Кто заработает на второй волне ИИ

Роман З., аналитик VC-рынка

Летом 2026 года главные новости об искусственном интеллекте выглядят политическими. Взаимные запреты, экспортный контроль, законопроект об отключении моделей. Но почти за каждым сюжетом стоит обычный коммерческий расчет. Разберем, какой именно.

Вступление

Несколько лет отрасль жила простой логикой. Чем умнее модель, тем она ценнее, и кто первым создаст самую способную нейросеть, тот и заберет рынок. Сейчас эта логика дает сбой. Самые сильные модели по-прежнему у американских лабораторий, но китайские конкуренты быстро наращивают долю реального использования, и причина не столько в качестве, сколько в цене одного запроса. Из этого расхождения вырастает почти вся новая повестка вокруг ИИ — и политическая, и инвестиционная.

Запреты вместо конкуренции

За июль и август стороны обменялись ограничениями. Китайские регуляторы предупредили о рисках продуктов Anthropic, Alibaba запретила сотрудникам работать с Claude. Формально речь о безопасности данных, но за этим стоит и коммерция: американские лаборатории опасаются дистилляции — обучения чужой модели на их промптах и ответах. Инженеры Alibaba пользовались Claude давно и открыто, а теперь это стало юридическим риском.

Претензии дошли до правительств. В Белом доме заявили, что Kimi K3 обучали на ответах Claude Fable. Доказать это сложно, но обвинение уже работает как аргумент в переговорах. Дальше слов дело пока не пошло: помешала сама открытость, ведь модели идут по свободным лицензиям и спокойно хостятся на западных площадках.

Европа выбрала третий путь и усилила полномочия по применению AI Act — закона, который делит ИИ-системы по уровню риска и предъявляет к каждой свои требования. Своих лидеров в ИИ у ЕС нет, а регулировать чужих проще, чем догонять. И в Пекине, и в Вашингтоне, и в Брюсселе конструкция одна: ограничения появляются там, где дешевые открытые модели начинают конкурировать с дорогими закрытыми.

Умный не значит эффективный

Передовые модели действительно очень умны, но умная не значит выгодная. Для сложной задачи их возможности могут оправдать высокую стоимость. Но для простого запроса такая мощность часто избыточна: модель тратит больше токенов, а каждый из них стоит дороже. И таких простых запросов на порядок больше.

Разница в стоимости уже заметна: миллион выходных токенов Kimi K3 стоит около $15 против $50 у Claude Fable 5.

Лучше всего последствия видны на роутерах — платформах, которые позволяют работать с десятками моделей через один интерфейс и подбирать их под конкретную задачу. По данным OpenRouter, китайские модели с открытыми весами занимали менее 2% недельного трафика в конце 2024 года, а к апрелю 2026-го их доля превысила 45%. При этом сам объем запросов на площадке вырос вчетверо. То есть открытые модели наращивают долю на рынке, который и сам быстро расширяется, а не отвоевывают куски у стагнирующего спроса.

Рынок разделился на дорогой премиальный контур и дешевый массовый, и второй растет быстрее.

Тут нужна важная оговорка. Значительная часть трафика западных лабораторий на роутерах вообще не видна, свои модели они хостят сами, а премиальная цена делает один их токен сопоставимым с десятком дешевых. Так что эти цифры показывают скорее направление движения, чем точную расстановку сил. Направление же довольно простое. Рынок разделился на дорогой премиальный контур и дешевый массовый, и второй растет быстрее.

Разрыв в качестве сокращается

Пока разрыв в качестве оставался заметным, премиальный сегмент был защищен. Но летом эта защита ослабла. В сводном индексе Artificial Analysis лучшая открытая модель, Kimi K3 от Moonshot AI, отстает от лидирующей Claude Opus 5 всего на три балла из 63. При этом среди 14 лучших моделей рейтинга шесть — китайские модели с открытыми весами.

Kimi K3 показывает результат не только в бенчмарках: модель работает как агент при написании кода и справляется с большими репозиториями — кодовыми базами целых проектов, где нужно одновременно работать с десятками связанных файлов. То есть речь идет уже о вполне прикладных задачах.

Вышедшая следом Qwen3.8 от Alibaba держится на седьмой строчке и на программистских задачах не уступает Kimi, но токенов расходует больше среднего, а стоит дороже большинства открытых конкурентов. Полезное напоминание, что открытая больше не означает автоматически дешевая.

Для Anthropic это особенно чувствительно. Компания была вынуждена вдвое поднять цены на токены: мощностей не хватало на весь спрос. Рынок принял повышение, и Anthropic стала первой среди крупных ИИ-лабораторий, вышедшей в операционную прибыль. Но устойчивость этой модели пока под вопросом. Высокую цену рынок принял на пике ажиотажа, и не факт, что будет готов платить ее в долгую — особенно когда рядом появляются сопоставимые по возможностям открытые модели за треть стоимости.

