Проект «Шаллотпит» и «Тяжёлые времена»: внутренняя записка Сэма Альтмана раскрывает самый большой кризис OpenAI

И проблема на 650 миллиардов долларов: почему OpenAI обречен на успех

В ноябре 2025 года тектонические плиты технологической индустрии кардинально сдвинулись. Долгое время OpenAI считался неприкасаемым монархом новой эпохи искусственного интеллекта – Давидом, показывающим Голиафам Кремниевой долины, как работают инновации. Но эта аура непобедимости начала рушиться. С выпуском Google Gemini 3 и стремительным ростом популярности моделей Claude от Anthropic ситуация изменилась. То, что начиналось как триумфальное шествие к искусственному суперинтеллекту, превратилось для OpenAI в экзистенциальную битву с технологической стагнацией и экономическими реалиями.

Ситуация парадоксальна: OpenAI никогда не была столь ценной на фондовом рынке, но её технологическое лидерство никогда не было столь хрупким. Хотя компания Сэма Альтмана, оценённая в 500 миллиардов долларов, вторгается на территорию, обычно зарезервированную для устоявшихся технологических гигантов, существует опасный разрыв между её рыночной стоимостью и фактической прибыльностью. Годовой доход в 13 миллиардов долларов резко контрастирует с колоссальными убытками и инфраструктурными вложениями в сотни миллиардов. Эта агрессивная модель роста работала до тех пор, пока OpenAI предлагала, бесспорно, лучший продукт на рынке. Но теперь этот принцип рухнул.

С запуском Gemini 3 Google не только догнал OpenAI в технологическом плане, но и обогнал OpenAI в ключевых областях. Благодаря возрождению предобучения и масштабной интеграции в собственную экосистему, поисковый гигант демонстрирует, что внушительные финансовые возможности, собственное оборудование и многолетний опыт обработки данных в конечном итоге перевешивают преимущество первопроходца, присущее стартапу. Поспешная стратегическая перестройка OpenAI, символом которой стал внутренний проект «Shallotpeat», — это признание того, что его прежняя ставка на «модели рассуждения» не оправдалась.

В данной статье анализируется анатомия этого сдвига власти. Она показывает, как технические просчеты, финансовые махинации и возрождение конкуренции создают токсичную смесь, которая может переопределить не только будущее OpenAI, но и структуру всей индустрии ИИ.

Подходит для:

• Это революция ИИ? Gemini 3.0 против OpenAI: дело не в лучшей модели, а в лучшей стратегии.

Бывший авангард искусственного интеллекта борется за свое будущее, в то время как Google меняет баланс сил с помощью грубой технологической силы.

Глобальная гонка за доминирование в области искусственного интеллекта приняла драматический оборот в ноябре 2025 года. То, что OpenAI годами считалось прочным лидерством, за несколько месяцев превратилось в шаткую оборонительную позицию. Выпуск Gemini 3 от Google не только ознаменовал собой технологическую веху, но и поставил под сомнение фундаментальные представления об архитектуре рынка ИИ. Во внутренней служебной записке генеральный директор OpenAI Сэм Альтман предупредил своих сотрудников о предстоящих непростых временах и признал, что последние достижения Google могут создать для компании временные экономические трудности. Эта необычайно откровенная оценка раскрывает хрупкость позиции, которая до недавнего времени казалась непреодолимой.

Масштаб этого сдвига становится понятен только в контексте логики оценки сектора. В настоящее время OpenAI оценивается примерно в 500 миллиардов долларов, при этом годовой доход компании составляет всего 13 миллиардов долларов. Столь резкое расхождение между рыночной капитализацией и фактической выручкой основано на предположении об экспоненциальном росте и устойчивом технологическом превосходстве. Gemini 3 от Google опровергает оба этих предположения одновременно. Модель превосходит OpenAI GPT-5.1 практически во всех стандартизированных тестах, демонстрируя возможности, которые сама OpenAI всё ещё стремится развивать.

Экономические последствия выходят далеко за рамки краткосрочных изменений доли рынка. OpenAI ежегодно тратит около восьми миллиардов долларов, а в прошлом году убытки составили пять миллиардов долларов. Этот дефицит может быть покрыт только постоянным притоком капитала, который, в свою очередь, зависит от доверия инвесторов к её технологическому лидерству. Если это лидерство ослабнет, вся логика финансирования рухнет. Ситуация напоминает скоростной поезд, у которого заканчивается топливо, но он продолжает двигаться на максимальной скорости.

Основным источником внутренней служебной записки Сэма Альтмана является The Information, новостное издание, специализирующееся на технологической отрасли.

Первоначально меморандум был опубликован изданием The Information 20 ноября 2025 года. Оригинальная статья называлась «Меморандум Альтмана предсказывает «тяжелые времена» из-за возрождающейся Google» или «Генеральный директор OpenAI готовится к возможным экономическим трудностям, которые могут помешать возрождающейся Google».

