Змінився напрям вітру! Ведучі інвестиційні банки Уолл-стріт у нічному звіті: війна за ШІ входить у стадію «м’ясорубки», лише компанії, що вижили, мають право говорити про $BTC

Аналіз ринку вказує, що галузь базових моделей для штучного інтелекту переходить від драйверів очікувань до драйверів попиту. Звіт, опублікований нещодавно, системно відповідає на десять ключових питань, які турбують інвесторів, і вважає, що якість моделей стала головною змінною, яка визначає конфігурацію ринку, а галузеве розшарування прискорюватиметься.

Звіт вважає, що ринок Китаю для ШІ перебуває в чіткій точці перелому. Попит у сценаріях кодування та агентів зростає швидше. Можливості моделей у країні наблизилися або навіть перевищили рівень американських лідерів за рік до того, а локальне ціноутворення краще відповідає економічній ефективності; разом це покращує показники впровадження. 2026 рік — ключовий рік для того, чи зможуть AI-потреби китайських компаній повторити криву зростання 2025 року в США.

Виходячи з Anthropic як орієнтира, їхній річний дохід від регулярної діяльності зріс зі 100 мільярдів доларів у грудні 2024 року до 1900 мільярдів доларів у березні 2026 року — приблизно у 19 разів за 15 місяців. Китайський ринок має умови, щоб повторити подібний шлях, особливо в сфері кодування: такі інтернет-гіганти, як Tencent, Alibaba та ByteDance, уже вбудували відповідні інструменти в існуючу екосистему, переводячи попит із одиночних демонстрацій до повноцінного розгортання.

Питання перше: попит на AI зростатиме лінійно чи вибухне на переломі? Попит визначається точкою перелому. Поки якість моделі достатньо висока, щоб розблокувати реальні сценарії застосування, використання перемикнеться із лінійного зростання на «опуклу» криву вибухового характеру. Американський ринок дає переконливі докази. Наразі Китай має базові умови для подібного вибуху. У сегменті агентів OpenClaw стає важливим каталізатором, переносячи сценарії використання з однораундових взаємодій до виконання багатокрокових завдань.

Питання друге: ціни на API зростатимуть, падатимуть чи розшаровуватимуться? Ціноутворення не рухатиметься в одному напрямі — розшарування є головною тенденцією. Моделі з сильнішими можливостями формують цінову владу. Оскільки ефективність обладнання та алгоритмів постійно зростатиме, витрати на інференс одиниці безперервно знижуватимуться. У підсумку формується розшарована цінова структура: моделі, що постійно зберігають передові можливості, зможуть одночасно досягати і зростання обсягів, і зростання цін; моделі, які не зможуть безперервно оновлюватися, зіткнуться зі зниженням цін.

Питання третє: якщо ціни не є головним полем битви, де зосереджується конкуренція? Основне поле бою вже змістилося з ціни за токен на можливості моделей. Це ключова зміна порівняно з минулим роком. У сценаріях кодування та агентів, де попит зростає найшвидше, якість набагато важливіша за ціну за одиницю. У багатокрокових робочих процесах сутність того, що купує клієнт, — «успішне виконання завдання».

Звіт наводить інтуїтивний математичний приклад: якщо імовірність успіху в одноетапному режимі зростає з 85% до 98%, то для 20-етапного завдання кінцевий рівень виконання стрибне з 4% до 67%. За такою логікою модель із найнижчою ціною за токеном фактична інтегрована собівартість виконання кожного завдання може виявитися найвищою. Звіт також зазначає, що компанії з сильними передовими моделями можуть легко розширюватися у низькосегментний ринок, але компаніям, які спираються лише на низькі ціни, важко вийти в преміальний сегмент.

Питання четверте: чому базові великі моделі залишаються галуззю «невпинної боротьби за життя»? Технологічна різниця невелика, ітераційний цикл безкінечний, а моделі монетизації збігаються — три фактори визначають надзвичайно жорсткий характер цієї галузі. Різниця в можливостях між компаніями, що створюють великі моделі в Китаї, часто менша, ніж очікують інвестори. У цій індустрії «стояти на місці» — це не нейтральний результат, а означає втрату позицій.

Згущення комерційних моделей посилює тиск від вибракування. Як зростання доходів, так і маржа прибутку здебільшого залежать від сили продукту, а витрати на перемикання залишаються відносно низькими. Це означає, що компанії, які втратять технологічний імпульс, швидко втратять захисні можливості і в бізнесі, і у фінансах, а кількість справді надійних компаній у галузі поступово зменшуватиметься.

Питання п’яте: що визначає прибутковість? Ключове питання — чи зможе темп зростання валової маржі стабільно випереджати темп зростання витрат на розробку. Базова економічна модель токен-бізнесу ясна. Паралельно з постійним підвищенням ефективності моделей і ефективності інференс-чипів, валова маржа передових моделей має поступово зростати. Але перспективи операційного прибутку значно складніші.

Anthropic — приклад-попередження: навіть коли рівень щомісячного доходу в лютому 2026 року вже сягнув 1400 мільярдів доларів, компанія того ж періоду оголосила новий раунд фінансування на 3000 мільярдів доларів і підкреслила необхідність безперервного розвитку передових технологій — високий дохід не означає нормалізації інтенсивності навчання. Базовий сценарій такий: Zhipu та MiniMax, як очікується, обидві вийдуть на беззбитковість із 2029 року. Звіт наголошує, що важливішими за конкретний рік прибутковості є такі показники: стійка тенденція до зростання використання та стійке покращення одиничної економічної ефективності.

