Почему ИИ отличается от предыдущих технологических бумов

На протяжении десятилетий масштаб был основным фактором, определяющим результаты деятельности и оценки технологических компаний. По мере того, как приложения, веб-сайты, интернет-магазины и социальные сети расширяли свою пользовательскую базу, предельные издержки снижались, сетевой эффект укреплялся, а ценовая власть увеличивалась. Оценки стали отражать долгосрочный потенциал роста, а не краткосрочную прибыльность.

Силы, которые определяли победителей в сфере технологий в прошлом, вряд ли будут доминировать в процессе внедрения ИИ, поскольку динамика конкуренции различается по шести ключевым параметрам. Во-первых, капитальные затраты больше не являются незначительным препятствием, а представляют собой серьезный барьер. В ходе предыдущих технологических волн потребности в капитале в основном ограничивались стартовой фазой и были относительно скромными. Например, Facebook изначально привлек всего 500 000 долларов в качестве стартового капитала.

Но те ранние инновации были построены на основе существующей инфраструктуры, такой как Linux, Apache, MySQL и PHP (так называемый стек LAMP), что значительно снизило первоначальные затраты. ИИ, напротив, является чрезвычайно капиталоемким. Ожидается, что к 2030 году капиталовложения в отрасли превысят 7 триллионов долларов, поскольку компании строят центры обработки данных, расширяют вычислительные мощности и инвестируют в специализированное оборудование. В отличие от предыдущих технологических циклов, эти инвестиционные потребности не исчезнут по мере созревания отрасли и могут даже усилиться.

Более того, эти затраты, возможно, никогда не снизятся значительно, поскольку срок службы центров обработки данных часто измеряется годами, а не десятилетиями. В то время как облачные вычисления также требовали огромных инвестиций в серверы общего назначения, ИИ требует совершенно новой инфраструктуры, включая графические процессоры и тензорные процессоры (TPU), для обработки огромного количества одновременных вычислений, связанных с обучением и запуском моделей ИИ.

Такие системы являются дорогостоящими и энергоемкими. Ожидается, что к 2027 году один крупномасштабный цикл обучения ИИ будет стоить более 1 миллиарда долларов. Выжить смогут только те компании, которые могут позволить себе вступительную цену, что дает сегодняшним технологическим гигантам — с их огромными денежными потоками, надежными балансами и доступом к рынкам капитала — решающее преимущество.

Во-вторых, структура операционных затрат ИИ подрывает традиционную экономию от масштаба. В предыдущих технологических циклах маржинальные затраты на одного пользователя резко снижались по мере роста платформ. Будь то социальные сети, программное обеспечение или приложения для совместных поездок, такие как Uber, затраты распределялись по растущей клиентской базе, что позволяло платформам поддерживать высокую рентабельность по мере их расширения.

Эти модели также отличались низкими операционными расходами. Как только Facebook достиг достаточного масштаба, предельные затраты на добавление пользователей стали незначительными. В результате компании уделяли мало внимания затратам на обслуживание каждого пользователя, поскольку это редко угрожало финансовой жизнеспособности.

ИИ меняет эту динамику. Контроль предельных затрат больше не является факультативным, поскольку крупные языковые модели и другие системы ИИ несут значительные затраты при каждом взаимодействии, которое требует миллиардов вычислений. Именно поэтому компании, занимающиеся ИИ, сосредоточены на снижении затрат на каждый запрос с помощью специального оборудования, такого как TPU, и разработки более компактных и эффективных моделей, таких как китайская DeepSeek.

Масштаба недостаточно

Третьей областью, в которой ИИ отличается от предыдущих технологических революций, является слабость и хрупкость сетевых эффектов. Старые технологические платформы извлекали выгоду из самоусиливающегося роста. Покупатели и продавцы были привлечены рынком Amazon именно потому, что деятельность уже была сконцентрирована там.

Пользователи ИИ могут легко переключаться между моделями, использовать несколько одновременно — одну для текста, другую для изображений, третью для кодирования — или даже создавать свои собственные. Затраты на переключение низкие, а лояльность слабая, что делает сетевые эффекты гораздо менее влиятельными при определении долгосрочных победителей в сфере искусственного интеллекта.

Для традиционных технологических компаний сочетание падающих маржинальных затрат и сетевого эффекта усилило преимущества масштаба, стимулируя гонку за привлечение как можно большего числа пользователей. Эта стратегия имела смысл для таких компаний, как Facebook, которые создавали ценность, монетизируя внимание потребителей с помощью рекламы.

Компании, занимающиеся искусственным интеллектом, сталкиваются с другой структурой затрат. Каждая новая версия их продукта требует дополнительных капиталовложений. Каждый дополнительный пользователь увеличивает затраты, особенно затраты на инференцию. Хотя расходы на обучение могут быть амортизированы за счет более широкой базы пользователей и могут появиться некоторые экономии за счет масштаба, рост использования все же приводит к увеличению операционных затрат.

