Проєкт «Shallotpeat» та «Rough Times»: внутрішня службова записка Сема Альтмана розкриває найбільшу кризу OpenAI

І проблема в 650 мільярдів доларів: чому OpenAI приречений на успіх

У листопаді 2025 року тектонічні плити технологічної галузі докорінно змістилися. Протягом тривалого часу OpenAI вважався недоторканним монархом нової ери штучного інтелекту – Давидом, який показує Голіафам Кремнієвої долини, як працюють інновації. Але ця аура непереможності почала тріскатися. З виходом Google Gemini 3 та стрімким зростанням моделей Клода від Anthropic ситуація змінилася. Те, що починалося як тріумфальний хід до штучного суперінтелекту, тепер перетворилося для OpenAI на екзистенційну битву проти технологічної стагнації та економічних реалій.

Ситуація парадоксальна: OpenAI ще ніколи не був таким цінним на фондовому ринку, проте його технологічне лідерство ще ніколи не було таким крихким. Хоча компанія Сема Альтмана, оцінена в 500 мільярдів доларів, виходить на територію, зазвичай зарезервовану для відомих технологічних гігантів, існує небезпечний розрив між її ринковою вартістю та фактичною прибутковістю. Річний дохід у 13 мільярдів доларів різко контрастує з величезними збитками та зобов'язаннями щодо інфраструктури, які обчислюються сотнями мільярдів. Ця агресивна модель зростання працювала доти, доки OpenAI мав безперечно найкращий продукт на ринку. Але ця сама передумова тепер розвалилася.

З Gemini 3 Google не лише наздогнав OpenAI технологічно, але й випередив його у ключових сферах. Завдяки відродженню попереднього навчання та масовій інтеграції у власну екосистему, гігант пошукових систем демонструє, що глибокі кишені, власне обладнання та багаторічний досвід обробки даних зрештою переважують перевагу першопрохідця стартапу. Поспішна стратегічна переорієнтація OpenAI, символізована внутрішнім проектом "Shallotpeat", є визнанням того, що попередня ставка на суто "моделі міркування" не окупилася.

У наступній статті аналізується анатомія цього зсуву влади. Вона висвітлює, як технічні прорахунки, фінансові труднощі та відродження конкуренції створюють токсичну суміш, яка може переосмислити не лише майбутнє OpenAI, але й структуру всієї індустрії штучного інтелекту.

Підходить для цього:

• Чи це революція штучного інтелекту? Gemini 3.0 проти OpenAI: справа не в кращій моделі, а в кращій стратегії.

Колишній авангард штучного інтелекту бореться за своє майбутнє, поки Google змінює баланс сил за допомогою грубої технологічної сили.

Глобальна гонка за домінування у сфері штучного інтелекту набула різкого повороту у листопаді 2025 року. Те, що роками вважалося надійним лідерством OpenAI, за кілька місяців перетворилося на ненадійну оборонну позицію. Випуск Gemini 3 від Google не лише ознаменував технологічну віху, але й поставив під сумнів фундаментальні припущення щодо архітектури ринку штучного інтелекту. У внутрішній службовій записці генеральний директор OpenAI Сем Альтман попередив своїх співробітників про важкі часи попереду та визнав, що нещодавні досягнення Google можуть створити тимчасові економічні труднощі для компанії. Ця надзвичайно відверта оцінка розкриває крихкість позиції, яка донедавна здавалася нездоланною.

Масштаби цього зсуву стають зрозумілими лише в контексті логіки оцінки сектору. OpenAI наразі має оцінку приблизно в 500 мільярдів доларів, проте генерує лише 13 мільярдів доларів річного доходу. Ця надзвичайна розбіжність між ринковою капіталізацією та фактичним доходом ґрунтується на припущенні експоненціального зростання та стійкої технологічної переваги. Gemini 3 від Google одночасно підриває обидва ці припущення. Модель перевершує OpenAI GPT-5.1 майже у всіх стандартизованих бенчмарках, демонструючи можливості, які сам OpenAI все ще прагне розвивати.

Економічні наслідки виходять далеко за рамки короткострокових змін у частці ринку. OpenAI витрачає приблизно вісім мільярдів доларів щорічно, зазнавши збитків у п'ять мільярдів доларів минулого року. Цей дефіцит може бути покритий лише за рахунок постійного припливу капіталу, який, у свою чергу, залежить від довіри інвесторів до його технологічного лідерства. Якщо це лідерство зникне, вся логіка фінансування руйнується. Ситуація схожа на швидкісний поїзд, у якого закінчується паливо, поки він все ще рухається з максимальною швидкістю.

Основним джерелом внутрішньої службової записки Сема Альтмана є The Information, новинне видання, що спеціалізується на технологічній галузі.

Цю службову записку було вперше опубліковано виданням The Information 20 листопада 2025 року. Оригінальна стаття має назву «Службова записка Альтмана прогнозує «жорсткі вібри» через відродження Google» або «Генеральний директор OpenAI готується до можливих економічних труднощів, які наздоганяють відродження Google».

