Проблему высоких затрат в индустрии ИИ становится все труднее игнорировать. Компании, которые поспешили строить решения на самых мощных моделях от OpenAI, Anthropic и Google DeepMind, теперь сталкиваются со счетами, которые могут выйти из-под контроля — и все больше из них обращаются к моделям ИИ с открытым исходным кодом как к более устойчивому пути вперед. Этот сдвиг, который раньше был лишь намечающимся, теперь стал настолько заметным, что главный технолог Amazon публично обращает на него внимание.
Summary
Ключевые выводы
- Технический директор Amazon Вернер Фогельс заявил, что компании все чаще переходят на более дешевые модели ИИ с открытым исходным кодом, чтобы сдерживать растущие расходы на ИИ.
- Uber израсходовал весь свой бюджет на ИИ на 2026 год всего за четыре месяца, по сообщениям, потратив полмиллиарда долларов за один месяц.
- Модели с открытым исходным кодом, как правило, можно бесплатно скачать; пользователи платят только за облачную инфраструктуру, что часто делает их дешевле проприетарных альтернатив.
- Amazon запустила новый инструмент ИИ с открытым исходным кодом на саммите ООН «ИИ во благо», чтобы помочь исследователям искать по более чем 1 100 научным наборам данных с помощью естественного языка.
- Прозрачность в отношении обучающих данных ИИ становится обязательным требованием в здравоохранении, государственном секторе и гуманитарной сфере.
Растущие расходы на ИИ подталкивают к переходу на модели с открытым исходным кодом
Выступая на полях саммита ООН «ИИ во благо» 10 июля 2026 года, Вернер Фогельс, технический директор Amazon, выразился предельно ясно: «Мы видим, как происходит сдвиг между более дешевыми моделями с открытым исходным кодом и большими дорогими моделями». Это было откровенное признание того, что золотая лихорадка вокруг ИИ имеет свою цену — и многие компании больше не готовы платить ее безоговорочно.
Дорогие проприетарные модели от лидеров индустрии
Флагманские модели от OpenAI, Anthropic и Google DeepMind занимают верхние строчки рейтингов по производительности. Но производительность в масштабе сопровождается структурой затрат, которая застала врасплох немало организаций. Эти системы тарифицируются по токенам, что означает, что по мере роста использования в командах и продуктах расходы стремительно накапливаются.
Самый наглядный пример этого — Uber. По сообщениям, компания израсходовала весь свой бюджет на ИИ на 2026 год всего за четыре месяца — и, согласно отчетам, потратила около полумиллиарда долларов за один месяц после того, как не смогла ограничить использование ИИ сотрудниками. Такая траектория расходов заставляет даже крупные организации очень быстро пересматривать свой подход.
Фогельс представил это как архитектурный вопрос, а не исключительно финансовый. «Стоимость — это очень важная часть вашей архитектуры, вы должны учитывать ее», — сказал он. — «Действительно ли вам нужна самая большая, топовая модель, чтобы решить эту задачу? Ответ — нет, не нужна».
Преимущества по стоимости у моделей ИИ с открытым исходным кодом
Модели с открытым исходным кодом — иногда их называют моделями с открытыми весами — обычно можно скачать бесплатно. Основные расходы связаны с облачной вычислительной инфраструктурой, необходимой для их запуска. Такая конфигурация часто оказывается значительно дешевле, чем постоянная оплата токенов проприетарным провайдерам, особенно в крупном масштабе.
Преимущество по стоимости нельзя назвать незначительным. Согласно данным OpenRouter, платформы для разработчиков, которая агрегирует доступ к нескольким моделям ИИ, китайские модели с открытым исходным кодом могут быть на 60–90% дешевле, чем ведущие альтернативы от Anthropic и OpenAI. Этот разрыв помогает объяснить, почему доля токенов, используемых американскими компаниями в китайских моделях ИИ через OpenRouter, поднялась до 46% — по сравнению со средним значением всего 11% за предыдущие 12 месяцев.
Речь идет не только о сокращении затрат. Как выразился Питер Фентон из Benchmark, инвестор в разработчика инструментов ИИ с открытым исходным кодом Ollama: у каждой компании с высокими расходами на инференс есть «жизненно важный экзистенциальный проект», подталкивающий ее к моделям с открытыми весами. Сама Ollama, которая помогает разработчикам запускать модели с открытыми весами локально, сейчас насчитывает почти 9 миллионов активных пользователей в месяц и присутствует в 85% компаний из списка Fortune 500 — признак того, насколько мейнстримным стал этот сдвиг.
