Наконец-то компании, которые применяют ИИ, обнаружили, что их бизнес перехватили компании, работающие с большими моделями

作者：宇航猿；来源：极客公园

1 июля генеральный директор Palantir Алекс Карп заходит в студию CNBC и почти неконтролируемой интонацией бросает бомбу.

Он говорит, что индустрия ИИ «effing insane» (сошла с ума), что CEO американских компаний «livid» (в ярости) из‑за OpenAI и Anthropic, и что бизнес делает абсурдную вещь — с одной стороны безумно платит за token, а с другой отдаёт поставщикам моделей свои самые ключевые операционные данные. А получаемая взамен коммерческая ценность почти невозможно измерить.

Ведущий спрашивает, не является ли это «перекладыванием вины». Карп отвечает: «Нет, я просто констатирую факты».

В тот день акции Palantir выросли на 9%. Сам по себе этот показатель — форма голосования: рынок считает, что он сказал то, что многие хотели, но не решались произнести.

Это не разрядка эмоций одного человека. Когда глава компании с капитализацией свыше 1 триллиона долларов на национальном телевидении обстреливает весь рынок больших моделей — и рынок подкрепляет это живыми деньгами, это означает, что некая коллективная эмоция достигла критической точки.

За последние два года все обсуждали, как «воспользоваться» большими моделями. Но сейчас на поверхность выходит новый вопрос — не разорвёт ли компании, которая окажется слишком близко к большой модели?

**01 **От «одержимости» к «не наивности»

Вспомним начало 2024 года: отношение бизнеса к большим моделям можно описать четырьмя словами — «сначала используйте».

Неважно ROI или нет, неважно, куда утекают данные, главное — не отставать. Тогда доминировал нарратив: «приходит революция ИИ, и если не внедрять, вылетишь». CIO и CTO во всех отраслях под огромным давлением встраивали ИИ в каждый участок бизнес-процессов, куда только можно было его запихнуть. Это была типичная управленческая реакция, вызванная технологическим страхом.

К 2025 году ключевым словом стала «всесторонняя развёртка». Компании начали всерьёз внедрять большие модели в ключевые бизнес-процессы, а не просто делать демо и устраивать внутренние hackathon. От поддержки клиентов до генерации кода, от анализа рынка до проектирования продукта — глубина и широта проникновения ИИ росли в геометрической прогрессии.

Но в 2026 году происходит тонкий сдвиг настроений.

Исследование Salesforce показывает: лишь половина IT‑лидеров уверена, что их собственная инфраструктура данных сможет поддержать успешное внедрение ИИ. NTT DATA в опубликованном в мае этого года исследовании прямо использовала слово «наткнулись на стену» — корпоративный ИИ упирается в архитектурные ограничения, вызванные требованиями приватности данных и суверенитета. Gartner прогнозирует: к 2027 году 35% стран будут зависеть от региональных платформ ИИ, тогда как сегодня этот показатель — всего 5%.

Карп формулирует этот сдвиг ещё прямее. Он говорит, что компании уходят от бездумного пожирания token в стиле «tokenmaxxing» к реальному поиску ответов про окупаемость инвестиций. «Базовая позиция такая: хватит тратить время на token».

Это не отрицание больших моделей — это весь рынок, который выходит из режима “одержимости” и переходит к “не наивности”. После пика истерии компании начинают смотреть на фундаментальный вопрос более холодными глазами: я отдаю одно, а получаю другое — эту бухгалтерию можно сложить и проверить?

**02 **Когда партнёр превращается в конкурента

Критика Карпа ещё держится в плоскости бизнес-модели. Но по-настоящему по спине пробирает другая, более прямолинейная угроза — ваш AI‑поставщик может использовать внесённые вами данные и понимание сценариев, чтобы построить продукт, который заменит вас.

Событие, произошедшее в апреле 2026 года, превратило эти опасения из теории в реальность.

В феврале этого года Figma и Anthropic ещё совместно разрабатывали функцию под названием «Code to Canvas» — чтобы код, сгенерированный Claude, бесшовно встраивался в дизайнерский процесс Figma. Обе компании выглядели близкими партнёрами.

14 апреля главный продуктовый директор Anthropic Майк Кригер тихо ушёл из совета директоров Figma.

Через три дня Anthropic выпустила Claude Design — AI‑инструмент, который с помощью естественного языка напрямую генерирует интерактивные прототипы, PPT и маркетинговые материалы, точно копируя ключевой бизнес Figma.