Публікацію меморандуму в The Information згодом підхопили численні інші ЗМІ, зокрема:

• Таймс оф Індія
• Економічні часи
• Бізнес-перспективи
• Футуризм

Сам меморандум був внутрішнім повідомленням Сема Альтмана співробітникам OpenAI, яке, очевидно, було передано The Information джерелом у компанії. У меморандумі Альтман попереджав про «тимчасові економічні труднощі» від прогресу Google і заявляв, що очікує «негативної вітри».

Анатомія технологічного прориву

Успіх Google з Gemini 3 ґрунтується на фундаментальній переоцінці нібито вичерпаної методології розробки. Попереднє навчання, фундаментальна фаза, на якій моделі ШІ навчаються з величезних наборів даних, вважалася деякими дослідниками значною мірою вичерпаною. Принципи масштабування, які роками обіцяли передбачуване покращення продуктивності завдяки більшим моделям та більшій кількості даних, здавалося, досягали своїх фізичних та економічних меж. OpenAI відреагував, змістивши свою стратегічну спрямованість на так звані моделі міркувань, такі як o1, які покращують свою продуктивність завдяки довшому часу обмірковування під час логічного висновку.

Однак Google продемонстрував, що нібито приречений процесор все ще має значний потенціал. Деміс Хассабіс, керівник Google DeepMind, лаконічно підсумував це відкриття: Хоча експоненціальних стрибків продуктивності від покоління до покоління більше немає, віддача від інвестицій у попереднє навчання залишається надзвичайно хорошою. Gemini 3 Pro досягає 91,9 відсотка в тесті GPQA Diamond для наукового мислення рівня PhD, перевершуючи GPT-5.1 майже на чотири відсоткові пункти. Ще більш вражаючою є його продуктивність в абстрактному візуальному мисленні: з 31,1 відсотком у тесті ARC-AGI-2 Gemini 3 майже вдвічі перевершує продуктивність GPT-5.1 і перевершує свого попередника більш ніж у шість разів.

Економічне значення цієї технологічної переваги проявляється в конкретних сферах застосування. В алгоритмічному вирішенні проблем Gemini 3 Pro досягає рейтингу Elo 2439 на LiveCodeBench Pro, що майже на 200 балів вище GPT-5.1. Це не академічна метрика, а прямий показник продуктивності розробників, які використовують ці моделі. На ринку, де OpenAI генерує 70 відсотків свого доходу від доступу до API та корпоративних клієнтів, технологічна неповноцінність призводить до негайних втрат доходів.

Проблеми OpenAI з переднавчанням стали очевидними під час розробки GPT-5, де усталені оптимізації масштабування більше не працювали. Компанія усвідомила, що традиційні методи підвищення продуктивності втратили свою ефективність. У відповідь OpenAI розробила GPT-5 зі значно меншим бюджетом на попереднє навчання, ніж GPT-4.5, але компенсувала це інтенсивною оптимізацією після навчання за допомогою навчання з підкріпленням. Ця стратегія виявилася успішною в короткостроковій перспективі, але створила структурну вразливість: OpenAI спеціалізувався на методології, яка, генеруючи інноваційні можливості, нехтувала фундаментальною основою моделі.

Стратегічне перепозиціонування та проект Shallotpeat

У службовій записці Альтмана не лише діагностується проблема, але й окреслюється контрстратегія OpenAI. В її основі лежить розробка нової моделі під кодовою назвою Shallotpeat, спеціально розробленої для усунення виявлених недоліків перед навчанням. Сама назва є програмною: цибуля-шалот погано росте в торф'яному ґрунті, субстрат далекий від ідеального. Таким чином, OpenAI сигналізує про визнання того, що основа існуючих моделей має слабкі місця, які неможливо усунути за допомогою оптимізації поверхні.

Розробка Shallotpeat є частиною ширшої стратегічної переорієнтації. У своїй службовій записці Альтман наголошує на необхідності зосередитися на дуже амбітних проектах, навіть якщо це тимчасово ставить OpenAI у невигідне становище. Однією з таких ставок є автоматизація самих досліджень у галузі штучного інтелекту, метапідхід, спрямований на різке скорочення циклів розробки нових моделей. Це не просто оптимізація ефективності, а спроба фундаментально змінити ігрове поле: якщо системи штучного інтелекту можуть прискорити власну еволюцію, це може зменшити структурні переваги усталених гравців з величезними ресурсами.

Терміновість цієї стратегії підкреслюється фінансовим становищем OpenAI. Компанія повинна досягти прибутковості до 2029 року, щоб виконати свої зобов'язання щодо інфраструктури перед Microsoft та іншими партнерами. Ці зобов'язання становлять приблизно 60 мільярдів доларів щорічно, порівняно з поточними зобов'язаннями щодо хмарної інфраструктури, які перевищують 650 мільярдів доларів протягом наступних кількох років. Розбіжність між цими зобов'язаннями та поточними доходами в 13 мільярдів доларів підкреслює масштаб проблеми.