Публикация меморандума агентством Information впоследствии была подхвачена многими другими средствами массовой информации, в том числе:

• Таймс оф Индия
• Экономические времена
• Перспективы бизнеса
• Футуризм

Сама служебная записка представляла собой внутреннюю переписку Сэма Альтмана с сотрудниками OpenAI и, по всей видимости, попала в The Information благодаря источнику внутри компании. В ней Альтман предупредил о «временных экономических трудностях» в работе Google и заявил, что ожидает «непростых условий».

Анатомия технологического прорыва

Успех Google с Gemini 3 основан на фундаментальном переосмыслении, казалось бы, исчерпавшей себя методологии разработки. Предварительное обучение, фундаментальная фаза обучения моделей ИИ на огромных наборах данных, считалось некоторыми представителями исследовательского сообщества в значительной степени исчерпавшим себя. Принципы масштабирования, которые годами обещали предсказуемое повышение производительности за счёт более крупных моделей и большего объёма данных, похоже, достигли своего физического и экономического предела. OpenAI отреагировала сменой стратегического фокуса на так называемые модели рассуждений, такие как o1, которые повышают свою производительность за счёт увеличения времени обдумывания при выводе.

Однако Google продемонстрировала, что этот, казалось бы, обречённый процессор всё ещё обладает значительным потенциалом. Демис Хассабис, глава Google DeepMind, лаконично резюмировал это наблюдение: «Хотя экспоненциального роста производительности от поколения к поколению больше нет, окупаемость инвестиций в предварительную подготовку остаётся исключительно высокой». Gemini 3 Pro набрал 91,9% в тесте GPQA Diamond для научного мышления уровня PhD, превзойдя GPT-5.1 почти на четыре процентных пункта. Ещё более впечатляющими являются его результаты в абстрактном визуальном мышлении: с результатом 31,1% в тесте ARC-AGI-2 Gemini 3 почти вдвое превосходит GPT-5.1 и более чем в шесть раз превосходит своего предшественника».

Экономическое значение этого технологического превосходства проявляется в конкретных областях применения. В алгоритмическом решении задач Gemini 3 Pro достигает рейтинга Эло 2439 на LiveCodeBench Pro, что почти на 200 пунктов выше GPT-5.1. Это не академическая метрика, а прямой индикатор производительности разработчиков, использующих эти модели. На рынке, где OpenAI получает 70% дохода от доступа к API и корпоративных клиентов, технологическое отставание приводит к немедленной потере дохода.

Проблемы OpenAI с предварительным обучением стали очевидны во время разработки GPT-5, где традиционные методы оптимизации масштабирования перестали работать. Компания поняла, что традиционные методы повышения производительности утратили свою эффективность. В ответ OpenAI разработала GPT-5 со значительно меньшим бюджетом предварительных тренировок, чем GPT-4.5, но компенсировала это интенсивной оптимизацией посттренинга с использованием обучения с подкреплением. Эта стратегия оказалась успешной в краткосрочной перспективе, но создала структурную уязвимость: OpenAI специализировалась на методологии, которая, создавая инновационные возможности, игнорировала фундаментальную основу модели.

Стратегическое перепозиционирование и проект Shallotpeat

В меморандуме Альтмана не только диагностируется проблема, но и излагается контрстратегия OpenAI. В её основе лежит разработка новой модели под кодовым названием Shallotpeat, специально предназначенной для устранения выявленных недостатков предобучения. Само название имеет программный характер: лук-шалот плохо растёт на торфяной почве, субстрат далёк от идеала. Таким образом, OpenAI признаёт, что в основе её существующих моделей есть недостатки, которые невозможно устранить путём оптимизации поверхности.

Разработка Shallotpeat является частью более широкой стратегической перестройки. В своей записке Альтман подчёркивает необходимость сосредоточиться на весьма амбициозных проектах, даже если это временно ставит OpenAI в невыгодное положение. Одной из таких проектов является автоматизация самих исследований в области ИИ, метаподход, направленный на радикальное сокращение циклов разработки новых моделей. Это не просто оптимизация эффективности, а попытка фундаментально изменить правила игры: если системы ИИ смогут ускорить свою эволюцию, это может свести на нет структурные преимущества уже существующих игроков с огромными ресурсами.

Актуальность этой стратегии подчёркивается финансовым положением OpenAI. Компания должна выйти на прибыльность к 2029 году, чтобы выполнить свои обязательства перед Microsoft и другими партнёрами по развитию инфраструктуры. Эти обязательства составляют около 60 миллиардов долларов в год, в то время как текущие обязательства по развитию облачной инфраструктуры превышают 650 миллиардов долларов в течение следующих нескольких лет. Разница между этими обязательствами и текущей выручкой в ​​13 миллиардов долларов подчёркивает масштаб проблемы.

