В последние годы искусственный интеллект стал одним из наиболее обсуждаемых и быстроразвивающихся направлений в сфере технологий. Запуск ChatGPT от OpenAI в 2022 году вызвал огромный интерес, а рынок ИИ стартапов стал стремительно расти, привлекая капиталы и увеличивая капитализацию компаний до рекордных значений. Однако несмотря на очевидный успех и перспективы, ИИ движется не по привычным законам программного обеспечения. За внешней простотой и удобством интерфейсов скрывается чрезвычайно сложная и ресурсоемкая инфраструктура, что опровергает представление о ИИ как о традиционном программном продукте с низкими переменными затратами и масштабируемостью «почти без предела». Искусственный интеллект, особенно модели больших языковых моделей (LLM), требует значительных затрат на обучение и эксплуатацию.
В отличие от классического программного обеспечения, где после начальной разработки затраты на запуск дополнительного экземпляра программы близки к нулю, каждый запрос к модели требует серьезных вычислительных ресурсов и электроэнергии. В процессе генерации ответа, называемом выводом (inference), используются сотни и тысячи специализированных чипов, которые работают с высокой нагрузкой, потребляя энергию и пропускную способность каналов связи. Это сопоставимо с работой коммунального предприятия, где обслуживающиеся клиенты создают постоянные издержки в зависимости от масштабирования спроса. Экономические показатели компаний сферы ИИ резко отличаются от моделей классического программного обеспечения. Стоимость обучения одной большой модели может легко достигать сотен миллионов долларов, а последующая эксплуатация — это постоянные расходы, пропорциональные объему запросов пользователей.
По прогнозам McKinsey, для обеспечения мирового спроса на вычислительные услуги ИИ необходимы инвестиции не менее 3,7 триллиона долларов в дата-центры, специализирующиеся на ИИ-решениях. Энергетические потребности таких центров составят сотни терватт-часов, что сопоставимо с потреблением миллионов домовладений. В этом смысле ИИ можно рассматривать в качестве новой технологической инфраструктуры, сходной по масштабу и сложности с сетями железных дорог или телекоммуникаций прошлых эпох. Понимание этой фундаментальной особенности меняет перспективы и стратегические подходы участников рынка. Цены на обработку одного токена (единицы текста) с момента коммерческого запуска ИИ резко падали, что стимулирует расширение использования и помогает компаниям набирать аудиторию.
При этом доходы на единицу текста снижаются, а издержки на поддержку инфраструктуры остаются стабильными или растут. Текущая ценовая конкуренция носит стратегический характер: компании коммуницируют свои обязательства по инновациям и пытаются закрепиться на рынке, даже если это означает снижение маржи или временные убытки. При этом использование публичных облачных платформ ведет к серьезным издержкам, так как арендная плата за вычислительные мощности и электроэнергию неуклонно растет. Чтобы оптимизировать расходы, гиганты рынка, такие как Google, Amazon и Microsoft, совершенствуют собственную инфраструктуру, строят специализированные чипы и обеспечивают долгосрочные контракты на энергоснабжение. Это позволяет им обеспечивать высокие показатели валовой прибыли — примерно от 60 до 70 процентов — несмотря на дополнительную энергетическую нагрузку и растущие вычислительные задачи.
Компании таким образом стремятся контролировать всю цепочку создания стоимости — от производства аппаратного обеспечения и электроснабжения до предоставления конечных ИИ-сервисов. Для компаний, не контролирующих инфраструктуру в полной мере, например OpenAI или Anthropic, ситуация гораздо сложнее. Публикация услуг через облачных партнеров распространяет нагрузку на стоимость, снижая возможности установления справедливой цены и отрицательно влияя на рентабельность. В стратегии этих фирм заложена необходимость диверсификации деятельности. OpenAI, например, вырабатывает собственные чипы, открывает дата-центры и расширяет спектр продуктов — от браузера до платёжных сервисов и консультаций для предприятий.
Это должно помочь повысить прибыльность и снизить зависимость от облачных провайдеров. Однако технологический прогресс не стоит на месте. Улучшение энергоэффективности процессоров следующего поколения уже демонстрирует значительные улучшения — новые модели Nvidia обещают вдвое большую быстроту и энергосбережение по сравнению с предыдущими поколениями. Одновременно инженеры делают модели более эффективными, используя упрощённые математические методы и оптимизируя вычислительные процессы. Эти достижения дают компании возможность обрабатывать больше запросов с меньшими затратами энергии, но одновременно увеличивается сложность и объём используемых моделей, что нивелирует экономию.
Будущее ИИ-индустрии связано не только с технологическими инновациями, но и с адаптацией бизнес-моделей к новым реалиям. Вероятно, повышение качества и стоимости услуг приведёт к более разборчивому подходу к их применению — низкоценовые и малозначимые запросы постепенно будут ограничиваться, а высокоценные, сложные задачи — наоборот, становиться приоритетными. Это позволит сбалансировать расходы и выручку, сохранив устойчивость рынка. Исторически отрасли с высокой капиталоёмкостью и инфраструктурной направленностью, такие как железнодорожные перевозки или телекоммуникации, показывали как взлёты, так и падения из-за неверных прогнозов спроса и неправильного ценообразования. ИИ, как новая форма инфраструктуры, может повторить эти примеры.
Успех инвестиций зависит от способности компаний масштабироваться, управлять затратами и создавать долгосрочный спрос. Владельцы полного технологического стека с собственной аппаратной базой и энергетическими контрактами получают преимущество перед теми, кто зависит от аренды мощностей или лишь разрабатывает программное обеспечение. Такая трансформация позиционирует искусственный интеллект как гораздо более сложный и капиталоёмкий бизнес, чем традиционная разработка программных продуктов. ИИ — это не просто софт, это фундаментальная инфраструктура нового цифрового мира. Именно поэтому понимание этой особенности имеет решающее значение для участников экосистемы — от инвесторов и аналитиков до разработчиков и корпоративных потребителей.
Только осознав реальную природу ИИ как энергоемкой инфраструктуры, можно адекватно оценить рынок и построить устойчивые модели бизнеса в эпоху цифровой революции.