В тот день акции Figma упали почти на 8%.

В более позднем материале Fast Company есть любопытная деталь: у Figma и Adobe, Canva и других компаний были многолетние партнёрские отношения с Anthropic, но до выхода Claude Design никого не предупредили. Все оказались застигнуты врасплох и осознали: ваш AI‑партнёр прямо у вас перед глазами превращается в конкурента.

Этот сюжет заслуживает размышлений, потому что он обнажает в эпоху больших моделей структурную проблему, которая опаснее, чем прежде: когда вы глубоко сотрудничаете с AI‑компанией, вы отдаёте не только точку входа на рынок — вы отдаёте также своё ключевое понимание сценариев и данные о потребностях пользователей.

Anthropic смогла сделать Claude Design во многом потому, что в совместной работе с компаниями из мира design‑tools она глубоко поняла рабочие процессы и боли дизайнеров.

Но если расширить взгляд, это не новый сюжет в истории технологий.

Amazon начинал как e‑commerce‑платформа, запустил собственные бренды, используя данные площадки, чтобы точно выявить самые прибыльные категории, а затем начал выпускать свои продукты и выдавливать сторонних продавцов. Microsoft стартовала с операционной системы и по очереди прибирала к рукам браузер, офисные приложения, средства коммуникации — Netscape убили, Slack заставили продать себя. Google расширился от поисковика, а прямо в выдаче стал отвечать на вопросы пользователей, маргинализируя Yelp и множество нишевых сервисов с информацией.

Железное правило IT‑индустрии никогда не меняется: как только платформа получает достаточно данных и понимания пользователей, она начинает посягать на верхние этажи цепочки.

В эпоху больших моделей это правило становится ещё жёстче: традиционному платформенному давлению нужно время, чтобы накопить понимание, а большие модели по своей природе — «ускоритель понимания». Каждое ваше обращение к API, каждый ввод бизнес-данных помогают поставщикам моделей быстрее и глубже понять вашу территорию.

**03 **«Предел Роша» эпохи AI

В астрономии есть понятие «предел Роша» — когда небесное тело подходит слишком близко к массивной звезде, приливные силы начинают превосходить собственную гравитацию, и тело разрывается.

Этот образ для описания отношений компаний с большими моделями сегодня — слишком точный, чтобы не тревожить.

Большая модель — это та самая массивная звезда. Каждая компания хочет воспользоваться её «притяжением», ускорить эффективность, снизить издержки, внедрить инновации. Но проблема в том, что когда вы подходите достаточно близко, ваша «материя» начинает отделяться. Ваши данные, know-how, понимание потребностей пользователей — всё это в ходе сотрудничества перетекает в центр гравитации.

И где граница, позволяющая «танцевать с AI» и не быть в итоге поглощённым?

В США этот вопрос уже вынесли на обсуждение. Но если вы думаете, что в Китае он ещё далеко, возможно, это иллюзия.

Темпы внедрения AI у компаний США и КНР различаются: американский бизнес уже перешёл к крупномасштабным развертываниям, глубоко встроенным в процессы, а китайские компании в целом всё ещё проходят путь от пилотов к масштабированию. Исследование, опубликованное в марте этого года Lenovo совместно с IDC, показывает: в стране 72% компаний уже завершили пилотирование агентных решений и запустили их в официальную эксплуатацию, в среднем внедряя AI в 3,5 сценария. Но центр сложности уже сместился с «не хватает вычислений, не хватает данных» на «эффект от применения не оправдывает ожиданий» и «ROI неясен».

Иными словами, китайские компании входят в похожую с американскими “AI‑осознанную” фазу.

Geekeek Park (极客公园) в общении с рядом стартапов и компаниями с традиционным бизнесом заметил интересную вещь: мысли о таких проблемах часто возникают не напрямую из страха «что модельные компании заберут мой рынок», а после того, как AI реально встраивается в бизнес — начинается естественная переоценка: в эпоху AI в чём мой ключевой смысл и ценность?

Эта переоценка в итоге сводится к двум ключевым компетенциям.

**04 **Кто контролирует «AI‑фундамент»?

Первая, самая приземлённая, в точности совпадает с тем, о чём твердил Карп: какие именно ваши данные и логика бизнеса работают — на чьём фундаменте?