В то же время OpenAI реализует стратегию диверсификации, чтобы снизить свою зависимость от Microsoft. Изменение условий партнерства, объявленное в январе 2025 года, впервые позволяет OpenAI использовать вычислительные ресурсы конкурентов, таких как Oracle. Хотя Microsoft сохраняет преимущественное право на новые мощности, эксклюзивность была нарушена. Для OpenAI это потенциально означает более быстрый доступ к массивным кластерам графических процессоров, необходимым для обучения новых моделей. В рамках инициативы Stargate, являющейся совместным проектом OpenAI, Oracle, SoftBank и Microsoft, планируется инвестировать 500 миллиардов долларов в центры обработки данных в течение четырёх лет. Первый центр в Абилине, штат Техас, уже функционирует с кластерами графических процессоров Nvidia GB200.

Экономическая хрупкость бизнес-модели

Бизнес-модели ведущих компаний в области ИИ основаны на неявной ставке на сетевые эффекты и технологические блокировки. OpenAI добился значительных успехов в реализации этой стратегии: в ноябре 2025 года число еженедельно активных пользователей ChatGPT достигло примерно 700–800 миллионов, что вдвое больше, чем в феврале. Платформа обрабатывает 2,5 миллиарда запросов ежедневно и занимает пятое место среди самых посещаемых веб-сайтов в мире. Эта пользовательская база поначалу кажется неприступным рвом, но показатели конверсии выявляют её фундаментальную слабость: лишь около четырёх–десяти процентов пользователей платят за подписку.

Таким образом, экономическая жизнеспособность зависит от двух критических предположений: во-первых, что база пользователей продолжает расти экспоненциально, так что даже небольшие коэффициенты конверсии позволяют увеличить абсолютный доход; во-вторых, что технологическое превосходство привязывает пользователей к платформе, а затраты на переход к конкурентам остаются высокими. Gemini 3 от Google опровергает оба предположения. Технический паритет, или даже неполноценность, делает OpenAI взаимозаменяемым поставщиком на всё более коммерциализированном рынке.

Структура затрат усугубляет эту проблему. Обучение крупных языковых моделей и их операционное развертывание требуют огромных вычислительных ресурсов. Бюджеты проектов OpenAI на вычислительные ресурсы превышают 450 миллиардов долларов в период с 2024 по 2030 год, при этом общие обязательства составляют около 650 миллиардов долларов, некоторые из которых выходят за рамки 2030 года. Эти инвестиции должны быть обоснованы выручкой, которая, в свою очередь, зависит от доли рынка. Возникает порочный круг: если OpenAI теряет долю рынка, выручка снижается, что ограничивает возможности компании по дальнейшим инвестициям и, таким образом, ещё больше подрывает её технологическую конкурентоспособность.

Сравнительный анализ иллюстрирует масштаб проблемы. Anthropic, прямой конкурент, использующий модель Клода, в настоящее время оценивается в 170 миллиардов долларов, а прогнозируемый годовой доход составляет 4 миллиарда долларов. Чтобы оправдать свою текущую оценку, OpenAI и Anthropic должны достичь совокупной выручки более 300 миллиардов долларов к 2030 году, при условии рентабельности свободного денежного потока в 27%, сопоставимой с показателями Alphabet или Microsoft. Для сравнения, Nvidia, ведущий поставщик чипов для ИИ, по прогнозам, получит к 2030 году выручку всего в 350 миллиардов долларов.

Google как обладатель структурного преимущества

Позиция Google в гонке за ИИ принципиально отличается от позиции OpenAI благодаря интеграции в сложившуюся экосистему с диверсифицированными источниками дохода. Компания получает более 300 миллиардов долларов годового дохода, главным образом за счёт рекламы и облачных сервисов, что позволяет рассматривать разработку ИИ как стратегическую инвестицию, не требующую краткосрочной прибыли. Эта финансовая устойчивость позволяет Google экспериментировать и инвестировать в области, где игроки, занимающиеся исключительно ИИ, такие как OpenAI, сталкиваются с необходимостью немедленного получения прибыли.

Не менее значимы и преимущества дистрибуции. Google интегрирует Gemini в свою поисковую систему, которая ежедневно обрабатывает миллиарды запросов, в Gmail с более чем 1,5 миллиардами пользователей, в Google Docs, Sheets и весь пакет Workspace. Эта вездесущность создаёт пассивное воздействие: пользователи сталкиваются с Gemini в своих повседневных цифровых рабочих процессах, не прибегая к активному поиску инструментов ИИ. Даже если GPT-5.1 или Claude Sonnet 4.5 показывают несколько лучшие результаты в отдельных тестах, Google демонстрирует свою модель миллиардам пользователей.

Вертикальная технологическая интеграция усиливает эти преимущества. Google разрабатывает собственные ИИ-чипы с использованием TPU (тензорных процессоров), контролирует всю облачную инфраструктуру и обладает уникальными учебными ресурсами, накопленными за десятилетия сбора данных. Такой контроль над всей цепочкой создания стоимости снижает затраты и позволяет оптимизировать процессы, недоступные сторонним поставщикам. Как лаконично выразился один из комментаторов Reddit: Google контролирует оборудование, центры обработки данных, каналы распространения и саму информацию.

