Почему лопаты дешевеют, а копать становится всё дороже

Летом индустрия ИИ поссорилась публично

Одни компании просили американское правительство запретить китайские модели. Другие — двадцать пять штук во главе с Nvidia — двадцать четвёртого июля направили в Белый дом открытое письмо с просьбой ничего не запрещать. Дженсен Хуанг, глава Nvidia, ради этого впервые в жизни завел аккаунт в соцсети и написал свой первый пост.

Со стороны это выглядит как спор о национальной безопасности. Про Китай, впрочем, в письме нет ни слова — при том, что поводом были именно обсуждения запрета китайских моделей.

По сути, это спор о цене. И в нём прямо сейчас определяется, сколько будет стоить искусственный интеллект для вашей кофейни через год.

Как быстро определяется — стало понятно через шесть дней.

Скидка, которой не должно было быть

Тридцатого июля OpenAI снизила цену на одну из своих моделей на 80%. Модель вышла тремя неделями раньше.

В любой другой индустрии это ЧП. Цена, объявленная на запуске, — обещание, и резать её впятеро через двадцать дней означает публично признать, что обещание было неверным. На такое идут, когда давит снаружи.

Давят открытые модели китайских лабораторий — те самые, из-за которых началась ссора. За полтора года они прошли путь от диковинки до рабочего инструмента. По данным CNBC со ссылкой на маршрутизатор OpenRouter, доля китайских моделей в трафике американских компаний держится выше 30% каждую неделю с февраля 2026 года и в пике доходила до 46%. В первой половине 2025-го было 4,5%. Стоят они на 60–90% дешевле ведущих западных.

Дальше начинается самое интересное. OpenAI не стала снижать цены по всей линейке. Флагман остался стоить ровно столько, сколько стоил. Срезали только низ — быстрые дешевые модели для массовых задач: классификация, разбор обращений, извлечение данных из документов.

Это не отступление, это размен. Фронтир отдал утилитарный сегмент, чтобы удержать премиальный.

Здесь я обязан признаться в личном интересе: эта история коснулась нас напрямую. Еще до объявления мы перешли на новую модель — не ради экономии, наоборот. Прежняя была дешевле, но упиралась в качество, и мы сознательно согласились платить больше. А потом цену срезали, и новая оказалась дешевле той, с которой мы уходили. Какая именно — не важно, речь не про наш стек. Речь про то, что решение, за которое мы отвечали деньгами, переиграли за одну ночь и без нас. Приятно, когда в твою пользу. Но полагаться на это нельзя. Боже храни конкуренцию и китайцев.

Кстати, о величине снижения. Аналитики быстро заметили, что новая входная цена совпадает с ценой предыдущего поколения дешёвых моделей почти копейка в копейку, а выходная ниже старой всего на 4%. Восемьдесят процентов считаются от собственной стартовой цены трехнедельной давности, а не от реального прайса. И даже после этого DeepSeek остаётся дешевле.

Кто на этом зарабатывает

В калифорнийскую золотую лихорадку разбогатели не старатели, а те, кто продавал им лопаты. Метафора затертая, но здесь она работает буквально  — просто лопаты продают на трёх разных этажах.

Внизу — те, кто делает чипы. Посередине — те, кто сдаёт вычислительные мощности в аренду: чтобы запустить открытую модель, её надо на чём-то крутить, и российский рынок тут не исключение. Сверху — маршрутизаторы вроде OpenRouter: они не считают ничего, они просто дают доступ к десяткам чужих моделей через один ключ.

И вот здесь спрятан главный сигнал. Маршрутизатор можно построить только там, где товар стал взаимозаменяемым. Никто не строит маршрутизатор между уникальными вещами. Само существование такого слоя — доказательство того, что модели превратились в биржевой товар, который выбирают по цене.

Причём продавец лопат оказался еще и единственным, кто видит золотое поле целиком: все цифры про долю китайских моделей, которые я привел выше, — это данные OpenRouter. Через него идёт трафик, значит, он знает про рынок больше, чем любой отдельный старатель.