Карп снова и снова подчёркивал это на CNBC. Самые чувствительные операционные данные компании не должны уходить в чёрный ящик стороннего поставщика моделей. Он позиционирует Palantir как слой приложений, который даёт «суверенный AI»: модели можно использовать чужие, но данные должны оставаться внутри собственного периметра, а развёртывание — на собственной инфраструктуре, которой компания может управлять.

Это не паранойя: у китайского бизнеса «на себе» ощущение полностью такое же. Руководитель продуктово‑исследовательского направления WPS 365 в Kingsoft Office Хуан Вэйцзе недавно сказал очень точную фразу: «Сегодня предприятиям не хватает не железа и моделей, а безопасного слоя прикладного AI».

Данные IDC подтверждают тенденцию: доля публичных облаков в развертывании вычислительных мощностей для корпоративного AI снижается, а суммарная доля частных облаков и локальных развёртываний растёт — с 54% до 69%. «Данные не выходят за домен» из лозунга про соответствие требованиям превращается в первое условие при выборе решений для CTO.

Карп называет это «товаризацией когниции» — commodity cognition. Его вывод: качество самой модели стремится к сходимости, а реальная дифференциация находится не в слое моделей, а в прикладном слое, где возможности моделей привязаны к конкретным сценариям компании. «Суверенный AI‑движок», который Palantir делает в сотрудничестве с NVIDIA, — продуктализация этой логики: на базе open‑source моделей плюс собственный онтологический слой Palantir и рамка управления, чтобы компания запускала AI в полностью контролируемой среде и не отправляла ни одного байта данных наружу. Выручка Palantir за 1 квартал 2026 года — 1,63 млрд долларов при росте на 85% год к году — в каком‑то смысле это голос рынка в пользу этого пути.

В этом есть сигнал, на который стоит обратить внимание: в будущем компании и решения, которые помогают запускать AI «на своей территории», будут пользоваться ещё большим спросом. В Китае «частная AI‑мозговая инфраструктура» уже стала реальной нишей, и не одна стартап‑команда делает продукты в этом направлении. Это не техно‑чистоплюйство, а рациональный выбор, к которому компании приходят после того, как всё продумывают.

**05 **Не превращайте организацию в «репродуктор»

Второй компетенции сложнее дать количественную оценку, но Geekeek Park в разговорах с компаниями всё сильнее ощущает её проявление: если AI способен заменять всё больше исполнительских звеньев, то какой «человек» всё ещё нужен в организации?

Некоторые компании, которые идут быстрее, уже наступали на этот грабли.

Когда в отдельных задачах эффективность AI заметно превосходит человека, возникает естественное желание: «убрать людей». Но после того, как организация становится тоньше, всплывает скрытая проблема — то, что делает AI, по сути является «лучшей практикой», которую эти люди однажды выковали в прежней среде. Когда среда меняется, рынок меняется, пользователи меняются, а AI продолжает честно исполнять старую логику, тогда как в организации уже не хватает людей, чтобы замечать эти изменения и толкать бизнес к эволюции.

Проще говоря, организация, которую AI заполнил, но которую люди вычерпали, может просто эффективно повторять прошлое.

Это не значит, что AI нельзя использовать для замены исполнения. Речь о том, что когда AI перехватывает всё больше исполнительского слоя, компании, наоборот, начинает особенно нужен другой тип людей — не тех, кто выполняет конкретные задачи, а тех, кто умеет «командовать AI». Для этой роли нужно понимать бизнес в целом, уметь оценивать, применимы ли результаты AI к меняющейся реальности, и видеть новые возможности помимо того «идеального решения», которое предлагает AI.

Некоторые передовые компании уже всерьёз осмысливают этот вопрос. Они обнаруживают: после появления AI реальная конкурентоспособность — не в том, сколько людей вы заменили AI, а в том, можете ли вы заставить ваших людей управлять AI так, чтобы делать то, что раньше было недоступно. Если вы просто позволяете AI непрерывно автоматизировать и непрерывно крутить то, что содержится в исторических данных, вы по сути запираетесь в каком‑то моментальном снимке прошлого.

Важность такого переворота понимания может быть сопоставима с суверенитетом данных. Когда AI выравнивает технические барьеры, «суждение людей» и «способность организации эволюционировать» становятся самыми сложными для копирования. Некоторые компании уже это осознали, некоторые ещё нет. Но этот водораздел, вероятно, станет максимально заметным в ближайшие 1–2 года.

