280x дешевле за два года: экономика ИИ перевернулась

В 2023 году один запрос к GPT-4 стоил столько, что считать приходилось внимательно. В 2025 году эквивалентный запрос стал в 280 раз дешевле. Не на 280 процентов – в 280 раз. За два года стоимость использования ИИ превратилась из барьера в погрешность округления.

Stanford AI Index – ежегодный отчёт, который собирает данные об индустрии ИИ из сотен источников – зафиксировал этот обвал в отчёте 2025 года. А в отчёте 2026 года добавил контекст: инвестиции в ИИ взорвались до $285,9 млрд, потребители получают ценность на $172 млрд в год, а дата-центры потребляют электричества как штат Нью-Йорк. Экономика перевернулась – но не так, как ожидали.

280x – что произошло со стоимостью

Stanford AI Index 2025 ввёл метрику, которая заслуживает отдельного абзаца: стоимость инференса моделей уровня GPT-3.5 упала в 280 раз с момента выхода ChatGPT в конце 2022 года. Это не эффект замены дорогой модели дешёвой. Это падение цены при сравнимом качестве – благодаря конкуренции между провайдерами, оптимизации инфраструктуры и удешевлению чипов.

Для контекста: за тот же период смартфоны подешевели процентов на 15. Облачное хранилище – процентов на 30. Авиабилеты – примерно никак. А инференс ИИ – в 280 раз.

Мы это видим в собственных данных. Когда мы тестировали 53 модели весной 2026 года, самый дешёвый запрос стоил $0,0001, самый дорогой – $0,17. Разница в цене – 1 600 раз. Разница в качестве между десятью лучшими моделями – 0,24 балла из пяти. Рынок, где цена падает быстрее, чем качество растёт, – это рынок, который перевернулся.

Практически это значит одну вещь: доступ к ИИ перестал быть проблемой. В 2023 году менеджер мог сказать «нам не хватает бюджета на GPT-4». В 2026-м это звучит примерно как «нам не хватает бюджета на электронную почту». Бюджетные модели вроде Qwen3.5 9B или DeepSeek V3.2 дают 85–90% качества флагманов за доли цента за запрос. Для черновика письма, пересказа документа, подготовки повестки встречи – разницу между моделью за $0,0002 и за $0,016 вы не заметите.

Барьер сместился. Он теперь не в цене доступа, а в умении пользоваться.

Деньги текут рекой

Пока стоимость использования падала, объём инвестиций делал обратное.

AI Index 2026 фиксирует: частные инвестиции в ИИ в США достигли $285,9 млрд в 2025 году. Для сравнения – годом ранее было $109,1 млрд. Рост в 2,6 раза за год. В абсолютных числах это больше, чем ВВП большинства стран мира.

Второе место – Китай с $12,4 млрд. Это в 23 раза меньше, чем США. Правда, Stanford делает оговорку: китайские данные не учитывают государственные фонды и инвестиции через госкомпании, которые в Китае играют другую роль, чем в американской экосистеме венчурного капитала. Реальный разрыв, вероятно, меньше. Но даже с поправкой – масштаб американского доминирования впечатляет.

Ещё одна цифра: в 2025 году в США появилось 1 953 новых ИИ-компании с венчурным финансированием. Это в десять раз больше, чем у ближайшей страны. Не в два раза, не в три – в десять.

Куда идут эти деньги? Глобальная вычислительная мощность для ИИ растёт в 3,3 раза ежегодно с 2022 года и достигла 17,1 миллиона H100-эквивалентов. Nvidia контролирует более 60% этих мощностей. Стоимость обучения фронтирных моделей продолжает расти – даже пока инференс дешевеет. Тренировка модели и её использование – две разные экономики, движущиеся в противоположных направлениях.

Вот мысленный эксперимент: если инференс подешевел в 280 раз, а инвестиции выросли в 2,6 раза – значит, объём использования вырос на порядки. Деньги не исчезли – они перетекли из оплаты за запрос в оплату за инфраструктуру. Пользователь платит меньше. Система в целом – больше.

Потребительская ценность – $172 млрд

AI Index 2026 приводит оценку, на которую стоит обратить внимание: потребительская ценность генеративного ИИ для американцев составляет $172 млрд в год. Это не выручка компаний и не объём рынка – это оценка пользы, которую получают люди, многие из которых не платят ничего.

Медианная ценность на пользователя утроилась между 2025 и 2026 годами. Это необычная динамика. Обычно при массовом распространении технологии ценность на пользователя падает – новые пользователи менее вовлечены, чем ранние. Здесь – обратное. Либо пользователи быстро учатся извлекать больше пользы, либо инструменты стали существенно лучше, либо и то и другое.

Но вот что интересно: $172 млрд ценности при $285,9 млрд инвестиций – это пока не тот баланс, который внушает уверенность инвесторам. Конечно, потребительская ценность и выручка – разные вещи. Конечно, инвестиции – это ставка на будущее, а не покупка текущего результата. Но как минимум возникает вопрос: кто и когда начнёт конвертировать эту пользу в деньги?

Цифры объясняют, почему ценность создаётся в принципе. Но как она появляется на конкретных задачах менеджера – разговор, который начинается не с отчёта, а с практики.

Дорогая модель не равно лучшая модель

Падение стоимости инференса создаёт парадокс, который мы подробно разбирали в анализе 53 моделей: если дешёвая модель даёт 99% качества дорогой, за что именно вы платите, выбирая премиум?

