Введение
Где в генеративном ИИ создаётся стоимость и кто получает выручку? Чтобы оценить идею стартапа, недостаточно следить за новыми моделями. Нужно понимать всю цепочку: оборудование, облачные мощности, модели, платформы, приложения и внедрение.
Эта статья рассматривает отрасль в контексте 2024–2025 годов. В тот период генеративный ИИ привлекал десятки миллиардов долларов инвестиций, а компании расширяли его применение в рабочих процессах. Разберём экономику каждого уровня и различия между регионами. Исторические суммы и примеры не следует воспринимать как текущую статистику.
Что такое генеративный ИИ
Искусственный интеллект объединяет разные подходы. Одни прогнозируют спрос или отток, другие распознают изображения, ранжируют товары или управляют действиями робота. Генеративный ИИ создаёт новый контент: текст, код, изображения, звук и видео.
Отраслевые применения выходят за рамки чат-ботов. В биотехнологиях модели помогают проектировать белки и молекулы; в финансах — готовить отчёты по исходным данным; в юридической работе — составлять и анализировать документы; в промышленности — формировать инструкции и описания по изображениям и журналам оборудования.
В основе многих продуктов лежат базовые модели: крупные предварительно обученные нейронные сети, которые адаптируют с помощью инструкций, поиска по данным (RAG) или дообучения. Компания может получить доступ через API, развернуть модель с открытыми весами или использовать закрытую инфраструктуру. Базовая модель и готовый продукт — разные уровни бизнеса.
| Направление | Результат |
|---|---|
| Генеративный ИИ | Новый текст, код, изображения, звук, видео и отраслевые результаты: молекулы, договоры, отчёты |
| Физический ИИ | Действия в реальном мире: движение, манипуляции, задачи робототехники |
| Предиктивное машинное обучение | Оценки и прогнозы: риск, отток, спрос, цены |
| Рекомендательные системы | Ранжированные списки товаров, рекламы, публикаций и результатов поиска |
| Компьютерное зрение | Распознавание объектов, дефектов, людей и сцен |
| Обучение с подкреплением | Стратегии действий: последовательности решений для достижения цели |
Чтобы создать полезный продукт, не обязательно обучать собственную модель. Но необходимо понимать её возможности, ограничения, стоимость использования и требования к данным. Эти решения прямо влияют на юнит-экономику.
Как устроена цепочка создания стоимости
Один запрос пользователя запускает работу нескольких уровней. Понимание того, кто кому платит, помогает оценить себестоимость, зависимость от поставщиков и возможности собственного продукта. На практике одна компания может работать сразу на нескольких уровнях.
Шесть уровней и роль данных
Иллюстрация · На английском
Пользователь взаимодействует с приложением: ассистентом в документах, службой поддержки, инструментом продаж или чатом. Здесь ценность создают удобный процесс, ограничения качества, интеграции и полезный результат. Здесь же задаются ожидания по скорости, точности и цене.
Платформа доступа к моделям выбирает подходящую модель, добавляет поиск по базе знаний и записывает результаты для контроля качества и расходов. Маршрутизация, мониторинг, кэширование и резервные варианты могут существенно влиять на надёжность и маржу продукта.
Базовая модель генерирует ответ. Использование закрытого API обычно ускоряет запуск; самостоятельное размещение модели с открытыми весами даёт больше контроля, но требует ресурсов и собственной эксплуатации. Выбор зависит от задачи, данных, задержки и стоимости обработки.
Облачный уровень предоставляет вычислительные мощности для обучения и работы моделей. Ниже находятся ускорители, серверы и сети. При высокой нагрузке выбор между оплатой по факту и резервированием мощностей становится финансовым решением, а не только техническим.
Данные проходят через всю цепочку: лицензированный контент, документы компании, размеченные примеры, журналы взаимодействий и синтетические наборы. Они могут улучшать качество и создавать отличие продукта, но требуют затрат, контроля происхождения и прав использования.
Интеграторы связывают технологию с работой компании: внедряют решения, подключают системы, проверяют безопасность, обучают сотрудников и измеряют результат. Покупатель платит за сокращение времени, снижение нагрузки или улучшение качества процесса.
