Запуск ChatGPT в конце 2022 года можно сравнить с появлением электрической лампочки: миллионы людей впервые получили доступ к системе, которая умела вести связный диалог, писать код, создавать тексты и решать задачи, еще недавно считавшиеся уделом специалистов. Эффект оказался ошеломляющим. Аудитория росла быстрее, чем у любого другого цифрового продукта в истории, а каждая новая версия моделей превращалась в событие мирового масштаба.
Следом началась гонка гигантов. OpenAI, Google, Anthropic, Microsoft, Amazon и Meta (признана экстремистской и запрещена в РФ), а также десятки стартапов начали регулярно выпускать новые поколения моделей с увеличенным контекстным окном и расширенным функционалом. Китай также быстро включился в соревнование, запустив десятки генеративных систем от DeepSeek до Qwen. Каждое обновление сопровождалось громкими обещаниями: персонализированная медицина, новые решения для энергетики, цифровые сотрудники в промышленности, ускоренные научные открытия.
Эйфория захватила и рынки. Nvidia стала самой дорогой компанией мира, капитализации Big Tech выросли на триллионы долларов на ожиданиях, что ИИ принесет человечеству невиданный рост производительности. Если интернет перевернул мир в 2000-е, то искусственный интеллект должен был повторить этот эффект в 2020-е, только быстрее и масштабнее.
Но за презентациями и оптимистичными прогнозами встает неудобный вопрос: действительно ли ИИ настолько хорошо, что способен изменить все отрасли экономики, или мы наблюдаем рождение пузыря, где сотни миллиардов инвестиций приносят лишь десятки миллиардов выручки?
На рынке сегодня можно найти большое количество различных аналитических отчетов с оценкой и прогнозами развития рынка ИИ. Зачастую цифры противоречат друг другу. При желании можно подтвердить любую гипотезу. Все очень разнится в зависимости от того, что именно относят к рынку ИИ.
С одной стороны, Morgan Stanley прогнозирует, что к 2028 году выручка от генеративного ИИ достигнет $1,1 трлн с маржой около 34%. Эти показатели могут оправдать инфраструктурные вложения до $280 млрд.
MoneyWeek одновременно отмечает, что на фоне вложений свыше $500 млрд доход от генеративного ИИ сейчас составляет около $35 млрд в год. Дисбаланс вызывает параллели с эпохой доткомов, когда капитализация росла быстрее реальной экономики, а пузырь в итоге схлопнулся.
Американские технологические гиганты сегодня тратят на искусственный интеллект с таким размахом, будто участвуют в новой космической гонке. Microsoft, Google, Amazon и Meta (признана экстремистской и запрещена в РФ) за последние три года вложили в дата-центры и суперкомпьютерные кластеры больше полутриллиона долларов. По оценкам аналитиков, к 2028 году эта сумма может подойти к трем триллионам. Основные расходы идут на закупку ускорителей Nvidia, которые фактически стали монополией в этой сфере, а также на электроэнергию, где мощности сопоставимы уже с потреблением целых стран.
Такие траты в теории должны были обеспечить фундамент для будущих доходов. Но пока картинка выглядит скромно: совокупная выручка от генеративного ИИ у лидеров рынка оценивается всего в $30–35 млрд в год. Это подписки на «премиум»-версии чат-ботов, корпоративные облачные сервисы и API-доступ для разработчиков. Даже при быстром росте аудитории эти суммы несоизмеримы с сотнями миллиардов инвестиций.
Финансовые отчеты BigTech, впрочем, показывают, что деньги у них есть. Совокупный операционный денежный поток (OCF) ТОП-10 компаний в 2025 году достиг рекордных $747 млрд за последние 12 месяцев. Это позволило резко нарастить капитальные расходы — до $340 млрд в год против $80 млрд в 2019-м. Но свободный денежный поток впервые за долгое время начал снижаться: с $425 млрд в конце 2024 года до $407 млрд в середине 2025-го.
Инвесторы пока не страдают: только на дивиденды и обратный выкуп акций за последний год компании направили $361 млрд, что стало историческим максимумом. Nvidia, Apple и Microsoft лидируют в этой гонке. Однако баланс заметно сместился в сторону инфраструктуры: впервые за годы на капексы тратят почти столько же, сколько на акционерную политику.
