Ценовые войны в индустрии искусственного интеллекта и кто в них побеждает
Ежегодный рост инвестиций в ИИ составляет примерно 30–35%, за последние 10 лет объем вложений вырос в 20 раз: с $16 млрд до $320 млрд. Почти весь венчурный капитал инвестированный в последнем квартале 2024-го был направлен на проекты в сфере ИИ. Какой показатель ни возьми, очевидно, что инвесторы делают серьезную ставку на ИИ. Об этом написано множество материалов, включая наш недавний обзор агентского ИИ. Практически каждая крупная страна уже объявила развитие искусственного интеллекта приоритетом национальной политики.
Однако параллельно наблюдается интересная тенденция — технологии стремительно дешевеют. Нередко даже в рамках одной компании цены могут снизиться в 5–10 раз всего за несколько месяцев, а появление китайских аналогов иногда приводит к снижению стоимости более чем в 100 раз (как это произошло, например, с OpenAI GPT-4.5 и новыми моделями от Baidu). В связи с этим возникает вопрос: почему отрасль, в которой разработка продуктов обходится очень дорого, а сами продукты способны обесцениться в десятки раз буквально за пару месяцев, продолжает привлекать столь значительные инвестиции?
Причины резкого падения стоимости технологий
Существует множество прогнозов в отношении темпов интеллектуальной автоматизации и масштаба внедрения ИИ в повседневную жизнь. Большинство экспертов сходятся в том, что интеграция произойдет настолько быстро и незаметно, что уже через несколько лет ИИ будет восприниматься столь же естественно, как сегодня мобильные телефоны. С технологической точки зрения во всех последующих автоматизациях центральное место будет занимать языковая модель (LLM), отвечающая за весь процесс автоматизации: от понимания человеческого запроса и взаимодействия с роботами до обработки исключений и анализа данных. Именно эти модели и дешевеют наиболее стремительно — мы наблюдаем этот тренд с начала бума ИИ в 2021–2022 годах.
Первой моделью, вызвавшей масштабный интерес (отметка в миллион пользователей была достигнута за пять дней, в то время как Netflix понадобилось на это три с половиной года), стала GPT-3 от OpenAI. Ее появление сопровождалось десятикратным снижением стоимости токенов (базовых единиц текста, по которым высчитывается стоимость сгенерированного контента) по сравнению с предшественницей DaVinci. Вскоре последовала модель GPT-4, цена которой за полгода снизилась еще в 4,5 раза.
Важно отметить, что на момент появления GPT-3 рынок языковых моделей был сравнительно небольшим, и OpenAI обладала значительным влиянием. Сегодня конкуренция заметно усилилась: за два с половиной года в общей сложности натренировали несколько сотен языковых моделей.
При этом экспоненциальный рост количества моделей, наблюдавшийся в 2023–2024 годах, уже замедлился, поскольку требования к их разработке значительно выросли и теперь доступны лишь крупнейшим игрокам рынка. А вот тенденция радикального снижения цен сохраняется и, вероятно, продолжится.
Устойчивость бизнес-модели при падении цен
Возникает вопрос о долгосрочной устойчивости бизнес-моделей компаний, разрабатывающих языковые модели, которые являются ядром автоматизации. Основной продукт таких компаний стремительно теряет в цене, издержки первопроходцев чрезвычайно велики, а поддерживать выручку можно только за счет постоянного обновления продуктов или кратного увеличения числа пользователей. Очевидно, что такая модель неустойчива, особенно для лидеров индустрии, таких как OpenAI и Anthropic, чей основной доход напрямую зависит от разработки ИИ-моделей. Для компенсации падения стоимости необходим стремительный рост пользовательской базы и объемов применения.
На начальном этапе внедрения технологии это возможно, но со временем неизбежно наступает замедление. Более того, крупные организации проявляют инерцию в принятии новых технологий. Например, Deutsche Bahn до сих пор использует Windows 95 в некоторых системах, а многие банковские программы написаны на языке Cobol, разработанном еще в 1959 году и давно не преподаваемом в университетах. Почти все крупные мировые банки, включая JPMorgan Chase, Bank of America, Citibank и HSBC, используют этот далеко не новый язык в своих базовых системах обработки трансакций, на нем работает 95% всех банкоматов.
В своем ежегодном исследовании Gartner выделяет несколько стадий, типичных для прорывных технологий, подобных ИИ (ранее таким примером был блокчейн). Согласно последнему отчету, сейчас мы находимся на стадии пика завышенных ожиданий или только что прошли ее.
В ближайшие несколько лет предстоит решить множество критически важных вопросов, как технологических, так и бизнесовых, среди которых ценообразование — один из ключевых. По мере того как компании начнут сталкиваться с этими сложностями, ожидания, вероятно, несколько снизятся, а темпы внедрения замедлятся. При этом общий рост продолжится и будет очень значительным. Однако такого стремительного увеличения пользовательской базы, как миллион пользователей за пять дней, скорее всего, больше не повторится.
Влияние китайского фактора
В конце прошлого года китайская компания DeepSeek потрясла рынок, представив модель, разработка которой обошлась всего в $20 млн, что в сотни раз дешевле аналогичных западных проектов. Эта новость вызвала снижение капитализации американских технологических компаний почти на $1 трлн.
