Стоимость использования ИИ-моделей снижается, даже несмотря на стремительный рост числа запросов. Компании переходят на более дешёвые модели, OpenAI и Anthropic уменьшают цены, а ИИ-агенты всё чаще используют механизмы кеширования, сокращающие расходы. Для бизнеса это хорошая новость, но для индустрии, вкладывающей сотни миллиардов долларов в вычислительную инфраструктуру, возникает неудобный вопрос: насколько устойчивым окажется бум ИИ, если потребление вычислительных ресурсов растёт быстрее, чем выручка от их использования?

Токены дешевеют почти вдвое

Стоимость токенов — единиц текста и других данных, обрабатываемых ИИ-моделями, — за последние месяцы заметно снизилась. Несколько публичных индексов показывают схожую динамику, хотя единого показателя, отражающего весь рынок, не существует.

Индекс расходов на токены от Silicon Data, который учитывает объём использования разных моделей и меняющийся баланс между ними, недавно опустился ниже $1 за миллион токенов. В конце мая показатель достигал $2,07, то есть с пикового значения он снизился на 54%.

Индекс компании Ramp, специализирующейся на управлении корпоративными расходами и отслеживающей реальные траты бизнеса на продукты OpenAI и Anthropic, демонстрирует похожую картину. По сравнению с пиком в конце февраля, когда миллион токенов обходился в среднем в $1,22, показатель снизился на 48%.

За этими цифрами стоят сразу несколько процессов. Компании всё чаще направляют запросы к более дешёвым моделям, включая модели с открытыми весами, а сами разработчики ИИ снижают цены по мере выхода новых поколений продуктов.

Компании больше не хотят платить за самые мощные модели

Раньше одним из символов бума ИИ была готовность компаний тратить всё больше денег на доступ к наиболее мощным моделям. Теперь бизнес учится распределять запросы экономнее: не каждую задачу необходимо поручать самой дорогой системе.

По словам Стива Хоу, руководителя исследований Silicon Data, часть спроса смещается от передовых моделей к более доступным открытым альтернативам. Это означает, что рост использования ИИ больше не обязательно приводит к пропорциональному увеличению расходов на самые дорогие сервисы.

Дополнительное давление на цены создаёт конкуренция между поставщиками. Новые версии моделей предлагают больше возможностей за меньшую стоимость, поэтому разработчикам приходится снижать цены, чтобы удерживать клиентов.

При этом корпоративные расходы на ИИ могут быстро перемещаться между компаниями. Ара Харазян, ведущий экономист Ramp, отмечает, что такие траты пока нельзя считать устойчиво закреплёнными за конкретным поставщиком: выход новой модели способен перенаправить миллиарды долларов расходов с одного сервиса на другой.

Для разработчиков это означает, что даже крупная клиентская база не гарантирует сохранения прежней выручки. Если конкурент предлагает сопоставимое качество дешевле, заказчики могут довольно быстро изменить свои предпочтения.

ИИ-агенты тоже сокращают расходы

Ещё одна причина удешевления — распространение ИИ-агентов, которые ведут продолжительные диалоги, выполняют цепочки действий и многократно обращаются к моделям в рамках одной задачи.

Как объясняет Крис Кларк, сооснователь и операционный директор платформы OpenRouter, значительная часть контекста в таких взаимодействиях может сохраняться в кеше, а не обрабатываться заново при каждом запросе. Токены, соответствующие кешированным входным данным, обычно обходятся значительно дешевле обычных.

В результате агент может продолжать работу с большим объёмом контекста, не оплачивая повторно всю его обработку по стандартному тарифу. Это делает продолжительные взаимодействия экономичнее, но одновременно снижает среднюю стоимость используемых токенов.

Таким образом, рост числа запросов и увеличение продолжительности работы ИИ не обязательно превращаются в сопоставимый рост выручки поставщиков моделей.

Триллионные инвестиции — на фоне стагнации расходов

Для технологической индустрии снижение цен само по себе не обязательно плохой знак. Более доступный ИИ может стимулировать появление новых приложений, расширять круг пользователей и увеличивать совокупный спрос. Этот эффект известен как парадокс Джевонса: повышение эффективности использования ресурса способно приводить к росту его общего потребления.

Пока такая логика работает хотя бы в одном отношении: объём использования ИИ, измеряемый количеством токенов, продолжает быстро увеличиваться.

Но данные Ramp выявляют более тревожное расхождение. В августе и сентябре корпоративные расходы на токены практически не росли два месяца подряд, хотя фактическое использование ИИ продолжало увеличиваться.

«Впервые мы видим, что использование токенов растёт, а расходы на них остаются на прежнем уровне», — говорит Харазян. По его словам, такая ситуация наблюдается уже два месяца подряд.

Это различие принципиально. Рост количества обработанных токенов показывает, что ИИ используется всё активнее, но не отвечает на вопрос, сколько денег индустрия зарабатывает на этом использовании. Если бизнес решает больше задач за те же деньги, поставщикам моделей приходится искать другие способы увеличения выручки.

Между тем масштаб инвестиций в инфраструктуру остаётся огромным. По оценке Goldman Sachs, крупнейшие американские гиперскейлеры — операторы облачных платформ и масштабных центров обработки данных — направят на капитальные расходы около $800 млрд в 2026 году. В 2027 году их совокупные инвестиции, как ожидается, достигнут $1,1 трлн.

Такие вложения предполагают, что спрос на вычислительные мощности будет не только расти, но и обеспечивать достаточную экономическую отдачу. Если использование ИИ продолжит увеличиваться без сопоставимого роста расходов клиентов, обосновать масштаб инфраструктурных инвестиций станет сложнее.

Что это означает для Anthropic и рынка ИИ

Снижение стоимости токенов пока не доказывает, что спрос на ИИ достиг потолка или что инвестиционный бум подходит к концу. Оно может отражать повышение эффективности моделей, усиление конкуренции и переход клиентов на более экономичные инструменты. Если более низкие цены приведут к ещё более широкому распространению ИИ, совокупный рынок в перспективе может продолжить расти.

Однако инвесторам важно следить не только за количеством запросов и вычислений, но и за тем, сколько компании готовы платить за них. Именно корпоративные расходы тесно связаны с выручкой разработчиков моделей — и, следовательно, с их способностью оправдывать высокие оценки перед потенциальным выходом на биржу.

Для таких компаний, как Anthropic, это особенно важно на фоне ожиданий крупных IPO в секторе ИИ. Если расходы клиентов начнут устойчиво отставать от объёмов использования, рынку придётся пересмотреть представления о том, насколько быстро разработчики моделей смогут превращать растущий спрос в доход.

Главный вопрос теперь не только в том, насколько активно развивается ИИ, но и в том, удастся ли индустрии зарабатывать больше на технологиях, которые с каждым месяцем становятся дешевле.