Исторические прецеденты предостерегают от переоценки раннего лидерства на рынке. Internet Explorer доминировал на рынке браузеров в конце 1990-х годов, занимая более 90% рынка, и считался непреодолимым соперником, но в течение десятилетия был вытеснен технически более совершенными альтернативами. Yahoo и AOL, некогда синонимами интернет-доступа, были вытеснены Google и другими. Преимущества первопроходцев на технологических рынках часто оказываются временными, если невозможно преодолеть структурные недостатки, такие как отсутствие вертикальной интеграции или финансовая нестабильность.

Перспектива инвестора и риски оценки

Оценка OpenAI в 500 миллиардов долларов представляет собой одно из самых резких расхождений между текущей прибылью и рыночной капитализацией в истории технологической отрасли. Эта оценка подразумевает мультипликатор выручки примерно в 38 раз, в то время как акции известных технологических гигантов торгуются с мультипликаторами от 5 до 15. Обоснование такой премии основано на предположении, что OpenAI займет непропорционально большую долю на развивающемся рынке ИИ.

Это предположение всё чаще подвергается сомнению в связи с эмпирическими данными. Последний раунд финансирования в марте 2025 года, в ходе которого компания OpenAI была оценена в 300 миллиардов долларов, был в пять раз переподписан. Последующий раунд в ноябре, увеличивший оценку до 500 миллиардов долларов, был привлечён в основном за счёт вторичной продажи существующих акций, а не за счёт новых вливаний капитала. Это свидетельствует об изменении настроений: ранние инвесторы используют возможности частичной реализации, в то время как новые инвесторы менее охотно вкладывают дополнительный первичный капитал.

Сравнение с пузырём доткомов неизбежно. Сам Сэм Альтман публично заявил о своей ожидающей возможности пузыря ИИ, сравнив рыночные условия с периодом бума доткомов и предостерегая инвесторов от чрезмерной эйфории. В то же время он прогнозирует триллионы долларов расходов на расширение центров обработки данных и, отвечая на опасения экономистов, призывает всех просто позволить OpenAI делать своё дело. Эта риторика напоминает о высокомерии конца 1990-х, когда фундаментальные вопросы оценки отбрасывались в сторону ссылками на новую парадигму.

Аналитики Reuters и других организаций подсчитали, что к 2030 году OpenAI и Anthropic должны будут достичь совокупной годовой выручки, превышающей 300 миллиардов долларов, чтобы оправдать свои совокупные оценки. Это означает, что обеим компаниям необходимо будет генерировать почти столько же выручки, сколько Nvidia, бесспорный лидер рынка чипов для ИИ. Учитывая растущую конкуренцию со стороны Google, Microsoft, Meta и многих других игроков, такой сценарий представляется всё менее вероятным.

Ситуация усугубляется развитием рынка искусственного интеллекта в целом. Исследование Массачусетского технологического института показало, что 95% компаний не получают ощутимой отдачи от своих инвестиций в генеративный ИИ. Это открытие спровоцировало значительную распродажу технологических активов в ноябре: акции Nvidia упали на 3,5%, а Palantir — почти на 10%. Рынки всё более нервно реагируют на любые признаки того, что обещанная отдача от ИИ не материализуется.

Отраслевые направления: B2B, цифровизация (от искусственного интеллекта до расширенной реальности), машиностроение, логистика, возобновляемые источники энергии и промышленность

Подробнее об этом здесь:

• Xpert Business Hub

Тематический центр с идеями и опытом:

• Платформа знаний о мировой и региональной экономике, инновациях и отраслевых тенденциях
• Сбор анализов, импульсов и справочной информации из наших приоритетных направлений
• Место для получения экспертных знаний и информации о текущих событиях в бизнесе и технологиях
• Тематический центр для компаний, желающих узнать больше о рынках, цифровизации и отраслевых инновациях

Возрождение эпохи предобучения и алгоритмические прорывы

Успех Google с Gemini 3 знаменует собой возрождение роли предварительного обучения как основного источника повышения производительности. Это развитие противоречит рассуждениям о конце эпохи масштабирования. Реальность сложнее: хотя предварительное обучение больше не обеспечивает экспоненциального роста, систематические и существенные улучшения по-прежнему возможны при использовании правильных методов.

Архитектура Gemini 3 объединяет несколько алгоритмических инноваций. Модель использует смешанную экспертную структуру, разработанную Джеффом Дином, главным научным сотрудником Google DeepMind. Эта архитектура активирует лишь часть параметров для каждого запроса, обеспечивая эффективность при сохранении высокой производительности. Gemini 3 также демонстрирует возможности мультимодальной интеграции, которые выходят за рамки простого перевода текста в изображение и включают сложные задачи визуального мышления.

Режим Deep Think в Gemini 3 представляет собой ответ Google на модели рассуждений OpenAI. Вместо того, чтобы рассматривать предварительную подготовку и рассуждения как конкурирующие парадигмы, Google объединяет обе. Deep Think достигает 41% в бенчмарке Humanity's Last Exam без вспомогательных средств и 45,1% в ARC-AGI-2 с выполнением кода. Эти результаты демонстрируют, что дихотомия между предварительным обучением и вычислениями во время тестирования ложна: оптимальные системы сочетают оба подхода.