Вроде бы отчеты красивые, но мультипликаторы говорят об обратном: капитализация BigTech к выручке (P/S) выросла до 9,5 — вдвое выше «нормальных» уровней до 2020 года. Соотношение к прибыли (P/E) поднялось до 38, а к свободному денежному потоку — до 54. По сути, компании торгуются дороже, чем на пике пузыря 2021-го.
И это при том, что прирост производительности труда в США остается скромным — около 1,1% в год вместо ожидаемых 2% и выше. Получается парадокс: деньги в отрасли есть, маржа у Nvidia достигла рекордных 52%, но эффекта для экономики в целом пока нет.
Не случайно аналитики сравнивают нынешнюю ситуацию с началом 2000-х: тогда интернет обещал перевернуть все бизнес-модели, но большинство инвестиций не окупилось. После схлопывания пузыря интернет остался, но уже без иллюзий и с более прагматичной логикой развития. Станет ли ИИ повторением этой истории? Вопрос пока открытый.
Если США строят дорогую инфраструктуру и пытаются монетизировать каждую новую функцию, то Китай выбрал стратегию массового охвата. На внутреннем рынке уже работают десятки генеративных моделей: DeepSeek, Qwen, Kimi, GLM, Step-1o, Minimax, Hunyuan и многие другие. Почти каждое крупное интернет или телеком предприятие в Поднебесной выпускает собственный аналог ChatGPT, а новые стартапы появляются ежемесячно.
Главным отличием китайского подхода стали бесплатность и массовая доступность. Многие сервисы запускаются без подписки, что позволяет стремительно наращивать аудиторию. Миллионы китайцев уже используют LLM в повседневных задачах: от образования и онлайн-торговли до работы с госуслугами. В отличие от США, где бизнес-модель завязана на подписках и API, китайские разработчики делают ставку на долю рынка, а не на прибыль.
Решающую роль играет государство. Пекин рассматривает ИИ как элемент стратегической инфраструктуры. Модели внедряются в промышленность, транспорт, финансы и госуслуги. Государственные фонды и налоговые льготы создают условия, которые на Западе сочли бы экономически невыгодными. Только в полупроводниковый сектор уже направлено $47,5 млрд через национальный фонд, а региональные программы финансируют интеграцию ИИ в конкретные отрасли.
Но у этой стратегии есть ограничения. Главная проблема — санкции. Китай лишен доступа к самым передовым ускорителям Nvidia (H100, B200), а местные производители пока не способны выпускать чипы такого уровня. Это ограничивает возможности обучения и запуска моделей мирового масштаба. Тем не менее, Китай уже сам не рекомендует бизнесу покупать чипы Nvidia. Кроме того, бесплатная модель распространения снижает потенциал быстрой окупаемости: рынок растет вширь, но остается вопрос насколько он конкурентоспособен на вершине качества по сравнению с США.
И все же, Китай получает явное преимущество в скорости масштабирования и охвате аудитории. Массовый доступ формирует огромную базу пользователей и создает фундамент для будущих инноваций. Но без решения проблемы чипов и технологической зависимости страна рискует остаться «колоссом на глиняных ногах».
Российский рынок искусственного интеллекта развивается в условиях гораздо более ограниченных ресурсов, чем США или Китай. Основные игроки здесь Сбер с проектом GigaChat, Яндекс с линейкой YaLM и YandexGPT, а также МТС, Тинькофф и несколько нишевых команд. Их модели адаптированы под русский язык и специфику локального рынка, но масштаб ограничен. Главными проблемами остаются высокая стоимость оборудования и дефицит современных графических ускорителей, которые в основном поступают из Китая.Хотя в июне премьер-министр Михаил Мишустин заявил, что в России создаются видеокарты, способные конкурировать с Nvidia.
Санкции резко сузили доступ к передовым чипам и облачным сервисам, поэтому обучение моделей уровня GPT для российских компаний становится крайне дорогим. Даже крупнейшие игроки вынуждены оптимизировать архитектуру и снижать число параметров. Например, YaLM 2.0 Яндекса содержит порядка 13 млрд параметров, тогда как у западных аналогов речь идет о сотнях миллиардов.
