Перестройка трех осей конкуренции в AI: давление затрат на Open Weight

Конкуренция на рынке искусственного интеллекта (AI) разделяется на три оси: закрытые фронтирные модели, модели Open Weight и компании-приложения. Анализ показывает, что в центре конкуренции теперь находится не то, кто первым создаст высокопроизводительную модель, а то, какие затраты и условия контроля будут у корпоративных клиентов при использовании AI.

Саураб Гупта, соучредитель и управляющий партнер DST Global, в колонке для Fortune сравнил экономику AI 2026 года с "проблемой трех тел". Он считает, что закрытые фронтирные лаборатории, такие как OpenAI и Anthropic, модели Open Weight, сосредоточенные в Китае, и компании-приложения, создающие продукты на основе этих двух моделей, меняют свои пути.

Закрытые фронтирные модели контролируются разработчиками, а пользователи получают доступ через API или в виде продуктов. До сих пор на рынке доминировали компании с самыми сильными моделями, но с увеличением расходов на AI корпоративные клиенты начали учитывать как доходность инвестиций, так и вопросы контроля данных.

В колонке Fortune упоминаются недавние изменения, такие как рост спроса на Anthropic, давление на доходность инвестиций в AI и запуск Muse Spark 1.1 от Meta и Grok 4.5 от xAI. Это интерпретируется как то, что конкуренция по производительности между закрытыми моделями продолжается, в то время как затраты и гибкость развертывания становятся отдельной осью конкуренции.

Присутствие лагеря Open Weight также увеличилось. Moonshot на официальной презентации Kimi K3 представил 2,8 триллиона параметров и контекстное окно в 1 миллион токенов, а Z.ai заявила, что GLM-5.2 имеет 753 миллиарда параметров и открытые веса, а также лицензию MIT.

Open Weight отличается от открытого программного обеспечения, которое подразумевает полное раскрытие исходного кода. Даже если доступ к весам модели разрешен, это не означает, что данные для обучения, код и права на перераспределение также свободны, поэтому необходимо отдельно проверять лицензии и условия использования для каждой модели.

Эта тенденция также связана с распространением моделей Open Weight с низкими затратами от китайских компаний, о чем мы ранее сообщали. В том анализе также говорилось, что китайские AI-компании конкурируют с закрытыми моделями американских компаний, используя эффективность моделей и экосистему зарубежных разработчиков в условиях ограниченного доступа к полупроводникам.

Американские компании также применяют стратегию открытых моделей. Thinking Machines 15 июля представила Inkling, а NVIDIA ($NVDA) предложила три открытые модели из линейки Nemotron 3: Nano, Super и Ultra.

В своем пресс-релизе NVIDIA заявила, что предоставляет открытые модели, данные и библиотеки, чтобы разработчики могли создавать AI-агентов, подходящих для конкретных задач. Это интерпретируется как движение, нацеленное на спрос на комбинирование моделей для различных целей, а не на обработку всех задач только с помощью закрытых фронтирных моделей.

Для компаний-приложений затраты являются прямой переменной. Posit AI 10 августа добавила Kimi K3 и GLM-5.2 в свой ассортимент, объяснив, что обе модели предлагаются по более низкой цене, чем закрытые модели с аналогичной производительностью.

Эти варианты показывают, что компании-приложения не привязаны к единой закрытой модели и выбирают модели в зависимости от задач. Компании-приложения, имеющие контакт с клиентами и данные о работе, могут сравнивать не только производительность моделей, но и затраты, задержки и условия безопасности.

Темпы роста фронтирных лабораторий также быстры. Reuters сообщила, что в конце июля годовая выручка Anthropic превысила 65 миллиардов долларов (около 90 триллионов вон), а Business Times сообщила, что годовая выручка OpenAI превышает 40 миллиардов долларов (около 55 триллионов вон).

Однако эти цифры не являются проверенной годовой выручкой, а представляют собой показатели, экстраполированные на год на основе текущего уровня доходов. Это можно рассматривать как сигнал о растущем спросе на высокопроизводительные AI-модели, но их следует отличать от фактических годовых результатов или показателей прибыльности.

Политические риски также остаются. Reuters сообщила, что администрация Трампа передала AI-компаниям, что не будет включать модели Open Weight в список объектов добровольного тестирования безопасности. Это соответствует ранее сообщенной политической линии Белого дома о добровольном предварительном рассмотрении, сосредоточенном на закрытых фронтирных AI.

В том же отчете различаются модели с открытыми ключевыми компонентами и закрытые модели, контролируемые определенными компаниями. По мере распространения Open Weight может возникнуть больше споров о том, кто будет нести ответственность за проверку безопасности и развертывание.

Эта проблема также касается корейских компаний, поскольку она связана с затратами на внедрение AI и контролем данных. При выборе AI для бизнеса нельзя ограничиваться сравнением только закрытых моделей, таких как OpenAI или Anthropic, но необходимо рассмотреть модели Open Weight из Китая, открытые модели из США и комбинированные сервисы приложений.

Согласно текущим подтвержденным фактам, баланс на рынке AI не склоняется в одну сторону. Закрытые модели увеличивают доходы и производительность, модели Open Weight акцентируют внимание на затратах и гибкости развертывания, а компании-приложения реагируют на рынок, комбинируя обе оси.

Этот контент предоставляется исключительно в общих информационных целях и не является финансовым, инвестиционным, юридическим или налоговым советом. Любые мероприятия, вознаграждения, онлайн-акции или связанная с ними информация, упомянутые в настоящем документе, не должны рассматриваться как рекомендация, приглашение к покупке, продаже, торговле или иной сделке с какими-либо криптоактивами. Криптоактивы очень волатильны и могут привести к убыткам. Доступность услуг, продуктов WEEX и связанных с ними событий может варьироваться в зависимости от региона. Вы несете ответственность за обеспечение того, чтобы ваше участие соответствовало применимым местным законам и нормативным актам.