🪙 Почему мировые ИИ-компании не окупаются?
Главная иллюзия последних лет: «Чат-бот написал стихи → бизнес взлетит». Реальность такова:
· Затраты на GPU не окупаются подписками. Обучение одной модели GPT-4 стоило $100+ млн. Содержание инфраструктуры для миллионов бесплатных пользователей — миллиарды в год. Даже $20/мес с 10 млн подписчиков не покрывают расходы на железо и электричество (провайдеры вроде Microsoft и Google пока закрывают убытки других отделов).
· ROI отрицательный. По данным исследования EY (2024), 70% компаний, внедривших GenAI, не видят возврата инвестиций. ИИ сокращает время написания кода на 30%, но почти не влияет на выручку.
· LLM ( языковая модель) — это не продукт. Клиенты не хотят платить за «просто нейросеть». Они платят за решение конкретной задачи (автоматизация бухгалтерии, дизайн баннера). Сейчас рынок переполнен одинаковыми чат-ботами без уникальной ценности.
🪙 Специфические проблемы ИИ в России.
Помимо общемировых, у нас есть свои уникальные ( так всегда) :
· Аппаратная блокада. NVIDIA не поставляет H100/A100. Свои процессоры (МЦСТ, Байкал) отстают в 10-20 раз по производительности для обучения LLM. Да и есть ли они, эти процессоры в природе? Сборку Байкал М прекратили из за недостатка кристаллов. ☹️
Серверные решения РФ на базе Intel/AMD через «серый импорт» стоят в 3-5 раз дороже мировых.
$INTC $AMD
· Кадровый голод иного рода. Мало просто ML-инженеров. Нужны архитекторы ИИ-систем под импортозамещение.
· Отсутствие «своих данных» для обучения. Российский сегмент интернета мал и зашумлен. Модели от Сбера или Яндекса иногда фантазируют («галлюцинируют») на темах, по которым мало русскоязычных данных. Хотя сейчас начинают внедрять применение иностранных данных для обучения российских ИИ.
$SBER $YDEX
🪙 Снижение эффективности — это не миф.
Эффективность падает, потому что:
· ИИ начали использовать там, где он не нужен. «ИИ-холодильник» и «ИИ-напоминалка» — это переусложнение, которое ломается чаще, чем решает задачу.
· Проблема «засорения» контента. ChatGPT пишет статьи, которые читают ChatGPT-боты. Данные для обучения новых моделей становятся все более синтетическими и низкокачественными. ИИ общается с ИИ.
· Потолок масштабирования. Увеличение модели в 10 раз больше не дает 10-кратного прироста ума, как это было раньше.
🪙 Кто же зарабатывает (в мире и в РФ)?
Зарабатывают не те, кто делает ИИ, а те, кто продает железо/облака и внедряет в производство.
· Зарабатывают точно: Nvidia, поставщики электроэнергии, облачные провайдеры (в РФ: Yandex Cloud, VK Cloud), разработчики узких систем распознавания.
$VKCO
· «Раздутые» убыточные гиганты (многие стартапы из долины, а также Microsoft/Google на этом направлении) — терпят убытки, надеясь на будущую монополию.
· Российский кейс: «Сбер» открыто заявляет, что GigaChat и Kandinsky — это инструмент удержания клиентов экосистемы, а не источник прибыли напрямую. Зарабатывает Сбер на том, что человек покупает больше услуг, потому что у него есть «умный помощник».
Про РФ: Рынок ИИ вырос, но количество B2B-проектов, окупившихся за 3 года, менее 15%. Инвесторы в российские ИИ-стартапы венчурного уровня сейчас хотят не «нейросеть за миллиард», а «сервис автоматизации за 50 млн».
Итог:
Снижение эффективности и отсутствие прибыли — это пузырь перегретых ожиданий, который лопается.
ИИ не отменят. Но рынок корректируется:
1. Умрут стартапы «ИИ для чайников» без бизнес-модели.
2. Останутся те, кто встроил ИИ в конкретный прикладной софт.
3. В России, из-за дороговизны GPU и санкций, выживут только госкорпорации и крупный e-commerce (Ozon, Wildberries), а сотня маленьких компаний закроется скорее всего в ближайшем будущем.
$OZON
В общем ИИ пока борется сам с собой и собственной дороговизной и неэффективностью.
Если было полезно, то ставьте 👍