UBS: недорогие модели не нарушат инвестиционный цикл в AI, а чиповые и облачные гиганты станут главными победителями

По данным приложения Zhihui CaiJing, быстрое распространение недорогих моделей искусственного интеллекта с открытым исходным кодом радикально меняет подходы компаний к внедрению AI. Однако в своем последнем отчете UBS ясно указывает, что этот переход не приведет к нарушению инвестиционного цикла в сфере AI, а, напротив, сделает производителей чипов и провайдеров облачной инфраструктуры окончательными победителями, при этом принесет новые вызовы для прибыльности софтверных компаний.

Аналитик UBS Карл Керстед в отчёте от 21 июля отметил, что внимание инвесторов переключилось на два тесно связанных тренда: системное снижение компаниями расходов на токены, а также ускоряющийся переход рабочих нагрузок на более дешевые открытые модели. В отчёте, основанном на глубоком общении с более чем 15 частными компаниями AI — включая Perplexity, Harvey, Glean, Cursor, ElevenLabs и Fireworks — сделан ключевой вывод: индустрия AI выходит из «грубого этапа безразличного применения самых мощных моделей» и переходит в новую стадию приоритета эффективности — «тонкая настройка мощности под конкретную задачу».

От «максимизации токенов» к «максимизации ценности»: кардинальный сдвиг в логике корпоративных расходов на AI

В отчете команды аналитика UBS Карла Керстеда от 21 июля отмечено, что инвесторы сейчас больше всего следят за двумя связанными тенденциями: системным сокращением затрат на AI-токены и растущей готовностью использовать открытые модели (включая разработанные в Китае) для выполнения задач, не требующих передовых возможностей в области reasoning.

Этот сдвиг не продиктован уменьшением спроса на AI. Наоборот — по данным UBS, собранным на ежегодной частной AI & Software конференции (с участием более 75 компаний), внедрение AI в компаниях продолжает стремительно расти. Доходы многих AI-нейтив-компаний за последние полгода росли чрезвычайно быстро: у одной компании доход за полгода вырос с 400 млн до 1 млрд долларов, у другой — увеличился втрое за год и перевалил за 500 млн, а третья с нуля вышла на 500 млн долларов за 14 месяцев. Основными драйверами стали улучшение возможностей моделей, экспансия более «тяжелых» интеллектуальных AI-агентов и переход от тарифов по количеству пользователей к оплате за токены или объем использования.

Однако по мере масштабирования проблемы с издержками стали проявляться все отчетливее. Ранее UBS оценивал, что около 60% организаций уже рассматривают расходы на вычисления и токены AI как реальную проблему, сейчас этот процент может быть даже выше. Стоимость токенов растет взрывными темпами: одна финансовая организация изначально собиралась потратить 10 млн долларов на Claude, но через три месяца счет увеличился до 60 млн; у одной AI-компании расходы на Anthropic выросли с 20 тыс. долларов в декабре прошлого года почти до 1 млн долларов к июлю этого года — увеличение в 50 раз за 7 месяцев; счета на токены в некоторых компаниях за короткое время выросли в 10, а то и в 100 раз.

Компании не прекращают использовать AI, но стараются сократить избыточные траты. Многие рутинные задачи ранее решались с помощью самых дорогих и мощных моделей — к примеру, один банк ежемесячно тратил сотни тысяч долларов на обслуживание запросов сотрудников, которые в основном интересовались погодой, ресторанами или расписанием встреч. Теперь акцент смещается с «максимизации использования токенов» к «максимизации отдачи»: насколько каждая единица токенов увеличивает бизнес-результат. Как рассказали в одном из интервьюируемых предприятий: «Ранее внутри компании было запущено пять AI-инструментов, большая часть годового бюджета на токены израсходована досрочно. Сейчас сохранили лишь два и строго контролируем объем использования».

«Мульти-модельность» — новая норма: китайские открытые модели быстро распространяются

Компании больше не считают рынок AI ареной нулевой суммы между несколькими передовыми студиями моделей. Они быстро переходят к стратегии «multi-model»: сочетают лучшие модели от OpenAI, Anthropic с открытыми решениями и кастомизированными моделями. Для крупных предприятий стало принципиальным избегать зависимости от одного поставщика AI.