Водночас OpenAI впроваджує стратегію диверсифікації, щоб зменшити свою залежність від Microsoft. Коригування партнерства, оголошене в січні 2025 року, дозволяє OpenAI вперше використовувати обчислювальні ресурси конкурентів, таких як Oracle. Хоча Microsoft зберігає за собою право першої відмови на нові потужності, ексклюзивність була порушена. Для OpenAI це потенційно означає швидший доступ до масивних кластерів графічних процесорів, необхідних для навчання нових моделей. Ініціатива Stargate, що є результатом співпраці OpenAI, Oracle, SoftBank та Microsoft, має намір інвестувати 500 мільярдів доларів у центри обробки даних протягом чотирьох років. Перший об'єкт в Абіліні, штат Техас, вже працює з кластерами графічних процесорів Nvidia GB200.

Економічна крихкість бізнес-моделі

Бізнес-моделі провідних компаній у сфері штучного інтелекту базуються на неявній ставці на мережеві ефекти та технологічні прив'язки. OpenAI значно успішно застосовує цю стратегію: у листопаді 2025 року ChatGPT досяг приблизно 700-800 мільйонів активних користувачів щотижня, що вдвічі більше, ніж у лютому. Платформа щодня обробляє 2,5 мільярда запитів і посідає п'яте місце серед найбільш відвідуваних веб-сайтів у світі. Ця база користувачів спочатку здається неприступним ровом, але коефіцієнти конверсії виявляють фундаментальну слабкість: лише близько чотирьох-десяти відсотків користувачів платять за підписку.

Таким чином, економічна доцільність залежить від двох критичних припущень: по-перше, що база користувачів продовжує зростати в геометричній прогресії, так що навіть невеликі коефіцієнти конверсії дозволяють абсолютне збільшення доходу; по-друге, що технологічна перевага прив'язує користувачів до платформи, а витрати на перехід до конкурентів залишаються високими. Gemini 3 від Google підриває обидва припущення. Технічна рівність, або навіть неповноцінність, робить OpenAI взаємозамінним постачальником на дедалі більш комерціалізованому ринку.

Структура витрат посилює цю проблему. Навчання великих мовних моделей та їх розгортання в операційній діяльності вимагає величезних обчислювальних ресурсів. Бюджети проектів OpenAI перевищують 450 мільярдів доларів з 2024 по 2030 рік, із загальними зобов'язаннями приблизно 650 мільярдів доларів, деякі з яких виходять за межі 2030 року. Ці інвестиції мають бути виправдані доходами, які, у свою чергу, залежать від частки ринку. Виникає замкнене коло: якщо OpenAI втрачає частку ринку, дохід зменшується, обмежуючи його можливості для подальших інвестування та тим самим ще більше підриваючи його технологічну конкурентоспроможність.

Порівняльний аналіз ілюструє масштаб проблеми. Anthropic, прямий конкурент, що використовує модель Клода, наразі оцінюється в 170 мільярдів доларів із прогнозованим річним доходом у 4 мільярди доларів. OpenAI та Anthropic разом повинні досягти сумарного доходу понад 300 мільярдів доларів до 2030 року, щоб виправдати свої поточні оцінки, — за умови рентабельності вільного грошового потоку в 27 відсотків, що можна порівняти з Alphabet або Microsoft. Для порівняння, Nvidia, провідний постачальник чипів штучного інтелекту, за прогнозами, генеруватиме лише 350 мільярдів доларів доходу до 2030 року.

Google як власник структурної переваги

Позиція Google у гонці штучного інтелекту принципово відрізняється від позиції OpenAI через її інтеграцію у сформовану екосистему з диверсифікованими потоками доходів. Компанія генерує понад 300 мільярдів доларів річного доходу, переважно за рахунок реклами та хмарних сервісів, що дозволяє розглядати розробку штучного інтелекту як стратегічну інвестицію, яка не обов'язково має бути прибутковою у короткостроковій перспективі. Така фінансова стійкість дозволяє Google експериментувати та інвестувати в ті сфери, де гравці, що займаються виключно штучним інтелектом, такі як OpenAI, стикаються з негайним тиском щодо отримання доходу.

Переваги розповсюдження однаково значні. Google інтегрує Gemini у свою пошукову систему, яка щодня обробляє мільярди запитів, у Gmail з понад 1,5 мільярдами користувачів, у Google Документи, Таблиці та весь пакет Workspace. Ця повсюдна присутність створює пасивну видимість: користувачі стикаються з Gemini у своїх повсякденних цифрових робочих процесах, не маючи потреби активно шукати інструменти штучного інтелекту. Навіть якщо GPT-5.1 або Claude Sonnet 4.5 показують дещо кращі результати в певних бенчмарках, Google ставить свою модель перед мільярдами очей.

Технологічна вертикальна інтеграція посилює ці переваги. Google розробляє власні чіпи штучного інтелекту, використовуючи TPU (тензорні процесори), контролює всю хмарну інфраструктуру та володіє унікальними навчальними ресурсами, накопиченими за десятиліття збору даних. Такий контроль над усім ланцюжком створення вартості знижує витрати та дозволяє оптимізувати процес, недоступний стороннім постачальникам. Як лаконічно висловився один коментатор Reddit: Google контролює обладнання, центри обробки даних, канали розповсюдження та саму інформацію.