Теперь вернитесь к письму, с которого мы начали. Его подписали производитель чипов, владельцы облаков и платформы доступа — все три этажа. Разработчики закрытых фронтир-моделей не подписали: их бизнес как раз страдает от дешёвых конкурентов.

Проще говоря, продавцы лопат публично высказались за то, чтобы лопаты дешевели. Логично.

Так почему же счета растут

Теперь неприятное. Если цена лопаты падает, счёт за раскопки должен падать тоже. Он не падает

Стоимость обработки данных моделями за два года упала в сотни раз. Совокупные расходы бизнеса на ИИ за тот же период выросли в разы. Сатья Наделла назвал это парадоксом Джевонса: удешевление — приглашение потреблять больше, а не способ сэкономить.

Механика простая. Раньше ИИ отвечал на вопрос. Сегодня он выполняет задачу: разбирает её на шаги, обращается к базам, вызывает инструменты, проверяет себя, переделывает при ошибке. По оценке Gartner, такой сценарий расходует в 5–30 раз больше ресурсов, чем обычный вопрос чат-боту. EY посчитала стоимость одного автоматизированного обращения в поддержку: с четырех центов в 2023 году до доллара двадцати в 2026-м. Тридцатикратный рост — при том, что цена за единицу всё это время падала.

Но настоящая причина не в технологии, а в том, как её внедряют. По отчёту Deloitte, 84% компаний до сих пор не перестроили рабочие процессы под ИИ. Они запускают его параллельно существующему порядку вещей и платят за оба.

Это ключевое. Технология давно перестала быть узким местом — за её удешевление переживают Nvidia, OpenAI и китайские лаборатории, и, как видите, переживают эффективно. Узкое место в том, что почти никто не переписал под неё работу.

Если вы не понимаете, зачем вам всё это читать

Тогда у меня плохая новость: вы проспали три раунда подряд.

Раунд первый — поиск точек роста. Пару лет весь бизнес искал, куда бы приткнуть искусственный интеллект. Формально нашёл: по данным «Яков и Партнёры» и Яндекса, 71% крупных российских компаний уже используют генеративные модели хотя бы в одной бизнес-функции. А теперь вторая цифра, с ЦИПР: измерить прямой экономический эффект от внедрения может 36% организаций. Семь из десяти попробовали — эффект видит одна из трёх. Остальные внедрили и не знают зачем. Пока они разбираются, вопрос успел смениться: не где применить искусственный интеллект, а где его применять нельзя. Это разные задачи, и вторая, как выяснилось, сложнее.

Раунд второй — цена. Довольно долго считалось, что ИИ по определению дешевле человека. Это перестало быть правдой на сложной многошаговой работе: агент, который сам разбирает задачу и ходит по инструментам, легко обходится дороже сотрудника, которого он заменял, — тридцатикратный рост стоимости обращения из прошлого раздела как раз об этом. Дешевле он остаётся на массовых однотипных операциях — там, где считать нечего, надо просто быстро и много.

Раунд третий — подмена понятий, и вот это дороже всего. Когда бизнес-процесс описан однозначно — есть вход, есть правило, есть выход, — его надо кодировать. Написать код теперь можно тем же искусственным интеллектом, за полдня и один раз. Но компании вместо этого сажают модель исполнять описанный процесс и платят за каждый прогон. Это как нанять переводчика, чтобы он ежедневно зачитывал вам вслух одну и ту же табличку. Помните 84% из отчёта Deloitte — тех, кто не перестроил процессы? Вот они, в основном, этим и заняты.

Модель нужна там, где формализовать нельзя. Не сложи выручку по точкам — это арифметика. А почему на этой неделе всё не так, как обычно, и на что мне смотреть в первую очередь. Смысл, а не процесс. Именно поэтому дешевеет утилитарный низ, о котором шла речь выше: там смысла не требуется, там требуется объем.