Государство активно компенсирует ограничения. В рамках нацпроекта в 2024–2025 годах на развитие ИИ было выделено более 120 млрд рублей в виде грантов, налоговых льгот и субсидий. Работает программа «Внедрение ИИ» для корпоративного сектора и отдельные региональные инициативы. Ставка делается на внедрение технологий в приоритетных сферах: госуслугах, банковской системе и телекоммуникациях. Именно там модели реально применяются: чат-боты Сбера и МТС обслуживают миллионы клиентов, а Яндекс тестирует ИИ в сервисах поиска и голосовых ассистентах.
Объем российского рынка ИИ в 2024 году оценивался примерно в 320 млрд рублей, при этом эксперты прогнозируют дальнейший рост. Для сравнения: мировой рынок ИИ в том же году превысил $250 млрд, а китайский рынок — около $14 млрд. Масштаб несопоставим, и это определяет стратегию: Россия пока не может конкурировать напрямую и концентрируется на суверенных решениях.
Но здесь возникает противоречие. Мировая тенденция строится на open-source, где модели (от LLaMA до Mistral и Saiga) выкладываются в открытый доступ, что ускоряет коллаборации и эксперименты. Россия же делает ставку на закрытые разработки, что снижает возможности для интеграции в международные проекты и обмена опытом.
Таким образом, российский сегмент ИИ движется по собственному пути, где основной задачей являетсясохранение технологической независимости. Для государства это стратегическая задача, но для бизнеса ограниченный рынок с высокими барьерами входа и долгой окупаемостью.
Главный вызов для индустрии сегодня заключается в том, что привычный «закон масштабирования» перестал работать. В первые годы развития казалось очевидным, что чем больше параметров у модели, тем выше ее интеллект. GPT-3 с 175 млрд параметров действительно резко превосходил предшественников. Но к 2024–2025 годам стало ясно, что новые системы с сотнями миллиардов параметров оказываются лишь немного лучше, тогда как их обучение стоит уже не миллионы, а сотни миллионов долларов и требует ресурсов, сопоставимых с энергопотреблением небольшого города. Обучение GPT-3 в 2020 году обходилось в $5 млн и потребляло около 1,3 ГВт·ч электроэнергии, тогда как современные модели уровня GPT-4 или Gemini Ultra оцениваются в $100–200 млн и 5–10 ГВт·ч. Google в своем отчете Sustainability за 2024 год признал: углеродный след компании за три года вырос почти на 50% именно из-за нагрузки от ИИ.
Проблемы видны и в данных. Большая часть интернета уже использована для обучения, и по прогнозам исследователей Epoch AI к 2026 году высококачественных корпусов почти не останется. Это означает, что модели будут учиться на вторичных материалах и собственных выходах, что ведет к риску деградации знаний. Ограничения ощущаются и в качестве работы: даже самые передовые системы продолжают выдавать ошибки. Согласно отчету Stanford HAI (AI Index 2025), от 15 до 20% ответов крупнейших LLM содержат фактические неточности. В развлекательных сервисах это терпимо, но в медицине, юриспруденции или научных исследованиях такой уровень риска делает их применение проблематичным.
Ни Китай, ни Россия пока не предложили архитектурно новых решений. Большинство проектов остаются адаптацией западных подходов, упрощенными аналогами GPT или Claude, оптимизированными для локальных языков и сервисов. США пока сохраняют лидерство, но и там все чаще звучит мысль, что один лишь рост числа параметров и покупка все больших кластеров Nvidia не приведут к следующему технологическому скачку. Для выхода на новый уровень потребуются принципиально иные архитектуры, возможно переход к агентному или физическому ИИ. Отрасль оказалась в точке, где экстенсивный рост себя исчерпал, и впереди либо новая волна идей, либо долгий период доводки уже существующих систем.
На данный момент, гонка искусственного интеллекта оформилась в три модели, каждая из которых отражает логику собственной экономики. США делают ставку на прибыль, Китай на масштаб, Россия на суверенитет.