Історичні прецеденти застерігають від переоцінки раннього лідерства на ринку. Internet Explorer домінував на ринку браузерів наприкінці 1990-х років, займаючи понад 90 відсотків ринку, і вважався нездоланним, але протягом десятиліття був маргіналізований технічно досконалішими альтернативами. Yahoo та AOL, колись синонімами доступу до Інтернету, були витіснені Google та іншими. Переваги першопрохідців на ринках технологій часто виявляються тимчасовими, якщо структурні недоліки, такі як відсутність вертикальної інтеграції або фінансова нестабільність, неможливо подолати.

Перспектива інвестора та ризики оцінки

Оцінка OpenAI у 500 мільярдів доларів США являє собою одну з найбільших розбіжностей між поточними прибутками та ринковою капіталізацією в історії технологічної галузі. Ця оцінка передбачає коефіцієнт доходу приблизно 38, тоді як акції відомих технологічних гігантів торгуються за коефіцієнтами від 5 до 15. Обґрунтування цієї премії ґрунтується на припущенні, що OpenAI захопить непропорційно велику частку ринку штучного інтелекту, що розвивається.

Це припущення дедалі більше піддається сумніву через емпіричні зміни. Останній раунд фінансування у березні 2025 року, який оцінив OpenAI у 300 мільярдів доларів, був у п'ять разів перевищений за пропозицією. Наступний раунд у листопаді, який підвищив оцінку до 500 мільярдів доларів, був залучений переважно шляхом вторинного продажу існуючих акцій, а не шляхом вливання нового капіталу. Це сигналізує про зміну настроїв: ранні інвестори користуються можливостями часткової реалізації, тоді як нові інвестори менш охоче надають додатковий первинний капітал.

Порівняння з бульбашкою доткомів неминуче. Сам Сем Альтман публічно заявив, що очікує бульбашки штучного інтелекту, порівнюючи ринкові умови з умовами буму доткомів та застерігаючи від надмірної ейфорії інвесторів. Водночас він прогнозує трильйони доларів витрат на розширення центрів обробки даних та реагує на занепокоєння економістів, закликаючи всіх просто дозволити OpenAI робити свою справу. Ця риторика нагадує зарозумілість кінця 1990-х років, коли фундаментальні питання оцінки відкидалися посиланнями на нову парадигму.

Аналітики Reuters та інших установ підрахували, що OpenAI та Anthropic повинні досягти сукупного річного доходу, що перевищує 300 мільярдів доларів, до 2030 року, щоб виправдати свої сукупні оцінки. Це означало б, що ці дві компанії разом повинні були б генерувати майже стільки ж доходу, скільки Nvidia, беззаперечний лідер ринку чіпів штучного інтелекту. З огляду на посилення конкуренції з боку Google, Microsoft, Meta та численних інших гравців, цей сценарій видається дедалі менш вірогідним.

Ситуацію посилюють події на ширшому ринку штучного інтелекту. Дослідження MIT показало, що 95 відсотків компаній не бачать вимірної віддачі від своїх інвестицій у генеративний штучний інтелект. Цей висновок спричинив значний розпродаж технологічних акцій у листопаді, при цьому акції Nvidia впали на 3,5 відсотка, а Palantir – майже на 10 відсотків. Ринки реагують зі зростаючою нервозністю на будь-які ознаки того, що обіцяна віддача від штучного інтелекту не матеріалізується.

Галузевий фокус: B2B, цифровізація (від штучного інтелекту до XR), машинобудування, логістика, відновлювані джерела енергії та промисловість

Детальніше про це тут:

• Бізнес-центр Xpert

Тематичний центр з аналітичними матеріалами та експертними знаннями:

• Платформа знань про світову та регіональну економіку, інновації та галузеві тенденції
• Збір аналізів, імпульсів та довідкової інформації з наших пріоритетних напрямків
• Місце для експертів та інформації про поточні розробки в бізнесі та технологіях
• Тематичний центр для компаній, які хочуть дізнатися про ринки, цифровізацію та галузеві інновації

Відродження дотренувальної ери та алгоритмічні прориви

Успіх Google з Gemini 3 знаменує собою реабілітацію попереднього навчання як основного джерела підвищення продуктивності. Цей розвиток суперечить наративам, які проголошували кінець масштабування. Реальність є більш нюансованою: хоча попереднє навчання більше не забезпечує експоненціальних стрибків, систематичні, суттєві покращення залишаються досяжними за умови використання правильних методів.

Архітектура Gemini 3 інтегрує кілька алгоритмічних інновацій. Модель використовує структуру зі змішаним складом експертів, розроблену Джеффом Діном, головним науковим співробітником Google DeepMind. Ця архітектура активує лише частину параметрів для кожного запиту, що забезпечує ефективність, зберігаючи при цьому високу пропускну здатність. Gemini 3 також демонструє можливості мультимодальної інтеграції, які виходять за рамки простого перетворення тексту на зображення та включають складні завдання візуального мислення.