Быстрее = дешевле

У закрытых моделей есть два ключевых преимущества, и первое мы уже разобрали: на действительно сложных задачах сильная модель может потратить меньше токенов и в итоге обойтись дешевле. Второе преимущество — это скорость. Для пользователя важна не только цена, но и время выполнения задачи: получить 10 тысяч строк кода за $5 имеет смысл, если это займет пять минут, а не несколько часов.

На действительно сложных задачах сильная модель может потратить меньше токенов и в итоге обойтись дешевле.

На скорость влияют железо, архитектура модели и серверное ПО. Kimi K3 на серверах Moonshot выдает 40–80 токенов в секунду, тогда как Claude и ChatGPT на своих серверах — более 200. Поэтому на сложной задаче закрытая модель может одновременно тратить меньше токенов и работать быстрее.

Но и это преимущество не окончательное: на мощной инфраструктуре открытые модели сокращают разрыв в скорости, сохраняя более низкую цену.

Деньги уходят в инфраструктуру

Борьба за эффективность инференса (работа обученной модели в момент ответа на запрос) перекроила рынок железа. В конце 2025 года NVIDIA заключила неэксклюзивное лицензионное соглашение с Groq на ее инференс-технологию и наняла основателя вместе с командой. Формально Groq сохранила независимость, но ее технология и ключевые специалисты теперь работают на бывшего потенциального конкурента.

На спросе на быстрый и дешевый инференс растут Cerebras и Etched, а Anthropic и OpenAI уже начали разрабатывать собственные чипы. Anthropic в августе официально объявила о создании команды для разработки кастомного железа, а OpenAI представила собственный инференс-чип Jalapeño.

Здесь и находится, на мой взгляд, главный вывод всего сюжета. Первая волна ИИ-инвестиций была предельно концентрированной, деньги шли прежде всего в сами лаборатории. Вторая волна выглядит гораздо шире, потому что в фокус попадают физический ИИ, разработчики оптимизированных чипов, инфраструктура дата-центров и энергетика, без которой эти дата-центры не работают.

Показательны здесь Crusoe и Lambda. Первая активно работает с энергетической стороной вопроса, от размещения дата-центров рядом с дешевыми источниками до собственной генерации на турбинах. Вторая сдает вычислительные мощности в аренду под обучение и инференс. Обе выросли на инфраструктурном слое, а не на собственных моделях.

Параллельно обостряется вопрос суверенитета. Вычислительных мощностей не хватает, значительная их часть сосредоточена у нескольких американских лабораторий, и они же во многом определяют цену доступа к моделям для бизнеса и для целых стран. Неудивительно, что разговоры о собственных национальных мощностях перешли из презентаций в бюджеты.

Есть у бума и побочные эффекты. Зарплаты в ИИ-секторе разогнали инфляцию в Калифорнии, а если Anthropic и OpenAI действительно выйдут на биржу, их совокупная капитализация перекроет все венчурные выходы последних 25 лет, что создало высокий риск концентрации капитала.

Побеждает не самый умный

В начале текста я сказал, что за политическими новостями стоит коммерческий расчет. Вот он. Гонка за интеллект моделей уперлась в экономику их использования: умная модель окупается на сложных задачах и проигрывает на простых, которых на порядок больше.

Остается вопрос, почему спор так ровно лег на линию Китая и США. Здесь причина и следствие поменялись местами. Китай делает ставку на открытые модели не из идеологии, а потому что несколько лет живет под американскими ограничениями, которые закрыли его разработчикам привычный путь на западный рынок. Свободная лицензия стала одним из немногих способов этот рынок вернуть, и вынужденная стратегия оказалась выигрышной. Поэтому конкуренция дешевых и дорогих моделей выглядит как геополитика, хотя началась как экономика.

Конкуренция дешевых и дорогих моделей выглядит как геополитика, хотя началась как экономика.

Хоронить закрытые модели при этом рано. Anthropic отвечает на давление не только ценами: компания разрабатывает собственный чип и уже нанимает команду чип-дизайна. Если стоимость и скорость токена стали главным полем конкуренции, решать задачу нужно не только в архитектуре модели. Лаборатории, которые замкнут на себе цепочку от чипа до продукта, получат запас прочности, которого нет у тех, кто арендует чужие мощности.

Для инвестора вывод скорее оптимистичный. Бороться приходится уже не только за интеллект, но и за стоимость и скорость одного токена. Оптимизируют их не только лаборатории, но и производители чипов, дата-центры и энергетические компании. Следующий слой победителей я бы искал именно там.