BTC $63,894.69 -1.61%
ETH $1,790.02 -1.77%
BNB $589.34 -0.47%
XRP $0.9872 +1.09%
SOL $74.30 +0.57%
TRX $0.3098 +1.04%
DOGE $0.0593 -0.10%
ADA $0.1535 -1.08%
BCH $208.35 -1.91%
LINK $9.11 -1.94%
HYPE $67.84 -2.89%
AAVE $109.54 -3.08%
SUI $0.7225 -2.16%
XLM $0.1407 +0.49%
ZEC $931.50 -2.69%
AAPL $350.62 -0.59%
AMZN $259.43 +0.30%
GOOGL $283.26 -0.24%
MSFT $504.58 -2.09%
META $620.16 -0.86%
NVDA $160.03 +1.47%
TSLA $383.99 +0.70%
SNDK $809.72 -0.64%
INTC $55.31 +0.16%
SPCX $142.49 +3.19%
MU $721.66 -0.84%
AMD $511.02 -0.78%
BTC $63,894.69 -1.61%
ETH $1,790.02 -1.77%
BNB $589.34 -0.47%
XRP $0.9872 +1.09%
SOL $74.30 +0.57%
TRX $0.3098 +1.04%
DOGE $0.0593 -0.10%
ADA $0.1535 -1.08%
BCH $208.35 -1.91%
LINK $9.11 -1.94%
HYPE $67.84 -2.89%
AAVE $109.54 -3.08%
SUI $0.7225 -2.16%
XLM $0.1407 +0.49%
ZEC $931.50 -2.69%
AAPL $350.62 -0.59%
AMZN $259.43 +0.30%
GOOGL $283.26 -0.24%
MSFT $504.58 -2.09%
META $620.16 -0.86%
NVDA $160.03 +1.47%
TSLA $383.99 +0.70%
SNDK $809.72 -0.64%
INTC $55.31 +0.16%
SPCX $142.49 +3.19%
MU $721.66 -0.84%
AMD $511.02 -0.78%

Должны ли мы дать Anthropic 1,4 триллиона долларов?

Ключевые тезисы
Summary: Искусственный интеллект действительно нашел золото. Но когда все расходы на чипы, электроэнергию, центры обработки данных, инвестиции в исследования и разработки и затраты на финансирование будут учтены, сколько золота останется у тех, кто его добывает?
Tencent Technology
2026-11-18 22:08:12
Искусственный интеллект действительно нашел золото. Но когда все расходы на чипы, электроэнергию, центры обработки данных, инвестиции в исследования и разработки и затраты на финансирование будут учтены, сколько золота останется у тех, кто его добывает?

Автор:Ху Юн, профессор Школы журналистики и коммуникаций Пекинского университета

Редактор: Су Ян, Tencent Technology

Индустрия искусственного интеллекта вступает в знаковый момент.

В ноябре 2026 года Anthropic, основанная всего пять лет назад, запускает первичное публичное размещение акций (IPO), пытаясь выйти на капиталовложенный рынок с оценкой более триллиона долларов.

Согласно информации из проспекта эмиссии, после завершения IPO Anthropic общее количество акций в обращении составит около 13,07 миллиарда акций, при этом цена размещения составит от 70 до 78 долларов, что соответствует рыночной капитализации примерно от 916 миллиардов до 1,02 триллиона долларов. Если учесть около 4,92 миллиарда потенциальных акций, связанных с опционами для сотрудников, то полная разводненная оценка составит около 1,26 триллиона до 1,4 триллиона долларов.

Компания, сосредоточенная на больших языковых моделях как основном продукте, за столь короткий срок получила такую огромную рыночную оценку, что это само по себе является редким явлением в истории технологической индустрии.

Тем не менее, выход Anthropic на биржу означает не только признание капиталовложенным рынком перспектив искусственного интеллекта, но и то, что долгосрочная проблема, скрытая за технологическими прорывами и волной финансирования, наконец должна быть подвергнута публичной проверке: искусственный интеллект создал огромный рыночный спрос, но сможет ли он создать прибыль, соответствующую своей оценке?