На что уходят деньги
Затраты каждого уровня различаются. У производителей чипов это разработка и производство; у облачных компаний — оборудование и эксплуатация дата-центров; у разработчиков моделей — вычисления, данные и исследовательская команда. Приложения оплачивают использование моделей и собственную инфраструктуру.
| Уровень | Расходы | Получатели платежей |
|---|---|---|
| Оборудование | Разработка, проектирование и производство чипов, упаковка и материалы | Производители полупроводников, поставщики оборудования и компонентов |
| Облачные мощности | Ускорители, дата-центры, электричество, охлаждение, сети и эксплуатация | Производители чипов, энергокомпании, площадки дата-центров и операторы связи |
| Базовые модели | Вычисления для обучения, лицензии на данные, исследования, разработка и проверка качества | Облака, правообладатели, поставщики разметки и инструментов |
| Доступ к моделям и MLOps | Размещение моделей, хранение, передача данных, векторные базы, мониторинг и поддержка | Облака, разработчики моделей, поставщики баз данных и средств наблюдения |
| Приложения | Использование моделей, хранение, проверка качества людьми, платежные комиссии, продажи и сопровождение | Поставщики моделей и облаков, баз данных, платёжные сервисы и сотрудники |
| Услуги и интеграция | Сотрудники и подрядчики, платформы партнёров, обучение и командировки | Команда, партнёры, организации обучения и поставщики поездок |
| Данные на всех уровнях | Лицензирование, разметка, создание синтетических данных | Правообладатели, компании разметки и поставщики данных |
Важно различать капитальные вложения, расходы периода и переменную себестоимость. Эти категории по-разному отражаются в прибыли и денежном потоке. Большая выручка отрасли сама по себе не означает быстрой окупаемости на каждом её уровне.
Откуда поступает выручка
Деньги конечного клиента распределяются между участниками цепочки. Приложения продают подписку и использование, платформы — инструменты и вычисления, разработчики моделей — доступ, облачные компании — мощности, а производители оборудования — чипы и системы.
| Уровень | Что продают | Кто платит | Модель оплаты |
|---|---|---|---|
| Оборудование | Чипы, сети и серверы | Облака, разработчики моделей, производители систем | За единицу оборудования или по долгосрочному контракту |
| Облачные мощности | Вычисления для обучения, дообучения и работы моделей | Разработчики, стартапы и крупные компании | За час ускорителя, вызов или резервирование мощности |
| Базовые модели | Доступ к модели и права использования | Разработчики приложений, компании и облачные площадки | За токен, запрос, лицензию или закрытое размещение |
| Доступ к моделям и MLOps | Размещение, маршрутизация, оценка качества, поиск и управление запросами | Продуктовые команды и компании | Подписка и плата за использование |
| Приложения | Ассистенты, агенты и ПО для рабочих процессов | Компании разного размера и частные пользователи | За пользователя, объём задач либо по условиям результата и SLA |
| Услуги и интеграция | Внедрение, настройка, интеграция данных и обучение | Компании и государственные организации | За проект, часы работы, регулярное сопровождение или перепродажу |
| Данные на всех уровнях | Наборы данных, права, разметка и синтетические данные | Разработчики моделей, приложений и облачные платформы | Годовая лицензия, плата за запись или задачу |
Поэтому выбор поставщика, способа размещения и модели оплаты отражается не только на технической архитектуре, но и на марже, надёжности и скорости развития продукта.
Глобальная карта генеративного ИИ
Новости о крупных инвестиционных раундах показывают лишь часть картины. Позиции региона различаются по уровням: производство чипов, облачные мощности, базовые модели, платформы, приложения и услуги.
Карта отражает ситуацию 2025 года. Для сопоставления регионов использованы частные инвестиции в генеративный ИИ. Государственные программы вычислительной инфраструктуры рассматриваются отдельно: это другая категория финансирования. Карта не является полным реестром компаний.
