Наконец компании, которая использовала AI, обнаружили, что их бизнес забрали компании, создающие большие языковые модели

Автор:宇航猿；Источник：极客公园

1 июля гендиректор Palantir Алекс Карп вошёл в студию CNBC и в почти неконтролируемой манере выдал «бомбу».

Он сказал, что AI-индустрия «effing insane» («сошла с ума»), что CEO американских компаний «livid» («в ярости») из‑за OpenAI и Anthropic, и что бизнес творит совершенно абсурдную вещь — с одной стороны безумно платит за token, а с другой отдаёт своим самым ключевым операционным данным поставщикам моделей на блюдечке. А взамен получаемая коммерческая ценность почти не поддаётся измерению.

Ведущий спросил, это не «перекладывание вины». Карп ответил: «Нет, я просто констатирую факты».

В тот же день акции Palantir выросли на 9%. Сам по себе этот показатель — как бюллетень для голосования: рынок считает, что он сказал то, о чём многие хотели сказать, но не решались.

Это не просто эмоциональный всплеск одного человека. Когда глава компании с капитализацией свыше триллиона долларов атакует всю индустрию больших моделей в национальном прямом эфире и рынок отвечает реальной реакцией деньгами — это означает, что некая общая коллективная эмоция дошла до критической точки.

За последние два года все говорили о том, как «обнимать» большие модели. Но теперь на поверхность выходит новый вопрос — не слишком ли близко компании подходят к большим моделям и не будут ли они разорваны ею?

**01 **От «повёлся» к «не наивным»

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

Неважно, какой ROI, неважно, куда уйдёт поток данных: главное — не выпасть из процесса. Тогда основной нарратив звучал так: «пришла AI-революция, и если не внедрять, то вылетишь». CIO и CTO из разных отраслей под огромным давлением встраивали AI в каждый бизнес‑участок, куда только можно. Это было типичное решение, движимое технической паникой.

К 2025 году «развёртывание повсюду» стало ключевым словом. Компании начали всерьёз встраивать большие модели в ключевые бизнес‑процессы, а не просто делать demo и устраивать внутренние hackathon. От поддержки клиентов до генерации кода, от анализа рынка до продуктового дизайна — глубина и ширина проникновения AI росли в экспоненте.

Но в 2026 году происходит тонкая смена настроений.

Данные исследования Salesforce показывают: только половина IT‑лидеров уверены, что их база данных способна поддержать успешную реализацию AI. В исследовательском отчёте NTT DATA, опубликованном в этом мае, прямо используется слово «упёрлось в стену»: корпоративный AI сталкивается с архитектурными ограничениями, вызванными требованиями к конфиденциальности данных и суверенитету. Gartner прогнозирует: к 2027 году 35% государств будут зависеть от регионализированных AI‑платформ, тогда как сегодня этот показатель равен 5%.

Карп сформулировал этот поворот ещё прямее. Он сказал, что компании уходят от бездумного потребления token — «tokenmaxxing» — к реальному вопросу про окупаемость инвестиций. «Базовая идея такая: не трать больше время на token».

Это не отрицание больших моделей. Это то, как вся индустрия выходит из режима “повёлся” и переходит к “не наивным”. После всплеска энтузиазма компании начали рассматривать с более холодным взглядом фундаментальную проблему: что я отдаю и что получаю взамен — этот баланс вообще можно посчитать?

**02 **Партнёр становится конкурентом

Критика Карпа пока остаётся на уровне бизнес‑модели. Но по‑настоящему пугает другая, более непосредственная угроза — ваш поставщик AI‑сервисов, возможно, использует вклад данных и понимание сценариев, которые даёте вы, чтобы создать продукт, заменяющий ваш.

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

В феврале две компании — Figma и Anthropic — ещё сотрудничали, разрабатывая функцию под названием «Code to Canvas», чтобы код, сгенерированный Claude, бесшовно встраивался в дизайн‑процесс Figma. Обе компании выглядели как близкие партнёры.

14 апреля главный продуктовый директор Anthropic Майк Кригер тайно сложил с себя полномочия в совете директоров Figma.

