Экономика ИИ. Поле, ставка, уроки.

В технологическом стеке долгое время существовала понятная иерархия жесткости. На нижнем уровне находится физическая инфраструктура — неизменные серверы и кремний. Ступенью выше расположен классический софт: он гибок, но жестко ограничен написанным кодом — бухгалтерская программа никогда не смонтирует видео. На этой дифференциации исторически строились состояния IT-корпораций.

Большие языковые модели сломали эту логику. Возник парадокс: чем лучше алгоритмы от разных компаний справляются с произвольными задачами, тем более неотличимыми они становятся. Совершенный решатель от OpenAI, разработка Google или китайская открытая архитектура в пределе сходятся к одной точке — оптимальному ответу на запрос.

С исчезновением разницы в результатах пропадает продуктовая дифференциация. Технология становится невидимой утилитой с оплатой за токены. Когда сам интеллект коммодитизируется, маржа поляризуется. Она уходит либо на нижний уровень владельцам физической инфраструктуры и энергии, либо на верхний — контролерам дистрибуции и проприетарных данных.

Ставка ($50 млрд инвестиций). Удержать технологический фронтир за счет масштабного привлечения капитала, пытаясь дистанцироваться от инфраструктурных гигантов. В конце 2022 года ИИ воспринимался как новый поиск от Google.

Идея OpenAI была проста: оторваться от рынка за счет алгоритмов и стать базовой монополией раньше, чем у конкурентов сформируются бюджеты.

Изолированный слой алгоритмов. Масштаб стратегического просчета лучше всего виден через призму цепочки создания ценности. Чтобы построить технологическую империю, требуется физическая база и каналы дистрибуции. Лаборатория полагала, что их интеллектуальное лидерство — это непреодолимый барьер входа, а инфраструктура — лишь вторичный ресурс.

На практике выяснилось, что архитектура моделей стала утилитарным товаром, при этом собственной вычислительной базы и независимой корпоративной дистрибуции у стартапа нет.

Уязвимость: круговорот капитала и скрытое поглощение. Попытка переиграть ограничения физического мира за счет венчурного финансирования загнала OpenAI в ловушку. Инфраструктурные гиганты-инвесторы, такие как Microsoft и Amazon, вливают в стартап десятки миллиардов долларов, но эти деньги не покидают их контуров.

Капитал совершает круг: он выделяется OpenAI и тут же возвращается на счета корпораций в виде оплаты за аренду серверов. Финансовая математика этого круговорота выглядит следующим образом:

▪ Операционные убытки. Выручка за 2025 год составила $13,07 млрд при операционном убытке $20,92 млрд.

▪ Возврат инвестиций. Платежи за аренду вычислительных мощностей Microsoft составили $10,59 млрд, практически полностью поглотив выручку.

▪ Зависимость от доноров. Мега-раунд 2026 года принес рекордные инвестиции, включая инфраструктурные обязательства от Amazon на $50 млрд. Этот капитал играет роль исключительно транзитного средства — он моментально расходуется на оплату оборудования.

Ставка ($30 млрд инвестиций). Сохранить статус-кво лучшей независимой исследовательской лаборатории, балансируя между капиталами нескольких инфраструктурных гигантов.

Хеджирование в среднем слое. Как и OpenAI, Anthropic обладает выдающимся продуктом исключительно в промежуточном слое — базовых моделях семейства Claude. Осознавая отсутствие собственной вычислительной инфраструктуры и массовой дистрибуции, лаборатория выбрала стратегию балансирования: они привлекли капитал сразу от двух конкурирующих гиперскейлеров — облачного гиганта Amazon AWS и корпорации Google. Это позволяет им торговаться за лучшие условия аренды серверов и не отдавать контрольный пакет в одни руки.

Уязвимость: венчурный каннибализм. Несмотря на диверсификацию, скрытая механика инфраструктурного поглощения работает по тому же сценарию.

