AI kļūst lētāks tādā ātrumā, kas varētu pārveidot tehnoloģiju vēsturē lielākās infrastruktūras izbūves ekonomiku.
Silicon Data LLM Token Expenditure Index 31. augustā nokritās līdz USD 0,9665 par miljonu žetonu, kas ir vairāk nekā uz pusi mazāk nekā maijā sasniegtais maksimums 2,0651 USD. Meklējot Alpha analītiķi Damiru Tokiku, atsaucoties uz agrāku maksimumu, kas bija tuvu 2,20 USD, samazinājums ir gandrīz 60% un apgalvo, ka kritums varētu būt agrīna brīdinājuma zīme hiperskalētā AI tēriņiem.
“LLM Token Expenditure Index 2. ceturksnī ir samazinājies par gandrīz 60%, un tas var likt apturēt vai samazināt AI kapitālu, jo hiperskalētāju peļņas normas samazinās,” rakstīja Seeking Alpha.
AI nozarei šis kritums notiek neērtā brīdī. Alphabet, Amazon, Meta un Microsoft tērē simtiem miljardu dolāru GPU, datu centriem, tīkla iekārtām un enerģijas infrastruktūrai, solot, ka pieprasījums pēc AI skaitļošanas turpinās pieaugt gadiem ilgi.
Tomēr cena, ko uzņēmumi faktiski maksā par AI produkciju, strauji virzās pretējā virzienā.
Tas nenozīmē, ka AI pieprasījums ir sarucis. Silicon Data Token Expenditure Index mēra viena miljona LLM marķieru izmantošanas svērto faktisko cenu, nevis kopējo marķieru patēriņu vai kopējos AI tēriņus. Indeksa kritums mums norāda, ka intelektuālās informācijas patēriņš kļūst lētāks. Tas nenozīmē, ka cilvēki to patērē mazāk.
Šī atšķirība var izlemt, vai AI izdevumu bums beidzas ar sāpīgu aprēķinu vai kļūst par vienu no lielākajiem skaitļošanas sasniegumiem ekonomiskajā jomā.
Kāpēc AI marķiera cenas krītas
Vienkāršākais izskaidrojums ir konkurence.
Uzņēmumiem vairs nav jāsūta katrs uzdevums uz dārgu OpenAI, Anthropic vai Google pierobežas modeli. Mazāki modeļi var veikt klasifikāciju, apkopošanu, izgūšanu un daudzus ikdienas biznesa uzdevumus par nelielu izmaksu daļu. Atvērtā svara modeļi ir pietiekami uzlaboti, lai uzņēmumi varētu novirzīt vienkāršāku darba slodzi no augstākās kvalitātes modeļiem un rezervēt dārgas robežsistēmas darbiem, kuriem tie patiešām ir vajadzīgi.
Šāda uzvedība jau parādās tirgū. Reuters jūnijā ziņoja, ka, pieaugot mākslīgā intelekta rēķiniem, uzņēmumi pāriet uz lētākiem un mazākiem modeļiem, un atvērtā modeļa marķieru daļa vienā galvenajā maršrutēšanas platformā pieauga no 34% janvārī līdz 65% jūnijā. Modeļu maršrutētāji var automātiski nosūtīt katru pieprasījumu lētākajam modelim, kas spēj veikt šo darbu.
Ķīnas AI izstrādātāji ir pastiprinājuši šo cenu spiedienu. DeepSeek un citu laboratoriju modeļi ir izvirzījuši spējīgus secinājumus cenu diapazonos, kas pirms dažiem gadiem būtu izskatījušies neparasti. Tajā pašā laikā uzņēmumi arvien vairāk var izmantot atvērtā svara modeļus savā aparatūrā, nevis maksāt piemaksu katru reizi, kad darbinieks, lietojumprogramma vai AI aģents nosūta pieprasījumu uz patentētu API.
Kāpēc AI marķiera cenas krītas
Modeļa maršrutēšana var paātrināt cenu kritumu. OpenRouter, ko Stripe iegādājās pagājušajā mēnesī par vairāk nekā 7 miljardiem ASV dolāru, nodrošina 8 miljoniem lietotāju piekļuvi vairāk nekā 400 AI modeļiem, izmantojot vienu platformu. Daļa no tā pievilcības ir modeļa bloķēšanas novēršana, ļaujot izstrādātājiem pārslēgt darba slodzi starp pakalpojumu sniedzējiem, nepārbūvējot lietojumprogrammas katram modelim. Tas atvieglo dārgu pierobežas modeļu rezervēšanu sarežģītiem uzdevumiem un parasto pieprasījumu nosūtīšanu uz lētākām alternatīvām.
