Еще одна причина слабости рынка ИИ: OpenAI также вынужден снижать цены

Краткое содержание

· Высшее руководство Uber прямо заявило, что связь между расходами на токены и улучшением реальных продуктов «пока не существует»; OpenAI также признала, что стоимость корпоративного ИИ становится все более актуальной проблемой.

· Потребность в ИИ не исчезла, но компании начинают переходить от пробных запусков к аудитам ROI, производители моделей обсуждают снижение цен, а рост облачных сервисов, GPU и дата-центров требует повторной проверки потенциала.

· Связанные активы: NVDA, MSFT, AMZN, GOOG, MU, AVGO, AMD, TSM, ARM, ORCL.

Двухмесячный рост рынка американских акций в области ИИ начал ослабевать и корректироваться, и рынок ищет причины явно.

Процентные ставки, переоценка, корпоративные отчеты — все это может объяснить текущую коррекцию, но рынок проверяет более фундаментальную гипотезу: увеличивается ли расходование токенов компаниями, и обязательно ли это приводит к росту доходов, эффективности и прибыли.

За последние два года торговля ИИ шла по очень гладкой цепочке. Компании активно используют ИИ, расход токенов (единица измерения обработки текста моделью) растет, доходы производителей моделей увеличиваются, облачные провайдеры продают больше вычислительных мощностей, растут спрос на GPU, HBM (высокоскоростную память), серверы, дата-центры и электропитание. Пока расход токенов продолжает расти, рынок воспринимает это как ускорение внедрения ИИ и повышает оценки для upstream-оборудования и капитальных затрат.

Но недавно появилась новая тенденция: даже поставщики моделей начали обсуждать вопросы стоимости.

По сообщению «Волл Стрит Джорнал», OpenAI исследует возможность дальнейшего снижения цен на вызовы моделей, чтобы справиться с бюджетным давлением компаний и конкуренцией со стороны Anthropic и других. В то же время, генеральный директор OpenAI Сэм Альтман недавно публично заявил, что все больше компаний рассматривают расходы на ИИ как важную проблему, и некоторые клиенты уже в первом квартале исчерпали годовой бюджет на ИИ.

Эта ситуация сама по себе, возможно, не изменит структуру отрасли, но она посылает важный сигнал: рынок начинает обсуждать не только возможности моделей, но и их стоимость, ценообразование и окупаемость инвестиций.

Сейчас не идет речь о «использовании ИИ или нет», а о «готовности компаний продолжать безусловно платить за дорогие токены».

Генеральный директор и операционный директор Uber Эндрю Макдональд в подкасте заявил, что связь между ростом расхода токенов и «полезными функциями для потребителей» «пока не существует». Эта фраза исходит от заказчика, а не от продавца, инвестиционного банка или стартапа по моделям.

Если раньше рынок верил, что «объем использования — это успех», то сейчас наступает вторая стадия: смогут ли токены в конечном итоге привести к росту доходов, снижению затрат на персонал или улучшению маржи. Как только финансовый отдел системно поднимет этот вопрос, оценка стоимости всей цепочки ИИ изменится с «бесконечного спроса» на «проверку окупаемости».

Высокий уровень внедрения Uber выявил давление на бюджет

Пример Uber заслуживает внимания не потому, что он не понимает ИИ или не хочет его использовать. Напротив, внутри Uber уровень использования инструментов ИИ очень высок. Согласно нескольким источникам, из примерно 5000 инженеров компании, месячный уровень использования достигал 84–95%, а счета за месяц у отдельных инженеров варьировались от нескольких сотен до 2000 долларов.

Проблема как раз в этом. Когда использование настолько высоко, счета перестают быть мелкими экспериментами инновационных отделов и превращаются в реальные издержки, которые нужно объяснять операционному руководству. Как ранее сообщил CTO компании, годовой бюджет на Claude Code был исчерпан за 4 месяца. Макдональд назвал это «моментом, когда у тебя голова взрывается».

Внутри компании инструменты ИИ сначала внедрялись под предлогом «повышения эффективности». Инженеры быстрее пишут код, службы поддержки быстрее отвечают, операционные команды быстрее подготавливают отчеты — эти изменения легко заметить.

Но по мере расширения масштабов использования, финансовый отдел начнет задавать более жесткие вопросы: приносит ли это больше доходов? Снижает ли реальные затраты на персонал? Улучшает ли прибыльность?

Феномен «tokenmaxxing», о котором говорит Макдональд, показывает, что высокий расход токенов может быть не связан с высокой ценностью. Под «tokenmaxxing» понимается ситуация, когда команда или отдельные пользователи максимально используют ИИ, расходуя токены в больших объемах. Данные о расходе выглядят хорошо, но не обязательно приводят к лучшим результатам. Для поставщиков ИИ это — доход, для компаний — возможный выход за рамки контролируемых расходов.

Сигнал Uber важнее, чем просто «ИИ слишком дорогой».