Инвестиции корпораций — это не свободная ликвидность, а «облачные кредиты», которые загоняют стартап в технологическую зависимость:

▪ Связанные контракты. Миллиарды Amazon выделены с жестким условием. Anthropic обязуется обучать следующие поколения Claude эксклюзивно на специализированных процессорах Trainium от Amazon.

▪ Оплата сторонней инфраструктуры. Google также инвестировал более $2 млрд, чтобы гарантировать удержание части вычислительных нагрузок Anthropic внутри своей облачной экосистемы.

Ставка ($130–145 млрд CapEx 2026). Защитить свою рекламную монополию, лишив конкурентов возможности контролировать фундаментальные технологии ИИ. Meta инвестирует в создание мощных базовых моделей и раздает их бесплатно, чтобы обесценить бизнес по продаже закрытых алгоритмов и не позволить другим игрокам перетянуть на себя пользовательский трафик.

Дистрибуция против алгоритмов. Обладая абсолютным доминированием в верхнем слое и вниманием 3,6 млрд ежедневных пользователей, а также гигантской физической инфраструктурой, Meta прагматично превращает средний алгоритмический слой в бесплатный ресурс. Руководство открыто заявляет о цели сделать Llama индустриальным стандартом.

Точно так же, как операционная система Linux стала платформой для множества серверов, Llama должна стать универсальной основой для запуска любых ИИ-продуктов. Интеграция Meta AI в среды WhatsApp и Instagram окупается не прямой продажей доступа к алгоритмам, а ростом рекламной выручки за счет увеличения времени, которое пользователи проводят внутри этих приложений.

Уязвимость: цена инфраструктуры. Подобная стратегия требует капитальных вложений, что создает существенное давление на финансовую модель компании:

▪ Прогноз инвестиций. Капитальные затраты на 2026 год прогнозируются на уровне $130–145 млрд, что в два раза превышает показатели 2025 года в $72,2 млрд.

▪ Дефицит ликвидности. Свободный денежный поток во втором квартале 2026 года схлопнулся почти до нуля для масштабов корпорации, опустившись до $784 млн на фоне капитальных трат в $31,1 млрд. Для поддержания текущих темпов закупки оборудования компания начала покрывать дефицит за счет привлечения долгового финансирования.

Ставка ($195–205 млрд CapEx 2026). Отказаться от уплаты инфраструктурного налога Nvidia и монетизировать ИИ за счет контроля всей производственной цепочки.

Замыкание трех слоев ценности. Google — единственная корпорация, полностью замкнувшая на себе все три уровня экономики ИИ. На верхнем слое она обладает абсолютной дистрибуцией через монополию в поисковых системах и экосистему Android.

В среднем слое разрабатывает собственные передовые модели Gemini. А на базовом уровне проектирует собственную инфраструктуру — тензорные процессоры TPU Trillium и Ironwood. Современный процессор для ИИ состоит из логики и памяти.

За счет создания собственной логики Google оставляет внутри компании высокую добавленную стоимость, которую конкуренты вынуждены отдавать Nvidia. Это позволяет корпорации предлагать вычисления дешевле, чем остальным гиперскейлерам.

Уязвимость: зависимость от чужой памяти. Единственное звено, которое корпорация не смогла замкнуть внутри своего контура — это производство серверной памяти DRAM и HBM. Как и остальные гиперскейлеры, Google тотально зависит от поставок южнокорейских Samsung и SK Hynix, чьи компоненты затем склеиваются с логикой TPU на заводах тайваньской TSMC.

Ставка ($220 млрд CapEx 2026). Забрать основную маржу рынка за счет сдачи в аренду вычислительных мощностей, независимо от того, чья именно базовая модель в итоге станет лидером.

Собственный кремний облачного подразделения AWS. Осознав отставание своих базовых алгоритмов, Amazon сделала прагматичный разворот в сторону доминирования на нижнем уровне — физической инфраструктуре.

Компания выступает главным бенефициаром гонки вычислений. Были разработаны собственные процессоры Trainium для ресурсоемкого обучения моделей и Inferentia для применения уже готовых моделей. В 2026 году выручка направления специализированных процессоров Amazon превысила $25 млрд в годовом исчислении. Независимые исследовательские лаборатории уровня Anthropic выступают якорными клиентами и уже зарезервировали мощности новых вычислительных кластеров на сумму свыше $100 млрд.

