Kas uždirbs iš antrosios DI bangos?

Roman Z., VC rinkos analitikas

2026 m. vasarą didžiausios naujienos apie dirbtinį intelektą atrodo politinės. Abipusiai draudimai, eksporto kontrolė ir įstatymo projektas, kuriuo siekiama išjungti modelius. Tačiau už beveik kiekvienos istorijos slypi paprastas komercinis skaičiavimas. Išsiaiškinkime, kas tai tiksliai yra.

Įžanga

Keletą metų pramonė gyveno pagal paprastą logiką. Kuo modelis protingesnis, tuo jis vertingesnis, o kas pirmas sukuria pajėgiausią neuroninį tinklą, tas ir užima rinką. Dabar ši logika stringa. Amerikos laboratorijos vis dar turi stipriausius modelius, tačiau Kinijos konkurentai sparčiai didina savo dalį realiame naudojime, ir priežastis slypi ne tiek kokybėje, kiek kainoje už užklausą. Beveik visa naujoji DI darbotvarkė kyla iš šio skirtumo — tiek politinė, tiek investicinė.

Draudimai vietoj konkurencijos

Per liepą ir rugpjūtį abi pusės apsikeitė apribojimais. Kinijos reguliuotojai įspėjo apie Anthropic produktų keliamą riziką, o Alibaba uždraudė savo darbuotojams naudoti Claude. Oficialiai tai susiję su duomenų saugumu, tačiau už to slypi ir komercija. Amerikos laboratorijos baiminasi distiliavimo — kai kito modelio mokymas vyksta naudojant jo užklausas ir atsakymus. Alibaba inžinieriai ilgą laiką atvirai naudojo Claude, ir dabar tai tapo teisine rizika.

Kaltinimai pasiekė vyriausybių lygį. Baltieji rūmai pareiškė, kad Kimi K3 buvo apmokytas naudojant Claude Fable atsakymus. Tai įrodyti sunku, tačiau pats kaltinimas jau veikia kaip argumentas derybose. Kol kas daugiau nieko, išskyrus žodžius, neįvyko, nes kliūtimi tapo pats atvirumas. Modeliai platinami pagal nemokamas licencijas ir be jokių problemų talpinami Vakarų platformose.

Europa pasirinko trečią kelią ir sustiprino savo vykdymo įgaliojimus pagal DI aktą, kuris klasifikuoja DI sistemas pagal rizikos lygį ir kiekvienai nustato atskirus reikalavimus. ES neturi savo DI lyderių, todėl reguliuoti kitų įmones yra lengviau nei vytis. Pekinas, Vašingtonas ir Briuselis laikosi to paties modelio. Apribojimai atsiranda ten, kur pigūs atviri modeliai pradeda konkuruoti su brangiais uždaraisiais.

Protingas nereiškia efektyvus

Rinka pasidalijo į brangų premium segmentą ir pigų masinės rinkos segmentą, o pastarasis auga sparčiau.

Pažangiausi modeliai iš tiesų yra labai protingi, tačiau protingumas nereiškia pelningumo. Sudėtingoje užduotyje jų galimybės gali pateisinti aukštą kainą. Paprastos užklausos atveju toks pajėgumas dažnai yra perteklinis, nes modelis naudoja daugiau žetonų, o kiekvienas jų kainuoja daugiau. O paprastų užklausų yra dešimteriopai daugiau nei sudėtingų.

Kainų skirtumas jau akivaizdus. Vienas milijonas išvesties žetonų iš Kimi K3 kainuoja apie 15 JAV dolerių, palyginti su 50 JAV dolerių už Claude Fable 5.

Pasekmės geriausiai matomos routeriuose — platformose, leidžiančiose per vieną sąsają dirbti su dešimtimis modelių ir pasirinkti konkretų modelį konkrečiai užduočiai. Remiantis OpenRouter duomenimis, Kinijos atvirojo svorio modeliai 2024 m. pabaigoje sudarė mažiau nei 2 % savaitinio srauto, o 2026 m. balandį jų dalis viršijo 45 %. Tuo pačiu laikotarpiu pačios platformos užklausų apimtis išaugo keturis kartus. Vadinasi, atviri modeliai didina savo dalį sparčiai augančioje rinkoje, o ne atima dalį iš sustingusios paklausos.

