ИИ стоит слишком дорого

Майская статья Эдварда Зитрона за 2026 год обновляет тезис о "субстандартном ИИ" цифрами, появившимися за прошедшие два месяца: показания топ-менеджмента на суде Маска против OpenAI вскрыли, что Microsoft вложила около $87 млрд в инфраструктуру OpenAI; мартовские показания под присягой Anthropic показали расход в $3 на каждый $1 выручки от вычислительных мощностей; RPO подскочили на сотни миллиардов, но почти весь этот рост обеспечили сами же Anthropic и OpenAI; плюс добавился новый блок свидетельств: корпоративные клиенты сжигают годовые бюджеты на токены буквально за пару месяцев. Тезис не изменился - подтверждающие его цифры стали хуже.

Арифметика гиперскейлеров

Зитрон сопоставляет цифры capex:

Microsoft потратила $293,8 млрд капитальных затрат (capex) начиная с FY23 (вторая половина 2022 года). Bloomberg со ссылкой на показания топ-менеджера Майкла Веттера (Michael Wetter) на процессе Маска против OpenAI сообщает, что ~$87 млрд из этой суммы - около 30% - ушли непосредственно на инфраструктуру для OpenAI. По данным источников Зитрона в Azure, это подавляющая часть всех операционных мощностей Microsoft.
Планы гиперскейлеров по capex на 2026 год: Microsoft - $190 млрд, Google - $185 млрд, Meta - $125+ млрд, Amazon - $200+ млрд. Примерно $700 млрд в 2026 году и ещё около ~$1 трлн прогнозируется на 2027 год.
Совокупная выручка Microsoft, Meta, Amazon и Google за FY2025: $1,599 трлн от всех продуктов вообще. Чтобы выйти в ноль, им нужно как минимум $3 трлн выручки конкретно от ИИ, а чтобы оказаться в плюсе - $6 трлн.
У Microsoft 365 Copilot насчитывается 20 млн платных подписчиков - это абсолютный максимум в $7,2 млрд в год, если бы каждый платил полные $30 в месяц (но они не платят: скидки даются на несколько лет вперёд). Общую выручку Microsoft от ИИ за FY2025 Зитрон оценивает примерно в ~$17,9 млрд при capex в $88,2 млрд.

Сопутствующий расчёт: при стоимости $42-44 млн за мегаватт заявленные OpenAI 1,9 ГВт мощности (к концу 2025 года) обходятся примерно в ~$79,8 млрд инфраструктурных затрат. Microsoft вложила почти в четыре раза больше. Большая часть потраченного Microsoft пошла исключительно на OpenAI.

Проверка четырьмя условиями

Чтобы всё это имело хоть какой-то смысл в качестве инвестиций, должны одновременно выполняться все четыре условия:

Выручка от ИИ должна вырасти взрывными темпами.
Инвестиции в capex должны прекратиться.
GPU должны приносить чистую прибыль с учётом маржи и обслуживания долга.
Выручка от ИИ должна оставаться стабильной как до, так и после прекращения вложений в capex.

Зитрон разбирает, почему каждое условие проваливается. Если провалится хотя бы условие 1, лучший возможный исход - выход в ноль. Если провалится условие 2 (capex продолжит расти), выручка должна примерно удвоить весь существующий бизнес Microsoft, Meta и Google вместе взятых и утроить бизнес AWS. Условие 3 не доказано и вызывает споры: публичные заявления ("Anthropic прибыльна на инференсе") опираются либо на перевранные слова Альтмана, либо на уклончивые ремарки Амодеи о "стилизованных фактах". Условие 4 - самое гиблое: даже если выручка сейчас выглядит неплохо, большой вопрос, сохранится ли она после прекращения вливаний в capex.

RPO - иллюзия спроса

Оставшиеся контрактные обязательства (Remaining performance obligations, RPO) - это зафиксированные в балансах гиперскейлеров многолетние договорные обязательства по выручке. В первом квартале 2026 года они резко подскочили:

RPO Microsoft: $392 млрд -> $625 млрд за счёт фиксации обязательств OpenAI на $250 млрд "дополнительных расходов на Azure" (октябрь 2025 года) и $30 млрд от Anthropic (ноябрь 2025 года). Без этих двух контрактов показатели RPO остались бы на прежнем уровне.
RPO Amazon: $244 млрд -> $364 млрд за счёт расширения сделки с OpenAI на вычислительные мощности на $100 млрд и партнёрства по мощностям на 5 ГВт с Anthropic.
RPO Google: $242,8 млрд -> $467,6 млрд, в основном благодаря обязательству Anthropic потратить $200 млрд на TPU. Без него рост составил бы всего $24,8 млрд (причём часть этой суммы - сделка по аренде TPU с Meta).