Значение этого открытия для конкурентной среды невозможно переоценить. OpenAI специализировалась на вычислениях во время тестирования, поскольку масштабирование предобучения перестало работать. Теперь Google демонстрирует, что предобучение всё ещё имеет потенциал при правильном подходе. Это означает, что OpenAI не только отстала в технологическом плане, но и стратегически полагалась на методологию, которая, как оказалось, несовершенна.

Демис Хассабис сформулировал это комплексное видение в нескольких интервью. Он подчёркивает, что путь к общему искусственному интеллекту требует множества инноваций, а не только масштабирования. Эти инновации включают в себя агентные системы, способные отслеживать сложные задачи в течение длительных периодов времени, модели мира, формирующие внутренние представления физической реальности, и возможности метаобучения, позволяющие системам делать обобщения на основе ограниченного числа примеров. Google систематически инвестирует во все эти области, в то время как OpenAI в основном сосредоточен на логическом мышлении.

Подходит для:

• Стратегии ИИ в глобальном сравнении: сравнение (США против ЕС против Германии против Азии против Китая)

Роль моделей рассуждения и их ограничения

Модель o1 компании OpenAI и её последователи представляют собой фундаментальный сдвиг парадигмы в разработке ИИ. Вместо масштабирования преимущественно за счёт более крупных моделей и большего количества обучающих данных, эти системы тратят вычислительное время на формирование более длинных цепочек рассуждений в процессе вывода. Этот подход добился впечатляющих успехов в определённых областях, в частности, в математике, программировании и формальной логике, где проверяемые результаты служат обратной связью.

Однако ограничения такого подхода становятся всё более очевидными. Исследование, проведённое специалистами Apple, показало, что модели рассуждений работают значительно хуже, даже если задачи немного изменены. Изменение чисел или имён в математических задачах само по себе приводит к заметному снижению производительности. Ещё серьёзнее: добавление логически нерелевантной, но внешне правдоподобной информации приводило к снижению производительности на 17,5% для o1-preview, на 29,1% для o1-mini и до 65,7% для менее производительных моделей.

Эти результаты свидетельствуют о том, что модели рассуждений фактически не разрабатывают общие стратегии решения задач, а, в первую очередь, воспроизводят усвоенные шаблоны. Они ведут себя подобно студентам, которые запомнили определённые типы задач, но терпят неудачу, столкнувшись с незначительно изменёнными формулировками. Это не просто академическая критика, а непосредственный практический вывод: в реальных приложениях, связанных со сложными, многогранными задачами без стандартизированных формулировок, эти системы остаются ненадёжными.

Структура затрат на модели рассуждений усугубляет их ограничения. В отличие от традиционных моделей, где предварительная подготовка является наиболее ресурсоёмкой фазой, для моделей рассуждений эта зависимость обратная. Постобработка и вывод становятся доминирующим фактором затрат, что делает масштабирование экономически сложным. OpenAI приходится тратить значительно больше вычислительных ресурсов на каждый запрос o1, чем на сопоставимые запросы GPT-4, при этом пользователи не готовы платить пропорционально больше.

Интеграция возможностей рассуждений Google в оптимизированные для предварительной тренировки модели может оказаться более эффективным подходом. Gemini 3 с Deep Think достигает сопоставимой или даже более высокой эффективности рассуждений, чем o1, но построен на более прочной основе. Это говорит о том, что оптимальная архитектура использует рассуждения не как замену предварительной тренировки, а как дополнение к надежной базовой модели.

Конкурентная динамика и догоняющее развитие Anthropic

Семейство Claude от Anthropic, в частности Sonnet 4.5, уверенно занимает третье место в соревнованиях по искусственному интеллекту. Claude Sonnet 4.5 набрал 77,2% в верифицированном бенчмарке SWE-bench для решения реальных задач программной инженерии, став ведущей моделью в этой критически важной прикладной области. Благодаря параллельным вычислениям в режиме тестирования эта производительность возрастает до 82% — уровня, недостижимого ни GPT-5.1, ни Gemini 3.

Стратегический акцент Anthropic на безопасности и согласованности создаёт нишу с определённой готовностью платить. Компании в таких строго регулируемых секторах, как финансы, здравоохранение и кибербезопасность, всё чаще отдают предпочтение моделям, которые наглядно интегрируют надёжные механизмы безопасности. Claude Sonnet 4.5 достигает 98,7% по результатам тестов безопасности и демонстрирует снижение склонности к подхалимству, обману, стремлению к власти и бредовым рассуждениям. Эти характеристики — не просто маркетинговые ходы, а решение реальных проблем корпоративных клиентов.