Китайские открытые модели — главные бенефициары этого тренда. UBS прямо называет Z.ai, Moonshot, Alibaba и DeepSeek среди тех, чьи модели все больше тестируются и внедряются компаниями. Хотя некоторые строго регулируемые индустрии сохраняют осторожность, благодаря защищенной среде облачных платформ AWS и Microsoft Azure доверие компаний к таким моделям уверенно растет. По данным UBS, стоимость обучения ведущих китайских моделей составляет примерно десятую часть по сравнению с западными аналогами, а цена API-инференса — всего 10-20% от зарубежных аналогов, при этом прибыльность моделей сохраняется на уровне 20-40%. Согласно данным OpenRouter, доля токенов, используемых американскими компаниями при работе с китайскими моделями через платформу, превышает 30% с февраля 2026 года; в отдельные периоды доходит до 46%.

Открытая модель Nemotron от Nvidia — одна из самых часто упоминаемых американских моделей с открытым исходным кодом на конференции UBS.

Победители и проигравшие: перераспределение ценности в отраслевой цепочке

Производители чипов: Nvidia — главный выигрывающий

Несмотря на растущую конкуренцию на уровне моделей, UBS подчеркивает, что спрос на AI-хардварь не только не ослабевает, но, возможно, даже увеличивается. UBS считает, что открытые модели не снизят востребованность GPU, а наоборот, перераспределят вычислительную нагрузку в сторону более эффективных задач inference. Для тренировки, доработки и работы большинства открытых моделей по-прежнему используют железо Nvidia. Дешевые модели расширяют сферы применения AI, увеличивая потребность в рендеринге, хранилищах, сетях и инфраструктуре для развертывания.

Сама Nvidia выпустила открытую модель Nemotron 3 Ultra с 550 млрд параметров, что повысило скорость inference до 5 раз и снизило стоимость до 30%. Эта модель — самая часто упоминаемая американская open source AI-модель по данным отчета UBS.

Поставщики облачной инфраструктуры: бенефициары эпохи мульти-моделей

Amazon, Microsoft и Google находятся в выгодном положении, их платформы уже поддерживают множество AI-моделей. Amazon, Microsoft и Google находятся в выгодном положении, их платформы уже поддерживают множество AI-моделей. Такие облачные платформы, как AWS и Azure, изначально строились с учетом мульти-модельности, и каким бы ни был выбор компании, для инференса все равно требуются облачные вычисления. Крупнейшие провайдеры облачных сервисов по-прежнему испытывают дефицит оборудования и сталкиваются с высоким спросом на AI-вычисления со стороны клиентов.

Финансовые показатели AI-нейтив-компаний лишь подтверждают это. По приводимым UBS примерам, некоторые компании увеличили доходы с 400 млн до 1 млрд долларов с января этого года, или с нуля до 500 млн за 14 месяцев. Всплеск доходов связан с расширением функциональности моделей и экспансией интеллектуальных AI-агентов, а также свидетельствует о распространении AI за пределы программирования на более широкие сферы бизнеса.

Разработчики передовых моделей: давление на рост

Такие студии, как OpenAI и Anthropic, сильнее всего почувствуют на себе последствия сокращения затрат. Хотя UBS считает, что рынок AI все еще находится на ранней стадии и открытые и закрытые модели будут развиваться параллельно, скорость роста выручки лабораторий передовых моделей может испытывать давление.

Софтверная отрасль: «средний слой» под давлением

UBS относится к перспективам поставщиков программного обеспечения пессимистично. По мнению аналитиков банка, компании ради снижения расходов на AI будут уводить часть затрат из сферы классических программных решений; функции маршрутизации между моделями, считавшиеся конкурентным преимуществом, быстро становятся индустриальным стандартом и плохо монетизируются. Во времена перехода к мульти-модельной архитектуре чисто посреднические бизнесы по организации доступа к различным AI-моделям оказываются под серьёзным давлением.