Мы надеемся, что в этой статье обсудим несколько тем:

  1. 70 миллиардов долларов годового дохода, скорректированная операционная прибыль в 4,1 миллиарда долларов и чистый убыток в 104 миллиарда долларов одновременно представлены в проспекте эмиссии, на чем основана оценка бизнес-модели?

  2. Каждое рассуждение модели требует вычислительных ресурсов, и самые активные пользователи не обязательно приносят наибольший доход.

  3. Модельные компании организуют капитал как в энергетическом, телекоммуникационном и инфраструктурном секторах, и логика оценки переходит от "насколько сильна модель" к стоимости капитала, срокам окупаемости инвестиций и доходности капитала.

  4. Компании, контролирующие отношения с пользователями, рабочие процессы и экосистему, могут легче превратить интеллект в доход, чем модельные компании.

  5. В настоящее время все согласны с тем, что "выполнение работы" является критерием оценки интеллекта, но еще нет консенсуса о том, кто несет экономические потери из-за неудач и ошибок в заданиях.

  6. Созданная искусственным интеллектом ценность не обязательно равна доходам и прибыли разработчиков моделей.

  7. После учета затрат на чипы, электроэнергию, исследования и разработки и финансирование, сколько "золота" останется у тех, кто "добывает золото" — это то, что на самом деле должно проверить выход Anthropic на биржу.

01 70 миллиардов против 13 миллиардов: чудо дохода и вопросы о прибыли

В предыдущем буме искусственного интеллекта наиболее определенными победителями, похоже, всегда были компании, продающие "лопаты". NVIDIA предоставляет GPU, TSMC занимается производством передовых чипов, облачные компании строят центры обработки данных, а энергетические компании обеспечивают базовые условия для растущих вычислительных мощностей.

Какой бы компании с большими моделями в конечном итоге ни удалось победить, эти поставщики инфраструктуры могут извлечь выгоду из расширения всей отрасли.

В отличие от этого, такие компании, как OpenAI и Anthropic, которые непосредственно разрабатывают большие модели, хотя и добились потрясающего роста пользователей и доходов, все же сталкиваются с более сложной экономической проблемой: смогут ли затраты на разработку интеллекта, цена его продажи и капитальные вложения, необходимые для поддержания технологического лидерства, сформировать устойчивый бизнес-цикл?

Проспект эмиссии Anthropic предоставляет важные данные для понимания этой проблемы.

Согласно обновленным документам о выходе на биржу в ноябре 2026 года, доход компании в 2025 году составит около 4,585 миллиарда долларов, а за первые девять месяцев 2026 года доход уже достиг 33,242 миллиарда долларов, причем только в третьем квартале было получено около 17 миллиардов долларов дохода. Это означает, что доход всего лишь за один квартал уже превысил общую сумму за первое полугодие. Если просто экстраполировать доход третьего квартала на год, то темп дохода Anthropic (run-rate) уже близок к 68-70 миллиардам долларов.

Этот темп роста значительно превышает темпы развития традиционной программной индустрии, что указывает на то, что генеративный искусственный интеллект больше не является экспериментальной технологией, в значительной степени зависящей от капитальных субсидий для поддержания пользовательской базы, а начинает формировать коммерческий рынок с реальной платежеспособностью.

Особенно стоит отметить, что доход Anthropic в основном поступает от корпоративных клиентов и услуг, оплачиваемых по мере использования интеллекта, а не исключительно от фиксированной месячной платы от индивидуальных потребителей. Это указывает на то, что коммерциализация больших моделей смещается от продажи прав на использование инструментов общения к продаже интеллектуальных возможностей, которые могут участвовать в производственной деятельности.

Большие модели не только нашли золото, но и добыча измеряется тоннами. Тем не менее, взрывной рост доходов не устраняет автоматически проблемы с прибылью.

