Анализ
Окно IPO ИИ на самом деле является проверкой маржи вычислений
OpenAI, Anthropic и другие передовые компании ИИ могут в конечном итоге столкнуться с давлением со стороны публичного рынка, но самый сложный вопрос заключается не в росте выручки. Вопрос в том, смогут ли бизнесы с вычислительно интенсивными моделями обеспечивать устойчивую маржу.
Эльвин С ·
Предстоящий IPO ИИ дебаты на самом деле не о том, существует ли спрос. Спрос уже виден в кодировании, поиске, обслуживании клиентов, корпоративной знаниевой работе, открытии лекарств, производстве медиа и внутренней автоматизации. Более сложный вопрос для публичных рынков заключается в том, смогут ли компании, работающие на передовом ИИ, превратить этот спрос в устойчивую прибыль после оплаты за вычислительные ресурсы.
Это напряжение нависает над OpenAI, Anthropic, xAI и каждой другой компанией, работающей с моделями, которая в конечном итоге может столкнуться с проверкой со стороны публичного рынка. Их продукты выглядят как программное обеспечение для пользователей: окно чата, API, агент, копилот. Но в основе модельного бизнеса лежат дата-центры, GPU, память с высокой пропускной способностью, сетевое оборудование, контракты на электроэнергию, системы охлаждения и непрерывный цикл оптимизации моделей.
На протяжении многих лет частные инвесторы были готовы финансировать эту гонку инфраструктуры, потому что стратегическая премия выглядит огромной. Но листинг на публичном рынке меняет разговор. Квартальные инвесторы вознаграждают не только рост. Они спрашивают, сколько стоит обслуживание этого роста, насколько предсказуемы эти расходы и есть ли у компании ценовая власть, когда конкуренты снижают цены на API.
Верхняя линия — это легкая часть
История доходов прямолинейна. Предприятия хотят ИИ-системы, которые могут писать код, резюмировать документы, сортировать запросы в службу поддержки, генерировать маркетинговые материалы, анализировать контракты и автоматизировать повторяющуюся внутреннюю работу. Принятие потребителями уже показало, что люди будут использовать универсальный ИИ, если продукт достаточно хороший и интерфейс достаточно простой.
История с маржой более сложная. Каждое приглашение, запрос на генерацию кода, анализ с длинным контекстом или агентная рабочая процедура потребляют вычислительные мощности для вывода. Некоторые рабочие нагрузки дешевы. Другие требуют больших моделей, длинных контекстных окон, вызовов инструментов, систем извлечения информации и повторяющихся циклов рассуждений. Это означает, что два клиента, платящие одну и ту же цену за подписку, могут создавать очень разные издержки.
Именно поэтому следующий проспект ИИ не может выглядеть как обычная регистрация SaaS. Инвесторам нужно будет знать, поступают ли доходы от недорогих, высокомаржинальных рабочих нагрузок или от дорогого использования, которое выглядит привлекательно только пока мощности субсидируются частным капиталом.
Вычисления становятся новой себестоимостью товаров
В традиционном программном обеспечении затраты на обслуживание еще одного пользователя могут быть невелики после того, как продукт создан. В передовом ИИ дополнительное использование может быть существенным, потому что продукт — это вычисления. Компании приходится покупать или арендовать ускорители, резервировать облачные мощности, обеспечивать электропитанием центры обработки данных и постоянно оптимизировать модели, чтобы каждый ответ стоил дешевле.
Это не делает бизнес непривлекательным. Это делает его более капиталоемким, чем программные мультипликаторы, с которыми инвесторы привыкли работать за последние два десятилетия. Рынку понадобится новый словарь: стоимость за миллион токенов, валовая маржа по рабочей нагрузке, использование вычислительных ресурсов, риск резервирования мощностей, амортизация моделей и срок окупаемости тренировочных прогонов.
Крупнейшие лаборатории ИИ уже пытаются изогнуть кривую затрат. Более маленькие модели, маршрутизационные системы, спекулятивная декодировка, квантизация, кэширование, пакетное выведение и специализированные ускорители — все это может улучшить экономику. Но публичные инвесторы захотят увидеть доказательства того, что оптимизация опережает рост спроса, а не просто поддерживает работу системы.
Ценовая власть не гарантирована
Вторая проблема — ценообразование. Если доступ к передовым моделям станет товаром для многих корпоративных задач, клиенты будут направлять рабочие нагрузки к более дешевым провайдерам. Если качество модели останется сильно дифференцированным, лучшие лаборатории смогут взимать премиальные тарифы. Разница между этими двумя мирами — это разница между историей маржинальности, похожей на программное обеспечение, и историей вычислительной мощности, похожей на коммунальные услуги.
Покупатели из корпоративного сектора уже ведут себя прагматично. Они могут использовать одну модель для сложных рассуждений, другую для программирования, третью для суммирования и открытую модель для внутренних рабочих процессов, где контроль над данными важнее, чем передовые возможности. Такое многомодельное поведение ослабляет идею о том, что какая-либо одна лаборатория автоматически захватит все расходы на ИИ.
Это также поднимает вопросы концентрации клиентов. Если небольшое число крупных предприятий или облачных партнеров составляет значительную долю использования, инвесторы захотят узнать, сможет ли цена удержаться, когда эти клиенты будут вести переговоры. Быстрорастущая компания в области ИИ с низкой ценовой властью может выглядеть лучше на частных рынках, чем на публичных.
Облачные провайдеры обладают преимуществом
Отношения между компаниями-разработчиками моделей и облачными провайдерами — это еще один вопрос раскрытия информации. Лаборатории на переднем крае нуждаются в мощностях, а гиганты облачных технологий нуждаются в рабочих нагрузках AI, чтобы оправдать огромные расходы на инфраструктуру. Эта взаимозависимость может создавать стратегические партнерства, но также может размывать реальную экономику бизнеса.
Если компания, занимающаяся моделями, получает вычислительные мощности со скидкой, мощности, связанные с инвестициями, или условия распределения доходов, публичным инвесторам нужно будет понимать базовую экономику. В противном случае показатели прибыли на первый взгляд могут скрывать обязательства, которые становятся дороже при пересмотре контрактов.
Именно здесь AI начинает выглядеть не как чисто программное обеспечение, а скорее как гибрид облачной инфраструктуры, цепочек поставок полупроводников и корпоративного программного обеспечения. Победители могут все еще быть чрезвычайно ценными, но анализ должен быть более физическим.
Чего будут требовать публичные инвесторы
Наиболее сильными кандидатами для IPO в области ИИ, вероятно, будут компании, которые смогут объяснить экономику вычислений простым языком. Им потребуется показать, как со временем снижаются затраты на модели, сколько использования может обеспечить меньшая система, как корпоративные контракты защищают маржу и как инфраструктурные обязательства соотносятся с спросом.
Им также нужно будет продемонстрировать операционную дисциплину. Публичные рынки могут терпимо относиться к значительным инвестициям, когда путь к расширению маржи выглядит убедительно. Они менее снисходительны, когда компания просит инвесторов финансировать гонку вооружений без очевидных доказательств того, что масштаб улучшает экономику единицы продукции.
Темы: IPO в области ИИ, OpenAI, Anthropic, маржинальность вычислений