#GateEventPointsSystemLaunched #OpenAI二季度亏损扩大 Выручка OpenAI выросла на 18%, но компанию обошли — что именно не так с бизнес-моделью ИИ?

#OpenAI二季度亏损扩大 Рост выручки OpenAI на 18%, но компания оказалась позади: что не так с бизнес-моделью ИИ?

OpenAI опубликовала данные за второй квартал: выручка составила 6,7 миллиарда долларов, увеличившись на 18%, однако компанию обошла Anthropic, а убытки продолжают расти.
Это вопрос не только о том, какая компания лидирует, — бизнес-модель всей индустрии больших ИИ-моделей переживает глубокий кризис.

Острая гонка в сфере ИИ и баланс прибыли и убытков

Данные безжалостны. Выручка OpenAI в первом квартале составила 5,6 миллиарда долларов, а во втором — 6,7 миллиарда, и рост на 18% по сравнению с предыдущим кварталом выглядит неплохо. Но выручка Anthropic за тот же период составила 8,5 миллиарда долларов — компания не просто вышла вперёд, а опередила OpenAI на 1,8 миллиарда. Что ещё важнее, убытки OpenAI растут — это самый опасный сигнал.

Многие всё ещё обсуждают, какая модель умнее и какие технологии передовее. Я хочу сказать: не позволяйте технологическому ореолу себя ослепить. Когда убытки компании растут, а конкурент обходит её по выручке, это уже указывает на фундаментальную проблему: нынешняя бизнес-модель ИИ, возможно, пошла по неверному пути.

«Дилемма электростанции» ИИ: чем сильнее технология, тем выше затраты

Начнём с реальности: генерация одного изображения в OpenAI обходится примерно в 2,12 цента. Обработка 1 000 токенов стоит от 0,03 до 12 центов. Сколько платит пользователь? Подписка ChatGPT Plus стоит 20 долларов в месяц — на первый взгляд, немного.

Большие модели подобны энергоёмким электростанциям

Но проблема именно в этом. Большая ИИ-модель похожа на сверхмощную электростанцию, потребляющую огромное количество электричества: чем больше энергии она вырабатывает, тем больше угля сжигает. Чем активнее пользователи ею пользуются, тем больше компания теряет.

Я наблюдаю, что компании, разрабатывающие большие модели, попали в замкнутый круг: чтобы доказать технологическое превосходство, они должны делать модели больше и умнее; чем больше модель, тем выше стоимость инференса; чем выше затраты, тем сложнее получать прибыль. Это замкнутый круг.

Почему Anthropic удалось обойти OpenAI по выручке? Мой анализ таков: возможно, компания нашла более эффективную клиентскую аудиторию. Корпоративные клиенты и разработчики — группы, готовые платить за предсказуемость, — и есть точка прорыва для коммерциализации ИИ. А OpenAI по-прежнему в значительной степени зависит от пользователей B2C, а это как раз самый сложный для монетизации рынок.

Недостаток продуктового мышления: большая модель не равна хорошему продукту

Здесь я хочу сказать о факте, который многие не желают признавать: технологическое лидерство не равно успеху продукта. У OpenAI есть GPT-4o, Sora и самые передовые в мире большие ИИ-модели. Но что с того? Пользователю нужны не технические характеристики, а продукт, способный решать проблемы.

Приведу пример. Что волнует владельца малого или среднего предприятия, использующего ChatGPT для написания маркетинговых текстов? Необходимость каждый раз заново настраивать prompt, непредсказуемость результатов, которые то хороши, то плохи, и опасения по поводу безопасности данных. Решила ли OpenAI эти проблемы?

Я считаю, что нет. Для компаний, разрабатывающих большие модели, характерен «технологический нарциссизм»: они считают, что их модель достаточно умна и пользователи должны под неё подстраиваться. Это абсолютно неверный продуктовый подход.

В чём заключается настоящее продуктовое мышление? В том, чтобы смотреть с точки зрения пользователя: какие проблемы вам нужно решать каждый день? За что вы готовы платить? Что причиняет вам наибольшие неудобства?