Вывод Зитрона: за пределами Anthropic и OpenAI эти три компании практически не наращивают выручку от ИИ. Они просто выдают друг другу кредиты через двух посредников. По данным The Information, более 50% всего портфеля будущей выручки гиперскейлеров приходится исключительно на Anthropic и OpenAI.

Четырёхлетняя яма Anthropic и OpenAI

Сколько Anthropic предположительно должна выплатить за следующие четыре года:

$200 млрд Google
$100 млрд Amazon
$30 млрд Microsoft
$30 млрд CoreWeave
$20 млрд xAI ($5 млрд/год × 4)
≥$20 млрд прочих операционных расходов, не связанных с вычислениями

Итого: ~$380 млрд за четыре года. Согласно мартовским показаниям 2026 года под присягой, Anthropic потратила $10 млрд на обучение и инференс при совокупной выручке за всё время существования около ~$5 млрд - то есть $3 расходов на каждый заработанный $1. The Information сообщает, что её валовая маржа в 2025 году составила 40%, что на 10 процентных пунктов ниже оптимистичного прогноза, при этом затраты на инференс оказались на 23% выше ожидаемых.

OpenAI, по данным The Information, планирует сжечь $852 млрд до 2030 года, при этом её валовая маржа упала с 40% в 2024 году до 33% в 2025 году - на 13 процентных пунктов ниже прогноза из-за экстренной закупки вычислительных мощностей в последний момент.

Это именно то, что Зитрон называет проблемой "ловли падающего ножа": законтрактуешь мощности на годы вперёд - обанкротишься, если выручка не материализуется (цитата Амодеи: "в мире нет такой силы и такой страховки, которая спасла бы меня от банкротства"); станешь докупать в последний момент - заплатишь по взвинченным спотовым ценам, которые уничтожат любую маржу. Обе компании угодили в худший вариант этой ловушки.

Корпорации вдребезги сжигают бюджеты на токены

Новый массив фактов в этой статье - перерасход корпоративных бюджетов на токены. За месяц или два до публикации статьи Anthropic перевела корпоративных клиентов на помесячную оплату за токены, и стресс-тест даёт вполне предсказуемые результаты:

Директор по ИТ (CIO) ServiceNow Келли Ромак (в беседе с Лорой Браттон из The Information): компания не уверена, сможет ли оставить сотрудников на Claude Enterprise до конца 2026 года без жёсткого сдерживания расходов.
Генеральный директор Salesforce Марк Бениофф: в 2026 году запланированы расходы в $300 млн на токены Anthropic.
Stripe (по данным источников Зитрона): около 5 000 технических специалистов сжигают на токены в среднем $94 тыс. в день - это $2,8 млн в месяц или $33,6 млн в год. При фонде оплаты труда технических кадров около ~$765 млн это составляет ~4,4% от затрат на персонал. Goldman сообщает, что в среднем по индустрии расходы на ИИ приближаются к 10% от ФОТ и "в ближайшие несколько кварталов могут сравняться с расходами на персонал".
Uber и другие организации расходуют годовые бюджеты на токены за считанные месяцы.

Zillow как ИИ-Чернобыль

Кейс, на который опирается Зитрон:

Zillow потратила $1 млн на сервисы ИИ в первом квартале 2026 года и ещё $749 тыс. за один только апрель (Cursor, Anthropic, AWS Bedrock).
К середине мая общие траты на ИИ превысили $3 млн; годовой бюджет на Cursor в $1,1 млн был выработан на 85%.
Динамика на 2026 год: $7-10 млн совокупных затрат на ИИ при чистой прибыли за FY2025 всего в $23 млн.
Внутренняя презентация "AI-Native Engineering" сулит "путь к агентной Zillow" и рассуждает о переходе инженеров от роли "солиста" -> к роли "дирижёра" -> и затем "композитора".
Слайд "2027: Обычный вторник" описывает гипотетического инженера, который вообще никогда не открывает кодовую базу, а смотрит только спецификации и дашборды с оценками (eval dashboards).
Реальность, по словам источников Зитрона: инженеры по-прежнему открывают IDE, кодовая база "постепенно превращается в ИИ-шлак", а объём работы по код-ревью вырос примерно на 50% при неизменном штате разработчиков. Нагрузка на ревьюеров выросла на 29 000 часов в месяц - это около 19 дополнительных часов ревью на каждого инженера в месяц, которые уходят на то, чтобы "просто отсматривать лишний код, сгенерированный LLM".
Анонимные посты инженеров Zillow на Blind: "шлак - это гарантия занятости"; "народ жжёт токены просто ради того, чтобы закрыть внутренние KPI по внедрению ИИ".

Это редкий случай с конкретными именами, где динамика "корпоративного насаждения ИИ" документируется изнутри практически в реальном времени.