Режим Deep Think у Gemini 3 є відповіддю Google на моделі міркувань OpenAI. Замість того, щоб розглядати попереднє навчання та міркування як конкуруючі парадигми, Google інтегрує обидві. Deep Think досягає 41 відсотка в тесті Humanity's Last Exam без допоміжних засобів та 45,1 відсотка в ARC-AGI-2 з виконанням коду. Ці результати демонструють, що дихотомія між попереднім навчанням та обчисленнями під час тестування є хибною дихотомією: оптимальні системи поєднують обидва підходи.

Значення цього відкриття для конкурентної динаміки неможливо переоцінити. OpenAI спеціалізувався на обчисленнях під час тестування, оскільки масштабування перед навчанням більше не працювало. Google зараз демонструє, що попереднє навчання все ще має потенціал, якщо до нього підійти правильно. Це означає, що OpenAI не лише відстав технологічно, але й стратегічно покладався на методологію, яка виявляється неповною.

Деміс Хассабіс сформулював це комплексне бачення в кількох інтерв'ю. Він наголошує, що шлях до загального штучного інтелекту вимагає численних інновацій, а не лише масштабування. Ці інновації включають агентні системи, здатні відстежувати складні завдання протягом тривалих періодів, моделі світу, що розробляють внутрішні представлення фізичної реальності, та можливості метанавчання, що дозволяють системам узагальнювати з обмеженої кількості прикладів. Google систематично інвестує в усі ці сфери, тоді як OpenAI зосередився переважно на міркуваннях.

Підходить для цього:

• Стратегії штучного інтелекту в глобальному порівнянні: Порівняння (США проти ЄС проти Німеччини проти Азії проти Китаю)

Роль моделей міркувань та їхні обмеження

Модель o1 від OpenAI та її наступники представляють фундаментальну зміну парадигми в розробці штучного інтелекту. Замість того, щоб переважно масштабуватися за допомогою більших моделей та більшої кількості навчальних даних, ці системи інвестують обчислювальний час під час логічного висновку для розробки довших ланцюжків міркувань. Цей підхід досяг вражаючого успіху в певних галузях, зокрема в математиці, кодуванні та формальній логіці, де перевірені результати слугують зворотним зв'язком.

Однак обмеження цього підходу стають дедалі очевиднішими. Дослідження, проведене вченими Apple, показало, що моделі міркувань працюють значно гірше, коли задачі навіть незначно змінюються. Зміна чисел або назв лише в математичних задачах призводить до помітної втрати продуктивності. Ще серйозніше: додавання логічно нерелевантної, але поверхово правдоподібної інформації призвело до падіння продуктивності на 17,5 відсотка для o1-preview, 29,1 відсотка для o1-mini та до 65,7 відсотка для моделей з нижчою продуктивністю.

Ці результати свідчать про те, що моделі міркувань насправді не розробляють загальних стратегій вирішення проблем, а переважно відтворюють вивчені шаблони. Вони поводяться як учні, які запам'ятали певні типи задач, але зазнають невдачі, стикаючись із дещо зміненими формулюваннями. Це не просто академічна критика, а має безпосередні практичні наслідки: у реальних застосуваннях, що стосуються складних, багатогранних проблем без стандартизованих формулювань, ці системи залишаються ненадійними.

Структура вартості моделей міркувань посилює їхні обмеження. На відміну від традиційних моделей, де попереднє навчання є найбільш обчислювально ресурсоємною фазою, для моделей міркувань цей зв'язок зворотний. Післянавчання та логічний висновок стають домінуючим фактором витрат, що робить масштабування економічно складним. OpenAI повинен витрачати значно більше обчислювальних ресурсів на кожен запит o1, ніж на порівнянні запити GPT-4, при цьому користувачі не готові платити пропорційно більше.

Інтеграція можливостей міркування Google у моделі, оптимізовані для попереднього навчання, може виявитися кращим підходом. Gemini 3 з Deep Think досягає порівнянної або кращої продуктивності міркування, ніж o1, але побудований на міцнішому фундаменті. Це свідчить про те, що оптимальна архітектура використовує міркування не як заміну попереднього навчання, а радше як доповнення до надійної базової моделі.

Конкурентна динаміка та наздоганяння Anthropic

Сімейство Claude від Anthropic, зокрема Sonnet 4.5, зарекомендувало себе як серйозна третя сила в конкуренції на ринку штучного інтелекту. Claude Sonnet 4.5 досяг 77,2 відсотка в SWE-bench Verified Benchmark для реальних задач програмної інженерії, що робить його провідною моделлю в цій критичній області застосування. Завдяки паралельним обчисленням під час тестування ця продуктивність зростає до 82 відсотків, рівень, з яким не можуть зрівнятися ні GPT-5.1, ні Gemini 3.

Стратегічний акцент Anthropic на безпеці та узгодженні створює нішу з особливою готовністю платити. Компанії у високорегульованих секторах, таких як фінанси, охорона здоров'я та кібербезпека, все частіше надають пріоритет моделям, які демонстративно інтегрують надійні механізми безпеки. Claude Sonnet 4.5 досягає 98,7 відсотка за тестами безпеки та демонструє знижену схильність до підлабузництва, обману, прагнення влади та марення. Ці характеристики є не просто маркетинговими особливостями, а стосуються реальних проблем корпоративних клієнтів.