Расходы Anthropic на вычислительные мощности и инфраструктуру за первые девять месяцев 2026 года составили около 18,8 миллиарда долларов, что составляет около 57% от общего дохода в 33,242 миллиарда долларов.

На операционном уровне все еще наблюдаются убытки, операционные убытки по GAAP (общепринятые бухгалтерские принципы США) за первые девять месяцев составили около 1,26-1,3 миллиарда долларов. Чистый убыток за первые девять месяцев достиг 104 миллиарда долларов, но значительная часть из них связана с переоценкой справедливой стоимости конвертируемых финансовых инструментов и связанных обязательств, а не с ежедневными денежными потерями. В то же время компания раскрыла, что скорректированная операционная прибыль уже стала положительной и составила около 4,1 миллиарда долларов (скорректированная операционная маржа около 12%), а эффективность дохода по сравнению с затратами на вычислительные мощности также значительно улучшилась.

Таким образом, если просто исходить из огромного чистого убытка, утверждать, что бизнес-модель Anthropic не может быть жизнеспособной, было бы слишком упрощенно; но если просто исходить из того, что скорректированная операционная прибыль стала положительной, и считать, что большие модели уже решили проблему с прибылью, также не хватает достаточных оснований.

Ключевым моментом является то, сможет ли компания, несущая постоянные затраты на исследования и разработки, закупку вычислительных мощностей, строительство инфраструктуры и финансирование, долгосрочно генерировать достаточный свободный денежный поток (FCF).

Все больше компаний начинают подчеркивать количественное повышение производительности, которое приносит искусственный интеллект, включая ускорение рабочих процессов, автоматизацию обработки рутинных задач, расширение возможностей обслуживания и улучшение контроля затрат. Очевидно, что спрос на искусственный интеллект силен, однако Уолл-стрит начинает терять терпение к затратам, необходимым для удовлетворения этого спроса.

Ярким примером является Meta. Финансовый отчет компании за третий квартал показывает, что, хотя искусственный интеллект способствовал росту рекламных доходов Meta на 26%, квартальный свободный денежный поток компании стал отрицательным, что произошло впервые за более чем десять лет. В то же время Meta также повысила свои прогнозы по капитальным затратам, чтобы поддержать свои агрессивные планы по расширению инфраструктуры искусственного интеллекта.

Вся Уолл-стрит мгновенно усилила тревогу по поводу рентабельности инвестиций (ROI) в инфраструктуру ИИ.

В последние два года, как только рынок слышал "повышение возможностей ИИ, увеличение привязанности пользователей", он давал слепую премию; но на текущем этапе, когда капитальные затраты приближаются к тысячам миллиардов долларов по всей отрасли, Уолл-стрит начинает рассчитывать, как актуально: когда эти инвестиции в вычислительные мощности смогут преобразоваться в реальный чистый свободный денежный поток **?

Если срок окупаемости инвестиций слишком затягивается, или прирост доходов от ИИ не может компенсировать ежегодные сотни миллиардов долларов амортизации и счета за электроэнергию, рынок начнет применять штрафы к оценке.

Согласно прогнозам исследовательской компании Gartner, если компании продолжат поддерживать текущие темпы расходов, к концу 2030 года более 3,5 триллиона долларов инвестиций в инфраструктуру ИИ могут столкнуться с риском обесценивания активов. Ожидается, что поставщики услуг ИИ в 2026 году инвестируют почти 1 триллион долларов в инфраструктуру ИИ и еще 6 триллионов долларов в период с 2027 по 2030 год.

Gartner отмечает, что в этот период доходы от ИИ, полученные от корпоративных клиентов и потребителей, могут быть недостаточными для поддержки этих инвестиций с целью получения прибыльности.

02 Неэкономичность масштаба

Огромный дисбаланс между спросом и предложением, а также финансовый дисбаланс выявляют основное отличие больших моделей от традиционной программной индустрии.

