Автор: Чжао Ин
Источник: Wall Street News
Бывший партнер a16z, известный технологический аналитик Бенедикт Эванс недавно опубликовал глубокую аналитическую статью, прямо указав на четыре фундаментальные стратегические дилеммы, с которыми сталкивается OpenAI за видимым процветанием. Он считает, что, несмотря на огромную пользовательскую базу и достаточный капитал, OpenAI не хватает технологического рва, пользовательской приверженности, быстрого преследования конкурентов, а также стратегии продукта, ограниченной направлением лабораторных разработок, что угрожает её долгосрочной конкурентоспособности.
Эванс указывает, что текущая бизнес-модель OpenAI не имеет явных конкурентных преимуществ. У компании нет уникальных технологий, она не сформировала сетевые эффекты, и только 5% из её 900 миллионов еженедельных активных пользователей платят, при этом 80% пользователей в 2025 году отправили менее 1000 сообщений — что в среднем составляет менее трёх запросов в день. Такая модель использования «миля в ширину, дюйм в глубину» показывает, что ChatGPT ещё не стал повседневной привычкой пользователей.
В то же время технологические гиганты, такие как Google и Meta, уже догнали OpenAI по технологиям и используют свои дистрибьюторские преимущества для захвата доли рынка. Эванс считает, что реальная ценность в области ИИ будет исходить от новых, ещё не изобретённых впечатлений и сценариев применения, а OpenAI не может самостоятельно создать все эти инновации. Это заставляет компанию сражаться одновременно на нескольких фронтах, разворачиваясь от инфраструктуры до уровня приложений.
Анализ Эванса раскрывает ключевое противоречие: OpenAI пытается создать конкурентные барьеры через масштабные капиталовложения и стратегию полноценной платформы, но при отсутствии сетевых эффектов и механизмов блокировки пользователей остаётся вопрос, будет ли такая стратегия эффективной. Для инвесторов это означает необходимость переоценки долгосрочной ценностной концепции OpenAI и её реального положения в конкурентном ландшафте ИИ.
Исчезновение технологического преимущества: усиление гомогенизации моделей
Эванс в своём анализе указывает, что в настоящее время около шести организаций могут выпускать конкурентоспособные передовые модели, и их производительность в основном сопоставима. Компании превосходят друг друга каждые несколько недель, но ни одна из них не смогла создать технологическое лидерство, с которым другие не могут соперничать. Это резко контрастирует с такими платформами, как Windows, поиск Google или Instagram — последние достигли самоусиления доли рынка через сетевые эффекты, что сделало невозможным для конкурентов нарушить монополию, независимо от вложенных средств и усилий.
Такая ситуация технологического выравнивания может измениться из-за некоторых прорывов, наиболее очевидным из которых является реализация способности к непрерывному обучению, но Эванс считает, что OpenAI в настоящее время не может это планировать. Другим возможным фактором дифференциации является эффект масштаба проприетарных данных, включая пользовательские данные или данные вертикальных отраслей, но существующие платформенные компании также имеют преимущество в этом аспекте.
На фоне сходимости производительности моделей конкуренция смещается в сторону бренда и каналов дистрибуции. Быстрый рост доли рынка Gemini и Meta AI подтверждает эту тенденцию — для обычных пользователей эти продукты выглядят очень похоже, а Google и Meta обладают мощными дистрибьюторскими возможностями. В сравнении, модель Claude от Anthropic, хотя часто лидирует в бенчмарках, имеет почти нулевую узнаваемость среди потребителей из-за отсутствия потребительской стратегии и продукта.
Эванс проводит аналогию между ChatGPT и Netscape, который имел раннее преимущество на рынке браузеров, но в конечном счёте был побеждён Microsoft, использовавшей дистрибьюторское преимущество. Он считает, что чат-боты сталкиваются с той же проблемой дифференциации, что и браузеры: по сути, они представляют собой всего лишь поле ввода и вывода, а пространство для продуктовых инноваций крайне ограничено.
