Инвестиции в ИИ достигли 1,4 трлн долларов

Глобальные капитальные затраты (CapEx) на искусственный интеллект удвоились, достигнув 1,4 трлн долларов. Для сравнения, ранее расходы на метавселенную компании Meta⋆ составили 60 млрд долларов, тогда как за последние три года она вложила в ИИ 150 млрд долларов, планируя потратить еще столько же в текущем году. Такой масштаб вложений создает условия для формирования огромного «пузыря ИИ», который, по мнению эксперта, может лопнуть с катастрофическими последствиями для мировой экономики.

Экономическая логика и риски пузыря

Основной драйвер текущего бума — не столько реальная эффективность технологий, сколько необходимость поддержания статуса «акции роста» на фондовом рынке. Крупные корпорации, насытившие свои традиционные рынки, вынуждены искать новые направления для оправдания высоких котировок. Инвесторы, обладающие, по словам Доктороу, «объектным постоянством» на уровне младенца, готовы верить в любые новые «воображаемые рынки», лишь бы компания продолжала демонстрировать рост.

Ситуация усугубляется тем, что экономика ИИ фундаментально отличается от предыдущих технологических бумов. В отличие от интернета, где каждый новый пользователь повышал прибыльность системы, в секторе ИИ каждый клиент и каждое использование модели пока генерируют убытки. Доктороу называет ИИ «самым убыточным предприятием в истории человечества». Семь крупнейших компаний в этой сфере уже контролируют более трети капитализации фондового рынка, перекладывая между собой долговые обязательства на сумму 100 млрд долларов.

Ключевые риски для глобального рынка:

• Неустойчивая экономика: Большинство моделей не окупаются, а содержание дата-центров требует колоссальных ресурсов.
• Зависимость от нарратива: Рост цен на акции держится на ожиданиях, а не на реальных доходах.
• Устаревание активов: Оборудование для ИИ требует полной замены каждые 24–30 месяцев, что создает постоянную нагрузку на бюджеты.

Когда спекулятивная лихорадка закончится, большинство моделей исчезнет, так как их эксплуатация станет экономически нецелесообразной. Это может привести к резкому падению стоимости активов и перераспределению капитала, что станет сигналом для пересмотра стратегий поставщиков по всему миру.

Социальные последствия и трансформация труда

Внедрение технологий происходит в условиях, когда работники вынуждены принимать инструменты, которые часто ухудшают качество их жизни. В отличие от прошлых эпох, когда сотрудники боролись за внедрение новых технологий, сейчас наблюдается обратная картина: компании требуют обязательного использования ИИ, а иногда и внедряют системы слежки для наказания тех, кто отказывается сотрудничать.

Разделяется два типа взаимодействия с технологиями:

1. Центавры: Специалисты, использующие ИИ как полезный плагин для расширения своих возможностей, сохраняющие контроль над процессом и результатом.
2. Обратные центавры: Сотрудники, чья работа сводится к проверке ошибок алгоритма и принятию на себя ответственности за сбои системы.

Многие демонстрации «автоматизации» оказываются фикцией. Например, система Amazon Go, которая должна была полностью исключить кассиров, на деле использовала группу людей в Индии, вручную отслеживающих покупателей через камеры. Реальность часто оказывается менее впечатляющей, чем маркетинговые обещания, но давление на бизнес-процессы остается высоким.

Перспективы после кризиса и полезные остатки

Несмотря на мрачные прогнозы относительно лопания пузыря, исторический опыт показывает, что за кризисом часто следует период продуктивного развития. После краха доткомов рынок получил доступ к дешевым серверам, а поколение специалистов освоило программирование, что заложило основу для Web 2.0. Аналогичный сценарий возможен и сейчас: после спада спроса на дорогие вычислительные мощности видеокарты (GPU) могут стать доступными по символической цене.

Ожидается появление доступных открытых моделей и избытка квалифицированных статистиков, которые смогут создавать эффективные решения на бюджетном оборудовании. Примером уже стало появление компании DeepSeek, чья модель, работающая на стандартном железе, вызвала массовую распродажу акций конкурентов на 600 млрд долларов за сутки. Это доказывает, что технологии могут быть эффективны и без колоссальных затрат на инфраструктуру.

Полезные применения ИИ уже существуют и не требуют участия гигантских дата-центров:

• Локальные модели для транскрибации аудио и поиска информации в личных архивах.
• Инструменты для проверки орфографии и грамматики в текстовых редакторах.
• Статистический анализ данных для правозащитных организаций, помогающий освобождать невиновных из тюрем.

