Источник: International Business Times UK
Автор оригинала: Anastasia Matveeva |
Компиляция и адаптация: Gonka.ai
ИИ расширяется с поразительной скоростью, но его базовая экономическая логика гораздо более хрупка, чем кажется на поверхности. Когда три облачных гиганта контролируют две трети мировых вычислительных мощностей, когда стоимость обучения приближается к миллиарду долларов, а счета за инференс застают стартапы врасплох — реальная цена этой гонки вооружений вычислений тихо перестраивает распределение стоимости во всей индустрии ИИ.
Эта статья не о том, кто создаст самую передовую модель. Она посвящена более фундаментальному вопросу: является ли текущая экономическая модель инфраструктуры ИИ действительно устойчивой после масштабирования? Как изменения в механизмах распределения вычислительных мощностей перестроят распределение стоимости на всем рынке?
I. Скрытая стоимость интеллекта
Обучение передовой большой модели требует десятков, если не сотен миллионов долларов. Anthropic публично заявила, что стоимость обучения Claude 3.5 Sonnet составила «десятки миллионов долларов», а ее генеральный директор Дарио Амодеи (Dario Amodei) ранее прогнозировал, что стоимость обучения модели следующего поколения может приблизиться к миллиарду долларов. Согласно отраслевым сообщениям, стоимость обучения GPT-4, вероятно, превысила 100 миллионов долларов.
Однако стоимость обучения — это лишь верхушка айсберга. То, что оказывает постоянное структурное давление, — это стоимость инференса, то есть расходы, возникающие при каждом вызове модели. Согласно открытому API-ценообразованию OpenAI, инференс тарифицируется за миллион токенов. Для приложений с высоким объемом использования это означает, что ежедневные затраты на инференс могут достигать тысяч долларов еще до масштабирования.
ИИ часто описывают как программное обеспечение. Но его экономическая сущность все больше напоминает капиталоемкую инфраструктуру — с высокими первоначальными инвестициями и постоянными операционными расходами.
Это изменение экономического строя тихо меняет конкурентный ландшафт всей индустрии ИИ. Потенциал вычислений могут позволить себе гиганты, уже построившие масштабную инфраструктуру; а стартапы, пытающиеся выжить в щелях, постепенно разъедаются счетами за инференс.
II. Капиталоемкость и концентрация рынка
Согласно анализу облачного рынка Holori за 2026 год, на AWS в настоящее время приходится около 33% мирового облачного рынка, на Microsoft Azure — около 22%, а на Google Cloud — около 11%. Вместе три компании контролируют около двух третей мировой облачной инфраструктуры, и подавляющее большинство рабочих нагрузок ИИ в мире работают именно на инфраструктуре этих трех компаний.
Практический смысл такой концентрации таков: когда API OpenAI падает, одновременно страдают тысячи продуктов; когда у одного из основных облачных провайдеров происходит сбой, услуги across отраслей и регионов прерываются.
Концентрация не уменьшается, расходы на инфраструктуру продолжают расти. Возьмем, к примеру, Nvidia: ее годовой доход от бизнеса центров обработки данных превысил 80 миллиардов долларов, что свидетельствует о стабильно высоком спросе на высокопроизводительные GPU.
Более примечательно скрытое структурное неравенство. Согласно документам SEC и рыночным отчетам, ведущие лаборатории, такие как OpenAI и Anthropic, через многомиллиардные соглашения «акции в обмен на вычислительные мощности» фиксируют ресурсы GPU по почти себестоимости — от 1,30 до 1,90 доллара в час. В то время как небольшие компании, не имеющие стратегических отношений с Nvidia, Microsoft или Amazon, вынуждены покупать по розничным ценам, превышающим 14 долларов в час — с наценкой до 600%.
Эту ценовую пропасть движут стратегические инвестиции Nvidia в размере 40 миллиардов долларов в ведущие лаборатории. Доступ к инфраструктуре ИИ все больше определяется капиталоемкими закупочными соглашениями, а не открытой рыночной конкуренцией.
На этапе раннего внедрения такая концентрация может казаться «эффективной». Но после масштабирования она приводит к ценовым рискам, узким местам в поставках и зависимости от инфраструктуры — тройная уязвимость.
III. Упускаемое измерение энергии
У проблемы стоимости инфраструктуры ИИ есть еще одно часто упускаемое измерение: энергия.
Согласно данным Международного энергетического агентства (МЭА), центры обработки данных в настоящее время потребляют около 1–1,5% мирового объема электроэнергии, и рост спроса, driven by AI, может значительно увеличить эту долю в ближайшие годы.
Это означает, что экономика вычислений — это не только финансовый вопрос, но и вызов инфраструктуры и энергетики. По мере расширения рабочих нагрузок ИИ геополитическое значение энергоснабжения будет становиться все более очевидным — та страна, которая сможет обеспечить наиболее стабильные вычислительные мощности с наименьшими энергетическими затратами, получит структурное преимущество в промышленной конкуренции эпохи ИИ.
Когда Дженсен Хуанг (Jensen Huang) на GTC26 объявил, что видимость заказов Nvidia превысила 1 триллион долларов, он описывал не только коммерческий успех одной компании, но и грандиозный процесс, в ходе которого вся цивилизация преобразует электроэнергию, землю и дефицитные полезные ископаемые в интеллектуальные вычисления.