Напомню ключевые цифры: разница в цене между самой дешёвой и самой дорогой моделью в нашем бенчмарке – 1 600 раз. Разница в качестве между топ-10 – 0,24 балла. Модели ценовой категории $0,001–0,003 за запрос стабильно набирают 4,4–4,7 баллов из пяти на управленческих задачах. Флагманы – 4,7–4,8.

Stanford AI Index подтверждает это макроданными: обвал стоимости инференса не сопровождался пропорциональным падением качества. Модели стали дешевле и лучше одновременно. Это не нулевая сумма.

Для менеджера это значит, что выбор «премиум или бюджет» – ложная дилемма. Правильный вопрос – «какая модель для какой задачи». Основные расходы на ИИ обычно прячутся не в цене API за токены, а в интеграции, обучении сотрудников и потерянном времени на неэффективное использование.

Конечно, для 20% задач – стратегический анализ, работа с неоднозначными данными, создание материалов для руководства – разница между моделями существует и оправдывает переплату. Но для остальных 80% переплата за премиум – это именно то, что мы назвали «налогом на ИИ»: расход, который ощущается как инвестиция, а работает как привычка.

Скрытые издержки

До сих пор мы говорили о том, как ИИ стал дешевле для пользователя. Теперь – о том, чего эта дешевизна стоит системе.

AI Index 2026 приводит данные, которые редко попадают в маркетинговые материалы провайдеров.

Мощность дата-центров для ИИ достигла 29,6 гигаватт. Для сравнения – это сопоставимо с пиковым потреблением электричества штата Нью-Йорк. Не Манхэттена – всего штата. И это только текущая мощность, без учёта объявленных строек.

Выбросы CO₂ при обучении фронтирных моделей растут с каждым поколением. По оценкам Stanford, обучение Grok 4 обошлось примерно в 72 816 тонн углекислого газа. Для масштаба: это годовой след небольшого города.

Но, пожалуй, самая неожиданная цифра – вода. Инференс GPT-4o может потреблять воды больше, чем нужно для питьевого водоснабжения 1,2 миллиона человек. Не обучение – инференс. Каждый запрос, каждый черновик письма, каждый «перескажи документ». Умножьте на сотни миллионов пользователей.

Это тот случай, когда «бесплатно для пользователя» не значит «бесплатно». Стоимость перенеслась из бюджета менеджера в энергобюджет планеты. Я не уверен, что у индустрии есть внятный ответ на этот вопрос – пока все разговоры сводятся к планам перехода на атомную и возобновляемую энергию, которые существуют в основном в формате пресс-релизов.

Что это значит для менеджера

Подведём итог. За два года стоимость использования ИИ упала в 280 раз, а годовые инвестиции выросли до $286 млрд. Параллельно потребительская ценность для одних только американцев достигла $172 млрд – и расплачивается за это электричество и вода в масштабах, которые ещё недавно считались абсурдом для информационной услуги.

Что из этого практически важно?

Первое: доступ к ИИ – решённая проблема. Если вы или ваша команда не используете ИИ в работе, причина не в цене. Она – в чём-то другом: в непонимании, где применить, в отсутствии навыка формулировать задачи, в страхе получить неправильный результат, в корпоративных политиках, которые не успели адаптироваться. Всё это – реальные барьеры. Но они не про деньги.

Второе: разница между моделями сжимается, а разница между пользователями – растёт. Google Cloud в отчёте по ROI показывает, что компании с реальной отдачей от ИИ добиваются её не покупкой дорогой модели, а точным подбором инструмента под задачу и обучением людей. Модель за $0,002 в руках человека, который понимает, как сформулировать задачу, даёт больше, чем модель за $0,17 в руках того, кто пишет «сделай мне красиво».

Третье: экологические издержки – не абстракция, а фактор, который начнёт влиять на регулирование, ценообразование и корпоративную отчётность. Пока это не меняет ваш бюджет напрямую. Но если вы выстраиваете ИИ-стратегию на горизонте двух-трёх лет – учитывать стоит.

И вот что, мне кажется, упускают в разговорах о «революции дешевизны». Да, ИИ стал доступен всем. Но доступность инструмента и умение им пользоваться – это разные вещи. Молоток есть в каждом доме, но это не делает каждого плотником. Стоимость ИИ упала в 280 раз. Стоимость обучения работе с ним – нет.

Возможно, это и есть главный сдвиг 2025–2026 годов. Конкурентное преимущество переместилось от «у нас есть доступ к ИИ» к «наши люди умеют с ним работать». Первое теперь стоит доли цента за запрос. Второе – по-прежнему дорого, долго и без гарантий.

Но если $172 млрд потребительской ценности уже генерируются – значит, кто-то эти навыки нарабатывает. Вопрос только в том, насколько быстро это делаете вы.

Это вторая статья серии «Stanford AI Index 2026». Первая – про парадокс внедрения: почему при таком удешевлении глубокое использование ИИ остаётся редкостью. Следующая – про «зубчатую границу» возможностей ИИ: задачи, где модели уже превосходят экспертов, и задачи, где пока проваливаются.

Другие части серии

Часть 1

AI стал быстрее интернета – но 62% пользователей застряли на старте

Часть 3

Зубчатый край ИИ: олимпиада – да, аналоговые часы – нет

Часть 4

73% экспертов верят в AI – и только 23% обычных людей. Кто прав?

Часть 5

80% студентов используют AI – и 6% преподавателей понимают правила