Хрупкая пользовательская база: масштаб не скрывает недостаточной приверженности
Хотя OpenAI имеет явное лидерство с 8-9 миллионами еженедельных активных пользователей, Эванс указывает, что эти данные скрывают серьёзную проблему вовлечённости пользователей. Подавляющее большинство пользователей, которые уже знают и умеют использовать ChatGPT, не сделали его своей ежедневной привычкой.
Данные показывают, что только 5% пользователей ChatGPT платят, и даже среди американских подростков доля тех, кто использует его несколько раз в неделю или реже, значительно выше, чем тех, кто использует его несколько раз в день. OpenAI в рамках мероприятия «Итоги 2025 года» раскрыла, что 80% пользователей в 2025 году отправили менее 1000 сообщений, что по номиналу эквивалентно в среднем менее трём запросам в день, а фактически количество чатов ещё меньше.
Такое поверхностное использование означает, что большинство пользователей не видят различий между разными моделями в индивидуальности и акцентах, а также не получают выгоды от таких функций, как «память», предназначенных для создания приверженности. Эванс подчёркивает, что функция памяти может принести только приверженность, но не сетевые эффекты. В то же время данные использования от более крупной пользовательской базы могут быть преимуществом, но насколько велико это преимущество, когда 80% пользователей используют его максимум несколько раз в неделю, остаётся под вопросом.
OpenAI сама признаёт существование проблемы, указывая на «разрыв возможностей» между способностями модели и фактическим использованием пользователями. Эванс считает, что это уход от факта неясного соответствия продукта рынку. Если пользователи в обычный день не могут придумать, что с ним делать, это означает, что он ещё не изменил их жизнь.
Компания запустила рекламную программу отчасти для покрытия затрат на обслуживание более 90% неплатящих пользователей, но что более важно стратегически, это позволяет компании предлагать этим пользователям новейшие и самые мощные (и самые дорогие) модели, надеясь углубить вовлечённость пользователей. Однако Эванс сомневается: если пользователи сегодня или на этой неделе не могут придумать, что делать с ChatGPT, изменит ли это ситуацию предоставление им лучшей модели.
Стратегия платформы под вопросом: отсутствие настоящего эффекта маховика
В прошлом году генеральный директор OpenAI Сэм Альтман попытался объединить различные инициативы компании в последовательную стратегию, показав диаграмму и процитировав слова Билла Гейтса: определение платформы — это создание большей ценности для партнёров, чем для себя. В то же время финансовый директор опубликовал другую диаграмму, демонстрирующую «эффект маховика».
Эванс считает, что эффект маховика — это изящная, последовательная стратегия: сами капитальные расходы формируют良性循环 и становятся основой для построения на ней полноценной платформенной компании. Начиная с чипов и инфраструктуры, строится каждый уровень технологического стека, и чем выше поднимаешься, тем больше помогаешь другим использовать твои инструменты для создания собственных продуктов. Все используют твоё облако, чипы и модели, а затем на более высоких уровнях слои технологического стека взаимно усиливаются, формируя сетевые эффекты и экосистему.
Однако Эванс прямо заявляет, что, по его мнению, это не правильная аналогия, OpenAI не обладает той динамикой платформы и экосистемы, которой когда-то обладали Microsoft или Apple, и эта диаграмма маховика на самом деле не демонстрирует настоящий эффект маховика.
Что касается капитальных расходов, четыре крупные облачные компании в прошлом году инвестировали около 400 миллиардов долларов в инфраструктуру и объявили о вложениях не менее 650 миллиардов долларов в этом году. OpenAI несколько месяцев назад заявила о будущих обязательствах в 1,4 триллиона долларов и 30 гигаватт вычислительной мощности (без указания графика), в то время как фактическое использование на конец 2025 года составляло 1,9 гигаватт. Из-за отсутствия крупного денежного потока от существующего бизнеса компания достигает этих целей за счёт финансирования и использования чужих балансов (частично связанных с «циклическими доходами»).
Эванс считает, что крупные капиталовложения могут быть просто способом получить место за столом, а не конкурентным преимуществом. Он проводит аналогию затрат на инфраструктуру ИИ с производством самолётов или полупроводниковой отраслью: нет сетевых эффектов, но с каждым поколением продуктов процесс становится сложнее и дороже, и в конечном счёте лишь несколько компаний могут поддерживать инвестиции, необходимые для пребывания на передовой. Однако TSMC, хотя и имеет де-факто монополию на передовые чипы, это не даёт ей рычагов или способности захватывать ценность в вышестоящем технологическом стеке.
