В конце прошлого года в центре внимания оказалась новая волна ИИ — кодинг-агенты. Они перестали быть экспериментом и начали реально менять процесс разработки программного обеспечения.
Андрей Карпати в конце зимы отметил: «Трудно передать, насколько сильно программирование изменилось из-за ИИ за последние 2 месяца: не постепенно, не в режиме “обычный прогресс”, а резко и с этого декабря. С оговорками, но по большому счёту кодинг-агенты до декабря не работали, а после — в целом работают. Модели стали гораздо качественнее, лучше держат долгосрочную связность и упорно продираются через большие и длинные задачи. Достаточно хорошо, чтобы это радикально ломало привычный процесс программирования».
Спустя несколько месяцев появилась не просто риторика, а реальные цифры, подтверждающие масштаб изменений.
Кодинг-агенты стали первым ИИ-продуктом, за который люди начали регулярно и охотно платить ради прямого ускорения работы. Пока бизнес не массово заменяет процессы, но спрос на вычислительные мощности растёт быстрее, чем их успевают строить.
Рост, которого не было даже в хайповые времена
OpenAI и Anthropic, возможно, вскоре выйдут на IPO, и активно демонстрируют рост выручки. Anthropic с начала года увеличили доход в 3 раза — при том, что компания уже крупная. А чем больше компания, тем сложнее сохранять такие темпы.
Ранее подобного роста не было даже у компаний в уникальных условиях: Zoom во время пандемии, Google на старте IPO, Coinbase на пике крипторынка. Эти компании были меньше по масштабу и всё равно росли медленнее.
Да, цифры Anthropic — это прогноз, и методики учёта доходов могут отличаться от OpenAI. Но суть не меняется: рост выручки — это признак реального, коммерчески значимого спроса на агентские системы.
В январе доля коммитов от Claude Code в публичных репозиториях GitHub выросла с 2% до 4%. Это за один месяц и без учёта GitHub Copilot, CodeWhisperer или Devin. Прогноз — к концу года Claude достигнет 20% и выше.
Даже подписка за 100 долларов, автоматизирующая 10% рутинной работы, даёт ROI в 10–30 раз выше, чем стоимость труда специалиста с медианной зарплатой 350–500 долларов в день.
Скептицизм и контраргументы
Конечно, есть и слабые места в этой картине:
- Лаборатории всё ещё убыточны. Рост доходов может быть частью хайпа для привлечения рисковых инвесторов.
- Платят не крупные корпорации, а энтузиасты. Они могут так же быстро уйти, как и пришли.
- Агенты нестабильны, ошибаются. Серьёзный бизнес требует надёжности, а не экспериментов.
- Пока агенты справляются только с узким кругом задач. Ускорение написания кода не решает проблем с требованиями, архитектурой, тестированием и согласованиями.
Но история ИИ учит: то, что казалось невозможным, становится реальностью. Когда-то reasoning, генерация изображений или естественная речь были недостижимы. Теперь — обычное дело.
Ilya Sutskever в бытность в OpenAI часто упоминал внутренний мем — Feel the AGI. Это момент, когда модель делает что-то, что ты считал невозможным. И ты понимаешь: всё изменилось.
У меня таких моментов было много за 10 лет интереса к нейросетям. Мне не важно, пузырь это или нет. Важно, что уровень «воды» в системе поднимается. У нас есть доказательства: агенты уже выполняют ценную работу, за которую компании готовы платить.
И спросу есть куда расти. Агенты не работают «из коробки» — под них нужно адаптироваться. Это получается у самых быстрых и любопытных. Остальные последуют за ними.
Индустрия не готова к такому росту
Разделим индустрию на три слоя:
- ИИ-лаборатории — создают модели (OpenAI, Anthropic, DeepMind).
- Гиперскейлеры — строят датацентры (Google, Amazon, Microsoft, Meta).
- Производители чипов — выпускают оборудование (Nvidia, TSMC, ASML).
На каждом уровне компании действуют осторожно. Они боятся пузыря и закладываются на худший сценарий.
Дарио Амодей из Anthropic строит планы исходя из негативного сценария по выручке. При этом компания уже в полтора раза его превысила — и позитивный сценарий тоже. Но рост расходов опережает прогнозы, маржинальность растёт медленнее ожидаемого.
Их бизнес-модель хрупка: они платят за инференс, получают деньги от подписок и API, и одновременно вкладывают в исследования следующего поколения моделей. Если рост остановится — возникнет кассовый разрыв.