Через три дня Anthropic выпустила Claude Design — AI‑инструмент, который может генерировать интерактивные прототипы, PPT и маркетинговые материалы напрямую на естественном языке, прицеливаясь в самое сердце бизнеса Figma.

В тот день акции Figma упали почти на 8%.

В более позднем материале Fast Company есть деталь, от которой мурашки: Figma и Adobe, Canva и другие компании много лет сотрудничали с Anthropic, но до релиза Claude Design никого не уведомили. В итоге все осознали, что их AI‑партнёр, буквально у них на глазах, превратился в конкурента.

Почему эта история достойна глубокого размышления — потому что она вскрывает структурную проблему эпохи больших моделей, куда более опасную, чем прежде: когда вы глубоко сотрудничаете с AI‑компанией, вы отдаёте не только точку входа на рынок — вы отдаёте и своё ключевое понимание сценариев, а также данные о потребностях пользователей.

Anthropic смогла сделать Claude Design во многом потому, что в сотрудничестве с компаниями‑производителями инструментов для дизайна она глубоко разобралась в рабочих процессах дизайнеров и в их болевых точках.

Но если отодвинуть картину дальше, это не новый сценарий в истории технологий.

Amazon начинал как e‑commerce‑платформа, запускает собственные бренды, точно выявляет самые прибыльные категории по данным платформы и выводит свои продукты, чтобы съесть долю третьих продавцов. Microsoft, стартовав с операционной системы, по очереди «подбирает» браузер, офисные приложения и средства коммуникации — Netscape убивают, Slack заставляют продать. Google расширил поиск до ответов прямо со страницы результатов, из‑за чего Yelp и многие вертикальные информационные сервисы оказались на обочине.

Железное правило технологической индустрии неизменно: когда платформа получает достаточно данных и понимания пользователей, она начинает наступать на уровень поставщиков “сверху”.

В эпоху больших моделей это правило становится ещё жёстче: традиционному платформенному захвату нужно время, чтобы накопить понимание, а большие модели по природе — «ускоритель понимания». Каждый ваш вызов API, каждое входящее в бизнес‑данные, которые вы отдаёте, помогают поставщику моделей быстрее и глубже понять вашу территорию.

**03 **AI‑«предел Роша»

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

Этот образ точно описывает отношения компаний с большими моделями сегодня — до тревожной точности.

Большая модель — это та массивная звезда. Каждая компания хочет «использовать её гравитацию», чтобы ускорить эффективность, снизить затраты и внедрить инновации. Но проблема в том, что если подойти достаточно близко, от «вашей материи» начнут отслаиваться части. Ваши данные, know‑how и понимание потребностей пользователей будут перетекать в центр притяжения в ходе сотрудничества.

И тогда возникает вопрос: где граница, позволяющая компании «танцевать с AI» и не быть в итоге поглощённой?

Этот вопрос уже вынесли на стол в США. Но если вам кажется, что он далеко от китайских компаний — возможно, это иллюзия.

У компаний Китая и США разный темп внедрения AI в прикладных сценариях: американские компании уже перешли к крупномасштабному и глубоко встраиваемому развёртыванию, а китайские в целом всё ещё идут от пилотов к масштабированию. Исследование, опубликованное Lenovo совместно с IDC в этом марте, показывает: в Китае 72% компаний уже завершили пилоты с агентами и запустили их в полноценное использование, в среднем AI развернут в 3,5 сценариях. Но акцент вызовов сместился: от «не хватает вычислений, не хватает данных» к «эффект от приложений не соответствует ожиданиям» и «ROI неясен».

Иными словами, китайские компании входят в похожий с США “этап трезвого осмысления AI”.

Geektimes Park (极客公园) в недавних разговорах с множеством стартапов и компаний с традиционным бизнесом заметил интересное явление: размышления о проблемах часто рождаются не из прямого ощущения кризиса вроде «модельные компании отнимут мой бизнес», а после того как AI реально встроят в работу — естественно начинаются попытки заново определить: какова моя ключевая ценность в эпоху AI.

Такое переопределение в итоге упирается в два ключевых навыка.

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

Первый — и самый практичный, он почти дословно совпадает с тем, что говорил Карп: чьи данные и бизнес‑логика реально работают на вашем “основании”?