Уязвимость: дефицит энергии и объем капитальных затрат. Как и остальные гиперскейлеры, Amazon сталкивается с физическими ограничениями:

▪ Кратный рост инвестиций. В 2026 году компания увеличила капитальные затраты до рекордных $220 млрд, что на 76% выше уровня 2025 года. Это делает Amazon крупнейшим инвестором в инфраструктуру на планете.

▪ Энергетический предел. Требуемая мощность дата-центров для одного клиента теперь достигает 5 ГВт. Из-за необходимости финансировать строительство новых энергетических и вычислительных кластеров свободный денежный поток Amazon сократился на 95%.

Ставка ($175 млрд CapEx 2026). Превратить ИИ из отдельного продукта во встроенную функцию, своеобразный корпоративный налог, который по умолчанию платит весь глобальный бизнес.

Монополия дистрибуции. Microsoft исторически владеет самым прочным верхним слоем — точками доступа к рабочим процессам бизнеса. Интеграция алгоритмов в безальтернативные среды уровня Windows, Office и GitHub стала главным инструментом монетизации. GitHub Copilot собрал 50 млн пользователей, из которых 4,7 млн являются платными подписчиками. Коммерческий Microsoft 365 Copilot в 2026 году превысил 30 млн платных рабочих мест.

Microsoft продает не сырые вычислительные мощности, а готовую встроенную продуктивность по цене от $30 до $99 за пользователя в месяц.

Уязвимость: партнерские риски и капиталоемкость. В отличие от Google, Microsoft не контролирует нижний и средний слои, что порождает два структурных риска:

▪ Инфраструктурная перегрузка. Прогнозируемые капитальные затраты в 2026–2027 годах оцениваются в $120–175 млрд. Большая часть этих денег уходит на закупку чипов Nvidia, чей срок жизни не превышает трех-четырех лет.

▪ Риск внешнего разработчика. Интеллектуальное ядро корпорации опирается на передовые модели лаборатории OpenAI. Несмотря на инвестиции в $13 млрд и лицензии на технологии, кризис корпоративного управления OpenAI показал, что инвестор не контролирует совет директоров стартапа. Нестабильность партнера ставит под удар продуктовую линейку корпорации.

Ставка ($14 млрд CapEx 2026). Отказ от дорогостоящей гонки гигантских дата-центров в пользу контроля над конечным пользователем. Цель Apple — замкнуть типовые задачи на приобретенные у них же потребительские процессоры и серверные мощности, а тяжелые алгоритмы покупать оптом на внешнем рынке.

Трехслойная архитектура инференса. Обладая идеальным слоем дистрибуции в 1,5 млрд активных устройств, Apple выстроила прагматичную пирамиду вычислений на базе собственных процессоров M-серии:

▪ Локальные вычисления On-device. Легкие модели обрабатываются непосредственно на устройстве пользователя. Затраты Apple на инференс миллиардов тривиальных запросов равны нулю.

▪ Собственные серверы Private Cloud Compute. Сложные персональные запросы обрабатываются в дата-центрах Apple, построенных не на чипах Nvidia, а на энергоэффективных процессорах M2–M4 Ultra с высокой емкостью оперативной памяти.

▪ Аутсорс базовых моделей.Тяжелейшие алгоритмы Apple не разрабатывает. Компания лицензирует доступ к ним у внешних игроков, сталкивая конкурентов между собой, например лицензируя базовую модель Gemini от Google.

Уязвимость: олигополия памяти. Единственное слабое звено в этой пирамиде — отсутствие собственного производства памяти. Память DRAM для своих устройств Apple закупает у внешней тройки: Micron, Samsung и SK Hynix. Глобальный взлет цен на серверную память неизбежно бьет по себестоимости потребительских устройств.