Такие решения работают на персональных компьютерах, не нанося ущерба экологии и не требуя участия глобальных корпораций. Эксперт отмечает, что запрет на обучение моделей данными из интернета может стать катастрофой для сохранения цифровой истории, поэтому более перспективным путем является развитие трудового законодательства и механизмов коллективных переговоров, а не запретительные меры.

События указывают на то, что текущий этап развития ИИ требует тщательного анализа разницы между реальными технологиями и спекулятивными нарративами. Рынок, вероятно, переживет период коррекции, после которого останутся только те инструменты, которые действительно приносят пользу, а не просто генерируют убытки.

Экономика «обратного центавра»: почему человек стал деталью машины

Термин «обратный центавр», введенный Кори Доктороу, описывает не эволюцию, а деградацию роли человека в технологическом процессе. Вместо того чтобы алгоритм служил инструментом расширения возможностей специалиста, сотрудник превращается в биологическое дополнение к системе. Ярким примером служит логистика: курьеры, чьи движения отслеживаются камерами, теряют автономию и становятся периферийными устройствами доставки.

За этим сдвигом стоит колоссальный финансовый импульс. Глобальные капитальные затраты на искусственный интеллект достигли 1,4 трлн долларов. Для сравнения: инвестиции Meta⋆ в метавселенную составили 60 млрд долларов, тогда как в ИИ компания вложила уже 150 млрд долларов за три года и планирует потратить еще столько же в текущем периоде. Такой масштаб вложений создает условия для формирования огромного «пузыря ИИ». Однако истинная природа этого пузыря раскрывается не только в объемах трат, но и в математической невозможности текущих бизнес-моделей.

Важный нюанс: Бизнес-модель безлимитных подписок на ИИ рушится уже при загрузке тарифов на уровне 5,7%. Это означает, что при активном использовании со стороны клиентов провайдеры начинают работать в убыток, что делает текущие рыночные оценки компаний нереалистичными.

Экономика убытков и ловушка ожиданий

Экономика искусственного интеллекта фундаментально отличается от предыдущих технологических бумов. В эпоху интернета каждый новый пользователь повышал прибыльность системы, создавая сетевой эффект. В секторе ИИ ситуация обратная: каждый клиент и каждое использование модели пока генерируют убытки. Семь крупнейших компаний в этой сфере контролируют более трети капитализации фондового рынка, но их финансовая устойчивость находится под угрозой.

Исследования показывают, что убытки возникают уже при загрузке базовых тарифов на уровне 5,7–11,4% [!]. Это делает стратегию «безлимитных подписок» экономически нежизнеспособной. Компании Microsoft и Amazon уже начали отказываться от максимизации использования токенов, внедряя инструменты для автоматического переключения между дорогими и дешевыми моделями. Рынок движется от безлимитных подписок к гибридным решениям с оплатой за токен и широким внедрением открытых моделей.

Основной драйвер текущего бума — не реальная эффективность, а психология инвесторов. Они готовы верить в любые новые «воображаемые рынки», лишь бы компания продолжала демонстрировать рост. Однако реальность вносит свои коррективы. Оборудование для ИИ требует полной замены каждые 24–30 месяцев, что создает постоянную и растущую нагрузку на бюджеты. Содержание дата-центров требует колоссальных ресурсов, а большинство моделей не окупаются.

Когда спекулятивная лихорадка закончится, большинство моделей исчезнет, так как их эксплуатация станет экономически нецелесообразной. Это приведет к резкому падению стоимости активов и перераспределению капитала. Для поставщиков решений по всему миру это станет сигналом к пересмотру стратегий: ориентация на дорогие, прожорливые модели без четкой монетизации станет фатальной ошибкой.

i

Создано специально для ASECTOR

Концептуальное изображение

Скрытая нагрузка и иллюзия автоматизации

Внедрение технологий происходит в условиях, когда работники вынуждены принимать инструменты, ухудшающие качество их жизни. Исследование Glean’s Work AI Institute выявило парадокс продуктивности: внедрение ИИ создает скрытую нагрузку на сотрудников. 87% цифровых работников используют искусственный интеллект, однако 6,4 часа в неделю они тратят на контекстуализацию, исправление ошибок и синхронизацию данных между разрозненными инструментами [!].

Фактически, вместо экономии 11 часов, обещанной маркетингом, сотрудники теряют почти половину этого времени на контроль. Это подтверждает концепцию «обратного центавра»: человек не освобождается от рутины, а становится «контролером» и «поглотителем ошибок». Более того, из-за перегрузки 69% пользователей отправляют результаты работы ИИ без должной проверки, перекладывая критические решения на машины [!].

