Счёт за вычисления, который впервые попал на согласование к финансовому директору, — вот момент, когда ИИ-пузырь перестал быть будущим и стал настоящим. OpenAI в 2025 году при выручке около $3,7 млрд фиксировал убыток порядка $5 млрд: каждый заработанный доллар обходился в $1,35 стоимости вычислений. По данным IBM, средняя стоимость вычислений выросла на 89% только между 2023 и 2024 годами. 80% компаний промахиваются по бюджетам на ИИ-инфраструктуру более чем на 25%, а около 30% GenAI-проектов закрываются после фазы PoC — пилотного доказательства концепции, так и не перешедшего в продукт.
Эта динамика уже случалась. Бум доткомов разогнал NASDAQ на 86% за 1999 год, а к октябрю 2002-го индекс упал на 77% от пика — потери инвесторов составили около $5 трлн. Pets.com потратил $1,2 млн на рекламу с носком-талисманом на Суперкубке и закрылся через девять месяцев. Однако из тех же «посевных» денег выросли компании, которые сегодня определяют облик интернет-экономики. Amazon пережил падение акций со $113 до $6, но операционная логика бизнеса продолжала улучшаться: покупатель платил сразу, поставщики получали деньги через 60–90 дней, и чем больше становилась база клиентов, тем больше «плавающего» кэша оставалось у компании. Безос формулировал это просто: «Акция — это не компания, и компания — это не акция».
| Паттерн | Логика выживания | Пример |
|---|---|---|
| Узкая задача, дешёвые вычисления | Маленькая модель, высокая повторяемость, чёткий ROI | Классификация документов, контроль качества в производстве |
| Инфраструктурный уровень | Зарабатывает на любом исходе гонки | NVIDIA, облачные inference-провайдеры |
| Высокий барьер переключения | ИИ встроен в workflow так глубоко, что уйти больно | GitHub Copilot, Cursor, EHR-интеграции в медицине |
Различие между выжившими и погибшими тогда сводилось к одному тесту: растёт ли маржа на пользователя вместе с базой — или тонет под весом операционных затрат. У большинства доткомов было второе: больше клиентов означало больше убытков. Тот же тест применим к ИИ-компаниям сегодня. Ставка на то, что вычисления будут вечно дешеветь, а AGI появится сам собой, — это не бизнес-модель, это лотерея с горизонтом 10+ лет.
Устойчивыми оказываются три паттерна. Первый — узкая задача с дешёвыми вычислениями: маленькая модель, высокая повторяемость, чёткий ROI. Классификация документов или контроль качества в производстве не требуют GPT-4o и не генерируют убытков при масштабировании. Второй — инфраструктурный уровень: NVIDIA и облачные inference-провайдеры зарабатывают при любом исходе гонки, как продавцы лопат во время золотой лихорадки. Третий — высокий барьер переключения: GitHub Copilot или Cursor встроены в рабочий процесс разработчика настолько глубоко, что уход означает потерю данных и накопленного контекста.
Похожая картина разворачивается в робототехнике. В 2025 году в гуманоидов вложили $6,1 млрд — в четыре раза больше, чем в 2024-м, и более 160 компаний разрабатывают роботов-генералистов. При этом рынок коботов — роботов, работающих рядом с людьми, а не вместо них, — растёт с CAGR 18,9% и к 2030 году достигнет $3,38 млрд. Срок окупаемости промышленного робота упал с 5,3 лет в 2019 году до 1,3 лет в 2024-м. Symbotic, Keyence, Fanuc стабильно прибыльны, но их не зовут открывать конференции.
Парадокс пузыря в том, что он работает на «скучные» компании, а не против них. Сотни миллиардов, вливаемые в инфраструктуру, финансируют алгоритмы, стандарты, экосистему поставщиков — всё это через 5–8 лет достанется нишевым игрокам практически бесплатно. Так же, как доткомы проложили оптоволокно по всей Америке, которым потом пользовался Netflix. Инвесторы, финансируя конкретные компании, одновременно финансируют инфраструктуру рынка, на котором скромные прибыльные игроки будут строить устойчивый бизнес ещё долго после того, как хайп схлынет.