Судя по данным финансовой отчётности, OpenAI явно ещё недостаточно продвинулась по этому пути. Рост выручки при увеличении убытков указывает на потерю контроля над затратами. То, что компанию обошла Anthropic, говорит о более медленном выходе на коммерческое применение.

Три смертельно опасных заблуждения в бизнес-модели

Я считаю, что в бизнес-модели больших ИИ-моделей есть три смертельно опасных заблуждения.

Во-первых, чрезмерная зависимость от API-экономики. Многие компании, разрабатывающие большие модели, считают: если открыть API и привлечь разработчиков, можно создать экосистему. Но реальность такова: API — это лишь инструмент, а не решение. Разработчикам нужны стабильные, дешёвые и надёжные ИИ-возможности, а не сервис, который время от времени становится дороже.

Во-вторых, игнорирование вертикальных отраслей. Большая модель умеет всё, но ни в чём не разбирается достаточно глубоко. Медицина, право, образование, финансы — у каждой вертикальной отрасли свои уникальные потребности и порог входа. Универсальные большие модели зачастую не справляются с этими задачами.

В-третьих, недооценка потребностей предприятий. Предприятиям нужны не эффектные демонстрации ИИ, а инструменты, которые можно интегрировать в рабочие процессы, безопасные, управляемые и предсказуемые. Порог входа на этот рынок высок, но и ценность велика. Вероятно, именно на этом рынке Anthropic удалось совершить прорыв.

Мой вывод таков: будущим победителем в сфере ИИ станет не обязательно компания с самой сильной технологией, а та, которая лучше всего умеет превращать технологию ИИ в коммерческую ценность.

Будущее направление: от технологической гонки к созданию ценности

Сложившееся положение OpenAI стало тревожным сигналом для всей ИИ-индустрии. Скорость, с которой технологическая гонка сжигает деньги, уже превысила скорость коммерческой монетизации.

Так где же выход?

Во-первых, переход от универсальности к вертикальным решениям. Большим моделям необходимо «спускаться вниз» и глубже погружаться в конкретные отрасли и сценарии. Специализированная модель, превосходно разбирающаяся в медицинской диагностике, может обладать большей коммерческой ценностью, чем универсальная модель, умеющая понемногу всё.

Во-вторых, переход от моделей к приложениям. Пользователи покупают не модели, а решения. Умение упаковать возможности ИИ в продукт, за который предприятия готовы платить, станет ключом к конкуренции на следующем этапе.

В-третьих, переход от сжигания денег к самостоятельной генерации дохода. ИИ-компании должны найти устойчивую модель получения прибыли, а не вечно зависеть от вливаний инвесторов. Это означает строгий контроль затрат, точное определение платёжеспособных пользователей и создание настоящих коммерческих барьеров.

Данные OpenAI за второй квартал на поверхности показывают рост выручки при отставании от конкурента. В более глубоком смысле они отражают коллективную тревогу всей ИИ-индустрии по поводу бизнес-модели.

Период воодушевления от технологических прорывов уже прошёл, и теперь пришло время столкнуться с жестокой коммерческой реальностью. ИИ — не магия: он должен решать реальные проблемы, создавать реальную ценность и приносить реальную прибыль.

В ближайшие два года мы увидим первую масштабную перетряску ИИ-индустрии. Компании, которые умеют только создавать модели, но не умеют делать продукты, постепенно начнут отставать. А компании, которые по-настоящему понимают пользователей, глубоко прорабатывают сценарии и создают устойчивые бизнес-модели, станут новыми победителями.

У OpenAI ещё есть шанс, но времени осталось немного. Все предприниматели в сфере ИИ должны извлечь из этих данных ясный сигнал: технологии важны, но бизнес важнее. Технологический прорыв без коммерческой опоры в итоге остаётся лишь игрушкой в лаборатории.

Вторая половина пути ИИ только начинается$OPENAI