На протяжении последних десятилетий модель программного обеспечения как услуги (SaaS) стала любимой бизнес-моделью на капиталовложенном рынке, поскольку после завершения разработки программного обеспечения предельные затраты на предоставление услуг большему количеству пользователей относительно низки. С увеличением числа клиентов компании обычно могут постоянно повышать свою рентабельность за счет эффекта масштаба. Однако большие модели не полностью следуют этой логике.

Каждое рассуждение модели, генерация кода, анализ длинных текстов и выполнение задач интеллектуальными агентами требуют реальных вычислительных ресурсов. Особенно когда искусственный интеллект переходит от ответов на вопросы к самостоятельному выполнению сложных задач, одна задача может потребовать многократного вызова модели, поиска внешней информации, выполнения программ и проверки результатов, что увеличивает затраты. Для компаний, предлагающих фиксированную месячную подписку, самые активные пользователи не обязательно являются самыми прибыльными, а могут быть пользователями с наибольшими затратами на вычислительные мощности.

Вот почему все крупные производители моделей вынуждены "отсеиваать пользователей" через ограничения длины контекста, лимиты на количество вызовов или многоуровневую тарификацию.

В условиях, когда тяжелые пользователи могут стать "бременем", оценка зрелости бизнес-модели крупной модели не может основываться только на количестве платных пользователей, росте подписки или активности пользователей, но также должна учитывать экономическую эффективность различных групп пользователей: сколько дохода приносит каждый пользователь, сколько ресурсов он потребляет для рассуждений, как меняется рентабельность при увеличении интенсивности использования, и может ли компания улучшить эти отношения через более разумное ценообразование и технологическую оптимизацию.

Большие модели не обязательно не могут сформировать экономию от масштаба. Сжатие моделей, оптимизация рассуждений, обновление чипов, технологии кэширования и распределение задач между различными моделями могут постоянно снижать затраты на единицу вычислений. Улучшение операционной эффективности, раскрытое Anthropic, также указывает на то, что технологический прогресс может изменить структуру затрат.

Тем не менее, искусственный интеллект сталкивается с особым механизмом расширения спроса: когда интеллектуальные услуги становятся дешевле и мощнее, пользователи могут не только выполнять существующие задачи с меньшими затратами, но и начать требовать от машин выполнения большего объема работы, которую раньше было невозможно выполнить.

Парадокс Джевонса в экономике здесь предоставляет вдохновляющую ссылку: повышение эффективности использования ресурсов не обязательно приводит к снижению общего потребления ресурсов, а может даже стимулировать рост спроса. Для компаний с большими моделями снижение затрат на единицу рассуждений не обязательно означает снижение общих затрат на вычислительные мощности. Более дешевый интеллект может привести к более широкому применению, а также к более высоким вычислительным потребностям.

Раскрытие в проспекте эмиссии Anthropic о будущих обязательствах по закупке вычислительных мощностей подчеркивает этот парадокс. Компания подписала и раскрыла долгосрочные соглашения по вычислительным мощностям и инфраструктуре на общую сумму почти 900 миллиардов долларов, значительная часть из которых ожидается до 2030 года.

Эти цифры не означают, что Anthropic уже заплатила соответствующие суммы, и их нельзя просто рассматривать как текущие долги, но они отражают важное изменение: передовые компании в области искусственного интеллекта переходят от традиционных легких программных компаний к тяжелым технологическим компаниям, которые сильно зависят от производства чипов, мощности электросетей, центров обработки данных и долгосрочного капитального финансирования. Хотя компании с большими моделями все еще делают ставку на инновации алгоритмов и исследовательские таланты, они все больше ограничены физическими поставками инфраструктуры.

Если компании необходимо постоянно инвестировать сотни миллиардов долларов, чтобы поддерживать технологическое лидерство, то даже если их доходы растут впечатляюще, это не гарантирует, что их доходность капитала будет достаточной для поддержки текущей оценки.