**06 **Индустрии нужны «новые AI‑компании»

За последние два года в индустрии доминировала неявная предпосылка: ценность эпохи AI в итоге концентрируется в руках модельных компаний. Чем ближе к моделям, тем выше ценность.

Эта предпосылка начинает трещать.

Карп на CNBC по сути вскрывает одну вещь: сама по себе модель становится товаром «в области когнитивного понимания». Когда разрыв между моделями разных компаний всё сильнее сокращается, настоящая дифференциация перестаёт быть в модели. И индустриальная структура, где доминируют только модельные компании, не только не полезна для бизнеса, но и ограничивает скорость развития всего AI‑сектора.

Предприятиям нужен не просто более сильный модельный продукт. Им нужна целая экосистема: отвечающая на тревоги вокруг суверенитета данных, защищающая барьеры конкуренции от «всасывания», позволяющая встраивать AI в бизнес и при этом не терять контроль. Такая потребность формирует рынок, который гораздо сложнее, чем просто «продавать token».

Есть уже понятные сигналы по нескольким направлениям.

«Суверенная AI‑инфраструктура» превращается в реальную и денежно прибыльную нишу. Это не концепт. Только в первой половине 2026 года в Европе было три компании, работающие над суверенной AI‑инфраструктурой (Nebius, nScale, AtlasEsge) — суммарно они привлекли свыше 11,8 млрд долларов. Ещё несколько дней назад лондонская Valarian получила 50 млн долларов на A‑раунде — и делает это вполне конкретно: добавляет «суверенный слой контроля» между AI‑системами и чувствительными данными, чтобы решать, какие AI могут взаимодействовать с какими данными и на каких условиях. Два года назад в таком вообще не было спроса, а теперь за этим выстраиваются очередь из правительств и крупных компаний.

«AI‑шлюзы» и промежуточные слои оркестрации становятся незаменимой частью архитектуры enterprise AI. Когда компания использует одновременно OpenAI, Anthropic, open‑source модели и свои доработанные под себя специализированные модели, кто будет делать единый роутинг, контролировать стоимость, управлять правами и проводить аудит? В традиционной софт‑эпохе это называли middleware, а в AI‑эпохе — шлюзом или оркестрационным слоем. Он не самый «громкий», но это критически важная инфраструктура для перехода компаний от «использовать AI» к «управлять AI». По сути Palantir делает именно это — просто в самом тяжёлом варианте. Более лёгкие решения под разные масштабы компаний — огромный простор.

На прикладном уровне отраслевые AI‑решения тоже двигаются от «надетой оболочки» к реальному углублению. Раньше многие «AI‑приложения» по сути были оболочкой поверх GPT. А теперь устойчиво стоят на ногах продукты, которые глубоко понимают отраслевые know-how, тесно связывают AI‑возможности с логикой конкретной индустрии. Ценность таких компаний — не в моделях, а в отраслевом понимании, и именно это сложно добыть модельным компаниям за счёт обучения.

Даже на уровне «людей» появляется новый рынок услуг. Когда всё больше компаний понимают, что им нужны не дополнительные AI‑инструменты, а люди, которые умеют «командовать AI», и организационные методологии в комплекте, спрос на консалтинг по трансформации организаций в эпоху AI, обучение талантов и перестройку процессов начинает быстро расти.

В конце концов, индустрия, где есть только «модельный слой», — хрупкая. Именно более объёмная экосистема, где всё взаимосвязано, позволяет AI‑индустрии развиваться быстрее и здоровее. В этой экосистеме кто‑то делает модели, кто‑то — суверенную инфраструктуру, кто‑то — шлюзы и управление, кто‑то — глубокие прикладные решения под отрасли, кто‑то — помогает компаниям переосмыслить организационные способности. Каждый слой отвечает на реальные потребности компаний в процессе перехода от «внедряем» к «управляем».

Эти потребности за последний год стали всё яснее — от размытых к чётким. Следующая волна новых поколений решений, сервис-провайдеров и продуктов, рождённых вокруг этих нужд, вероятно, откроет фазу явного взлёта.

Вернёмся к метафоре предела Роша. Найти безопасную траекторию — никогда не задача одной компании. Когда у всей экосистемы начнут появляться силы за пределами модели, у бизнеса появится настоящая уверенность, что его не разорвёт.