Технический директор Amazon подчеркивает важность прозрачности и прагматизма при внедрении ИИ
Один лишь аргумент о стоимости не дает полной картины. Помимо экономики, в том, как организации думают об используемом ими ИИ, происходит более глубокое структурное изменение.
Заявления Вернера Фогельса на саммите ООН «ИИ во благо»
Наряду с обсуждением затрат Фогельс указал на вторую силу, меняющую подход к закупкам ИИ: спрос на прозрачность. «Прозрачность становится чрезвычайно важной», — сказал он на саммите. — «Люди хотят знать, какие данные в это заложены».
Это не абстрактная проблема. Компании теперь изучают не только то, что может делать модель ИИ, но и то, как она была создана — на каких данных обучалась, какие предвзятости могли быть в нее заложены и насколько можно объяснить ее решения. Такая проверка отражает более зрелый этап внедрения ИИ в бизнесе, когда компании выходят за рамки первоначального хайпа и переходят к более трезвой оценке прозрачности ИИ и управления данными.
Важность доверия в чувствительных секторах
Императив прозрачности особенно остро стоит в секторах, где цена ошибки или необъяснимого вывода ИИ высока. В здравоохранении, государственном секторе и гуманитарной работе понимание того, как была обучена система, может быть не менее важным, чем ее чистая производительность. «Если эти люди обслуживают уязвимые сообщества. Если они не доверяют системе, они не будут ее использовать», — сказал Фогельс.
Модели с открытым исходным кодом обладают здесь структурным преимуществом. Поскольку разработчики могут изучать и изменять код, а также проще дообучать модели на собственных проприетарных данных, они, как правило, лучше соответствуют ожиданиям прозрачности в регулируемых или чувствительных средах. Однако оговорка существенна: даже большинство провайдеров моделей с открытыми весами не раскрывают полностью все данные, на которых модель изначально обучалась. Открытость — это спектр, а не бинарная величина.
То, что делает текущий момент аналитически интересным, — это схождение двух разных факторов давления — сдерживания затрат и требований к доверию, — которые указывают в одном направлении. Организации, которые могли оправдывать высокие расходы на проприетарные модели на этапе экспериментов, теперь сталкиваются с иным расчетом: могут ли они поддерживать доверие на уровне совета директоров к своим инвестициям в ИИ, когда расходы непредсказуемы, а происхождение обучающих данных непрозрачно? Для многих ответ на этот вопрос приводит к перестройке всей их ИИ-стека.
Новый инструмент Amazon с открытым исходным кодом призван помочь научным исследователям
На саммите Фогельс из Amazon не только описал направление развития индустрии — он также объявил о конкретном шаге в этом направлении. Новый инструмент ИИ с открытым исходным кодом от Amazon разработан для того, чтобы сделать научные данные существенно более доступными, с особым акцентом на учреждения, которые не располагают техническими ресурсами крупных исследовательских университетов или хорошо финансируемых лабораторий.
Интеграция с AWS Registry of Open Data
Инструмент подключается к AWS Registry of Open Data, который содержит более 1 100 наборов данных от крупных научных организаций, включая NASA, NOAA и NIH. Вместо того чтобы ориентироваться в сложных каталогах данных — процессе, который раньше мог занимать часы, — исследователи теперь могут выполнять запросы к реестру, используя обычный естественный язык. Ученый может, например, запросить спутниковые снимки с определенными лицензионными условиями или геномные наборы данных для конкретной популяции и получить релевантные результаты, не разбираясь в базовой архитектуре данных.
Облегчение доступа для учреждений с ограниченными ресурсами
Практическое значение для исследований велико. Учреждения с ограниченными ресурсами — небольшие университеты, НПО, органы общественного здравоохранения в развивающихся регионах — давно сталкиваются со структурным неравенством в доступе к данным. Технические издержки работы с крупными научными реестрами благоприятствуют учреждениям с выделенными инженерами по данным. Снижая этот барьер за счет поиска на естественном языке, инструмент открывает доступ к наборам данных в таких областях, как климатология и общественное здравоохранение, которые ранее были труднодоступны для неспециализированных команд.
Это также закрепляет позицию Amazon в экосистеме ИИ с открытым исходным кодом в момент, когда эта экосистема привлекает серьезный капитал и таланты. Недавний раунд Series B в размере 65 миллионов долларов для Ollama, доведший общий объем ее финансирования до 88 миллионов долларов, показывает, что венчурное сообщество рассматривает инструменты ИИ с открытым исходным кодом как устойчивый бизнес, а не просто переходный этап перед тем, как проприетарные модели вновь возьмут верх. Иными словами, у траектории открытого исходного кода теперь есть институциональный импульс, а не только логика снижения затрат.
