Аналитик Sequoia Дэвид Кан три года назад первым попытался перевести разговор об ИИ из категории «технологического чуда» в категорию бухгалтерского баланса. В 2023 году он посмотрел на годовую выручку Nvidia от продажи GPU (около $50 млрд), добавил стоимость эксплуатации дата-центров и маржу операторов — и вывел цифру: чтобы окупить эти вложения, индустрия должна заработать $200 млрд. Тогда это звучало как амбициозный вызов предпринимателям.
Спустя три года гиперскейлинга Кан обновил расчёты. Капитальные затраты на ИИ-инфраструктуру в 2026 году он оценивает в $1,5 трлн, а суммарная выручка, необходимая для окупаемости всех чипов и дата-центров, достигла $3 трлн. И это, по его словам, скорее заниженная оценка — рост цен на память и переход на специализированные чипы для инференса будут толкать цифру вверх.
Что реально стоит за цифрой $3 трлн
Для руководителя важно понять механику этой цифры, а не пугаться её масштаба. $3 трлн — это не убыток и не «пузырь», который вот-вот лопнет. Это сумма выручки, которую весь рынок ИИ должен генерировать, чтобы капитальные вложения в инфраструктуру окупились в разумные сроки. По сути, это порог безубыточности отрасли.
На другой чаше весов — фактические доходы фронтир-лабораторий. Anthropic, по оценкам, вышла на $60 млрд годовой выручки (ARR), OpenAI отчиталась о $13 млрд за 2025 год и заявляла о $20 млрд ARR к концу года. Цифры растут быстро, но разрыв между «нужно $3 трлн» и «есть десятки миллиардов» пока огромен.
Почему это касается вас, даже если вы не строите дата-центры
Здесь кроется главный практический сигнал. Экономика всей отрасли держится на очень узкой группе компаний. Торстен Слок, главный экономист Apollo, обращает внимание: Google, Meta, Microsoft и Amazon закладывают в свои прогнозы резкое ускорение свободного денежного потока к 2028 году — именно тогда они рассчитывают увидеть отдачу от закупленных чипов.
Если этой отдачи не случится, реакция рынка может быть жёсткой. Слок прямо предупреждает: когда так много завязано на такое малое число имён, замедление окупаемости грозит не отраслевой коррекцией, а рецессией экономики и падением S&P 500. Иначе говоря, ставка на ИИ стала системной — и это фактор макрориска, который стоит учитывать при долгосрочном планировании.
Парадокс дешевеющих токенов
Самый интересный для бизнеса момент — противоречие в самой модели монетизации. Слок отмечает тренд: организации всё чаще выбирают более дешёвые open-weight модели, нередко китайские, вместо дорогих флагманских решений. Стоимость токенов падает. Новая модель OpenAI, по словам Сэма Альтмана, на 54% эффективнее по токенам на задачах кодинга.
Для вас как заказчика это отличная новость: стоимость эксплуатации ИИ-агентов снижается. Но для компаний, построивших «фабрики токенов», это угроза. Их бизнес-модель предполагает рост потребления. Если эффективность растёт быстрее, чем объём использования, выручка на единицу инфраструктуры падает — а именно она должна закрывать тот самый разрыв в $3 трлн.
Отсюда следует важный вывод: не привязывайте свою ИИ-стратегию к одному поставщику или одной модели. Рынок движется в сторону взаимозаменяемости и удешевления. Гибкость архитектуры сегодня стоит дороже, чем «лучшая на рынке» модель, которая через полгода окажется вдвое дороже конкурентов.
Как разговаривать об ROI с советом директоров
Дебаты на уровне $3 трлн — это макрокартина. Но именно она формирует нарратив, с которым вы приходите защищать бюджет. Есть несколько аргументов, которые реально работают.
Отделяйте отраслевой риск от вашего кейса
Тот факт, что вся индустрия ищет окупаемость, не означает, что конкретный проект автоматизации в вашей компании не окупается. Ваша задача — считать ROI на уровне процесса, а не отрасли. Сокращение времени на обработку заявок, снижение фонда оплаты труда на рутинных операциях, ускорение цикла продаж — это измеримые эффекты здесь и сейчас, независимо от судьбы гиперскейлеров.
Закладывайте снижение стоимости в модель
Если цена токенов падает, а модели становятся эффективнее, экономика ваших внедрений со временем улучшается. Проект, который сегодня на грани окупаемости, через год может стать явно прибыльным просто за счёт удешевления инфраструктуры. Это сильный аргумент против позиции «давайте подождём».
Не переплачивайте за фронтир там, где хватает базовой модели
Большинство бизнес-задач — классификация, извлечение данных, черновики документов, поддержка клиентов — не требуют самой мощной модели. Разумная сегментация задач по уровню сложности снижает затраты в разы. Чтобы выстроить такую систему приоритетов и научиться считать реальную отдачу, руководителям стоит системно разобраться в теме — этому посвящён курс «ИИ-стратегия».
Что это значит на горизонте 2027–2028
Ключевая дата в этой истории — 2028 год, к которому гиперскейлеры обещают резкий рост денежного потока. Это своего рода дедлайн, к которому рынок ждёт доказательств окупаемости. До этого момента возможны два сценария: либо массовое внедрение ИИ в бизнес-процессы действительно генерирует достаточную выручку, либо инвесторы начнут пересматривать оценки.
Для собственника это означает: следующие два года — окно, когда инфраструктура относительно дёшева и доступна, а поставщики агрессивно борются за клиентов. Компании, которые за это время выстроят реальные, окупаемые процессы на ИИ, войдут в возможную коррекцию с работающими системами и накопленной экспертизой. Те, кто ждёт «идеального момента», рискуют начать с нуля в менее благоприятных условиях.
Практические выводы для руководителя
- Считайте ROI на уровне процесса, а не отрасли. Макродебаты о $3 трлн — не про ваш конкретный проект. Измеряйте эффект в часах, деньгах и скорости на реальных задачах.
- Не привязывайтесь к одному вендору. Тренд на удешевление и взаимозаменяемость моделей делает гибкую архитектуру важнее «лучшей» модели.
- Закладывайте удешевление в финмодель. Стоимость токенов падает — проекты на грани окупаемости завтра станут прибыльными. Это аргумент против промедления.
- Сегментируйте задачи по сложности. Дорогие фронтир-модели нужны меньшинству задач. Для рутины хватает дешёвых решений.
- Учитывайте макрориск в долгосрочном планировании. Экономика ИИ завязана на несколько компаний. Диверсифицируйте зависимости и не стройте бизнес-критичные процессы на одном хрупком поставщике.
- Используйте окно 2026–2028. Пока инфраструктура доступна и вендоры борются за клиентов — время строить окупаемые процессы, а не ждать.
Вопрос на $3 триллиона касается всей индустрии. Но ваш личный вопрос куда конкретнее: окупается ли конкретный процесс автоматизации в вашей компании. И на него, в отличие от макроэкономического, вы можете ответить точной цифрой уже сегодня.
Источник: TechCrunch