Питання шосте: як інвесторам відстежувати силу моделей? Потрібно враховувати три виміри: ціну токенів, обсяги використання та сторонні оцінки. Ціна токенів — найважливіший показник, тому що це єдине актуальне відображення позиціонування компанії на ринку власного продукту. Різниця в ціні порівняно з ціною найкращих моделей дедалі стає хорошою проксі-змінною для фактичної конкурентоспроможності моделі.

Обсяг використання токенів відображає реальний вибір користувачів і розробників. Треті сторони-агрегатори API, зокрема OpenRouter, можуть слугувати орієнтиром; особливо важливо стежити за ростом робочих навантажень класу агентів. Щодо сторонніх оцінок: Artificial Analysis надає структуровані оцінки, а LMArena відображає сліпі уподобання реальних користувачів; разом вони доповнюють одне одного.

Питання сьоме: як бути із незалежними компаніями моделей, якщо інтернет-гіганти масово заходять у B2B? Межі конкуренції зближуються, але в кінцевому підсумку все одно повертаються до змагання за можливості моделей. Alibaba чітко визначила хмарні сервіси та AI як стратегічні пріоритети. Продукти агентів, які розробила Tencent, охоплюють усі сценарії — для індивідуальних користувачів, розробників і підприємств. OpenAI також змістив комерційний фокус на корпоративні продукти та розгортання для кодування.

У напрямках провідних компаній є збіг: AI еволюціонує від «функцій на стороні споживання» до «інструмента, який безпосередньо створює дохід підприємств». У цьому контексті для незалежних компаній моделей недостатньо просто мати ярлик «нейтрально до хмари», щоб створити рівчак захисту; інтернет-гіганти не можуть повністю компенсувати нестачу можливостей моделей лише за рахунок переваги екосистемного трафіку. Коли підприємства впроваджують AI, ядро покупки — це все ще якість моделей.

Питання восьме: які фактори визначають, чи компанія виживе? Талант на першому місці, обчислювальні потужності на другому, організація на третьому — усі три необхідні. Провідні дослідницькі таланти залишаються ядром. Сама здатність керівництва робити технічні судження — це конкурентний чинник. Щодо обчислювальних потужностей і капіталу: витрати на передове навчання високі, а економіка інференсу залежить від якості інфраструктури. Організаційна здатність до виконання в ринках із швидкими ітераціями майже така ж важлива, як і сама модель.

Питання дев’яте: якщо всі рухатимуться вперед, чи стануть моделі зрештою схожими? Загальна сила зближатиметься, але моделі не зрівняються — ринок не сформує схему «переможець забирає все». Є відмінності між різними компаніями в виборі архітектури, навчальних даних, фокусі продукту та технологічному шляху — ці відмінності триватимуть і створюватимуть різні переваги можливостей.

Звіт вважає, що в ринку, який і далі швидко розширюється, кілька компаній можуть одночасно зростати, навіть якщо є певне перекриття можливостей — на даному етапі значення розширення загального ринку набагато більше, ніж занепокоєння про надмірну ранню комодитизацію. У довгостроковій перспективі більш реалістичний сценарій ринкового фіналу не «одна компанія домінує, а решта виходять», а «залишаються кілька справді сильних компаній, кожна з власними зонами переваг». Оскільки AI розширюється від інструмента продуктивності до сценаріїв на стороні споживання, різниця в особистих уподобаннях, стилях і преференціях ще більше підсилить цю багатовимірність.

Питання десяте: як узгодити єдине розуміння ризиків: open-source/closed-source, ітерації моделей та глобальне розширення? Ітерації — обов’язковий пункт, open-source/closed-source — це вибір стратегії, а ключові ризики глобального розширення — це обчислювальні потужності та комплаєнс. Щодо ітерацій моделей: очікуваний темп — приблизно щороку випускати нове покоління флагманських моделей, а між ними відбуватимуться невеликі оновлення під керуванням підкріплювального навчання.

Щодо open-source/closed-source: звіт вважає, що відповідь не є «або те, або те». Моделі closed-source мають сильніший комерційний оборонний потенціал; open-source допомагає будувати екосистему, підвищувати рівень впровадження та прискорювати технологічний зворотний зв’язок. Тому більшість китайських компаній, що працюють із моделями, у підсумку застосують змішану стратегію: closed-source — найновіша й найсильніша модель, open-source — частина інших версій.

Щодо глобального розширення: найбільший ризик усе ще пов’язаний із доступом до обчислювальних потужностей. Навчання та інференс значною мірою залежать від високопродуктивних чипів, а посилення експортних обмежень одночасно зменшуватиме швидкість прогресу моделей і конкурентоспроможність за витратами. Другий — ризики даних і безпекової відповідності: якщо розгортання моделей, сервіс для користувачів і зберігання даних можуть бути реалізовані локально за кордоном, проблеми транскордонної передачі даних стають відносно контрольованими; але місцеві правила приватності та визначення прав на доступ до даних пов’язаними з Китаєм суб’єктами все ще є джерелом невизначеності.

Зверніть увагу на мене: щоб отримувати більше реального часу аналізу та інсайтів з крипторинку!

#Gate金手指 #国际油价走高 #BTC能否守住6.5万美元？ $BTC $ETH $SOL