Он не говорит, что ИИ бесполезен, а подчеркивает, что когда расходы на токены переходят из пробных бюджетов в операционные, компании должны доказать, что каждый доллар, потраченный на токены, приносит измеримый бизнес-результат. Высокий уровень использования уже не гарантирует успех, а скорее выявляет структуру затрат.

Расходы начинают передаваться по цепочке

Компании-покупатели начинают считать деньги, а платформы меняют модели ценообразования.

GitHub объявил, что с 1 июня 2026 года перейдет на модель оплаты по использованию, введя ежемесячные кредиты на ИИ (AI Credits). Для легких пользователей это может быть просто изменение структуры счета; для активных пользователей, использующих функции интеллектуальных ассистентов, некоторые отмечают, что стоимость одного сеанса может достигать десятков долларов, и обсуждение в сообществе усиливается.

Это означает, что платформы больше не готовы полностью покрывать стоимость неограниченного использования токенов за счет фиксированной подписки.

Ранее пользователь платил фиксированную сумму за месяц, а платформа покрывала вызовы моделей. Теперь, с ростом количества вызовов, длины контекста и многократных задач, расходы начинают явно проявляться. Чем больше используешь, тем больше платишь — это корректировка идеи «бесконечного ИИ».

Более того, этот рост ценности уже передается на уровень моделей.

За последние два года мейнстрим в индустрии больших моделей был связан с снижением затрат и расширением масштабов. Но по мере того, как отделы закупок компаний начинают аудит ROI, производители моделей сталкиваются с новой проблемой: если клиенты не хотят продолжать платить высокие цены за токены, как обеспечить рост?

Недавние сигналы OpenAI очень показательны. С одной стороны, Альтман признает, что бюджеты компаний под давлением, с другой — появляются новости о возможных дальнейших снижениях цен. Это означает, что отрасль переключается с «лидерства моделей» на «низкую стоимость единицы интеллекта».

Для корпоративных клиентов важнее не какая модель самая мощная, а какая дает больше бизнес-результатов при одинаковом бюджете.

Внутри Microsoft также идет сокращение лицензий на Claude Code, что, по сообщениям, связано с переходом на собственные инструменты Copilot. Точные масштабы и причины пока не раскрываются, и нельзя утверждать, что Microsoft уже полностью отказалась от внешних моделей из-за стоимости.

Но этот шаг показывает, что крупные технологические компании начинают перераспределять расходы на внешние вызовы моделей.

Это влияет не только на доходы отдельных инструментов, а на дисциплину заказчиков: компании могут ограничивать лимиты, выбирать более дешевые модели, переносить часть задач на open source или собственные решения, требовать скидки у поставщиков. Производители моделей и разработчики приложений по-прежнему будут иметь спрос, но ценовая политика уже определяется не только «модель сильнее», а также «клиенты могут ли себе это позволить».

Облачные провайдеры тоже почувствуют изменения. В прошлом доходы от ИИ в облаке основывались на предположении, что чем больше токенов, тем больше вычислений, и спрос на облачные ресурсы — предсказуем. Но если компании начнут снижать стоимость за токен или переводить низкоскоростные, недорогие задачи на более дешевые пути, доходы облачных провайдеров могут оказаться менее устойчивыми, чем ожидалось.

Высокий расход требует доказательства высокой ценности

Компании начинают аудит в этот момент, потому что использование ИИ достигло достаточно больших масштабов, и неэффективные части уже не так легко игнорировать.

Исследование Entelligence.AI, опубликованное в мае 2026 года, проанализировало 2444 организации и более миллиона Pull Request. По их оценкам, из каждого доллара расходов на токены ИИ только 0,18 доллара реально приносит ценность для пользователя, 0,44 доллара идет на исправление ошибок, вызванных ИИ, 0,27 доллара — на переработки, и 0,11 доллара — на фрикции при проверке.

Эти данные нельзя считать общим выводом по всей индустрии. Они основаны на внутренней аналитике поставщика и в основном отражают сценарии разработки программного обеспечения, а не независимый аудит или академические исследования. Но они достаточно показывают, что у компаний есть давление на ROI, особенно в сценариях, где контент создается ИИ и требует человеческой проверки, исправлений и интеграции.

Самое очевидное для демонстрации эффективности ИИ — скорость генерации, но компании платят за конечный результат. Если код, сгенерированный ИИ, вызывает больше ошибок, требует больше проверки, переработки и тестирования, то сэкономленное время на фронте снова тратится на бэкенде. Для индивидуальных пользователей это — вопрос опыта, а для крупных компаний — финансовых и организационных проблем.

Это также объясняет, почему рост расхода токенов уже нельзя считать автоматическим признаком успеха ИИ.

Токен — это единица учета доходов и затрат. Для производителей моделей больше токенов — это больше доходов, а для компаний — только тогда, когда это приводит к росту доходов, снижению затрат или повышению прибыли.