Главный аргумент Карпа, который он повторял в CNBC: чувствительные операционные данные компаний не должны уходить в чёрный ящик стороннего поставщика моделей. Он позиционирует Palantir как прикладной слой «суверенного AI» — модели можно использовать чужие, но данные должны оставаться внутри вашей ограды, а развёртывание — на инфраструктуре, которую вы контролируете.

Это не паранойя: в Китае у компаний «ощущения» полностью совпадают. Руководитель R&D в Kingsoft Office WPS 365 Хуан Вэйцзе недавно сказал точную фразу: «сегодня бизнесу нужны не железо и не модели, а безопасный AI‑прикладной слой».

Данные IDC подтверждают тренд: в развёртываниях AI‑вычислений доля публичного облака снижается, а суммарная доля частного облака и локального развёртывания растёт с 54% до 69%. «Данные не покидают домен» превращается из лозунга комплаенса в первый фильтр при выборе со стороны CTO.

Карп называет это «товаризацией когнитивного понимания» (commodity cognition). Его оценка: качество самих моделей стремится к схождению, и реальная дифференциация — не на уровне моделей, а в прикладном слое, который связывает возможности модели со специфическими сценариями компании. «Суверенный AI‑двигатель», который Palantir совместно с NVIDIA представила, — это продуктовая реализация этой логики: взять открытые модели и дополнить их собственной онтологической прослойкой и фреймворком управления Palantir, чтобы компании запускали AI в полностью контролируемой среде — и ни один байт данных не уходил наружу. Выручка Palantir в первом квартале 2026 года составила 1,63 млрд долларов, рост год‑к‑году — 85%; в некотором смысле это и есть «бюллетень» рынка за выбранный путь.

В этом есть сигнал, на который стоит обратить внимание: в будущем компании и решения, которые помогут запускать AI на «своём фундаменте», будут ещё более востребованы. В Китае «частное AI‑мозгование» уже стало реальным направлением — вокруг него делают продукты многие стартапы. Это не технофобия: это рациональный выбор, к которому компании приходят после того, как всё продумывают.

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

Второй навык сложнее измерить, но в общении Geektimes Park с компаниями он ощущается всё сильнее: когда AI способен заменить всё больше этапов исполнения, какой именно “человек” нужен в организации?

Некоторые компании уже наступили на этот минный участок.

Когда в отдельных задачах эффективность AI заметно выше человеческой, естественная мысль — «убрать людей». Но когда организация становится тоньше, всплывает скрытая проблема: то, что делает AI, по сути — “лучшие практики”, которые эти люди когда‑то сформировали в старой среде. Когда меняется среда, рынок и пользователи, AI продолжает честно исполнять старую логику, а внутри компании уже недостаточно людей, чтобы уловить эти изменения и продвинуть бизнес дальше.

Если сказать прямо, организация, заполненная AI, но вычищенная людьми, может быть просто эффективно повторяющей прошлое.

Речь не о том, что AI нельзя использовать вместо выполнения задач. Речь о том, что когда AI забирает всё больше исполнительского слоя, компаниям нужна другая роль человека — не тот, кто традиционно выполняет конкретные задачи, а тот, кто умеет «управлять» AI. Этот человек должен понимать весь контекст бизнеса, оценивать, применимы ли результаты AI к меняющейся реальности, и видеть новые возможности за пределами «оптимального решения», которое выдает AI.

Некоторые передовые компании уже всерьёз думают об этом. Они понимают: после появления AI реальная конкурентоспособность — не в том, “сколько людей вы заменили AI”, а в том, “сможет ли ваш персонал управлять AI, чтобы делать то, что раньше было недоступно”. Если просто заставить AI бесконечно автоматизировать и повторять то, чему он обучался на истории, вы по сути запираете себя в одном конкретном снимке прошлого.

Важность такого переворота в мышлении может быть не меньше, чем важность суверенитета данных. Когда AI выравнивает технологические барьеры, «человеческое суждение» и способность организации эволюционировать становятся самым сложным для копирования. Некоторые компании уже это поняли, некоторые — ещё нет. Но эта граница, вероятно, станет очень чёткой в ближайший год‑два.