Способность Claude Sonnet 4.5 поддерживать сложные, многоэтапные задачи рассуждения и выполнения кода более 30 часов делает его идеальной моделью для автономных агентов. Это быстрорастущий рынок, где системы ИИ самостоятельно управляют расширенными рабочими процессами. OpenAI и Google конкурируют в этом сегменте, но Anthropic добилась преимущества благодаря ранней специализации.

Ценообразование Claude отражает это позиционирование. Цена Claude составляет 3 доллара за миллион входных токенов и 15 долларов за миллион выходных токенов, что позволяет ему находиться в среднем ценовом сегменте, дешевле GPT-5.1 во многих случаях использования, но дороже некоторых альтернатив с открытым исходным кодом. Такая структура ценообразования отражает стратегию Anthropic: не массовый рынок за счёт низких цен, а премиальный сегмент за счёт превосходного качества и безопасности.

Оценка Anthropic в 170 миллиардов долларов при прогнозируемой годовой выручке в 4 миллиарда долларов кажется менее экстремальной, чем мультипликативное оценивание OpenAI, но остаётся амбициозной. Логика инвесторов иная: Anthropic позиционирует себя как цель поглощения или долгосрочного игрока на олигопольном рынке, а не как доминанта. Эти более скромные амбиции, как ни парадоксально, могут оказаться более устойчивыми, чем стратегия OpenAI «всё или ничего».

Дефицит данных и синтетические решения

Фундаментальной проблемой для всех разработчиков ИИ является растущий дефицит высококачественных обучающих данных. По оценкам Epoch AI, в настоящее время модели обучаются с использованием от 4,6 до 17,2 триллионов токенов. Большая часть свободно доступного интернет-текста уже использована. Дальнейшее повышение производительности больше не может быть достигнуто просто за счёт увеличения размера обучающих наборов данных, а требует более качественных и разнообразных данных.

Синтетические данные, то есть обучающий контент, генерируемый системами искусственного интеллекта, рассматриваются как потенциальное решение. Этот подход по своей сути парадоксален: модели должны обучаться на данных, сгенерированных предыдущими моделями. Это несёт риск коллапса модели, когда ошибки и смещения будут накапливаться с течением поколений. Однако тщательно подобранные синтетические наборы данных с разнообразием и контролем качества могут генерировать редкие пограничные случаи, которые не встречаются в естественных данных.

Google обладает структурными преимуществами в сборе данных через свою поисковую систему, Gmail, YouTube, Google Maps и множество других сервисов, которые постоянно генерируют свежие, разнообразные данные, генерируемые человеком. Эти потоки данных не только объёмны, но и структурированы в лонгитюдном режиме, что позволяет выявлять временные закономерности и тенденции. OpenAI не располагает сопоставимыми источниками данных и всё больше полагается на партнёрские отношения с издателями, лицензионные соглашения с медиакомпаниями и создание синтетических данных.

Правовая ситуация усугубляет эту асимметрию. Несколько исков от издателей и авторов против OpenAI за нарушение авторских прав могут ограничить доступ к историческим данным и сделать будущую деятельность по парсингу данных юридически рискованной. Google может утверждать, что сканирование веб-сайтов для индексации в поиске — это устоявшаяся, юридически обоснованная практика, способствующая развитию ИИ. Эта правовая неопределенность создает для OpenAI дополнительные риски, которые менее заметны для признанных технологических гигантов.

Суперинтеллект как долгосрочная ставка

В меморандуме Альтмана неоднократно подчёркивается необходимость продолжать концентрироваться на достижении сверхинтеллекта, несмотря на краткосрочное конкурентное давление. Эта риторика носит стратегический характер: она оправдывает текущие инвестиции и потери, указывая на преобразующие достижения в будущем. Под сверхинтеллектом понимаются гипотетические системы искусственного интеллекта, превосходящие человеческий интеллект во всех соответствующих областях и потенциально способные ускорить собственное развитие.

Экспертные оценки сроков этого развития значительно разнятся. Анализ более 8500 прогнозов указывает на медианный срок между 2040 и 2045 годами для достижения общего искусственного интеллекта, предшественника сверхразума. Некоторые известные эксперты, такие как Дарио Амодеи из Anthropic и Илон Маск, прогнозируют значительно более ранние сроки, в некоторых случаях даже 2026-2029 годы. Сам Сэм Альтман назвал 2029 год целевой датой.

Экономическая значимость этого спора заключается в логике оценки: если сверхинтеллект достижим в течение пяти лет, и OpenAI останется лидером в его разработке, это оправдывает практически любую текущую оценку. Однако если сверхинтеллект появится через 20 лет или OpenAI не останется лидером, основа для оценки рушится. Таким образом, инвесторы делают ставку не только на технологии, но и на конкретные сроки и рыночные позиции в гипотетических сценариях будущего.

Автоматизация исследований в области ИИ, которую Альтман выделяет в качестве ключевого направления, может сократить эти сроки. Системы, которые самостоятельно генерируют гипотезы, планируют эксперименты, обучают модели и интерпретируют результаты, значительно ускорят разработку. Google DeepMind работает над аналогичными подходами, в частности, интегрируя алгоритмы планирования, подобные AlphaGo, в языковые модели. Вопрос не в том, будут ли разработаны такие мета-ИИ-системы, а в том, кто первым их внедрит.