Šī uzvedība ir svarīga Silicon Data etalonam, jo indekss ir svērts atkarībā no lietojuma. Žetonu cenas var samazināties pat bez OpenAI, Anthropic vai Google lielām cenu samazinājumiem, ja izstrādātāji vienkārši novirza arvien lielāku darba slodzes daļu uz lētākiem modeļiem. Šajā ziņā žetonu cenu kritums var atspoguļot konkurētspējīgāku un efektīvāku AI tirgu, nevis pieprasījuma vājināšanos.
Silicon Data metodoloģija padara šo maiņu īpaši interesantu. Etalons izseko vairāk nekā 200 atvērtus modeļus un 120 patentētus modeļus, izmantojot cenu un patēriņa datus no vairāk nekā 20 avotiem. Cenas tiek svērtas pēc faktiskās tirgus aktivitātes. Lielam AI pakalpojumu sniedzējam nav jāpaziņo par cenu samazinājumu, lai indekss kristu. Etalona vērtība var samazināties, vienkārši klientiem pārejot uz lētākiem modeļiem.
Tas padara diagrammu mazāk stāstu par pārdošanu OpenAI vai Anthropic, bet gan stāstu par preču pārdošanu.
AI modeļi kļūst spējīgāki, tajā pašā laikā pircēji arvien mazāk vēlas maksāt augstākās cenas par katru marķieri. Žetonu cenas sabrukums var nebūt pierādījums tam, ka AI nedarbojas. Tas daļēji varētu būt pierādījums tam, ka AI modeļu tirgus beidzot kļūst par īstu tirgu.
600 miljardu dolāru jautājums
Šī cenu saspiešana notiek ārkārtas tēriņu cikla laikā.
Reuters šā gada sākumā lēsa, ka Alphabet, Amazon, Meta un Microsoft 2026. gadā plāno ieguldīt aptuveni 600 miljardus USD AI. Pēc citas aplēses, to kopējie kapitāla izdevumi pietuvojas 650 miljardiem USD. Nauda ieplūst datu centros, paātrinātājos, serveros, tīkla iekārtās un infrastruktūrā, kas nepieciešama, lai nodrošinātu milzīgu AI darba slodzi.
Lūk, kur ekonomika kļūst neērta.
AI infrastruktūras izdevumi nepārvērš dolāru par dolāru žetonu pārdošanā. Datu centri atbalsta apmācību, mākoņdatošanu, krātuvi, datu bāzes un daudzus citus pakalpojumus. Tomēr secinājumi ir viens no galvenajiem veidiem, kā dārgā AI infrastruktūra kļūst par to, ko klienti var iegādāties.
Ja šīs produkcijas faktiskā pārdošanas cena turpina kristies, izmantošanai ir jākompensē atšķirība.
Vienkāršota vienādojuma versija ir:
marķiera cena × marķiera apjoms = ieņēmumi
Šī vienādojuma pirmā daļa smagi krīt. Visa AI investīciju tēze arvien vairāk ir atkarīga no tā, kas notiek ar otro.
Pazīmes liecina, ka tēriņu sacensība jau rada spiedienu uz naudas iegūšanu. Reuters jūlijā veiktā analīze atklāja, ka Microsoft, Alphabet, Amazon, Meta un Oracle ir uz trajektorijas, kurā to apvienotie kapitālizdevumi līdz 2027. gadam varētu pārsniegt kopējo brīvo naudas plūsmu. Tas nenozīmē, ka hiperskaleriem beigsies nauda. Vairāki joprojām ir vieni no spēcīgākajiem naudu ienesošajiem uzņēmumiem, kas jebkad ir izveidoti. Tas nozīmē, ka investori uzdod grūtākus jautājumus par atdevi, ko rada katrs jauns AI infrastruktūrā ieguldītais dolārs.
Aizņēmumu izmaksas padara šo aprēķinu grūtāku. Globālās obligāciju ienesīgums ir palielinājies, palielinot finansēšanas izmaksas, tajā pašā laikā tehnoloģiju uzņēmumi vairāk paļaujas uz parādiem un ilgtermiņa infrastruktūras saistībām.
Lācīgā interpretācija ir viegli pamanāma: žetonu cenu kritums samazina ieņēmumu daļu, tāpat kā pieaugošās kapitāla izmaksas saspiež ieguldījumu pusi.
Vēl viena iespēja var būt šī stāsta vissvarīgākā daļa.
Lēts AI varētu radīt tik daudz jauna pieprasījuma, ka žetonu cenu kritums kļūst par degvielu nākamajam uzplaukuma fāzei, nevis par tā sabrukuma izraisītāju.