А четвёртый раунд идёт прямо сейчас, и его проспать еще не поздно. Он про скорость. Не про то, у кого лучше модель — в утилитарном сегменте модели стали товаром, мы выяснили это ещё на этаже с маршрутизаторами. Конкурентоспособен тот, кто быстрее превращает данные в решение. Вчерашнее знание о вчерашней проблеме стоит ровно ноль.

Вблизи это выглядит так. Выручку в ресторане смотрят каждый день — тут мне учить некого, сколько видят все и сразу. Откладывается другое: почему. Почему одна точка третью неделю тихо ползет вниз по среднему чеку, хотя гостей столько же? Ответ лежит в тех же данных — в разрезе по сотрудникам, по группам блюд, по часам. Но чтобы его достать, надо выгрузить, свести и сравнить, а у этой работы, в отличие от поставок и инвентаризации, нет дедлайна. Поэтому сколько узнают утром, а почему — когда прижмёт.

Кирилл Тюстюбаев разработчик ARBUS-AI

Разрыв между этими двумя вопросами и есть цена задержки между данными и решением. Не потому, что анализ трудный. Потому, что он единственный пункт в списке дел, который можно перенести на завтра без последствий. И так каждый день.

Почему об этом рассказываем мы

Потому что мы внутри этого рынка, а не рядом с ним. Считаем те же токены, платим те же счета и принимаем те же решения.

Пока одни компании решают, что искусственный интеллект — панацея для всей экосистемы разом, а другие обучают команду хотя бы написать запрос в чат по рабочему поводу, мы занимаемся третьим: разбираем конкретные процессы в ресторане и ищем те, где ИИ схлопывает арифметику и смысл в один шаг. Звучит нескромно, но точку роста мы нашли за вас.

Ресторанный рынок давно хочет войти в айти. Фраза смешная, желание настоящее, получается редко: по исследованию Альфа-Банка, оборот отрасли за четыре года вырос в два с половиной раза и подбирается к четырем триллионам рублей, а искусственный интеллект для оценки собственной работы используют два ресторана из ста. Четыре триллиона — и два процента. Зато когда войти в айти получается — выходят лучшие продукты в отрасли: далеко ходить не надо, Дринкит показал, что бывает, если кофейню изначально строить как технологическую компанию.

ARBUS-AI про то же самое, только строить ничего не нужно. Вы подключаете свой сервер iiko, спрашиваете человеческим языком — какая выручка вчера по всем точкам, какой официант продал больше всех, сравни понедельник и вторник — и получаете ответ с цифрами за десять секунд. Исчезает ровно тот шаг, который откладывается: зайти в iiko, выгрузить, свести в Excel, посмотреть. Не сотрудник исчезает — исчезает задержка между данными и решением. Та самая, из-за которой вчерашняя проблема обнаруживается на следующей неделе.

А теперь про отложенное «почему» — по-честному. В базовом сценарии за ответом к нам приходят: задали вопрос, получили цифры. Это инструмент, и работать он будет ровно столько, сколько вы будете не забывать к нему возвращаться. 

Процессом сервис становится через задачи: вы один раз формулируете, что хотите знать, и указываете время. Дальше отчёт приходит сам — каждое утро, по понедельникам, первого числа, как настроите. Не надо помнить, не надо заходить, не надо формулировать заново. Почему, у которого никогда не было дедлайна, получает его: девять утра, до планерки, — а не когда прижмёт. Разница между инструментом, к которому нужно не забыть вернуться, и процессом, который работает без вашего участия, — примерно вся разница между попробовали ИИ и пользуемся ИИ.

Бесплатный тариф — 12 запросов в день, без привязки карты, результат через десять секунд после первого вопроса. Честная оговорка: сегодня он доступен клиентам на сервисном обслуживании ARBUS, одна точка, iikoRMS.

Мы на рынке автоматизации HoReCa с 2009 года и много лет признаемся лучшим технологическим партнёром iiko. Так что если хочется не читать про золотую лихорадку, а попробовать копать — приходите: arbus-ai.ru