Асимметрия распределения добавленной стоимости в ИИ экономике
Сломанная ИИ-экономика – это экономика, в которой технологическая полезность уже доказана
(макроэффект остается крайне спорным), но финансовая отдача распределена асимметрично, с разрывами между уровнями создания стоимости (сверхконцентрация в производителях оборудования).
Эта экономика структурно сильно несбалансирована с неравномерным распределением денежных потоков, подрывающих стратегическую устойчивость индустрии.
Как происходило на протяжении столетий? Новая технология рост производительности и/или эффективности рост выручки или снижение затрат / оптимизация издержек рост прибыли / повышение маржинальности рост капитализации.
Как происходит сейчас? ИИ -> неадекватный, сюрреалистичный рост капитализации неочевидный, фрагментированный и неравномерный рост производительности и/или эффективности рост расходов значительно быстрее выручки аккумуляция убытков одного звена (ИИ-провайдеры) за счет сверхприбылей другого звена (производители оборудования).
Капитализация растет на ИИ-галлюцинациях и ожиданиях, что индустрия будут устойчивой и прибыльной, а если нет?
Нет перспектив выхода в устойчиво положительных денежный поток среди ИИ-провайдеров, т.к.:
Масштабирование требует инвестиций в инфраструктуру, которая стоит чрезвычайно дорого (от 30 до 50 млрд за 1 ГВт мощности), тогда как ранее в ИТ индустрии масштабирование не стоило ничего (продажа копии ПО или подписки было практически «бесплатным» с неограниченным коэффициентом масштабирования), сейчас все упирается в физическую инфраструктуру.
Крайне высокие операционные издержки. Эти вычислительные мощности необходимо поддерживать и обслуживать – прежде всего через расходы на электроэнергию.
Сверхбыстрая амортизация не позволяет накапливать капитальные инвестиции, оборачиваемость очень быстрая (от 3 до 6 лет), что в разы выше, чем в других капиталоемких сегментах, как коммунальные услуги, нефтегаз, металлургия, а если не обновлять – потеря конкурентоспособности.
Расширение функционала требует дополнительных мощностей (усиленный думающий режим, глубокие исследования, ИИ-навыки, режим агента, дополнительные модули проверки и верификации ответов, расширенный контекст и многое другое), который растут непропорционально денежному потоку.
Маркетинговые расходы занимают значительный вес в издержках, а маркетинг это не только прямая или косвенная реклама в медиа, а это прежде всего бесплатный доступ к моделям в целях саморекламы и расширения пользовательской базы и покупки лояльности аудитории.
R&D становятся самыми дорогими среди всех отраслей (средняя зарплата ИИ-инженера в разы превышает зарплату ИТ специалиста).
Растет стоимость обучение через корпус данных, где бесплатные и качественные данные давно исчерпаны. Необходимы расходы на лицензирование качественных, приватных данных, расходы на экспертов и расходы на очистку корпуса данных от ИИ-скама и дублей.
Растут издержки на безопасность и интеграцию моделей через рост ответственности перед регулирующими органами. От момента финализации обучения и сборки до выпуска модели в публичное пространство может пройти много времени для сертификации и проверки безопасности модели, иначе судебные издержки и репутационный ущерб.
Невероятно сильная конкуренция в индустрии – прошлый лидер может стать аутсайдером настолько быстро, что осознание и осмысление происходит с задержкой. Ротация моделей происходит в среднем в 2-3 месяца, т.е. до 4-5 промежуточных релизов в год или крупных системных обновлений, каждый из которых может стать переломным.
Все это наслаивается на конкуренцию с бесплатными китайскими моделями, быструю миграцию клиентов от одного флагмана к другому, нестабильность клиентской базы (особенно розничный сегмент), постоянное давление со стороны цены продуктов в сторону дефляции.
Самый сильный денежный поток сейчас возникает внизу пирамиды: чипы, серверы, сети, дата-центры, электроэнергия, облачные мощности, но сами ИИ-провайдеры в убытках без явных перспектив, но слом ключевого звена (ИИ-провайдеры) ломает всю конструкцию.
