Аналитики прогнозируют: к 2029 году корпоративные расходы на AI-токены могут превысить зарплаты инженеров.

Anthropic имеет всего 5 000 сотрудников, но расходы на вычисления превышают зарплату в 2,3 раза; медианная компания в отрасли тратит всего 137 долларов в год на одного инженера. Разрыв в 680 раз — это интрига, которую этот анализ пытается распутать, а к какому финалу мы придём в 2029 году, пока неизвестно.
(Предыстория: от принуждения сотрудников использовать ИИ до опасений по поводу сжигания слишком большого количества токенов: всё больше компаний ужесточают внутренние квоты на использование ИИ)
(Дополнение: Oracle неожиданно признала, что центры обработки данных «могут не окупиться», акции Oracle упали на 40% в июне)

Содержание

Toggle

• Вычисления сначала «съедают» зарплату
• Толкающие и тянущие силы
• Каждая компания делает ставку

Представьте, что к 2029 году обычная компания будет тратить на ИИ за одного инженера в год больше, чем зарплата самого инженера? Это вывод известного аналитика венчурного капитала Томаша Тунгуза, полученный на основе трёх сценарных моделей.

Когда стоимость вычислений начинает приближаться или даже превышать стоимость труда, расходы на ИИ перестают быть просто инструментальным бюджетом, которым можно пренебречь, и становятся структурными расходами, которые нужно сравнивать с зарплатой в отчёте о прибылях и убытках.

Вычисления сначала «съедают» зарплату

Эта история начинается с бухгалтерских книг самого Anthropic. Согласно статистике SaaStr, в этой компании сейчас работает всего около 5 000 сотрудников, но в 2026 году она потратит около 10 миллиардов долларов на инференс и обучение. В пересчёте на каждого сотрудника получается около 2 миллионов долларов вычислительных расходов в год, а по данным Levels.fyi, полная компенсация составляет более 500 000 долларов, то есть расходы на вычисления в 2,3 раза превышают зарплату.

Это беспрецедентное соотношение во всей софтверной индустрии; большинство компаний живут в совершенно другом мире. Согласно индексу Ramp AI Index за июнь 2026 года, в лучших 1% компаний каждый инженер тратит на ИИ около 89 000 долларов в год, что составляет 40% от зарплаты старшего инженера с годовой зарплатой 224 000 долларов; в медианных компаниях каждый инженер тратит всего 137 долларов в год, что почти равно нулю.

Разрыв между верхушкой и медианой составляет почти 680 раз, и это самая интригующая загадка этого анализа: будет ли этот разрыв увеличиваться или сокращаться?

Догонят ли остальные 99% компаний темпы Anthropic, и если да, то как быстро? Тунгуз описывает ответ тремя сценариями: пессимистичный сценарий предполагает, что цены на токены продолжат падать, компенсируя рост спроса; базовый сценарий предполагает постепенное замедление кривой роста для лучших 1%; оптимистичный сценарий предполагает, что весь рынок к 2029 году достигнет текущего соотношения Anthropic. Каждый сценарий пересчитывает счёт за ИИ как долю от базовой зарплаты старшего инженера в 224 000 долларов и предполагает ежегодный рост зарплаты примерно на 5%:

• 2026 год: пессимистичный, базовый и оптимистичный сценарии — 90 000 долларов, доля 40%
• 2027 год: пессимистичный — 106 000 долларов (45%), базовый — 164 000 долларов (70%), оптимистичный — 258 000 долларов (110%)
• 2028 год: пессимистичный — 118 000 долларов (48%), базовый — 259 000 долларов (105%), оптимистичный — 444 000 долларов (180%)
• 2029 год: пессимистичный — 106 000 долларов (41%), базовый — 363 000 долларов (140%), оптимистичный — 596 000 долларов (230%)

В пессимистичном сценарии сумма после 2028 года даже снижается, потому что темпы падения доли превышают темпы инфляции зарплат.

Толкающие и тянущие силы

Оптимистичный сценарий обоснован прежде всего всё более сложными рабочими процессами ИИ (агентные рабочие процессы).

Когда вы позволяете ИИ самостоятельно выполнять задачи в непрерывном режиме, самостоятельно решать, что делать дальше, а не просто отвечать на вопросы, количество потребляемых токенов на несколько порядков превышает количество при обычном чате. Goldman Sachs прогнозирует, что к 2030 году потребление токенов вырастет в 24 раза.

С другой стороны, согласно исследованиям Epoch AI, каждый сотрудник Anthropic и OpenAI приносит доход в 14 и 6,5 миллиона долларов соответственно, что является самым высоким показателем среди компаний из списка Forbes Global 2000. Структура затрат в конечном итоге следует за структурой доходов: компании, которые могут позволить себе такие расходы, обычно и зарабатывают достаточно.

Но силы, тянущие к пессимистичному сценарию, столь же реальны и действуют уже три года. Цена за ввод моделей уровня GPT-4 от OpenAI упала с 30 долларов за миллион токенов при запуске в марте 2023 года до менее 3 долларов в 2026 году, снижаясь в десять раз каждый год.

Кроме того, открытые модели приближаются к уровню передовых: DeepSeek-V3 и последующие версии при затратах на API в десять-тридцать раз меньших показывают результаты, сопоставимые с лучшими закрытыми моделями, что как раз подтверждает, почему спор между открытым и закрытым кодом является одним из важнейших политических вопросов эпохи ИИ: дешёвые открытые модели напрямую определяют, может ли пессимистичный сценарий стать реальностью.

Компании, которые готовы активно ограничивать использование в зависимости от роли или объёма работы, могут самостоятельно снижать эту кривую, не дожидаясь падения цен.

Каждая компания делает ставку

Что действительно стоит отметить в этом анализе, так это не поверхностный вывод «ИИ очень дорог», а то, что расходы на ИИ превращаются из необязательного инструментального бюджета в структурные расходы, сопоставимые с затратами на персонал. В оптимистичном сценарии счёт за ИИ для одного инженера сам по себе сопоставим с медианным доходом, который сотрудник публичной SaaS-компании приносит компании (около 250 000 долларов). Это уже не уровень инструментальных затрат, а уровень ещё одной зарплаты.

Когда вычислительные расходы начинают конкурировать с зарплатами в одном отчёте о прибылях и убытках, компаниям нужно заранее решить, под какой из будущих сценариев они готовы составлять бюджет.