Более сложный вопрос, нависающий над всем этим, — что произойдет с потолком производительности. Модели с открытым исходным кодом сокращают разрыв с передовыми проприетарными системами, но самые сложные задачи — те, которые оправдывают самые высокие затраты на модели, — по-прежнему, как правило, лучше решаются закрытыми, обладающими большими ресурсами системами. В итоге компании могут прийти к гибридным стекам: модели с открытым исходным кодом для основной части нагрузки по инференсу и проприетарные модели — для отдельных задач с высокими ставками. Именно такая архитектура, а не чистый переход от одного типа к другому, может стать реальной точкой приземления индустрии.
FAQ
Почему компании переходят на модели ИИ с открытым исходным кодом?
Компании переходят на модели ИИ с открытым исходным кодом в первую очередь для снижения растущих расходов на ИИ. Проприетарные модели от таких провайдеров, как OpenAI и Anthropic, тарифицируются по токенам, что может приводить к непредсказуемым и очень большим расходам в крупном масштабе. Модели с открытым исходным кодом, как правило, можно бесплатно скачать, а пользователи платят только за облачную инфраструктуру, необходимую для их запуска — схема, которая часто оказывается значительно дешевле, особенно при высоких объемах использования.
Какие вопросы, связанные с прозрачностью ИИ, подчеркивает технический директор Amazon?
Технический директор Amazon Вернер Фогельс подчеркнул, что прозрачность в отношении обучающих данных ИИ становится все более важной для корпоративного внедрения. Организации хотят знать, какие данные использовались для обучения моделей, которые они внедряют. Это особенно критично в таких секторах, как здравоохранение, государственный сектор и гуманитарная работа, где доверие к системе является необходимым условием ее реального использования — особенно когда эти системы обслуживают уязвимые сообщества.
Какова цель нового инструмента ИИ с открытым исходным кодом от Amazon?
Инструмент позволяет исследователям искать по AWS Registry of Open Data — который содержит более 1 100 наборов данных от таких организаций, как NASA, NOAA и NIH — с помощью запросов на естественном языке вместо навигации по сложным техническим каталогам. Цель состоит в том, чтобы сократить время и объем технических знаний, необходимых для поиска релевантных научных наборов данных, с особым акцентом на более справедливом доступе для исследовательских учреждений с ограниченными ресурсами.
{«@context»:»https://schema.org»,»@type»:»FAQPage»,»mainEntity»:[{«@type»:»Question»,»name»:»Почему компании переходят на модели ИИ с открытым исходным кодом?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Компании переходят на модели ИИ с открытым исходным кодом в первую очередь для снижения растущих расходов на ИИ. Проприетарные модели от таких провайдеров, как OpenAI и Anthropic, тарифицируются по токенам, что может приводить к непредсказуемым и очень большим расходам в крупном масштабе. Модели с открытым исходным кодом, как правило, можно бесплатно скачать, а пользователи платят только за облачную инфраструктуру, необходимую для их запуска — схема, которая часто оказывается значительно дешевле, особенно при высоких объемах использования.»}},{«@type»:»Question»,»name»:»Какие вопросы, связанные с прозрачностью ИИ, подчеркивает технический директор Amazon?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Технический директор Amazon Вернер Фогельс подчеркнул, что прозрачность в отношении обучающих данных ИИ становится все более важной для корпоративного внедрения. Организации хотят знать, какие данные использовались для обучения моделей, которые они внедряют. Это особенно критично в таких секторах, как здравоохранение, государственный сектор и гуманитарная работа, где доверие к системе является необходимым условием ее реального использования — особенно когда эти системы обслуживают уязвимые сообщества.»}},{«@type»:»Question»,»name»:»Какова цель нового инструмента ИИ с открытым исходным кодом от Amazon?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Инструмент позволяет исследователям искать по AWS Registry of Open Data — который содержит более 1 100 наборов данных от таких организаций, как NASA, NOAA и NIH — с помощью запросов на естественном языке вместо навигации по сложным техническим каталогам. Цель состоит в том, чтобы сократить время и объем технических знаний, необходимых для поиска релевантных научных наборов данных, с особым акцентом на более справедливом доступе для исследовательских учреждений с ограниченными ресурсами.»}}]}
Статья подготовлена при содействии искусственного интеллекта и проверена редакционной командой.