Формируются два типа взаимодействия с технологиями:

1. Центавры: Специалисты, использующие ИИ как полезный плагин для расширения своих возможностей, сохраняющие контроль над процессом и результатом.
2. Обратные центавры: Сотрудники, чья работа сводится к проверке ошибок алгоритма и принятию на себя ответственности за сбои системы.

Многие демонстрации «автоматизации» оказываются фикцией. Система Amazon Go, которая должна была полностью исключить кассиров, на деле использовала группу людей в Индии, вручную отслеживающих покупателей через камеры. Реальность часто оказывается менее впечатляющей, чем маркетинговые обещания, но давление на бизнес-процессы остается высоким. Компании экономят на зарплатах, но перекладывают риски и рутину на оставшихся сотрудников, превращая их в «человеческие исправители» для бездушных алгоритмов.

Стоит учесть: Реальная автоматизация часто скрывается за фасадом «умных» систем, где за экранами мониторов трудятся люди в других странах, исправляя ошибки алгоритмов, что создает иллюзию полной автономии машин.

Геополитический выбор: эффективность против безопасности

Для российского бизнеса этот тренд несет сигнал о необходимости переосмысления подходов к внедрению ИИ. Ориентация на дорогие зарубежные облачные решения может стать риском в условиях волатильности рынка и санкционных ограничений. Развитие локальных, открытых моделей и использование стандартного оборудования позволит создать устойчивые решения, не зависящие от глобальных спекулятивных пузырей.

Ярким примером смены парадигмы стала модель DeepSeek V4. Она предлагает уровень производительности, сопоставимый с ведущими западными системами, но при этом обходится бизнесу в разы дешевле. Компания сделала ставку на оптимизацию вычислений и поддержку ускорителей Huawei Ascend, что позволяет развертывать мощные ИИ-решения на разнородном оборудовании и существенно снижает затраты на генерацию ответов [!]. Стоимость использования DeepSeek V4-Pro составляет лишь малую часть от тарифов американских вендоров, что значительно снижает барьер входа для бизнеса.

Однако за низкой ценой скрывается серьезный вызов. Тестирование выявило, что агенты на базе защищенной модели DeepSeek в 12 раз чаще следуют вредоносным инструкциям, чем американские аналоги [!]. Это создает риски безопасности, требующие от бизнеса отслеживания происхождения моделей и их обучающих данных. Российские компании стоят перед дилеммой: либо платить за дорогие и «безопасные» западные решения (которые могут стать недоступны), либо использовать дешевые китайские аналоги, рискуя кибербезопасностью.

Ситуация усугубляется обвинениями в «дистилляции». OpenAI обвиняет DeepSeek в использовании её моделей для ускорения развития собственных систем через скрытые маршруты и прокси-сервисы [!]. Это может перерасти в системное давление на регулирование доступа к технологическим ресурсам и усилить разрыв между американскими и китайскими ИИ-разработчиками.

Кроме того, гонка за мощными дата-центрами для ИИ привела к перенаправлению производственных мощностей на специализированные чипы, вызвав дефицит стандартной памяти. Агентство Gartner прогнозирует сокращение поставок ПК на 10,4% и смартфонов на 8,4% в 2026 году из-за нехватки компонентов для серверов ИИ [!]. Стоимость персональных компьютеров и смартфонов вырастет на 17% и 13% соответственно, так как производители перекладывают издержки дефицита памяти на потребителя.

Такой сдвиг меняет экономику отрасли и влияет на энергосистему. Компании, включая Apple, переходят к стратегии Edge AI, развивая локальные модели искусственного интеллекта на устройствах для снижения зависимости от облачных дата-центров. Это подтверждает, что технологии могут быть эффективны и без колоссальных затрат на инфраструктуру, но требуют пересмотра протоколов безопасности.

Важный нюанс: Переход на дешевые локальные модели — это не просто экономия, а вынужденная мера, требующая пересмотра протоколов безопасности, так как «человек-контролер» может не справиться с новыми видами угроз, заложенными в алгоритмы.

Рынок, вероятно, переживет период коррекции, после которого останутся только те инструменты, которые действительно приносят пользу, а не просто генерируют убытки. Для России это сигнал: развитие собственных компетенций и использование открытых решений на отечественном или совместимом оборудовании станет ключом к технологическому суверенитету в условиях глобальной турбулентности.