Структура рынка и формирование олигополии

Рынок искусственного интеллекта стремительно превращается в олигополию с тремя-пятью доминирующими игроками. OpenAI, Google, Anthropic, Microsoft и Meta обладают финансовыми ресурсами, техническими кадрами и инфраструктурой, позволяющими им оставаться в авангарде конкуренции. Входные барьеры теперь непреодолимы: обучение современной модели стоит несколько сотен миллионов долларов, требует доступа к тысячам передовых графических процессоров и команд ведущих исследователей.

Модели с открытым исходным кодом, такие как Llama, Mistral от Meta или Olmo от Allen AI, предлагают альтернативы для конкретных сценариев использования, но уступают проприетарным передовым моделям по абсолютной производительности. Их значение заключается прежде всего в демократизации возможностей ИИ для разработчиков без огромных бюджетов и в создании конкурентного давления, сдерживающего стоимость доступа к API.

Китай одновременно разрабатывает собственную независимую экосистему искусственного интеллекта (ИИ) совместно с такими компаниями, как Alibaba Qwen, Baidu Ernie, ByteDance и другими. Эти модели всё больше приближаются к западным системам, но частично отделены от мирового рынка различиями в нормативно-правовой базе, ограниченным доступом к передовым чипам из-за экспортного контроля и языковыми барьерами. Геополитический аспект развития ИИ может привести к появлению параллельных, доминируемых в отдельных регионах экосистем, подобных фрагментированному Интернету.

Для OpenAI эта олигополия означает, что маргинальные позиции нестабильны. Либо компания прочно закрепится в качестве одной из немногих ведущих систем, либо будет переведена во второразрядный сегмент, откуда продвижение практически невозможно из-за капиталоёмкости. Инвесторы понимают эту динамику, что объясняет крайнюю волатильность оценки: при бинарных исходах вероятности постоянно переоцениваются, и небольшие изменения в оценке вероятности приводят к значительным изменениям оценки.

Вертикальная интеграция как стратегический императив

Лицензирование Microsoft интеллектуальной собственности OpenAI в области разработки микросхем и систем в ноябре 2025 года сигнализирует о стратегической перестройке. Соглашение предоставляет Microsoft полный доступ к портфелю собственных разработок микросхем OpenAI и может существенно сократить циклы разработки Microsoft процессоров для ИИ следующего поколения. Это часть более широкой тенденции к вертикальной интеграции, в рамках которой ведущие поставщики облачных услуг стремятся получить больший контроль над своими аппаратными платформами.

Google годами разрабатывает TPU, контролируя весь стек, от кремния до программного обеспечения. Amazon разрабатывает собственные чипы Trainium и Inferentia. Microsoft активно инвестирует в собственные ускорители ИИ. Этот переход к разработке собственных чипов отражает понимание того, что универсальные графические процессоры неоптимальны для конкретных задач ИИ. Специализированные чипы могут обеспечить на порядок более высокую эффективность для конкретных операций, снижая затраты и повышая производительность.

У OpenAI отсутствует вертикальная интеграция. Компания полагается на внешних поставщиков чипов, в первую очередь Nvidia, и использует облачную инфраструктуру Microsoft, Oracle и других. Эта зависимость создаёт невыгодные условия с точки зрения затрат и стратегическую уязвимость. Партнёрство с Microsoft по лицензированию интеллектуальной собственности может стать первым шагом к устранению этого разрыва, но разработка собственного оборудования занимает годы и требует экспертизы, которую OpenAI ещё предстоит накопить.

Экономические последствия существенны. Операторы моделей, имеющие собственный контроль над оборудованием, могут снизить свои издержки на несколько порядков, что позволит им проводить более агрессивные ценовые стратегии или, наоборот, обеспечить более высокую рентабельность. Google потенциально может предлагать Gemini по ценам, при которых OpenAI терпит убытки, поскольку Google может значительно снизить свои издержки за счет использования TPU. Это не теоретическая возможность, а практическая реальность, которая уже влияет на динамику рынка.

От Netscape и Yahoo до OpenAI: повторяется ли история?

События 2025 года знаменуют собой конец эпохи бесспорного лидерства отдельных пионеров в сфере ИИ. Позиция OpenAI как определяющего игрока в революции генеративного ИИ фундаментально подрывается технологическим паритетом, структурными недостатками устоявшихся технологических гигантов и финансовой нестабильностью. Компания сталкивается с необходимостью одновременного преодоления кризисов: догнать Google в технологическом плане, обеспечить финансовую устойчивость, несмотря на огромные убытки, стратегически перестроиться на консолидирующемся рынке и справиться с операционными сложностями быстрого роста.