Эванс указывает, что разработчики должны были создавать приложения для Windows, потому что у него были почти все пользователи, а пользователи должны были покупать ПК с Windows, потому что на нём были почти все разработчики — это сетевой эффект. Но если вы используете генеративный ИИ для изобретения отличного нового приложения или продукта, вы просто нужно сделать API-вызов к базовой модели, работающей в облаке, и пользователи не знают и не заботятся о том, какую модель вы использовали.
Отсутствие продуктового лидерства: стратегия ограниченная лабораторией
Эванс в начале статьи цитирует руководителя продукта OpenAI Фиджи Симо в 2026 году: «Якуб и Марк задают долгосрочные направления исследований. После месяцев работы появляются потрясающие результаты, и затем исследователи связываются со мной и говорят: „У меня есть кое-что крутое. Как ты собираешься использовать это в чате? Как для наших корпоративных продуктов?“»
Это высказывание резко контрастирует со знаменитыми словами Стива Джобса 1997 года: «Вы должны начинать с клиентского опыта и идти обратно к технологии. Вы не можете начинать с технологии и затем пытаться понять, куда её продать.»
Эванс считает, что когда вы руководитель продукта в лаборатории ИИ, вы не контролируете свою дорожную карту, способность определять продуктовую стратегию очень ограничена. Вы открываете почту утром и обнаруживаете, что лаборатория что-то разработала, и ваша работа — превратить это в кнопку. Стратегия происходит где-то ещё, но где?
Эта проблема подчёркивает фундаментальный вызов, стоящий перед OpenAI: в отличие от Google 2000-х или Apple 2010-х, у умных и амбициозных сотрудников OpenAI нет по-настоящему эффективного продукта, который другие не могут повторить. Эванс считает, что одну из интерпретаций активности OpenAI за последние 12 месяцев можно сформулировать так: Сэм Альтман глубоко осознаёт это и пытается до того, как музыка прекратится, преобразовать оценку компании в более устойчивую стратегическую позицию.
Большую часть прошлого года ответом OpenAI, казалось, было «всё сразу, и немедленно». Платформа приложений, браузер, социальное видео-приложение, сотрудничество с Джони Айвом, медицинские исследования, реклама и так далее. Эванс считает, что некоторые из этих инициатив выглядят как «атака по всем фронтам» или просто результат быстрого найма большого количества амбициозных людей. Иногда также создаётся ощущение, что люди копируют формы ранее успешных платформ, не fully понимая их цель или динамические механизмы.
Эванс repeatedly использует термины платформа, экосистема, рычаг и сетевые эффекты, но он признаёт, что эти термины широко используются в технологической отрасли, но их значения довольно размыты. Он цитирует своего университетского профессора средневековой истории Роджера Ловатта: власть — это способность заставлять людей делать то, чего они не хотят делать. В этом и заключается настоящий вопрос: есть ли у OpenAI способность заставлять потребителей, разработчиков и предприятия больше использовать её систему, независимо от того, что система фактически делает? Microsoft, Apple и Facebook once обладали этой способностью, как и Amazon.
Эванс считает, что хороший способ интерпретировать слова Билла Гейтса — это то, что платформа действительно реализует использование творческого потенциала всей технологической отрасли, так что вам не нужно изобретать всё самостоятельно, можно массово строить больше вещей, но всё это делается на вашей системе, под вашим контролем. Базовые модели действительно являются мультипликатором, и с их помощью будет построено много нового. Но есть ли у вас причина заставлять всех использовать ваш продукт, даже если конкуренты уже построили то же самое? Есть ли причина, по которой ваш продукт всегда будет превосходить продукт конкурентов, независимо от того, сколько средств и усилий они вложат?
Эванс подводит итог: без этих преимуществ единственное, что у вас есть, — это ежедневное исполнение. Конечно, исполнять лучше всех — это желание, некоторым компаниям удавалось делать это в течение длительного времени, и они даже убеждали себя, что институционализировали это, но это не стратегия.