Недавно китайский гигант Baidu анонсировал выход двух новых моделей: Ernie 4.5 (аналог GPT-4.5 от OpenAI), которая дешевле на 99%, и Reasoning X1, стоимость которой вдвое ниже революционной модели O1 от AI. При этом по результатам тестирования обе модели показывают сопоставимые результаты с лидерами рынка. Уже сейчас для многих задач, таких как простые чат-боты, нет необходимости использовать самые дорогие и продвинутые решения.
Китайский подход отличается радикальностью: в будущем планируется сделать ИИ-модели полностью бесплатными. Логика проста: ничто так эффективно не способствует массовому внедрению технологий, как их бесплатность. Крупнейшая платформа для глобальной торговли Alibaba также регулярно выпускает и распространяет свои модели бесплатно, преследуя цель максимально широкого распространения своих технологий.
У Alibaba и Baidu есть важное преимущество: их основной бизнес не зависит исключительно от разработки ИИ, в отличие от специализированных компаний вроде OpenAI. Поэтому появление дешевых аналогов вскоре после выпуска новых дорогостоящих моделей представляет для последних серьезную угрозу.
Китай официально объявил целью мировое лидерство в сфере ИИ к 2030 году. Уже к 2025 году Китай планировал достигнуть значительных успехов и занять ведущие позиции, и судя по всему, этот план успешно реализуется.
Китайские компании активно поддерживаются государством — как финансово, так и административно. Только в государственном секторе Китая занято около 100 млн человек, что значительно упрощает масштабирование новых технологий. Китайская стратегия знакома: взять перспективную технологию, резко снизить ее стоимость и масштабировать на огромном внутреннем рынке. Аналогичный подход успешно реализован в индустрии электромобилей.
В результате западные компании, такие как OpenAI, оказываются в ловушке первопроходца (first-mover disadvantage). Именно они несут основные расходы на исследования и разработку новых подходов, которые китайские конкуренты быстро перенимают и адаптируют с гораздо меньшими затратами.
Таким образом, ценовые войны в индустрии ИИ представляют серьезные вызовы для текущих лидеров рынка и могут существенно изменить баланс сил в глобальной экономике.
Компаниям, создающим флагманские языковые модели, необходимо выстраивать вокруг себя инфраструктуру таким образом, чтобы при появлении очередного китайского аналога, который будет снова в десятки раз дешевле, пользователям было бы все труднее переходить на эти альтернативы. Этого можно добиться, например, за счет глубокой интеграции своих моделей с широко используемыми программными решениями других разработчиков. Подобные интеграции китайским компаниям будет скопировать значительно сложнее.
Российским компаниям, в свою очередь, следует активно использовать китайские модели, особенно учитывая, что сейчас они доступны практически бесплатно. При этом российским разработчикам стоит задаться вопросом: как именно устроены процессы разработки в Китае, позволяющие столь эффективно выпускать новые модели и настолько существенно снижать их стоимость? И почему российские компании не могут делать так же, хотя бы на локальном рынке?
На что делать ставку российским IT-компаниям
Развитие российской индустрии искусственного интеллекта сталкивается с рядом серьезных ограничений. Во-первых, западные компании уже используют технологии, отсутствующие в российских аналогах, включая глубокие рассуждения (reasoning), автономных агентов (например, OpenAI Operators) и передовые open-source модели (например, QwQ 32B от Alibaba). Это позволило китайским разработчикам сделать большой шаг вперед. В результате российская модель GigaChat Max занимает лишь средние позиции на портале LLM Arena, заметно отставая по качеству ответов. Пока отечественные разработчики решали вчерашние задачи, международная индустрия ушла далеко вперед.
Во-вторых, серьезной проблемой являются санкции и отсутствие собственных мощных процессоров. Высокопроизводительные чипы типа Nvidia A100 и H100, необходимые для тренировки современных нейросетей, недоступны России из-за санкционных ограничений. Аналогичные технологии в стране не производятся.
Третья проблема — острый кадровый дефицит, усугубленный эмиграцией специалистов. Подготовка квалифицированных инженеров требует времени, и на текущий момент их явно не хватает.
Кроме того, нейросети — это глобальная отрасль, которая требует свободного обмена знаниями, доступа к открытым базам данных и международного сотрудничества. Ограничения на доступ к инструментам, таким как GitHub Copilot, сложности с публикацией статей в западных научных журналах и разрыв международных связей изолируют российских разработчиков, лишая их возможности использовать передовой мировой опыт.
По данным исследования «Цифровой экономики», уровень внедрения искусственного интеллекта в российских компаниях в три раза ниже среднемирового. Более половины предпринимателей России даже не осведомлены о существующих решениях и их преимуществах для бизнеса. Таким образом, даже самые современные технологии оказываются невостребованными.
Важно отметить, что в России языковые модели не интегрированы в полноценных агентов, ассистентов или платформы для разработки собственных решений. В то же время западные компании, такие как Microsoft, Google и Apple, активно интегрируют свои ИИ-решения в продукты, уже присутствующие на рынке и востребованные пользователями. Другие международные компании, такие как Salesforce, Zapier и Automation Anywhere, также активно предлагают ИИ в качестве улучшения своих существующих продуктов.
Перечисленные проблемы приводят к тому, что российские достижения остаются локальными и не складываются в системный прорыв. Без решения этих ключевых проблем догнать мировых лидеров практически невозможно.
Мнение редакции может не совпадать с точкой зрения автора