Искусственный интеллект демонстрирует особую форму индустрии: он создает доходы с темпами программной индустрии, но может потребовать организации капитала в стиле энергетической, телекоммуникационной и промышленной инфраструктуры. Инвесторы раньше просто обращали внимание на то, какая компания имеет самые передовые модели, наибольшее количество пользователей и самый быстрый рост доходов; но в будущем стоимость капитала, цены на закупку вычислительных мощностей, коэффициенты использования инфраструктуры и сроки окупаемости инвестиций могут также определять долгосрочную конкурентоспособность компаний.

03 Возможности коммерциализации моделей

По сравнению с Anthropic, коммерческая стратегия OpenAI более обширна, так как она пытается стать универсальным интеллектуальным помощником для индивидуальных пользователей, а также основой для использования искусственного интеллекта предприятиями и разработчиками. Но OpenAI также сталкивается с аналогичными противоречиями.

Несмотря на то что годовой доход OpenAI (ARR) и доход за один квартал достигли уровня в десятки миллиардов долларов, несколько публичных финансовых отчетов и отраслевых прогнозов указывают на то, что, ограниченные высокими затратами на обучение следующего поколения передовых моделей, огромными расходами на вывод и многомиллиардными соглашениями по аренде вычислительных мощностей, ее накопленные операционные убытки за последние годы и ожидаемый дефицит денежного потока в будущем все еще составляют сотни миллиардов, а то и более тысячи миллиардов долларов.

Таким образом, привлечение пользователей не является ключевым моментом, а самым большим вызовом является то, как преобразовать широкий спектр потребностей в использовании в доходы, достаточные для покрытия постоянных капитальных вложений.

Meta же демонстрирует другой путь.

В отличие от OpenAI и Anthropic, Meta не полагается в основном на продажу больших моделей для получения дохода, а интегрирует искусственный интеллект в существующие рекламные, рекомендательные и социальные платформы. Повышение возможностей моделей может улучшить распределение контента, соответствие рекламы и эффективность автоматизации маркетинга, что непосредственно увеличивает прибыльность ее зрелого бизнеса.

Для Meta искусственный интеллект в первую очередь является технологией, повышающей эффективность существующих бизнес-систем, а не обязательно новой продукцией, за которую нужно взимать отдельную плату. Эта модель имеет очевидные преимущества: она может использовать существующие клиентские отношения, масштаб пользователей и систему рекламных сделок для монетизации, не полагаясь полностью на потребителей для формирования новых привычек оплаты за интеллектуальные услуги.

Тем не менее, Meta также сталкивается с проблемой постоянного расширения инвестиций в центры обработки данных, что создает давление на свободный денежный поток. Это указывает на то, что наличие зрелой бизнес-модели не устраняет капиталоемкие характеристики искусственного интеллекта, а лишь предоставляет более стабильную основу для получения дохода, чтобы покрыть эти затраты.

Случай Meta также раскрывает более глубокое противоречие в коммерциализации больших моделей: экономическая ценность, создаваемая моделями, не обязательно напрямую получает поставщик моделей.

Когда искусственный интеллект все более широко интегрируется в различные продукты и услуги, компании, обладающие пользовательскими отношениями, сценариями применения и коммерческими каналами, могут легче реализовать ценность, чем компании, которые просто предоставляют возможности моделей. Это также делает вопрос о том, будет ли базовая модель постепенно товаризована, ключевым для понимания перспектив прибыльности компаний, работающих с большими моделями.

Если модели, разработанные различными компаниями, постепенно становятся похожими по производительности, надежности и пользовательскому опыту, клиенты будут все больше обращать внимание на цену и стоимость услуг. Поставщикам моделей, даже если они продолжают добиваться технического прогресса, может быть трудно поддерживать высокую прибыль в долгосрочной перспективе из-за конкуренции.

Распространение технологических возможностей выгодно для потребителей, но не обязательно для первоначальных разработчиков технологий. В истории многие важные технологии в конечном итоге становятся широко используемой инфраструктурой, но распространение самой технологии не гарантирует, что ее изобретатели получат максимальную экономическую выгоду.