IV. Переосмысление механизмов инфраструктуры
Пока централизованные ЦОДы продолжают расширяться,悄然兴起另一类探索 — попытки从根本上 переопределить способ координации вычислительных ресурсов.
Децентрализованный инференс: структурная альтернатива
Протокол Gonka является representative практикой в этом направлении. Это децентрализованная сеть, разработанная specifically для инференса ИИ, с ключевой целью проектирования: свести к минимуму накладные расходы на синхронизацию сети и консенсус, направив как можно больше вычислительных ресурсов на реальные рабочие нагрузки ИИ.
На уровне управления Gonka использует принцип «одна единица вычислений — один голос» — вес в управлении определяется проверяемым вкладом вычислительной мощности, а не долей капитала. На техническом уровне протокол использует короткие интервалы измерения производительности (называемые Sprint), требуя от участников в реальном времени демонстрировать реальную вычислительную мощность GPU через механизм доказательства работы (Proof-of-Work) на основе Transformer.
Значение этого дизайна в том, что почти 100% сетевых вычислений направляется на саму рабочую нагрузку инференса ИИ, а не消耗 на поддержание консенсуса, координацию通信 и другие инфраструктурные накладные расходы.
Экономическая логика распределенных вычислений
С экономической точки зрения, ценностное предложение децентрализованных вычислительных сетей имеет три уровня.
Первый —成本层 (cost layer). Структура ценообразования централизованных облачных провайдеров по своей сути включает огромную амортизацию основных средств, операционные расходы ЦОД и ожидания прибыли акционеров. Децентрализованные сети, монетизируя незадействованные ресурсы GPU, могут significantly сократить эти затраты. Например, текущая стоимость услуг инференса, предоставляемых через шлюз биллинга в долларах США GonkaGate, составляет около 0,0009 доллара за миллион токенов — в то время как централизованные поставщики, такие как Together AI, оценивают аналогичные модели (например, DeepSeek-R1) примерно в 1,50 доллара, разница более чем в тысячу раз.
Второй —供应弹性层 (supply elasticity layer). Предложение вычислительных мощностей централизованных провайдеров жесткое, циклы масштабирования исчисляются месяцами и даже кварталами. Участники децентрализованных сетей могут弹性加入 или выходить в зависимости от колебаний спроса, теоретически способные быстрее реагировать на пики спроса — подобно тому, как Amazon Web Services当年родились из-за пикового спроса в праздничные дни, пики и спады инференса ИИ同样требуют弹性инфраструктуры.
Третий —主权层 (sovereignty layer). Это измерение особенно突出с точки зрения суверенных государств. Когда государственные услуги страны глубоко зависят от внешнего облачного провайдера, зависимость от вычислений становится стратегической уязвимостью. Децентрализованные сети предлагают возможность: локальные ЦОДы могут подключаться к глобальной распределенной сети как узлы, обеспечивая data sovereignty, одновременно получая устойчивую коммерческую отдачу от предоставления вычислительных мощностей global рынку.
V. Момент реконструкции распределения стоимости
Вернемся к核心вопросу в начале статьи: является ли текущая экономическая модель инфраструктуры ИИ устойчивой после масштабирования?
Ответ: для ведущих игроков — да; для всех остальных — все менее и менее устойчива.
AWS, Azure, Google Cloud построили свои рвы за десятилетия накопления капитала, их преимущество масштаба в краткосрочной перспективе几乎непоколебимо. Но это структурное преимущество также означает, что ценовая власть, доступ к данным и зависимость от инфраструктуры高度сосредоточены в руках нескольких частных entities.
Исторически каждая монополия на重大技术инфраструктуру в конечном итоге порождала альтернативные распределенные архитектуры — сам Интернет был бунтом против телекоммуникационной монополии, BitTorrent бросил вызов централизации распространения контента, Bitcoin — вызов централизации денежной эмиссии.
Децентрализация инфраструктуры ИИ, возможно, является не идеологическим выбором, а экономической необходимостью — когда стоимость централизации становится достаточно высокой, чтобы驱动大规模миграцию пользователей, спрос на альтернативы станет реальным. Хуанг использовал аналогию: «каждый финансовый кризис подталкивает больше людей к Bitcoin», эта логика同样применима к рынку вычислений.
Появление DeepSeek уже доказало одну вещь: в мире, где возможности open-source моделей приближаются к закрытым передовым, стоимость инференса станет核心переменной, определяющей скорость масштабирования приложений ИИ. Тот, кто сможет обеспечить вычислительные мощности для инференса с наименьшей стоимостью и наивысшей доступностью, получит входной билет на эту конкуренцию.
Заключение: война за инфраструктуру только начинается
Следующий этап конкуренции в ИИ будет определен не в рейтингах возможностей моделей, а в экономическом博弈инфраструктуры.
Централизованные гиганты вычислений обладают преимуществами капитала и масштаба, но также несут burden фиксированной структуры затрат и ценового давления. Децентрализованные сети выходят на рынок с extremely низкими предельными издержками, но должны доказать, что могут достичь реального коммерческого порога с точки зрения стабильности, удобства использования и масштаба экосистемы.
Два пути будут сосуществовать долгое время и оказывать давление друг на друга. Напряженность между централизацией и децентрализацией将成为одной из最值得持续追踪структурныхтем в индустрии ИИ в ближайшие пять лет.
Эта война за инфраструктуру только начинается.