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

В последние два года доминировала скрытая предпосылка: ценность эпохи AI в итоге сосредоточится в руках компаний‑моделей. Чем ближе к моделям — тем выше ценность.

Эта предпосылка начинает расшатываться.

Карп в CNBC фактически указал на одну вещь: сами модели становятся товаризируемым когнитивным пониманием. Когда различия в возможностях между большими моделями всё уменьшаются, реальная дифференциация больше не находится на уровне моделей. Одна отрасль, где доминируют только компании‑модели, не только не здорова для бизнеса — это ещё и ограничитель скорости развития всей AI‑индустрии.

Компаниям не нужен «более сильный» просто в смысле модели. Им нужна целая экосистема: чтобы отвечать тревогам о суверенитете данных, защищать барьеры конкуренции от «всасывания» (虹吸), и чтобы AI был реально встроен в бизнес, не выходя из‑под контроля. Эти потребности создают рынок, который намного сложнее, чем «продавай token».

Уже есть чёткие сигналы по нескольким направлениям.

«Суверенная AI‑инфраструктура» превращается в реальный и финансово привлекательный сегмент. Это не концепция. Только за первое полугодие 2026 года в Европе три компании, работающие с суверенной AI‑инфраструктурой (Nebius, nScale, AtlasEsge), суммарно привлекли более 11,8 млрд долларов. Несколько дней назад лондонская Valarian получила раунд A на 50 млн долларов: весьма конкретная задача — добавить слой «суверенного контроля» между AI‑системами и чувствительными данными, определить, какие AI‑системы могут касаться каких данных и при каких условиях. Две года назад потребности в таком вообще не было, а сейчас правительства и крупные корпорации выстраиваются в очередь.

«AI‑шлюзы» и слой оркестрации превращаются в незаменимую часть архитектуры корпоративного AI. Если компания одновременно использует OpenAI, Anthropic, открытые модели и свои дообученные специализированные модели, кто будет обеспечивать единый роутинг, контроль затрат, управление правами и аудит? В традиционной эпохе софта это называли middleware, в эпоху AI — gateway или orchestration layer. Это не “сексуально”, но это ключевая инфраструктура, благодаря которой предприятие переходит от «используем AI» к «умеем управлять AI». По сути Palantir делает именно эту прослойку — просто на максимально тяжёлой версии. Более лёгкие решения для компаний разного масштаба — пространство огромно.

На уровне приложений вертикальные AI‑решения тоже уходят от «накладывания оболочки» к реальному углублению. Раньше многие AI‑приложения по сути ограничивались тем, что накидывали GPT‑оболочку. Но теперь прочно стоят те продукты, которые глубоко понимают отраслевое know‑how, плотно связывают AI‑возможности с логикой отрасли. Точка опоры такой компании — не в моделях, а в отраслевом понимании, то, что сложно получить большим моделям только через обучение.

Даже на уровне «людей» появляется новый рынок услуг: когда всё больше компаний понимают, что им нужны не новые AI‑инструменты, а люди, которые могут «управлять AI», и прикладные организационные методологии, спрос на консалтинг по изменению организаций в эпоху AI, обучение персонала и перепроектирование процессов быстро растёт.

По сути, отрасль, состоящая только из “модельного слоя”, — хрупкая. Именно более объёмная экосистема позволяет AI‑индустрии развиваться быстрее и здоровее. В этой экосистеме кто‑то делает модели, кто‑то суверенную инфраструктуру, кто‑то шлюз и управление, кто‑то глубокие вертикальные приложения, кто‑то помогает компаниям перестраивать организационные способности. Каждой прослойкой закрывается реальная потребность компаний в переходе от «внедряем» к «управляем».

За последний год эти потребности из размытых становились всё более чёткими. Дальше — новые решения, сервис‑провайдеры и продукты, которые родятся вокруг этих потребностей, вероятно, войдут в фазу ясного всплеска.

Вернёмся к метафоре предела Роша. Найти безопасную орбиту — это никогда не дело одной компании. Когда вся экосистема начинает наращивать силы помимо самих моделей, именно тогда у компаний появляется реальная уверенность, что их не разорвёт.