Что не так с экономикой ИИ?
На основе последних ответов бигтехов, на основе анализа интервью и подкастов ведущих спикеров среди топ менеджеров и инженеров ИИ компаний, анализа отраслевых изданий можно сделать некоторые выводы.
Прямых заявлений нет, есть обрывки и вот из разрозненной информации собираю относительно целостную картину экономики ИИ через собственные аналитические инструменты и расчеты.
Операционные расходы на обслуживание, интеграцию и амортизацию ИИ фабрики/ ЦОД с учетом инфраструктуры составляют около $10 млрд в год в расчете на 1 ГВт мощности
(в доверительном диапазон от 8 до 12 млрд в зависимости от места возведения ЦОД, скорости амортизации, типа чипов и сотен других нюансов).
Вместе с этим у ИИ компаний есть расходы на исследования и разработки непосредственно ИИ моделей, расходы на обучение LLMs (сейчас это часто покупка лицензий и данных для обучения на основе качественных источников с учетом расходов на разметку), маркетинговые, административные, коммерческие расходы и прочие расходы, необходимые для функционирования бизнеса.
Если расходы на возведение и обслуживание ЦОД растут линейно на траектории наращивания мощностей, доля расходов на R&D и обслуживание ИИ бизнеса снижается по мере масштабирования ИИ бизнеса.
Что не так с экономикой ИИ?
Предел генерации доходов для ведущих и самых успешных ИИ компаний, вероятно, лежит в диапазоне $7-11 млрд на 1 ГВт мощностей.
Этот показатель я получил после фиксации текущих мощностей у OpenAI на уровне 2 ГВт при текущей выручке в $13 млрд за 12м, около $15 млрд за весь 2025 и примерно $18-20 млрд в ноябре-декабре в годовом выражении, что составляет по верхней границе как раз $10 млрд на 1 ГВт.
Примерно также было в 2023. Тогда мощностей было 0.2 ГВт, а выручка была $1.5 млрд и до $2 млрд в конце года по методу AR.
Выручка OpenAI растет линейно в соответствии с наращиванием вычислительных мощностей.
Да, корректно рассматривать в флопсах, а в ваттах – это идиотизм, но учитывая короткий инвестцикл и отсутствие масштабной ротации поколений ИИ чипов, расчеты плюс-минус справедливы.
Пример OpenAI – это скорее пример с наивысшей конверсией, учитывая клиентский охват и меру интеграции во все средства разработки и во все ИИ сервисы. Это означает, что у других ИИ компаний меньше отдачи на вычислительные мощности – ближе к 3-6 млрд на 1 ГВт (у ОpenAI сейчас по факту около 7 млрд).
Что такое $10 млрд на ГВт по выручке по верхней границе? Это как раз стоимость обслуживания и развёртывания ЦОД, т.е. R&D, маркетинг, административные и коммерческие расходы сразу идут в минус.
Высокие убытки OpenAI (свыше 30 млрд в 2025) связаны с тем, что выручка догоняет инвестиции в ИИ с лагом примерно 12м и значительная часть инвестиций сделана с опережением, т.е. инвестиций еще не были переданы в обслуживание (закладка мощностей ИИ без ввода в эксплуатацию).
На траектории экспансии нормально быть убыточным, особенно в инновационных отраслях, и тем более, если это крайне капиталоемкая отрасль.
Но не нормально работать в условиях запредельно высоких инвестиционных расходов с критически быстрой амортизацией в условиях, когда конверсия выручки не может быть постоянной величиной.
Вот, как например, в весной 2025 OpenAI обделались с GPT Orion 4.5 и еще хорошо, что в резерве был GPT-5 спустя несколько месяцев и когда конкуренты «застыли», а если нет?
В условиях выравнивания конкуренции очень сложно добиться лояльности клиентов (в этой сфере интенсивная миграция клиентов от одной LLMs к другой) при быстром развитии Китая.
Эта схема предполагает 100% загрузку мощностей и высокую конверсию, но не учитывает сезонность, миграцию клиентов, регулирование ИИ и фактор «пресыщения» особенно в розничном сегменте.
Эта схема не учитывает неоднозначную траекторию насаждения ИИ в корпоративном сегменте.
Все их выкладки вообще не учитывают фактор Китая, считая свое доминирование исключительным и непоколебимым, но это не так. Китай уже активно наступает и разрыв будет сокращаться.
Я вообще не вижу сценария выхода в прибыль гиперскейлеров.