Здатність Claude Sonnet 4.5 підтримувати складні, багатоетапні завдання міркування та виконання коду протягом понад 30 годин позиціонує його як ідеальну модель для автономних агентів. Це швидкозростаючий ринок, де системи штучного інтелекту самостійно керують розширеними робочими процесами. OpenAI та Google конкурують у цьому сегменті, але Anthropic отримала перевагу завдяки ранній спеціалізації.

Ціноутворення Claude відображає це позиціонування. За ціною трьох доларів за мільйон вхідних токенів та 15 доларів за мільйон вихідних токенів Claude знаходиться в середньому ціновому сегменті, дешевше, ніж GPT-5.1 для багатьох випадків використання, але дорожче, ніж деякі альтернативи з відкритим кодом. Така структура ціноутворення говорить про стратегію Anthropic: не масовий ринок за низькими цінами, а преміум-сегмент за вищою якістю та безпекою.

Оцінка Anthropic у 170 мільярдів доларів, з прогнозованим річним доходом у 4 мільярди доларів, здається менш екстремальною, ніж багаторазова оцінка OpenAI, але залишається амбітною. Логіка інвесторів відрізняється: Anthropic позиціонує себе як ціль поглинання або довгостроковий гравець на олігополічному ринку, а не як домінант ринку. Ці скромніші амбіції парадоксально можуть виявитися більш стійкими, ніж стратегія OpenAI «все або нічого».

Дефіцит даних та синтетичні рішення

Фундаментальним викликом для всіх розробників штучного інтелекту є зростаючий дефіцит високоякісних навчальних даних. Epoch AI оцінює, що моделі наразі навчаються з використанням від 4,6 до 17,2 трильйонів токенів. Більшість вільно доступного інтернет-тексту вже використано. Майбутнє покращення продуктивності більше не може бути досягнуто переважно шляхом простого збільшення розміру навчальних наборів даних, а вимагає високоякісних або різноманітніших даних.

Синтетичні дані, тобто навчальний контент, згенерований системами штучного інтелекту, обговорюються як потенційне рішення. Цей підхід є парадоксальним за своєю суттю: моделі повинні навчатися на даних, згенерованих попередніми моделями. Це несе ризик колапсу моделі, коли помилки та упередження посилюються протягом поколінь. Однак ретельно підібрані синтетичні набори даних з контролем різноманітності та якості можуть генерувати рідкісні граничні випадки, які не зустрічаються в природних даних.

Google має структурні переваги у зборі даних через свою пошукову систему, Gmail, YouTube, Google Maps та численні інші сервіси, які постійно створюють свіжі, різноманітні дані, згенеровані людиною. Ці потоки даних не тільки об'ємні, але й поздовжньо структуровані, що дозволяє виявляти часові закономірності та події. OpenAI не має порівнянних джерел даних, що все більше залежить від партнерства з видавцями, ліцензійних угод з медіакомпаніями та генерації синтетичних даних.

Правова ситуація посилює цю асиметрію. Кілька позовів видавців та авторів проти OpenAI за порушення авторських прав можуть обмежити доступ до історичних даних та зробити майбутні дії зі скрейпінгу юридично ризикованими. Google може стверджувати, що сканування веб-сайтів для пошукової індексації є усталеною, юридично обґрунтованою практикою, яка сприяє розвитку ШІ. Ця правова невизначеність створює додаткові ризики для OpenAI, які визнані технологічні гіганти не несуть у такій самій мірі.

Суперінтелект як довгострокова ставка

У своїй службовій записці Альтман неодноразово наголошує на необхідності зосередитися на досягненні суперінтелекту, незважаючи на короткостроковий конкурентний тиск. Ця риторика є стратегічною: вона виправдовує поточні інвестиції та втрати, вказуючи на трансформаційні здобутки в майбутньому. Суперінтелект стосується гіпотетичних систем штучного інтелекту, які перевершують людський інтелект у всіх відповідних сферах і потенційно здатні пришвидшити власний розвиток.

Експертні оцінки щодо термінів цього розвитку значно різняться. Аналіз понад 8500 прогнозів показує, що середній термін досягнення Штучного інтелекту, попередника суперінтелекту, становить між 2040 і 2045 роками. Деякі відомі люди, такі як Даріо Амодей з Anthropic та Ілон Маск, прогнозують значно раніші дати, в деяких випадках навіть 2026-2029 роки. Сам Сем Альтман назвав 2029 рік цільовою датою.

Економічна актуальність цих дебатів полягає в логіці оцінки: якщо суперінтелект досяжний протягом п'яти років, а OpenAI залишається лідером у його розвитку, це виправдовує майже будь-яку поточну оцінку. Однак, якщо суперінтелект з'явиться через 20 років або OpenAI не залишиться лідером, основа для оцінки руйнується. Таким чином, інвестори роблять ставки не лише на технології, але й на конкретні терміни та позиції на ринку в гіпотетичних майбутніх сценаріях.