Американский выбор вроде как понятен: ИИ превращается в облачный сервис. Выручка формируется за счет подписок на ChatGPT Plus, Gemini Advanced или Claude Pro, корпоративных интеграций в Microsoft 365 и Google Workspace, а также API для разработчиков. Такой подход обеспечивает прогнозируемые источники дохода, но обостряет конкуренцию: пользователи легко переходят к конкуренту, если тот становится дешевле или функциональнее. При этом совокупная капитализация Big Tech превысила $22 трлн, однако реальные доходы от генеративного ИИ в 2024–2025 годах составляют лишь $30–35 млрд в год.
Китай действует противоположно: там ставка сделана не на маржинальность, а на охват. Миллионы пользователей бесплатно получают доступ к сервисам на базе DeepSeek, Qwen или Kimi, а государство активно продвигает ИИ в промышленность, транспорт и госуслуги. За два года аудитория китайских ИИ-платформ превысила 200 млн человек, а рынок растет вширь с беспрецедентной скоростью. Слабое место в том, что без доступа к передовым чипам страна рискует остаться на втором эшелоне качества, где ИИ полезен для повседневных задач, но отстает от лидеров в сложных сценариях.
Россия выбрала свой путь, ограниченный по масштабу, но ключевой для внутренней стабильности. Здесь ИИ встроен в экосистемы Сбера, Яндекса, МТС и Тинькофф и поддерживается государством через гранты и налоговые льготы. По данным Минцифры, объем российского рынка ИИ активно растет, но это пока доли процента от мирового. Основное применение сосредоточено в госуслугах, банках и телекоммуникациях. Эта модель позволяет обеспечить цифровой суверенитет, но не дает возможности выйти на глобальный рынок.
Ни у США, ни у Китая, ни у России нет универсальной бизнес-модели. Американский рынок уязвим из-за высокой конкуренции и несоразмерности доходов и инвестиций. Китайский зависит от господдержки и ограничен в технологиях. Российский слишком узок, но жизненно важен для внутренней инфраструктуры. В долгосрочной перспективе лидерство в ИИ не гарантировано никому: каждая стратегия несет собственные риски.
В США искусственный интеллект стал главным драйвером фондового рынка. Рост капитализации Nvidia превратил ее в самую дорогую компанию мира, а совокупная стоимость Big Tech с начала 2023 года выросла более чем на $8 трлн. Инвесторы закладывают в цены ожидания будущей отдачи от ИИ, хотя реальная выручка от генеративных сервисов пока ограничивается $30–35 млрд в год. При этом ежегодные капитальные расходы на инфраструктуру уже превысили $400 млрд, а к 2028 году могут приблизиться к $3 трлн. Такой разрыв между вложениями и текущими доходами делает долгосрочный ROI крайне неопределенным. Тем не менее, McKinsey оценивает потенциальный экономический эффект от генеративного ИИ в $2,6–4,4 трлн в год, а при учете всех косвенных факторов и до $7,9 трлн. Но это скорее верхняя граница сценариев, чем близкая перспектива.
Согласно Stanford HAI AI Index 2025, корпоративные инвестиции только в ИИ выросли до $252,3 млрд в 2024 г.; США лидируют с $109 млрд — почти в 12 раз больше, чем Китай ($9,3 млрд).
В Китае искусственный интеллект используется как инструмент ускоренной цифровизации. Модели внедряются в логистику, промышленность, здравоохранение и госуслуги, помогая оптимизировать процессы и снижать издержки. Масштаб впечатляет: аудитория ИИ-сервисов в стране уже превысила 200 млн человек. Но рост держится в первую очередь на государственной поддержке — грантах, субсидиях и административных мерах. Без этого «подпитывания» значительная часть проектов рискует оказаться нерентабельной. Китайская модель развития ИИ тесно переплетена с политикой: это не столько рыночный продукт, сколько элемент национальной стратегии.
Россия рассматривает искусственный интеллект как часть курса на цифровой суверенитет. Здесь ИИ внедряется в госуслуги, банковский сектор, телекоммуникации. Это помогает укрепить внутренний цифровой контур, но не создает значимого масштаба на глобальном уровне. PwC отмечает, что специалисты с навыками работы с ИИ в России и в мире зарабатывают в среднем на 56% больше, а производительность труда в секторах, активно внедряющих ИИ, выросла на треть. Но это пока точечные эффекты, которые не меняют общей картины.