Успех Google с Gemini 3 демонстрирует, что на высокотехнологичных рынках глубина ресурсов, вертикальная интеграция и терпеливый капитал часто обеспечивают структурные преимущества по сравнению с гибкими инновациями. Способность годами компенсировать убытки, пока продукты развиваются и достигается экономия за счёт масштаба, — бесценное преимущество. OpenAI и аналогичные компании, занимающиеся исключительно ИИ, должны достигать прибыльности в сроки, определяемые ожиданиями инвесторов, в то время как Google может экспериментировать, пока решения не будут полностью готовы к выходу на рынок.

Будущее рынка ИИ, вероятно, будет характеризоваться олигополией из трёх-пяти доминирующих поставщиков, каждый из которых занимает свою стратегическую нишу. Google — вертикально интегрированный универсал с превосходной дистрибуцией, Microsoft — интегратор, ориентированный на корпоративный рынок, Anthropic — специалист по безопасности и согласованию, а Meta — лидер в области открытого исходного кода для экосистем разработчиков. Будущее положение OpenAI в этой группе остаётся неопределённым и критически зависит от того, устранит ли проект Shallotpeat выявленные недостатки предварительной подготовки и сможет ли компания создать устойчивое конкурентное преимущество, выходящее за рамки её исторического лидерства.

Для инвесторов, корпоративных клиентов и технологов эта перестройка означает переоценку рисков и возможностей. Предположение о том, что ранние лидеры рынка будут защищать свои позиции, становится всё более сомнительным. Скорость технологических изменений, капиталоёмкость передовых исследований и мощь налаженных каналов сбыта создают динамику, в которой структурные преимущества зачастую важнее исторического лидерства в области инноваций. Ближайшие годы покажут, обладают ли гибкие пионеры ресурсами и стратегическим видением, чтобы противостоять подавляющей мощи технологических гигантов, или история Netscape, Yahoo и других ранних интернет-пионеров повторится в эпоху искусственного интеллекта.

Здесь вы узнаете, как ваша компания может быстро, безопасно и без высоких барьеров для входа внедрять индивидуальные решения на основе ИИ.

Управляемая платформа ИИ — это ваш комплексный и простой в использовании пакет решений для искусственного интеллекта. Вместо того, чтобы разбираться со сложными технологиями, дорогостоящей инфраструктурой и длительными процессами разработки, вы получаете готовое решение, адаптированное под ваши потребности, от специализированного партнера — часто в течение нескольких дней.

Краткий обзор основных преимуществ:

⚡ Быстрое внедрение: от идеи до внедрения в эксплуатацию — всего за несколько дней, а не месяцев. Мы предлагаем практичные решения, которые приносят мгновенную пользу.

🔒 Максимальная безопасность данных: Ваши конфиденциальные данные остаются у вас. Мы гарантируем безопасную и соответствующую требованиям обработку данных без передачи третьим лицам.

💸 Отсутствие финансового риска: вы платите только за результат. Высокие первоначальные вложения в оборудование, программное обеспечение или персонал полностью исключены.

🎯 Сосредоточьтесь на своей основной деятельности: сосредоточьтесь на том, что у вас получается лучше всего. Мы возьмём на себя всю техническую реализацию, эксплуатацию и обслуживание вашего ИИ-решения.

📈 Перспективность и масштабируемость: ваш ИИ растёт вместе с вами. Мы обеспечиваем постоянную оптимизацию и масштабируемость, а также гибко адаптируем модели к новым требованиям.

Подробнее об этом здесь:

• Управляемое решение на основе ИИ — промышленные услуги ИИ: ключ к конкурентоспособности в секторах услуг, промышленности и машиностроения

☑️ Наш деловой язык — английский или немецкий.

☑️ НОВИНКА: Переписка на вашем национальном языке!

 

Я был бы рад служить вам и моей команде в качестве личного консультанта.

Вы можете связаться со мной, заполнив контактную форму или просто позвоните мне по телефону +49 89 89 674 804 (Мюнхен) . Мой адрес электронной почты: wolfenstein ∂ xpert.digital

Я с нетерпением жду нашего совместного проекта.

 

 

☑️ Поддержка МСП в разработке стратегии, консультировании, планировании и реализации.

☑️ Создание или корректировка цифровой стратегии и цифровизации.

☑️ Расширение и оптимизация процессов международных продаж.

☑️ Глобальные и цифровые торговые платформы B2B

☑️ Пионерское развитие бизнеса/маркетинг/PR/выставки.

Xpert.Digital обладает глубокими знаниями различных отраслей. Это позволяет нам разрабатывать индивидуальные стратегии, которые точно соответствуют требованиям и задачам вашего конкретного сегмента рынка. Постоянно анализируя тенденции рынка и следя за развитием отрасли, мы можем действовать дальновидно и предлагать инновационные решения. Благодаря сочетанию опыта и знаний мы создаем добавленную стоимость и даем нашим клиентам решающее конкурентное преимущество.

Подробнее об этом здесь:

• Используйте 5-кратный опыт Xpert.Digital в одном пакете — всего от 500 евро в месяц