Тем не менее, товаризация моделей не означает, что все услуги искусственного интеллекта будут товаризованы.

Компании на самом деле часто покупают не модель, способную отвечать на вопросы, а целую систему, способную понимать внутренний бизнес, использовать собственные данные, выполнять сложные процессы и соответствовать требованиям безопасности и соблюдения норм. Когда искусственный интеллект глубоко проникает в финансовые, исследовательские, юридические и клиентские сервисные процессы компаний, смена поставщика становится не просто заменой интерфейса чата, а может включать миграцию данных, интеграцию систем, контроль рисков и организационное обучение.

Таким образом, в будущем более прочный коммерческий барьер может находиться не в параметрах модели, а в сочетании модели с рабочими процессами компании, а также в разработанной сети разработчиков, среде данных и экосистеме услуг.

С этой точки зрения, Anthropic и OpenAI также не обязательно останутся на позиции поставщиков базовых моделей. Они также разрабатывают полные услуги для потребителей и предприятий, пытаясь создать дифференцированное преимущество через продуктовый опыт, рабочие процессы и клиентские отношения.

Будь то Anthropic, снижающий барьеры для предприятий в развертывании агентов с помощью Claude Managed Agents, или OpenAI, продвигающий интеграцию искусственного интеллекта в повседневную деятельность предприятий, обе компании исследуют одно и то же направление: переход от предоставления возможностей моделей и инструментов диалога к предоставлению интеллектуальных услуг, которые могут быть интегрированы в бизнес-процессы и постоянно выполнять задачи.

В то же время развитие интеллектуальных агентов может еще больше изменить логику ценообразования на искусственный интеллект. Традиционная модель подписки продает право на использование программного обеспечения на определенный период времени, тогда как оплата по токенам основана на потреблении вычислительных ресурсов, а интеллектуальные агенты на самом деле могут продавать способность выполнять определенную работу.

Если AI-система может самостоятельно выполнять проверку юридических документов, тестирование программного обеспечения или финансовый анализ компании, то клиенту может быть не так важно, сколько токенов она потребляет, а важно, выполнена ли задача, надежен ли результат и сколько затрат было сэкономлено.

Оплата по задачам, объему работы или даже фактическим результатам может стать важной частью будущей бизнес-модели. Но такая модель также приведет к новым вопросам ответственности: кто должен нести расходы и риски, если искусственный интеллект не выполнил задачу или его ошибки привели к экономическим потерям? Чем ближе интеллектуальные услуги к реальному труду, тем сложнее будет полностью применять правила традиционной программной индустрии.

04 Кто сможет оставить себе добытое золото?

С более макроэкономической точки зрения, индустрия искусственного интеллекта переживает реструктуризацию структуры распределения ценностей.

Наиболее очевидными первоначальными бенефициарами стали поставщики чипов, производств и инфраструктуры, поскольку расширение всей отрасли приводит к увеличению спроса на вычислительные ресурсы. Но по мере распространения возможностей моделей прибыль может постепенно перейти к компаниям, которые контролируют рабочие процессы предприятий, пользовательские входы и экосистемы приложений.

Если вычислительные мощности будут долго оставаться дефицитом, поставщики инфраструктуры все еще будут иметь сильные переговорные позиции; если предложение моделей станет достаточным, компании-применители могут получить больше пространства для распределения ценностей; если несколько платформ смогут интегрировать модели, данные, платежи и рабочие процессы, они могут сформировать новую платформенную экономику.

Кто в будущем получит максимальную прибыль, зависит от того, на каком этапе цепочки поставок может быть создана постоянная дефицитность.

Исторически долгосрочное конкурентное преимущество Microsoft не только исходило от доходов от лицензирования операционной системы Windows, но и от экосистемы разработчиков, совместимости программного обеспечения и сети корпоративных клиентов, сформировавшихся вокруг операционной системы; Google также не построил свою коммерческую империю, взимая плату за поисковые запросы, а преобразовав вход пользователей, созданный поиском, в рекламные доходы.