Четвертое отличие заключается в переходе от фрагментации рынка к мгновенному насыщению. Ранее технологические платформы росли в рамках в основном изолированных рынков: Google доминировал в сфере поиска, Amazon сосредоточился на розничной торговле. Ища отдельные ниши, такие как студенты колледжей (Facebook) и профессионалы (LinkedIn), компании имели время для созревания до того, как конкуренция усилилась.

ИИ, напротив, является технологией общего назначения, которая охватывает различные отрасли. Поскольку пользователи могут мгновенно получить к ней доступ через приложения или интерфейсы прикладного программирования, компании больше не могут позволить себе роскошь достичь зрелости до появления конкурентов. Эта динамика дает ИИ потенциал для разрушения не только отдельных секторов, но и всех существующих технологических бизнес-моделей.

В-пятых, политическое влияние теперь имеет такое же значение, как и рыночная власть. Ранее волны инноваций не требовали от компаний такого тесного взаимодействия с правительствами и регулирующими органами, как это необходимо в случае с ИИ. Хотя социальные сети в конечном итоге подверглись тщательному анализу в связи с их привыкающим эффектом, воспринимаемые риски, связанные с современными новыми технологиями, являются более глубокими и во многих отношениях экзистенциальными, учитывая потенциал ИИ вызывать сокращение рабочих мест, усугублять неравенство и подрывать демократическое управление. Поскольку компании, занимающиеся ИИ, сталкиваются как с рыночными силами, так и с политическим давлением, компании, которые могут формировать регулирование, влиять на общественное мнение и поглощать репутационный риск, имеют больше шансов на успех.

Microsoft является ярким примером такой компании. В явной попытке завоевать политическую и социальную легитимность компания недавно пообещала покрывать расходы на электроэнергию своих центров обработки данных, чтобы повышение цен не отразилось на потребителях.

Конец принципа «победитель получает все»?

Наконец, ИИ может быть менее подвержен динамике «победитель получает все». Масштаб, почти нулевые маржинальные издержки и сильные сетевые эффекты позволили таким компаниям, как Facebook, Google, Amazon и Apple, доминировать в социальных сетях, поисковых системах, электронной коммерции и смартфонах соответственно. Сектор ИИ, по крайней мере на начальном этапе, вряд ли будет следовать этой модели. Вместо того, чтобы сходиться к одному монопольному победителю, он может поддерживать нескольких доминирующих игроков, каждый из которых контролирует свою нишу.

Безусловно, компания, занимающаяся ИИ, может достичь точки, когда ее технологическое лидерство станет самоусиливающимся и фактически непреодолимым. Благодаря постоянному самосовершенствованию и подавляющему превосходству продуктов, или даже разработке искусственного общего интеллекта, такая компания может достичь устойчивой рыночной власти, что позволит ей доминировать в этой области.

До тех пор инвесторы должны признать, что ИИ следует новой стратегической логике. Применение устаревших технологических метрик к этой быстро развивающейся сфере не только контрпродуктивно, но и потенциально дорогостояще. Инвесторы, которые полагаются на прошлый опыт, рискуют стать проигравшими на современном рынке, движимом ИИ.

Рассмотрим вознаграждение в виде акций. Исторически стимулирование акциями позволяло технологическим компаниям нанимать и удерживать таланты, приобретать интеллектуальную собственность и расширяться за счет слияний и поглощений. Но опционы на акции не могут оплатить центры обработки данных, вычислительные мощности или энергетическую инфраструктуру. Для удовлетворения этих потребностей компаниям, работающим в сфере ИИ, требуются реальные инвестиции, стабильные денежные потоки и надежный доступ к рынкам капитала.

Точно так же инвесторы когда-то терпели отрицательную маржу, пока рост числа пользователей был устойчивым, а доходы от рекламы росли. Но неопределенность, связанная с ИИ, и масштаб необходимых капиталовложений ограничивают их способность оценить, когда эти инвестиции окупятся и как преобразования, основанные на ИИ, в конечном итоге увеличат маржу. В результате все большее внимание уделяется сильным балансам и очевидной финансовой устойчивости.

Таким образом, в гонке за лидерство в области ИИ победят не компании с наибольшим количеством пользователей или самыми быстрыми темпами роста. Вместо этого победителями станут компании, которые смогут сочетать превосходные продукты с финансовой мощью и политическим влиянием.

В этом смысле ИИ больше напоминает капиталоемкие отрасли середины 20-го века, чем технологические модели последних лет, не требующие больших вложений. В условиях роста операционных затрат и легкого перехода потребителей от одной модели к другой прибыльность будет зависеть от удержания эластичного спроса при одновременном преобразовании политического капитала и регуляторного влияния в устойчивое конкурентное преимущество.