Ставка. Построить суверенную индустриальную фабрику дешевых вычислений. Если Запад пытается создать сверхинтеллект любой ценой, Китай исходит из того, что для 95% прикладных задач бизнеса нужно качество «good enough», или достаточно хорошее для бизнеса, по минимальной цене.

Замкнутая дистрибуция и открытые модели. Архитектура китайского суверенитета базируется на контроле локальной дистрибуции огромного замкнутого внутреннего рынка и открытых алгоритмах.

Оптимизируя ресурсы в условиях аппаратных ограничений, китайские инженеры, включая команды DeepSeek и Alibaba с моделями Qwen, сделали ставку на архитектурную эффективность через подходы MOE и MLA.

Выкладывая сильные модели в открытый доступ, они целенаправленно нивелируют программные барьеры входа западных лабораторий.

Уязвимость: аппаратный голод. Санкции отрезали Китай от новейших станков EUV и чипов Nvidia. Этот дефицит на нижнем уровне вынудил Пекин выстраивать жестко сегментированную национальную вертикаль:

▪ Архитектура Huawei. Проектирование локальных процессоров линейки Ascend 910C и 950DT, ставших базой для дата-центров.

▪ Литография SMIC. Национальная фабрика производит чипы на техпроцессе 7 нм. Отставание от тайваньской TSMC компенсируется плотной компоновкой кластеров.

▪ Память CXMT. Критическое технологическое ограничение индустрии. Компания ChangXin Memory Technologies форсирует производство собственной памяти HBM для снижения зависимости от Кореи.

Ставка ($3,5 млрд инвестиций). Построение изолированной программной экосистемы за счет сильной математической школы в условиях аппаратной блокады при инвестициях $3,5 млрд.

Экосистемная дистрибуция и сильные алгоритмы. Разработка передовых моделей сконцентрирована в руках цифровых платформ, исторически контролирующих слой дистрибуции и доступ к миллионам пользователей:

▪ Сбер. Флагман GigaChat 3.5 Ultra с объемом 432 млрд параметров ориентирован на сложные B2B сценарии. План инвестиций — 350 млрд рублей до конца 2026 года.

▪ Яндекс. Флагманская закрытая модель YandexGPT 5 Pro для облачных сервисов и легкие дистиллированные открытые алгоритмы объемом 8 млрд параметров для локального запуска.

▪ Т-Банк. Прагматичная инженерия позволяет производить глубокую донастройку китайских открытых архитектур Qwen под строгий финансовый вывод и ультранизкую себестоимость инференса.

Уязвимость: физический тупик инфраструктуры. Контролируя дистрибуцию и обладая сильным алгоритмическим слоем, российский ИИ столкнулся с непреодолимым структурным барьером.

Совокупный разрыв в объемах передовых вычислений между РФ и США достиг 660-кратного масштаба. Отечественная литография замкнута на топологии 65 нм, при этом запуск завода «Карат» отложен до конца 2027 года.

Параллельный импорт истощен, а попытка опереться на Китай наталкивается на конкуренцию за квоты процессоров Huawei. Этот дефицит делает инфраструктуру предельно хрупкой: в случае физического повреждения серверов, включая возможные удары по дата-центрам, замещать вышедшее из строя оборудование банально нечем.

Доступную дешевую энергию невозможно монетизировать без кремния.

Когда эйфория спадает, рынок сталкивается с законами физики. Весь глобальный бум искусственного интеллекта — от триллионных базовых моделей OpenAI до корпоративных интерфейсов Microsoft — физически висит на двух крошечных точках восточноазиатской географии, контролирующих аппаратный фундамент матрицы.

Глобальная точка уязвимости. Проектирование логики происходит в Калифорнии, но физический мир полупроводников сосредоточен в радиусе ракетного удара:

▪ Тайваньский пролив и TSMC. Тайваньские фабрики производят практически 100% передовых логических чипов, включая решения Nvidia, Google TPU и Apple.

▪ 38-я параллель и Южная Корея. Компании Samsung и SK Hynix контролируют свыше 90% рынка сверхбыстрой памяти HBM. Их предприятия находятся в часе езды от границы с КНДР.

