Что не так с экономикой ИИ? Продолжение
Проблема в фундаментальном дисбалансе между линейным ростом капитальных расходов и нелинейной траекторией монетизации в условиях быстрой амортизации активов.
Сильно переоценивается монетизируемая часть корпоративного спроса, как основной долгосрочный источник стабильного денежного потока с высокой конверсией на один токен.
Помимо того, что LLMs по качеству очень далеки от корпоративной интеграции, ни одна крупная организация не будет лить трафик через открытый API. Все использование LLMs будет исключительно через локальное развертывание на основе открытых моделей. Ни одного доллара во внешний контур.
Для компаний с выручкой 30-40 млрд в год и количеством сотрудников 5-10 тыс человек с избытком хватит одного вычислительного кластера (не нужно выстраивать «плантации» вычислительных кластеров в ЦОД) для обслуживания комплекса внутренних LLMs.
Это означает, что сделать сепарацию дешевых токенов (массовые запросы на общие темы) и дорогих токенов (для научно-исследовательских работ и сложных финансовых, юридических задач), как планирует реализовать OpenAI, станет сложным.
ИИ-провайдеры не смогут упаковывать премиальный спрос в отдельные продукты (специализированные ИИ агенты), т.к. этот спрос будет оседать в открытых моделях и в локальных корпоративных сетях.
Сильно переоценивается порог монетизации. Долгосрочная траектория – дефляционная, т.е. цена за токен будет снижаться или оставаться постойной при росте «упаковки» токенов, т.е. выдачи более сложных и качественных ответов за единый прайс.
Главная причина – высокая конкуренция среди ИИ-провайдеров при выравнивании конкуренции в презентации LLMs. В конце 2025 нет явного лидера (каждая LLMs имеет свои плюсы и минусы), а это значит, что захват доли рынка будет за тем, кто предоставит лучший баланс цены и качества, что предопределяет стратегию на захват рынка через демпинг.
Если один из ИИ провайдеров повысит цену без хотя бы сопоставимого роста качества, клиенты быстро мигрируют к конкурентам. Никто не будет церемониться. Здесь нет «религиозной» фанатской секты верной паствы экосистемы Apple, здесь работает чистый прагматизм и эффективность в каждый конкретный момент времени без рефлексии по прошлым заслугам.
Сильно недооценивается фактор Китая. Среди конкурентноспособных LLMs: Alibaba Qwen3-max, DeepSeek V3.2, Baidu ernie-5.0, Z.ai glm-4.6, Moonshot kimi-k2, ByteDance Seed OSS, Tencent hunyuan-t1, MiniMax M1, StepFun step-3.
Как видно, 9 (девять!) конкурентноспособных китайских производителей.
Разрыв с каждым месяцем сокращается. Передовые китайские LLMs в некоторых задачах вполне соревнуются с американскими флагманами, но им не хватает целостной интегральной сборки, стабильности, гибкости и функционала, но все это наращивается.
Нет никаких причин считать, что Китай замедлит темп сжатия технологического гэпа, скорее наоборот – я ставлю на то, что в 2026 Китай будет вырываться в лидерах в отдельных задачах с закреплением в 2027-2028.
Китайские разработчики демонстрируют кратную эффективность в сравнении с американскими, скоро дифференциал качества схлопнется, а дисбаланс эффективности станет более явным.
Экспоненциальный рост запросов не пропорционален росту денежного потока. Бизнес может нагружать ЦОДы ИИ-провайдеров сложными запросами или паразитным трафиком (генерация ресурсоемких видео), но это не гарантирует пропорциональный прирост выручки, особенно в запросах не через API, а внешнюю оболочку или ИИ агенты (условно, генерация токенов может вырасти в 10 раз, а выручка только в 3 или 5 раз).
Все эти мега проекты на десятки ГВт энергии неосуществимы и невыполнимы ни ресурсно (физические ограничения доступа к сырью, материалам, цепочкам поставок и компетентным кадрам), ни финансово (убыточные ИИ провайдеры могут финансировать свои агрессивные проекции только в долг и за венчурный капитал).
Более эффективные алгоритмы и архитектуры LLMs могут в разы или кратно повысить эффективность, сделав невостребованными все эти фантастические мощности на сотни миллиардов.
