apoorv_agrawal@rvnikita_blog #nvidia@rvnikita_blog
