Аналитика
Окно IPO ИИ действительно является испытанием маржи вычислений
OpenAI, Anthropic и другие передовые компании в области ИИ в конечном итоге могут столкнуться с давлением со стороны публичного рынка, но самым сложным вопросом является не рост выручки. Самый важный вопрос заключается в том, могут ли бизнесы, использующие вычислительно интенсивные модели, обеспечивать стабильную маржу.
Элвин С. ·
Приближающийся IPO ИИ Дискуссия на самом деле не о том, существует ли спрос. Спрос уже заметен в таких областях, как программирование, поиск, обслуживание клиентов, корпоративная работа с знаниями, разработка лекарств, производство медиа и внутренняя автоматизация. Более сложный вопрос для публичных рынков заключается в том, смогут ли компании на переднем крае ИИ превратить этот спрос в устойчивую прибыль после оплаты вычислительных ресурсов.
Это напряжение висит над OpenAI, Anthropic, xAI и каждой другой компанией, занимающейся моделями, которая в конечном итоге может столкнуться с контролем со стороны публичного рынка. Их продукты выглядят для пользователей как программное обеспечение: окно чата, API, агент, копилот. Но под поверхностью бизнес-модель зависит от дата-центров, графических процессоров, памяти с высокой пропускной способностью, сетевого оборудования, энергетических контрактов, систем охлаждения и неустанного цикла оптимизации моделей.
На протяжении многих лет частные инвесторы были готовы финансировать эту гонку инфраструктуры, потому что стратегическая награда кажется огромной. Но выход на публичный рынок меняет ситуацию. Квартальные инвесторы вознаграждают не только за рост. Они спрашивают, сколько стоит обеспечивать этот рост, насколько предсказуемы эти затраты и есть ли у компании ценовая власть, когда конкуренты снижают цены на API.
Верхняя строка — это лёгкая часть
История с доходами проста. Предприятия хотят системы ИИ, которые могут писать код, резюмировать документы, сортировать заявки в службу поддержки, создавать маркетинговые материалы, анализировать контракты и автоматизировать повторяющуюся внутреннюю работу. Потребительское принятие уже показало, что люди будут использовать универсальный ИИ, если продукт достаточно хороший, а интерфейс достаточно простой.
История с маржой более сложная. Каждый запрос, запрос на генерацию кода, анализ с длинным контекстом или агентский рабочий процесс потребляет вычислительные мощности для вывода. Некоторые рабочие нагрузки дешевые. Другие требуют крупных моделей, длинных контекстных окон, вызовов инструментов, систем извлечения данных и повторяющихся циклов рассуждений. Это означает, что два клиента, платящие одинаковую цену подписки, могут создавать очень разные затраты.
Вот почему следующий проспект по ИИ не может выглядеть как обычная регистрация SaaS. Инвесторам нужно будет знать, поступают ли доходы от недорогих, высокомаржинальных рабочих нагрузок или от дорогостоящего использования, которое выглядит привлекательно только тогда, когда мощность субсидируется частным капиталом.
Вычисления становятся новой стоимостью товаров
В традиционном программном обеспечении стоимость обслуживания еще одного пользователя может быть небольшой после создания продукта. В передовом ИИ дополнительное использование может быть значительным, потому что продуктом является вычисление. Компании приходится покупать или арендовать ускорители, резервировать облачные мощности, обеспечивать электропитание центры обработки данных и постоянно оптимизировать модели, чтобы каждый ответ стоил меньше.
Это не делает бизнес непривлекательным. Оно делает его более капиталоемким, чем множители для программного обеспечения, к которым инвесторы привыкли за последние два десятилетия. Рынку потребуется новый словарь: стоимость за миллион токенов, валовая маржа по рабочей нагрузке, использование вычислительных ресурсов, риск резервированных мощностей, амортизация модели и срок окупаемости тренировочных запусков.
Крупнейшие лаборатории по искусственному интеллекту уже пытаются изменить этот кривой затрат. Более маленькие модели, системы маршрутизации, спекулятивное декодирование, квантизация, кэширование, пакетное инференсирование и специализированные ускорители могут все улучшить экономику. Но публичные инвесторы захотят увидеть доказательства того, что оптимизация опережает рост спроса, а не просто поддерживает работу системы.
Ценовая власть не гарантирована
Второй проблемой является ценообразование. Если доступ к передовым моделям станет товаром для многих корпоративных задач, клиенты будут переносить рабочие нагрузки к более дешевым провайдерам. Если качество моделей останется сильно дифференцированным, лучшие лаборатории смогут устанавливать премиальные цены. Разница между этими двумя мирами — это разница между историей с маржой, подобной программному обеспечению, и историей вычислений, подобной коммунальным услугам.
Корпоративные покупатели уже ведут себя прагматично. Они могут использовать одну модель для сложного рассуждения, другую — для программирования, третью — для суммирования и открытую модель для внутренних рабочих процессов, где контроль данных важнее передовых возможностей. Такое многомодельное поведение ослабляет идею о том, что какая-либо одна лаборатория автоматически привлечет все расходы на ИИ.
Это также вызывает вопросы о концентрации клиентов. Если небольшое количество крупных предприятий или облачных партнеров составляет значительную долю использования, инвесторы захотят знать, смогут ли цены удерживаться, когда эти клиенты ведут переговоры. Быстрорастущая компания в сфере ИИ с низкой ценовой властью может выглядеть лучше на частных рынках, чем на публичных.
Поставщики облачных услуг обладают рычагом влияния
Взаимосвязь между модельными компаниями и облачные провайдеры это еще одна проблема раскрытия информации. Лабораториям Frontier нужны мощности, а гигантам облачных технологий нужны рабочие нагрузки ИИ, чтобы оправдать огромные расходы на инфраструктуру. Эта взаимная зависимость может привести к стратегическим партнёрствам, но также может размывать реальную экономику бизнеса.
Если модельная компания получает льготные вычислительные мощности, инвестиционно-связанную емкость или условия распределения доходов, публичным инвесторам необходимо понимать фундаментальную экономику. В противном случае показатели маржи могут скрывать обязательства, которые станут дороже при восстановлении контрактов.
Здесь искусственный интеллект начинает выглядеть меньше как чисто программная категория и больше как гибрид облачной инфраструктуры, цепочек поставок полупроводников и корпоративного программного обеспечения. Победители все еще могут быть чрезвычайно ценными, но анализ должен быть более физическим.
Чего потребуют государственные инвесторы
Наиболее вероятными кандидатами на первичное публичное размещение акций (IPO) в сфере искусственного интеллекта будут компании, которые смогут объяснить экономику вычислений простым языком. Им необходимо показать, как со временем снижаются расходы на модели, какое количество использования может быть обеспечено меньшими системами, как корпоративные контракты защищают маржу и как обязательства по инфраструктуре соотносятся с спросом.
Им также потребуется демонстрировать дисциплину в операционной деятельности. Публичные рынки могут терпимо относиться к активным инвестициям, если путь к расширению маржи выглядит убедительно. Они менее прощают ситуацию, когда компания просит инвесторов финансировать гонку вооружений без явных доказательств того, что масштаб улучшает экономику единицы.
Темы: IPO ИИ, OpenAI, Anthropic, вычислительные маржи