Čia svarbi viena pastaba. Didelė Vakarų laboratorijų srauto dalis išvis nepatenka į routerius, nes jos talpina savo modelius, o premium kaina reiškia, kad vienas žetonas kainuoja tiek, kiek keliolika pigių. Taigi šie skaičiai rodo judėjimo kryptį, o ne tikslų jėgų balansą. Kryptis gana paprasta. Rinka pasidalijo į brangų premium segmentą ir pigų masinės rinkos segmentą, o pastarasis auga sparčiau.

Kokybės atotrūkis mažėja

Kol kokybės atotrūkis išliko pastebimas, premium segmentas buvo apsaugotas. Per vasarą ši apsauga susilpnėjo. Bendrame Artificial Analysis indekse geriausias atviras modelis Kimi K3 iš Moonshot AI nuo pirmaujančio Claude Opus 5 atsilieka vos trimis taškais iš 63. Iš 14 geriausių reitingo modelių šeši yra Kinijos atvirojo svorio modeliai.

Kimi K3 gerai veikia ir už etalonų ribų. Modelis veikia kaip agentas rašant kodą ir gali tvarkyti dideles saugyklas — ištisas projektų kodų bazes, kuriose vienu metu reikia valdyti dešimtis tarpusavyje susietų failų. Tai jau gerai įsisavintos užduotys.

Qwen3.8 iš Alibaba, išleistas netrukus po to, užima septintą vietą ir programavimo užduotyse prilygsta Kimi, tačiau sunaudoja daugiau žetonų nei vidutiniškai ir kainuoja daugiau nei dauguma atvirų konkurentų. Naudingas priminimas, kad „atviras“ jau nebe automatiškai reiškia „pigų“.

Anthropic tai ypač skaudu. Įmonei teko padvigubinti žetonų kainas, nes pajėgumai negalėjo patenkinti visos paklausos. Rinka kainos padidinimą priėmė, ir Anthropic tapo pirmąja iš didžiųjų DI laboratorijų, pasiekusia veiklos pelną. Kiek tvarus pasirodys toks modelis, lieka atviras klausimas. Rinka priėmė aukštą kainą hype piko metu, tačiau ilgainiui ji gali nebenorėti jos mokėti, ypač kai šalia atsiras panašaus pajėgumo atviri modeliai už trečdalį kainos.

Greičiau reiškia pigiau

Uždari modeliai turi du pagrindinius pranašumus, ir pirmąjį jau aptarėme. Tikrai sudėtingose užduotyse stiprus modelis gali sunaudoti mažiau žetonų ir galiausiai kainuoti pigiau. Antrasis pranašumas yra greitis. Vartotojui rūpi ne tik kaina, bet ir tai, kiek laiko užduotis užtrunka. Gauti 10 000 kodo eilučių už 5 JAV dolerius yra prasminga, jei tai trunka penkias minutes, o ne kelias valandas.

Greitis priklauso nuo aparatinės įrangos, modelio architektūros ir serverio programinės įrangos. Kimi K3 Moonshot serveriuose generuoja nuo 40 iki 80 žetonų per sekundę, o Claude ir ChatGPT savo serveriuose generuoja daugiau nei 200. Todėl sudėtingoje užduotyje uždaras modelis gali vienu metu sunaudoti mažiau žetonų ir veikti greičiau.

Tačiau ir šis pranašumas nėra galutinis. Naudojant galingą infrastruktūrą, atviri modeliai sumažina greičio atotrūkį, išlaikydami mažesnę kainą.

Tikrai sudėtingose užduotyse stiprus modelis gali sunaudoti mažiau žetonų ir galiausiai kainuoti pigiau.

Pinigai keliauja į infrastruktūrą

Kova dėl išvedimo efektyvumo — kai apmokytas modelis veikia atsakydamas į užklausą — perbraižė aparatūros rinką. 2025 m. pabaigoje NVIDIA su Groq pasirašė neišskirtinę licencijavimo sutartį dėl jo išvedimo technologijos ir pasamdė įkūrėją kartu su komanda. Formaliai Groq išlaikė nepriklausomybę, tačiau jo technologija ir pagrindiniai specialistai dabar dirba buvusiam potencialiam konkurentui.

