Реальная выручка ИИ-сектора достигла $110 млрд по новой методике

Методология оценки: как посчитали реальную выручку ИИ

Ключевое отличие исследования «The State of the AI Economy» — методология, которая определяет, что такое реальная прибыль в контексте ИИ-индустрии. Аналитики устранили двойной учет, когда выручка одного игрока (например, поставщика облачных услуг) является затратами для другого (разработчика ИИ-модели). Каждый доллар, потраченный конечным клиентом, например, на подписку Claude, учитывается только один раз. Реальная выручка ИИ-экономики достигла .10 млрд за год

Таким образом, оценка в $110 млрд отражает расходы конечных потребителей, а не суммарный оборот всех компаний в цепочке поставок. Из расчета также исключены:

• Рынок Китая.
• Внутренняя экономия компаний от внедрения ИИ.
• Доходы от рекламы, полученные с помощью ИИ-инструментов.
• Консалтинговые услуги и системная интеграция.

Динамика роста и корпоративное внедрение

Скорость роста ИИ-сектора примерно втрое превышает исторические темпы внедрения мобильных технологий или интернета. Темпы генерации выручки резко ускорились: если в 2023 году на формирование каждого нового миллиарда долларов дохода уходило 180 дней, то сейчас этот показатель сократился до менее чем двух дней.

Корпоративное внедрение ИИ вышло за рамки пилотных проектов, однако его глубокая интеграция все еще находится на ранней стадии. Упоминания искусственного интеллекта были зафиксированы в отчетах 31% компаний из индекса S&P 500. При этом только 20% из отслеживаемых фирм представили количественные оценки влияния ИИ на свой бизнес. Это указывает на разрыв между обсуждением технологии и ее измеримым экономическим эффектом.

Экономика инфраструктуры и эластичность спроса

Аналитики Exponential View отдельно рассмотрели экономику, лежащую в основе ИИ-инфраструктуры. Выручка облачных гигантов от предоставления ИИ-услуг пока примерно покрывает амортизацию соответствующего оборудования. При этом рентабельность производства GPU сильно зависит от допущения о шестилетнем сроке их службы, в то время как для остальной инфраструктуры закладывается 14-летний период.

Исследование выявило высокую эластичность спроса на ИИ-сервисы. Снижение цен на использование моделей не приводит к пропорциональному падению выручки, так как стимулирует более активное потребление. Расчеты показывают следующую зависимость:

1. Снижение стоимости токена на 10%.
2. Рост его потребления на 12–18%.

Это означает, что удешевление технологии расширяет рынок быстрее, чем падает стоимость единицы услуги, что является позитивным сигналом для разработчиков моделей.

Ключевые барьеры для дальнейшего масштабирования

Несмотря на быстрый рост, дальнейшее масштабирование ИИ-экономики сталкивается с фундаментальными физическими ограничениями. Авторы доклада выделяют два основных сдерживающих фактора, которые будут определять пределы роста в ближайшие годы.

Главными барьерами названы:

• Доступность электроэнергии. Обучение и работа крупных моделей требуют огромных энергетических затрат, что создает нагрузку на существующие электросети.
• Стоимость строительства и эксплуатации дата-центров. Капитальные затраты на создание специализированных ЦОД для ИИ-вычислений остаются чрезвычайно высокими.

Именно эти два фактора, а не доступность чипов или алгоритмические прорывы, по мнению исследователей, станут главным узким местом для всей индустрии.