Автоматизація досліджень у галузі штучного інтелекту, яку Альтман визначає як ключовий напрямок, може скоротити ці терміни. Системи, які незалежно генерують гіпотези, проектують експерименти, навчають моделі та інтерпретують результати, значно підвищать швидкість розробки. Google DeepMind працює над подібними підходами, зокрема, інтегруючи алгоритми планування, подібні до AlphaGo, у мовні моделі. Питання не в тому, чи будуть розроблені такі системи мета-ШІ, а в тому, хто їх впровадить першим.

Структура ринку та формування олігополії

Ринок штучного інтелекту швидко перетворюється на олігополію з трьома-п'ятьма домінуючими гравцями. OpenAI, Google, Anthropic, Microsoft та Meta мають фінансові ресурси, технічні таланти та інфраструктуру, щоб залишатися на передовій конкуренції. Бар'єри для входу зараз є непомірними: навчання найсучаснішої моделі коштує кілька сотень мільйонів доларів, вимагає доступу до тисяч передових графічних процесорів та вимагає команд провідних дослідників.

Моделі з відкритим кодом, такі як Llama від Meta, Mistral або Olmo від Allen AI, пропонують альтернативи для конкретних випадків використання, але відстають від власницьких передових моделей за абсолютною продуктивністю. Їхнє значення полягає, перш за все, у демократизації можливостей ШІ для розробників без величезних бюджетів та у створенні конкурентного тиску, який пом'якшує ціни на доступ до API.

Китай одночасно розвиває власну незалежну екосистему штучного інтелекту з такими компаніями, як Alibaba Qwen, Baidu Ernie, ByteDance та іншими гравцями. Ці моделі дедалі більше досягають паритету із західними системами, але частково відокремлені від світового ринку різними регуляторними рамками, обмеженим доступом до передових чіпів через експортний контроль та мовними бар'єрами. Геополітичний вимір розвитку штучного інтелекту може призвести до паралельних, регіонально домінуючих екосистем, подібних до фрагментованого Інтернету.

Для OpenAI ця олігополія означає, що граничні позиції нестабільні. Або компанія стабільно закріплюється як одна з небагатьох провідних систем, або її відсувають на другий рівень, з якого просування практично неможливе через капіталомісткість. Інвестори розуміють цю динаміку, що пояснює надзвичайну волатильність оцінки: у випадку бінарних результатів ймовірності постійно переоцінюються, а невеликі зміни в оцінці ймовірностей призводять до великих зрушень у оцінці.

Вертикальна інтеграція як стратегічний імператив

Ліцензування Microsoft інтелектуальної власності OpenAI на розробку мікросхем та систем у листопаді 2025 року сигналізує про стратегічну переорієнтацію. Угода надає Microsoft повний доступ до власного портфоліо OpenAI у сфері розробки мікросхем і може суттєво скоротити цикли розробки Microsoft процесорів штучного інтелекту наступного покоління. Це є частиною ширшої тенденції до вертикальної інтеграції, де провідні постачальники хмарних послуг прагнуть отримати більший контроль над своїми апаратними базами.

Google роками розробляє технологічні процесори (TPU), контролюючи таким чином увесь стек — від кремнію до програмного забезпечення. Amazon розробляє власні чіпи Trainium та Inferentia. Microsoft інвестує значні кошти у власні прискорювачі штучного інтелекту. Цей перехід до спеціалізованого кремнію відображає усвідомлення того, що універсальні графічні процесори неоптимальні для певних робочих навантажень штучного інтелекту. Спеціалізовані чіпи можуть досягати на порядок кращої ефективності для певних операцій, знижуючи витрати та підвищуючи продуктивність.

OpenAI бракує такої вертикальної інтеграції. Компанія покладається на зовнішніх постачальників чіпів, переважно Nvidia, та використовує хмарну інфраструктуру від Microsoft, Oracle та інших. Ці залежності створюють економічні недоліки та стратегічні вразливості. Партнерство з Microsoft щодо ліцензування інтелектуальної власності може бути першим кроком до подолання цієї прогалини, але розробка власного обладнання займає роки та вимагає досвіду, який OpenAI все ще потрібно набути.

Економічні наслідки є суттєвими. Оператори моделей з власним контролем обладнання можуть знизити свої витрати на кілька порядків, що дозволяє застосовувати більш агресивні цінові стратегії або, як варіант, забезпечувати вищу маржу. Google потенційно може пропонувати Gemini за цінами, за яких OpenAI зазнає збитків, оскільки Google може значно скоротити свої витрати завдяки використанню TPU. Це не теоретична можливість, а практична реальність, яка вже впливає на динаміку ринку.

Від Netscape та Yahoo до OpenAI: чи повторюється історія?

Події 2025 року знаменують кінець ери беззаперечного лідерства окремих піонерів у секторі штучного інтелекту. Позиція OpenAI як визначального гравця в революції генеративного штучного інтелекту фундаментально потерпає від технологічного паритету, структурних недоліків відомих технологічних гігантів та фінансової нестабільності. Компанія стикається з проблемою управління одночасними кризами: наздогнати Google у технологічному плані, забезпечити фінансову стійкість, незважаючи на величезні втрати, стратегічно перепозиціонувати на консолідованому ринку та впоратися з операційною складністю швидкого зростання.