Paklausa greitam ir pigiam išvedimui kelia Cerebras ir Etched, o Anthropic ir OpenAI jau pradėjo kurti savo lustus. Rugpjūtį Anthropic oficialiai paskelbė apie komandos, kuri kurs individualią aparatinę įrangą, sukūrimą, o OpenAI pristatė savo išvedimo lustą Jalapeño.

Mano manymu, būtent čia slypi pagrindinė visos istorijos išvada. Pirmoji DI investicijų banga buvo itin koncentruota, ir pinigai pirmiausia keliavo į pačias laboratorijas. Antroji banga atrodo daug platesnė, nes dėmesys dabar apima fizinį DI, optimizuotų lustų kūrėjus, duomenų centrų infrastruktūrą ir energiją, kuri tuos duomenų centrus maitina.

Crusoe ir Lambda tai gerai iliustruoja. Pirmoji dirba su energetine klausimo puse — nuo duomenų centrų įrengimo šalia pigių energijos šaltinių iki savo energijos gamybos turbinomis. Antroji nuomoja skaičiavimo galią mokymui ir išvedimui. Abi augo infrastruktūros sluoksnyje, o ne remdamosi savo modeliais.

Lygiagrečiai aštrėja ir suvereniteto klausimas. Skaičiavimo galia yra ribota; reikšminga jos dalis sutelkta kelių Amerikos laboratorijų rankose, o tos pačios laboratorijos iš esmės nustato prieigos prie modelių kainą verslui ir ištisoms šalims. Nenuostabu, kad kalbos apie nacionalinę skaičiavimo galią iš pristatymų persikėlė į biudžetus.

Bumas turi ir šalutinių padarinių. DI sektoriaus atlyginimai padidino infliaciją Kalifornijoje, o jei Anthropic ir OpenAI iš tiesų taps viešosiomis bendrovėmis, jų bendra rinkos kapitalizacija viršys visų per pastaruosius 25 metus įvykusių rizikos kapitalo pasitraukimų sumą, sukurdama didelę kapitalo koncentracijos riziką.

Protingiausias nelaimi

Konkurencija tarp pigių ir brangių modelių atrodo kaip geopolitika, nors iš pradžių tai buvo ekonominis klausimas.

Teksto pradžioje sakiau, kad už politinių naujienų slypi komercinis skaičiavimas. Štai jis. Modelių intelekto lenktynės atsitrenkė į šių modelių naudojimo ekonomiką. Protingas modelis atsiperka sudėtingose užduotyse ir pralaimi paprastose, o pastarųjų yra dešimteriopai daugiau.

Lieka vienas klausimas: kodėl ginčas taip tvarkingai nusidriekė palei Kinijos ir JAV liniją. Čia priežastis ir pasekmė apsikeitė vietomis. Kinija stato ant atvirų modelių ne dėl ideologijos, o todėl, kad kelerius metus gyveno su amerikietiškais apribojimais, kurie jos kūrėjams uždarė įprastą kelią į Vakarų rinką. Nemokama licencija tapo vienu iš nedaugelio būdų tą rinką susigrąžinti, ir iš būtinybės pasirinkta strategija pasirodė esanti laiminti. Todėl konkurencija tarp pigių ir brangių modelių atrodo kaip geopolitika, nors iš pradžių tai buvo ekonominis klausimas.

Dar per anksti laidoti uždarus modelius. Anthropic į spaudimą atsako ne vien kainomis. Įmonė kuria savo lustą ir jau samdo lustų projektavimo komandą. Jei žetono kaina ir greitis tapo pagrindiniu konkurencijos lauku, problemos neįmanoma išspręsti vien modelio architektūra. Laboratorijos, kurios užsidaro visą grandinę nuo lusto iki produkto, įgis saugumo rezervą, kurio neturi nuomojančios svetimą pajėgumą.

Investuotojui išvada yra optimistinė. Dabar kova apima ne tik intelektą, bet ir vieno žetono kainą bei greitį. Juos optimizuoja ne tik laboratorijos. Tai daro ir lustų gamintojai, duomenų centrai bei energetikos įmonės. Būtent ten aš ir ieškočiau kito laimėtojų sluoksnio.