Иллюстрация · На английском
Как читать карту с точки зрения бизнеса
Частные инвестиции показывают, где формируются новые продукты и партнёры. Государственные программы оборудования и дата-центров помогают понять, где может меняться доступность мощностей. Производство передовых чипов и памяти остаётся отдельным ограничением, которое влияет на стоимость всей цепочки.
Для основателя приложения полезнее определить доступ к клиентам, данным и каналам продаж, чем пытаться охватить всю индустрию. Возможность менять модели, разумно распределять запросы и выбирать подходящее размещение снижает зависимость от одного поставщика.
США: капитал, клиенты и каналы продаж
В рассматриваемый период в США были сосредоточены крупные разработчики моделей, облачные платформы и значительная часть спроса. AWS, Microsoft Azure и Google Cloud занимали около двух третей мирового рынка облачной инфраструктуры в III квартале 2024 года. По AI Index 2025, 71% опрошенных организаций сообщали об использовании генеративного ИИ в 2024 году.
Развитые корпоративные закупки, облачные маркетплейсы и партнёрские каналы создают возможности для B2B-продуктов. Но привлекательность рынка нужно проверять на уровне своего сегмента: наличие капитала и крупных платформ не гарантирует коротких продаж или низкого CAC конкретному стартапу.
Европа: отраслевые продукты и сильные команды
В европейской экосистеме заметны Mistral, Aleph Alpha, DeepL, Synthesia и Stability. В 2025 году отмечались меньший объём частного финансирования по сравнению с США и сильные позиции в отдельных специализированных продуктах.
Примеры — Siemens Industrial Copilot, Synthesia с объявленным достижением $100 млн ARR и раунд DeepL на $300 млн при оценке около $2 млрд в 2024 году. Они показывают коммерческую ценность отраслевой точности, многоязычности и интеграции в процессы.
Использование американских облаков означает, что часть расходов европейских продуктов становится выручкой компаний за пределами региона. Такие инициативы, как EU Chips Act, нацелены на развитие собственной базы, но эффект инфраструктурных вложений проявляется постепенно.
Китай: собственная инфраструктура и внутренние платформы
Китайская экосистема объединяет модели, приложения, облака и оборудование. В 2024 году был создан полупроводниковый фонд на 344 млрд юаней, около $47,5 млрд. По программе вычислительных центров сообщалось о 43,5 млрд юаней прямых государственных вложений к июню 2024 года. Эти суммы относятся к инфраструктурным программам, а не к венчурным инвестициям исключительно в генеративный ИИ.
Среди разработчиков и продуктов в обзоре 2025 года — Baidu ERNIE, Alibaba Qwen, ByteDance Doubao, DeepSeek и Kimi компании Moonshot. Внутренние платформы дают доступ к большой аудитории, а ограничения на оборудование и местные требования влияют на архитектуру и распространение продуктов. Для выхода на такой рынок необходимо отдельно изучать действующие условия.
Другие регионы
В обзоре 2025 года Израиль выделялся корпоративными инструментами и компетенциями в безопасности, Индия — большой базой разработчиков и собственными модельными инициативами, страны Персидского залива — инвестициями в вычисления и национальные модели. Латиноамериканский пример NotCo показывал потенциал отраслевого применения генеративного ИИ в разработке продуктов питания.
Российский рынок в обзоре 2025 года рассматривался как в большей степени ориентированный на внутренние продукты и финансирование крупных компаний и государства. Размер доступной аудитории, выход на внешние рынки и доступ к вычислениям необходимо учитывать отдельно от качества технической команды.
Выводы
Экономика генеративного ИИ начинается задолго до запроса в приложении: с оборудования, мощностей, данных и разработки моделей. Но основателю не нужно владеть всей цепочкой. Важно выбрать уровень, на котором команда создаёт ценность, понять зависимость от поставщиков и связать продуктовые решения с себестоимостью.
Для приложения это означает конкретные данные, полезный рабочий процесс, доступ к клиентам и контроль стоимости использования. Глобальная карта помогает увидеть контекст; жизнеспособность бизнеса проверяется в собственной финансовой модели.