Anthropic три года подряд росли в 10 раз. Дарио ожидал, что в 2026 году это закончится. Но рост продолжается — а мощностей под него нет.
Они арендуют GPU у гиперскейлеров, но не могут просто взять больше. Объёмы заранее расписаны по контрактам. Чтобы Anthropic зарабатывали 30 млрд в год, кому-то нужно вложить 80 млрд в инфраструктуру.
Amazon, Google, Meta и Microsoft тратят в этом году сотни миллиардов. Это задел на триллионы будущей экономической ценности. Но если ценность не реализуется — гигантский риск.
Цепочка создания ценности жёстко законтрактована. Это снижает гибкость и мешает реагировать на всплеск спроса — например, на кодинг-агентов.
Ограничения смещаются вглубь цепочки
Каждый год появляется новое узкое место:
- 2023 — дефицит видеокарт, нехватка мощностей TSMC для сборки чипов (CoWoS).
- 2024 — дефицит HBM-памяти.
- 2025 — нехватка энергии для датацентров.
- 2026 — электросети США не справляются с доставкой энергии в нужных объёмах.
Разберём подробнее.
1. Память
Современным моделям нужно много памяти. Около 30% расходов на инфраструктуру — это HBM-память. Она дороже DDR, но обеспечивает высокую пропускную способность, чтобы GPU не простаивали.
Цены могут вырасти в 2–3 раза: 90% рынка контролируют SK Hynix и Samsung, а спрос только растёт.
2. Энергия и датацентры
Датацентры можно строить быстро — как показал xAI. Но региональные сети не выдерживают нагрузку: один датацентр может потреблять как небольшой город.
Компании покупают старые электростанции. Но строительство новых — дело долгое. Пока что можно использовать мобильные газовые турбины, солнечные панели, водородные реакторы и другие решения.
Главное ограничение — нехватка квалифицированной рабочей силы: инженеров, электриков, монтажников.
3. Производство полупроводников
Видеокарты собирают на заводах, в основном у TSMC. Но мощностей не хватает. Построить новый завод — 2–3 года, нужны редкое оборудование и химикаты.
Самое узкое место — литографические машины (EUV-сканеры) от ASML. Одна стоит ~350 млн долларов, производится только в Нидерландах, выпускают около 50 штук в год.
К 2030 году в мире будет около 700 таких машин — это порядка 200 гигават вычислительной мощности. На конец 2025 года потребление было ~27 гигават — до бума агентов.
Это ограничение нельзя решить деньгами. Оно фундаментальное.
Google, например, закупает у Nvidia четверть своих чипов, хотя у них есть собственный дизайн. Потому что TSMC уже отдала 70% мощностей 3-нм линий Nvidia. Это выгодно TSMC — стабильность важнее всего.
Nvidia продаёт карты в 6 раз дороже себестоимости. Google же, в свою очередь, перепродаёт вычисления через GCP — в том числе Антропикам.
Anthropic сейчас используют 2,5 гигавата, а к концу года им нужно 5–6. Получить это можно только через мелкие поставки от CoreWeave, Bedrock, Vertex, Foundry — дорого и нестабильно. А они хотят стать прибыльной компанией.
Поэтому, скорее всего, страдать будем мы — пользователи.
Очевидное решение — снизить лимиты и поднять цены. Недавно Anthropic перевели OpenClaw на API и написали: «Сорян, ребята. Затягиваем пояса. Вот вам 20 баксов за беспокойство».
Появились тарифы по времени суток. В «непиковые» часы Claude иногда не справляется с нагрузкой от пользователей, ищущих дешёвые токены.
Личные выводы
1. Не класть все яйца в одну корзину. Создавайте навыки, которые работают на любой модели. Я люблю Claude, но OpenAI и Google в лучшем положении по доступу к вычислениям. Я плачу минимальную подписку каждой лаборатории и переключаюсь между моделями, когда заканчиваются лимиты.
Китайским опенсорсом пока не пользуюсь. И не советую DeepSeek.
2. Нервничать, что я не зарабатываю на ИИ. Для меня нейросети — статья расходов, которая окупается возможностями и временем. Но если введут тариф за 1000 долларов, я не потяну. Сейчас это звучит абсурдно. Но если 1000 долларов затрат приносят 5000 прибыли — бизнес будет это делать.
Те, кто не умеет использовать ИИ, останутся на бесплатных тарифах — смотреть рекламу и отставать.