Для всех стран остается общей проблема: при всей эйфории вокруг ИИ глобальная производительность труда почти не растет. Влияние концентрируется в узком круге технологических и финансовых компаний, тогда как в экономике в целом ощутимого ускорения нет. По сути, ИИ пока перераспределяет капитал и создает переоценку на фондовых рынках, но не дает того системного эффекта, который многие ожидают.
Экономика вокруг искусственного интеллекта отражается не только в капитализациях компаний и финансовых отчетах. Изменения все заметнее в повседневной жизни и ключевых секторах экономики.
На рынке труда формируется новая поляризация. Как уже отмечалось, специалисты с навыками работы с ИИ получают в среднем на 56% больше коллег. В отраслях, где активно внедряются цифровые инструменты, доход на сотрудника вырос почти на треть. Появляются новые профессии — промт-инженеры, интеграторы ИИ в бизнес-процессы, аналитики по этике алгоритмов. Одновременно часть рутинных ролей стремительно теряет спрос: автоматизируются колл-центры, бухгалтерский учет, документооборот. Исследование Goldman Sachs оценивает, что до 300 млн рабочих мест в мире подвержены риску автоматизации, хотя в большинстве случаев речь идет о частичной, а не полной замене функций.
Отраслевые эффекты проявляются по-разному. В медицине алгоритмы уже помогают ускорять диагностику и анализ снимков, но высокий уровень ошибок (по данным Stanford HAI, 15–20% ответов моделей содержат «галлюцинации») не позволяет пока доверять им без контроля врачей. В образовании особенно показателен китайский эксперимент: чат-боты встроены в онлайн-обучение миллионов школьников и студентов, и там речь идет не о пилотах, а о массовом использовании. В госуслугах ИИ активно внедряется в России, от МФЦ до налоговых сервисов. Это ускоряет обработку запросов граждан, но вызывает вопросы о защите персональных данных и рисках цифрового надзора.
Ограничения становятся все заметнее. Рост энергопотребления превращается в один из главных вызовов: обучение одной крупной модели требует столько же электричества, сколько небольшой город расходует за год. Google уже признал, что углеродный след компании за три года вырос почти на 50% именно из-за ИИ-нагрузки. Этические вопросы выходят на первый план — от приватности и авторских прав до создания фейкового контента. Дополнительным риском можно назвать цифровое неравенство: доступ к инфраструктуре концентрируется в США, Китае и нескольких других центрах, оставляя большую часть мира во «втором эшелоне» пользователей.
Большинство аналитиков рассматривает будущее индустрии искусственного интеллекта через три возможных сценария. Сценарий пузыря выглядит вполне реальным, если инвестиции продолжат расти быстрее, чем доходы. В этом случае рынок может повторить судьбу доткомов: резкое падение капитализаций, исчезновение десятков стартапов и консолидация вокруг нескольких гигантов. ИИ при этом никуда не денется, но разочарование инвесторов остудит интерес на годы вперед, а новые проекты будут получать финансирование с большим трудом.
Сценарий стабилизации кажется более вероятным. ИИ постепенно превращается в привычную инфраструктуру, подобно интернету или облачным сервисам. Гонка параметров уходит на второй план, акцент смещается на надежность, интеграцию в бизнес-процессы и стандартизацию. Прибыль распределяется равномернее, а рост замедляется, но технологии становятся более зрелыми и удобными. В этом сценарии ИИ закрепляется как базовый слой цифровой экономики, на котором строятся новые сервисы и рабочие процессы.
Сценарий прорыва связан с переходом от языковых моделей к агентным системам и, так называемому,физическому ИИ. Уже сегодня тестируются прототипы, способные самостоятельно планировать задачи, управлять бизнес-процессами и взаимодействовать с внешней средой. Следующим шагом будут цифровые двойники заводов, автономные роботы, симуляции сложных процессов. Такой переход потребует колоссальных ресурсов и принципиально новых архитектурных идей, но именно он способен дать эффект новой промышленной революции.
Эпоха хайпа подходит к концу, начинается эпоха прагматизма. Пузырь рано или поздно сдуется, но ИИ останется. Как и в случае с интернетом после обвала доткомов, технология не исчезнет вместе с переоценкой. ИИ останется с нами, но как инфраструктура, а не как обещание мгновенной технологической утопии.
Обсудить