Успіх Google з Gemini 3 демонструє, що на технологічно інтенсивних ринках глибина ресурсів, вертикальна інтеграція та терплячий капітал часто пропонують структурні переваги над гнучкими інноваціями. Здатність поглинати збитки протягом років, поки продукти дозрівають та реалізується ефект масштабу, є безцінною перевагою. OpenAI та подібні компанії, що займаються виключно штучним інтелектом, повинні досягати прибутковості у терміни, визначені очікуваннями інвесторів, тоді як Google може експериментувати, доки рішення не будуть дійсно готові до виходу на ринок.

Майбутнє ринку штучного інтелекту, ймовірно, характеризуватиметься олігополією з трьох-п'яти домінуючих постачальників, кожен з яких займатиме різні стратегічні ніші. Google як вертикально інтегрований універсал з чудовим розподілом, Microsoft як інтегратор, орієнтований на підприємства, Anthropic як спеціаліст з безпеки та узгодження, а Meta як чемпіон з відкритого коду для екосистем розробників. Майбутнє становище OpenAI в цьому сузір'ї залишається невизначеним і критично залежить від того, чи вирішить проект Shallotpeat виявлені недоліки попереднього навчання та чи зможе компанія створити стійку конкурентну перевагу поза межами свого історичного лідерства бренду.

Для інвесторів, корпоративних клієнтів та технологів ця переорієнтація означає переоцінку ризиків та можливостей. Припущення, що ранні лідери ринку відстоюватимуть свої позиції, стає дедалі сумнівнішим. Швидкість технологічних змін, капіталомісткість передових досліджень та сила усталених каналів збуту створюють динаміку, в якій структурні переваги часто важливіші за історичне лідерство в інноваціях. Найближчі роки покажуть, чи мають спритні піонери ресурси та стратегічне бачення, щоб протистояти переважній силі технологічних гігантів, чи історія Netscape, Yahoo та інших ранніх інтернет-піонерів повториться в епоху штучного інтелекту.

Тут ви дізнаєтеся, як ваша компанія може швидко, безпечно та без високих бар'єрів входу впроваджувати індивідуальні рішення на основі штучного інтелекту.

Керована платформа штучного інтелекту — це ваш універсальний та безтурботний пакет для штучного інтелекту. Замість того, щоб мати справу зі складними технологіями, дорогою інфраструктурою та тривалими процесами розробки, ви отримуєте готове рішення, адаптоване до ваших потреб, від спеціалізованого партнера — часто протягом кількох днів.

Основні переваги з першого погляду:

⚡ Швидке впровадження: від ідеї до операційного застосування за лічені дні, а не місяці. Ми пропонуємо практичні рішення, які створюють негайну цінність.

🔒 Максимальна безпека даних: Ваші конфіденційні дані залишаються з вами. Ми гарантуємо безпечну та відповідність вимогам обробку без передачі даних третім особам.

💸 Без фінансових ризиків: Ви платите лише за результат. Повністю виключаються значні початкові інвестиції в обладнання, програмне забезпечення чи персонал.

🎯 Зосередьтеся на своєму основному бізнесі: Зосередьтеся на тому, що ви робите найкраще. Ми беремо на себе повне технічне впровадження, експлуатацію та обслуговування вашого рішення на основі штучного інтелекту.

📈 Орієнтований на майбутнє та масштабований: Ваш ШІ зростає разом з вами. Ми забезпечуємо постійну оптимізацію та масштабованість, а також гнучко адаптуємо моделі до нових вимог.

Детальніше про це тут:

• Кероване рішення на основі штучного інтелекту – промислові послуги зі штучним інтелектом: ключ до конкурентоспроможності в секторах послуг, промисловості та машинобудування

☑ Наша ділова мова - англійська чи німецька

☑ Нове: листування на вашій національній мові!

 

Я радий бути доступним вам та моїй команді як особистого консультанта.

Ви можете зв’язатися зі мною, заповнивши тут контактну форму або просто зателефонуйте мені за номером +49 89 674 804 (Мюнхен) . Моя електронна адреса: Вольфенштейн ∂ xpert.digital

Я з нетерпінням чекаю нашого спільного проекту.

 

 

☑ Підтримка МСП у стратегії, порадах, плануванні та впровадженні

☑ Створення або перестановка цифрової стратегії та оцифрування

☑ Розширення та оптимізація міжнародних процесів продажів

☑ Глобальні та цифрові торгові платформи B2B

☑ Піонерський розвиток бізнесу / маркетинг / PR / Мір

Xpert.digital має глибокі знання в різних галузях. Це дозволяє нам розробити кравці, розроблені стратегії, пристосовані до вимог та проблем вашого конкретного сегменту ринку. Постійно аналізуючи тенденції на ринку та здійснюючи розвиток галузі, ми можемо діяти з передбаченням та пропонувати інноваційні рішення. З поєднанням досвіду та знань ми створюємо додаткову цінність та надаємо своїм клієнтам вирішальну конкурентну перевагу.

Детальніше про це тут:

• Використовуйте 5 -разову компетентність xpert.digital в одній упаковці - від 500 € на місяць