Проблема прозрачности у Anthropic

Согласно материалу Браттон в The Information, Anthropic не предоставляет:

Телеметрию уровня ServiceNow, SAP, Microsoft или Workday (какой пользователь, какой инструмент, какой объём, каким образом)
Соглашения об уровне обслуживания (SLA)
Детализированную разбивку счетов

Мнение Зитрона: при многомиллионных контрактах, отсутствии SLA, телеметрии и модели с недетерминированным расходом токенов на задачу создаются все условия для намеренного или случайного раздувания расходов при полном отсутствии у клиента возможности провести аудит. Он воздерживается от прямых обвинений в адрес Anthropic, но прямо указывает, что подобная структура взаимоотношений совершенно нетипична для корпоративного софта.

Неизмеримый ROI

Структурный аргумент Зитрона: бюджеты на токены для ИИ - это чистая профанация, потому что количество токенов на задачу не является фиксированной величиной. Расход токенов различается от модели к модели, от пользователя к пользователю и от запуска к запуску даже при абсолютно одинаковых промптах. Замеры на единичных примерах бесполезны. Все альтернативные KPI легко накручиваются:

"Сжечь как можно больше токенов" - сотрудники Amazon и Meta уже накручивают внутренние рейтинги по расходу токенов.
"Использовать ИИ каждый день" - критерий успеха отсутствует как таковой.
"Выкатывать больше софта" - приоритет скорости над качеством.
"Больше pull request'ов" - любую цифру, которую инженер может накрутить, он накрутит.

Без возможности измерить расход токенов на задачу любой бюджет на ИИ превращается в бросок дротика с завязанными глазами. Без пригодных к использованию KPI заявления о "продуктивности" принципиально невозможно опровергнуть - именно поэтому класс бизнес-идиотов так обожает эту технологию.

Разворот к теме бизнес-идиотов

Заключительный аргумент Зитрона скорее структурный, чем финансовый: ИИ идеально ложится на разводку именно потому, что современный руководитель к подобным разводкам предельно восприимчив. LLM создают "видимость работы" точно так же, как большинство топ-менеджеров создают видимость работы. Они согласятся на что угодно, никогда не оспорят сроки и выдадут "убедительно звучащие ответы" вместо того, чтобы поинтересоваться, почему инженер только что ответил отказом. Отдельный разбор концепции см. на странице business-idiot.

Связь с остальной частью его анализа: экономика, управляемая бизнес-идиотами, - это то, что создаёт иллюзию реального спроса внутри пузыря. Корпоративные расходы выглядят как спрос. Но это не спрос - это ситуация, когда руководство "берёт расходы на себя, пока сотрудники экспериментируют" (слова CIO Workato), без каких-либо измерений окупаемости инвестиций и без плана отступления.

К чему это приводит тезис о пузыре

В subprime-ai-crisis Зитрон предсказывал следующую цепочку краха: (1) эскалация затрат лабораторий -> (2) сжатие маржи у стартапов -> (3) бунт пользователей из-за лимитов (rate limits) -> (4) избыточные обязательства лабораторий по закупке вычислительных мощностей. В этой статье добавляется пятый пункт: (5) бунт корпоративных клиентов против бюджетов на токены, когда CIO и CFO будут вынуждены заговорить об урезании расходов уже в 2026, а не в 2027 году.

Стоит хотя бы одному CFO публично заявить о сокращении расходов на ИИ, предсказывает Зитрон, как все остальные бросятся к выходу.

Связанные страницы

subprime-ai-crisis - программная статья за март 2026 года, продолжением которой является этот текст
edward-zitron - страница персоналии, обновлённая с учётом этой публикации
ai-bubble-pale-horses - чек-лист; эта статья подтверждает ряд сигналов (обязательства по capex, избыточные контракты лабораторий, концентрация RPO, начало отката корпоративных расходов)
knife-catching-compute - структурная проблема, описанная цитатой Амодеи
ai-token-budget-explosion - новая динамика со стороны корпоративных клиентов
business-idiot - объяснение Зитрона, почему эта схема так хорошо работает на руководителях
ai-great-leap-forward - административное насаждение; презентация Zillow "AI-Native Engineering" как эталон жанра
hold-on-to-your-hardware - последствия в виде дефицита потребительского железа
ai-backlash-polling-2026 - опросы со стороны спроса, показывающие, что взрывного роста выручки от обычных пользователей не будет
ai-subsidy-economics - базовый экономический механизм
ai-sycophancy-loop - цикл поддакивания, в который попадают именно бизнес-идиоты
titit-local-ai - аргументы Ньюарда в пользу того, что локальные модели являются единственным рациональным ответом на всю эту конструкцию