В случае военной эскалации в Тайваньском проливе или конфликта в Корее цифровая экономика планеты мгновенно откатится в начало 2000-х.

Создание чипов — это сверхчистые среды и сложнейшая логистика, поэтому малейшая блокада останавливает производственный цикл. Материковый Китай и его монополист SMIC тотально зависят от импортной фотохимии и станков, и заменить Тайвань не способны физически. Американская инициатива CHIPS Act отстает на годы.

Экономика амортизации. Даже если геополитика останется стабильной, индустрию ждет проверка спросом. Многомиллиардные инвестиции гиперскейлеров в инфраструктуру окупаются только если тяжелый B2B-сектор переводит процессы на автономные ИИ-рельсы.

Развлекательные диалоги в «умных колонках» потребляют ресурс дефицитных чипов, чей цикл устаревания составляет всего три-четыре года, но создают добавленную стоимость лишь косвенно, через удержание внимания пользователей, не формируя прямого корпоративного денежного потока. Пузырь инфраструктуры может лопнуть раньше, чем созреет рынок.

Спасательный круг B2B. Финансовые показатели лидеров рынка демонстрируют фундаментальный сдвиг. Потребительский B2C-чат дал разработчикам первоначальный рыночный ажиотаж, но требует колоссальных объемов вычислительных мощностей при низкой марже.

Реальная прибыль и защита от ценовых войн сместились из алгоритмического слоя в корпоративный сегмент. Доля корпоративной enterprise-выручки у ведущих игроков стремительно обгоняет доходы от массовых подписок, становясь основой выживания бизнеса.

От сырого API к инфраструктуре доверия. Доступ к сырому API стремительно дешевеет из-за ценовых войн и коммодитизации базовых моделей. Зарабатывать высокую маржу просто на продаже токенов больше невозможно.

Корпорации платят не за доступ к алгоритмам, а за законченные бизнес-решения:

▪ Конфиденциальность и безопасность. Строгая гарантия того, что проприетарные данные не попадут в общую базовую модель и не утекут конкурентам.

▪ Оркестрация и агенты. Среды для многоагентского взаимодействия, которые заставляют алгоритмы планировать задачи, пользоваться внешними инструментами и проверять друг друга. Это уже сложная логика процессов, а не базовое коммодити.

▪ Интеграции с корпоративными данными. Системы RAG обеспечивают скрещивание интеллекта с корпоративными базами, превращая типовую базовую модель в уникальный внутренний актив компании.

В эпоху, когда базовый интеллект окончательно превращается в коммодити, попытка построить собственную языковую модель «с нуля» для 99% компаний становится экономической бессмыслицей.

Маржа безвозвратно покидает программный слой базовых моделей и поляризуется на трех ключевых полюсах:

▪ В физическом кремнии, концентрируясь у компаний, контролирующих патенты на логику, станки литографии на Тайване и заводы памяти в Корее.

▪ В генерации энергии, обогащая владельцев гигаваттных мощностей, без которых вычислительная инфраструктура дата-центров превращается в обесцененный актив.

▪ В точках дистрибуции и интерфейсах, где доминируют владельцы внимания конечного клиента и проприетарных данных, выстраивающие сложные среды взаимодействия, подобно Apple или создателям вертикальных решений.

Все, что находится посередине — изолированные алгоритмы, обучение передовых моделей и доступ к базовому API — структурно сводится к роли транзитного узла.

Стратегический выигрыш достанется не тем, кто соревнуется в сжигании чипов за копеечные токены, а тем, кто научится покупать чужие дешевеющие вычисления как утилиту и упаковывать их в незаменимые комплексные решения для конечного пользователя.

Расширенная версия в PDF. Полную версию этого материала в строгой верстке можно открыть или скачать на сайте taupeadvisory.ru.

Где читать больше. Мой канал о корпоративной стратегии, рынках и защите инвестиций: Стратегия — лонгриды и рынки. Только глубокая аналитика, без информационного шума.

#стратегия #бизнес #bigtech #ai