Век в долгах ради нейросетей: почему Google и Amazon тратят на ИИ больше, чем зарабатывают

Сегодня показатели EBITDA могут выглядеть блестяще, скрывая тот факт, что реальный свободный капитал стремится к отрицательным значениям.

Экономика невозможного

По прогнозам Morgan Stanley, объем заимствований облачными гигантами может достичь 400 миллиардов долларов за год. Это не признаки здорового роста, а симптомы финансового пленения.

Правда в том, что окупаемость ИИ-проектов не просто под вопросом — она математически маловероятна. На обещания скорой прибыли стоит ответить вопросом: кто обеспечит эту выручку?

Массовые подписки по 20 долларов не способны покрыть затраты на многомиллиардные вычислительные центры, так как себестоимость каждого запроса зачастую выше его цены. Даже профессиональные тарифы не спасают положение, если энергопотребление и обслуживание инфраструктуры дорожают быстрее клиентской базы.

Для реальной окупаемости нынешних затрат средний доход с пользователя должен вырасти в десятки раз.

Готов ли рядовой потребитель платить 1000 долларов ежемесячно за доступ к нейросети?

Ответ очевиден. Большинство предпочтет бесплатные альтернативы, такие как DeepSeek. Китайские разработчики могут позволить себе подобную щедрость, и у них на то есть свои веские причины.

Пока корпорации пытаются переложить свои издержки на плечи пользователей, у нас всё еще есть возможность выбирать эффективные инструменты.

Например, сервис BotHub позволяет работать с ведущими мировыми моделями в едином интерфейсе без необходимости оплачивать множество разрозненных подписок. Это рациональный способ использовать потенциал ИИ, избегая корпоративных ловушек.

Для работы не требуются сложные обходные пути, поддерживаются локальные способы оплаты.

Зарегистрируйтесь по ссылке и получите 300 000 приветственных токенов для тестирования нейросетей в деле уже сегодня!

Единственным спасательным кругом для индустрии остается корпоративный сектор.

Большие языковые модели (LLM) должны стать настолько незаменимыми, чтобы бизнес был готов платить за них колоссальные суммы. Речь идет не о чат-ботах, а о глубоко интегрированных кластерах и кастомных API.

Однако этот сценарий кажется утопическим по ряду причин.

Даже минимальная корпоративная наценка превращается в существенную прибавку к стоимости содержания каждого сотрудника. Такие расходы оправданы лишь при условии, что ИИ способен заменить хотя бы треть штата.

Но возможно ли это в реальности? Именно здесь карточный домик начинает рушиться.

Технологический потолок

Современный ИИ не справится с такой задачей. И проблема не в его «незрелости», а в фундаментальных ограничениях самой архитектуры. Пытаться достичь этого на текущих LLM — всё равно что пытаться долететь до Луны на самолете.

Обратимся к фундаментальному труду, опубликованному в октябре 2025 года на arxiv.org — Remote Labor Index: Measuring AI Automation of Remote Work. Исследование показало: несмотря на блестящие результаты в синтетических тестах, нейросети пасуют перед реальными рабочими задачами. ИИ-агенты смогли успешно завершить лишь 2,5% комплексных проектов.

Модели совершают тривиальные ошибки, не способны критически оценивать результат и не обладают системным мышлением.

За этим скрывается феномен «диминуирующей отдачи» (diminishing returns): прогресс моделей замедляется экспоненциально по отношению к затратам на их обучение. Вероятностная природа этих систем исключает абсолютную надежность.

Бизнесу не нужны «впечатляющие догадки» — ему нужна гарантия результата. Ошибка в 5% случаев недопустима в бухгалтерии или медицине. Каждая сотая доля процента точности стоит всё дороже, и в итоге стоимость улучшения качества начинает кратно превышать приносимую выгоду. В такой парадигме 200 миллиардов в год выглядят не как инвестиция, а как попытка купить чудо.

Эпилог

Логика, на которой зиждется нынешний ИИ-бум, глубоко порочна и не подтверждается экономическими реалиями.

В сухом остатке у корпораций останутся лишь долги и пустующие дата-центры, но не ожидаемая сверхприбыль.

Огромные ресурсы сгорают в погоне за недостижимым идеалом. Процесс продолжается не потому, что он рационален, а потому, что он движим инерцией и жаждой тотального доминирования. Мысль о том, что сама технологическая концепция может быть тупиковой, просто не допускается в высоких кабинетах, ведь это потребовало бы полной смены мировоззрения.

У тех, чья главная цель — бесконечное накопление ресурсов, нет иного пути. И этот разрыв между финансовыми амбициями и технологической реальностью может стать самым болезненным уроком в истории современной экономики.

Источник