Сегодня Anthropic и OpenAI также сталкиваются с важным выбором: является ли базовая модель просто технологическим продуктом, требующим постоянных крупных капиталовложений для поддержания лидерства, или она может стать основой для соединения разработчиков, корпоративных клиентов и экосистемы приложений?

Если они смогут создать стабильную сеть разработчиков, глубоко интегрированные рабочие процессы предприятий и трудно заменяемую систему услуг на основе моделей, они могут получить конкурентные преимущества и ценовые возможности, превосходящие производительность моделей. Но сможет ли эта платформа трансформация обеспечить прибыль, достаточную для покрытия постоянных затрат на вычислительные мощности, еще предстоит проверить на долгосрочных результатах.

Согласно недавно поданным Anthropic регуляторным документам, это масштаб, которого компания может достичь в идеальных условиях при предстоящем первичном публичном размещении акций (IPO): оценка в 1,4 триллиона долларов (разводненная) и 90 миллиардов долларов привлеченных средств.

Этот амбициозный IPO на самом деле является референдумом инвесторов по поводу индустрии искусственного интеллекта. Он предоставляет более широким инвесторам возможность ------ они могут выбрать поддержать компанию, продолжающую тратить деньги, или избежать этой компании, которая может стать важным ориентиром в индустрии искусственного интеллекта, и отказаться от исторически высокой оценки в 1,4 триллиона долларов.

В любом случае, документы о подаче IPO Anthropic выявляют проблему, которую нельзя игнорировать: чтобы поддерживать рост доходов, компании необходимо нести постоянно растущие вычислительные затраты. Это явно усложняет задачу убеждения инвесторов. Если высоко оцененная звезда искусственного интеллекта продолжит показывать плохие результаты после выхода на биржу, сможет ли рынок это выдержать? На это потребуется время, чтобы проверить.

Есть один вопрос, который легко упустить: экономическая ценность, создаваемая искусственным интеллектом, не обязательно может быть преобразована в доходы и прибыль разработчиков моделей.

Компании используют искусственный интеллект для повышения производительности, и сэкономленные затраты могут остаться у пользователей; потребители, получающие удобство от бесплатных или недорогих интеллектуальных услуг, могут проявлять это как потребительский излишек, а не как доход поставщика модели. Даже если искусственный интеллект в конечном итоге значительно повысит производительность всего общества, разработчики моделей не обязательно смогут получить соответствующую экономическую отдачу в соответствии с созданной ими ценностью.

Между социальной ценностью технологии и финансовыми доходами разработчиков не существует обязательной корреляции.

Искусственный интеллект действительно добывает золото. Но когда все расходы на чипы, электроэнергию, центры обработки данных, исследовательские вложения и финансирование будут учтены, сколько золота останется у тех, кто его добывает? Это и есть основной вопрос, на который бизнес-модель больших моделей еще не ответила.

Выход Anthropic на биржу не является концом этого вопроса, а лишь переводит его в более строгую стадию. Ранее рынок мог представлять будущее на основе технологических прорывов, роста пользователей и оценок финансирования; после выхода на биржу компании должны постоянно доказывать свою коммерческую ценность через доходы, прибыль, денежные потоки и возврат капитала.

Конечно, важно, насколько умнее модели, но еще важнее, смогут ли компании производить, распределять и продавать интеллект экономически устойчивым образом.

链捕手ChainCatcher напоминает: относитесь к блокчейну рационально, повышайте осведомлённость о рисках и будьте осторожны с выпуском и спекуляциями виртуальными токенами. Весь контент на сайте является рыночной информацией или мнением соответствующих сторон и не является инвестиционной рекомендацией в любой форме. Если вы обнаружите чувствительную информацию, нажмите — мы оперативно разберёмся.

app_icon
ChainCatcher Building the Web3 world with innovations.