Если раньше рынок воспринимал рост токенов как индикатор спроса на оборудование, то теперь нужно дополнить его другой стороной: коэффициент превращения расхода токенов в бизнес-результат. Только когда расход токенов стабильно приводит к бизнес-выгода, доходы облачных провайдеров, заказы на GPU, расширение HBM и строительство дата-центров получат более надежную поддержку.

Платежеспособность будет передаваться по цепочке

Макроэкономический стратег Андреас Стено Ларсен недавно отметил, что индекс расходов на токены больших моделей (LLM Token Expenditure Index) — один из ключевых индикаторов, за которым стоит следить. Согласно отчетам, этот индекс отслеживает расходы компаний на каждую миллионную токенов, и после заметного роста в начале 2026 года, в конце мая наблюдается снижение.

Здесь важно оставить границы. Официальная страница Silicon Data больше посвящена презентации продуктов, методика расчета индекса и полные исторические данные не полностью опубликованы. Это не окончательный вывод, но сигнал о тенденциях в платежной дисциплине компаний.

Снижение индекса расходов на токены не означает снижение использования ИИ.

На самом деле, рынок сейчас скорее свидетельствует о переходе индустрии ИИ от «конкуренции за вычислительные ресурсы» к «конкуренции за стоимость единицы интеллекта». Компании все еще нуждаются в ИИ, но не обязательно готовы платить по старым ценам.

Если OpenAI в конечном итоге запустит новую волну ценовых корректировок, то снижение бюджета компаний одновременно с этим означает, что индустрия моделей официально вступает в фазу ценовой конкуренции. Тогда рынок снова должен будет переоценить: рост будет ли обусловлен новым спросом или расширением использования при снижении цен.

Потребность в ИИ может продолжать расти, но ценность доходов и их передача вверх по цепочке могут измениться.

Это по-разному скажется на разных уровнях цепочки. На уровне приложений и моделей первыми столкнутся с ценовым давлением: компании потребуют более четкого ROI, сократят низкодоходные вызовы или перейдут на более дешевые модели.

Облачные провайдеры столкнутся с проблемой эластичности доходов: при снижении цены за токен, увеличении кэширования и пакетных обработок, рост доходов от облачных ИИ может оказаться менее впечатляющим, чем рост общего объема токенов.

На более высоком уровне — GPU, HBM, передовые упаковки, серверы и строительство дата-центров — речь идет о будущих капитальных расходах. Если дисциплина платежей у компаний заставит производителей моделей и облачных провайдеров быть более осторожными, то темпы заказов на оборудование и строительство дата-центров могут быть пересмотрены.

Предупреждение Ларсена не в том, что спрос на оборудование исчезнет сразу, а в том, что если цены на токены продолжат слабеть, рынок начнет сомневаться в темпе инвестиций в инфраструктуру ИИ.

Корреляция между падением акций ИИ и аудитом расходов на токены — не простая причинно-следственная связь. Нельзя сказать, что падение чиповых акций вызвано тем, что Uber исчерпал свой бюджет, но они связаны одной цепочкой: когда оценки отражают долгосрочный рост, любые сигналы о платежеспособности и ROI усиливают переоценку капитальных затрат.

Следующий шаг — анализ доходов и заказов в отчетах

На данный момент нет оснований утверждать, что «ИИ уже в пузыре». Компании продолжают использовать ИИ, разработчики не возвращаются к состоянию без Copilot, Claude или других инструментов. Более разумная оценка — что внедрение ИИ переходит от ранней горячки к стадии бюджетных дисциплин, и рынок начинает различать кейсы, где есть доказанный ROI, и те, где только создается счет.

Следующий важный тест — изменение в финансовых отчетах облачных и программных компаний. Смогут ли Microsoft, Amazon, Google продолжать расти в сегменте ИИ облака? Как изменится использование и повторные контракты на инструменты вроде Copilot, Claude Code? Эти показатели важнее однодневных колебаний цен акций и лучше отражают системность изменения дисциплины покупателей.

На уровне аппаратного обеспечения — признаки снижения заказов на GPU, HBM и дата-центры. Если расходы на капитальные вложения продолжат расти, а заказы на чипы останутся напряженными, снижение платежей за токены будет скорее здоровой коррекцией. Но если доходы от облачных ИИ начнут слабеть, а заказы на оборудование и строительство дата-центров замедляться, рынок оценит это как более глубокий цикл.

Торговля ИИ не завершена, но ее ценовая модель меняется. Раньше рынок спрашивал «сколько токенов использовано», теперь — «сколько прибыли эти токены принесли». Этот разрыв определит направление дальнейшей дифференциации оценки цепочки ИИ.

Нажмите, чтобы узнать о вакансиях в律уд BlockBeats

Присоединяйтесь к официальному сообществу律уд BlockBeats:

Телеграм-канал подписки: https://t.me/theblockbeats

Телеграм-чат: https://t.me/BlockBeats_App

Официальный аккаунт в Твиттере: https://twitter.com/BlockBeatsAsia