Kāpēc žetonu cenu samazināšanās AI varētu būt vērienīga
Ir ļoti atšķirīgs veids, kā lasīt vienu un to pašu diagrammu.
Krītošās marķieru cenas var radīt spiedienu uz modeļu nodrošinātājiem, tomēr lētāks AI var padarīt daudz vairāk lietojumprogrammu ekonomiski dzīvotspējīgu. Secinājumu izmaksas ir kļuvušas par vienu no galvenajiem ierobežojumiem AI aģentiem, kodēšanas sistēmām, pētniecības rīkiem un uzņēmuma automatizācijai. Strauji samaziniet šīs izmaksas, un izstrādātāji var atļauties ļaut programmatūrai domāt ilgāk, biežāk zvanīt modeļiem un uzņemties darbus, kas pirms mēnešiem bija pārāk dārgi.
Tam ir daudz lielāka nozīme aģentu laikmetā nekā tērzēšanas robotu laikmetā. Persona, kas uzdod ChatGPT jautājumu, var izraisīt salīdzinoši nelielu secinājumu daudzumu. AI kodēšanas aģents, kas strādā stundām ilgi, var lasīt failus, ģenerēt kodu, pārbaudīt savu izvadi, izsaukt rīkus, labot kļūdas un atkārtot šo ciklu daudzas reizes. Ekonomiskā vienība sāk pāriet no “vienas uzvednes” uz visu mašīnas izpildītu darbplūsmu.
Patēriņa apmēri jau ir pārsteidzoši. Saskaņā ar Reuters informāciju OpenRouter, mākslīgā intelekta modeļu tirgus laukums Stripe, par kuru vienojās iegādāties augustā, apstrādā vairāk nekā 10 triljonus marķieru dienā vairāk nekā 400 modeļos. Platforma apkalpo vairāk nekā 10 miljonus izstrādātāju un uzņēmumu, sniedzot ieskatu par to, cik liels ir kļuvis vairāku modeļu patēriņš.
Tas rada galveno pretargumentu AI burbuļa tēzei. Krūkoša cena par vienu marķieri automātiski nerada AI ieņēmumu samazināšanos vai infrastruktūras pieprasījuma samazināšanos. Rezultāts ir atkarīgs no cenu elastības jeb no tā, cik liels papildu patēriņš parādās pēc izmaksu krituma.
Skaitļošanas vēsture piedāvā daudz precedentu. Pusvadītāju izmaksas samazinājās un datoru skaits eksplodēja. Krātuves cenas kritās, un uzņēmumi sāka glabāt milzīgu datu apjomu. Joslas platums kļuva lētāks, un interneta datplūsma palielinājās daudz vairāk, nekā sākotnēji tika izveidoti tīkli.
AI varētu iet līdzīgu ceļu. Lēti marķieri varētu mudināt programmatūras izstrādātājus iestrādāt izlūkošanas informāciju produktos, kur robežmodelis reiz nebija finansiāli izdevīgs. AI aģenti varētu darboties nepārtraukti, nevis gaidīt cilvēka uzvedni. Uzņēmumi varētu apstrādāt katru dokumentu, klientu mijiedarbību, programmatūras žurnālu vai iekšējo darbplūsmu, izmantojot modeļus, nevis rezervēt AI šaurai vērtīgu uzdevumu kopai.
Pašreizējais pieprasījums pēc infrastruktūras vēl neizskatās pēc tirgus, kas gatavojas pēkšņai apstāšanās brīdim. Anthropic nesen ieguldīja desmitiem miljardu dolāru, lai veiktu papildu aprēķinus pēc tam, kad pieprasījums pēc Claude un Claude Code pieauga, pārsniedzot iepriekšējās cerības. Broadcom šonedēļ palielināja savu ilgtermiņa AI mikroshēmu pārdošanas prognozi, atsaucoties uz pastāvīgām saistībām ar infrastruktūru no galvenajiem AI klientiem.
Tas neatceļ brīdinājumu par marķieru cenām. Tas maina jautājumu.
Jautājums vairs nav tikai par to, vai AI produkcija kļūst lētāka. Tas ir tas, vai patēriņš var augt ātrāk nekā cenas kristies.
Q3 kļūst par īstu pārbaudījumu
Nākamajam peļņas ciklam vajadzētu sniegt investoriem daudz skaidrāku priekšstatu par šo vienādojumu.
Silicon Data žetonu etalons strauji kritās pēc tā maksimuma maija beigās. Indekss 28. augustā bija USD 1,06 par miljonu žetonu, un Silicon Data to raksturo kā lietojuma svērto rādītāju, kas parāda, ko faktiski maksā aktīvais LLM tirgus. Etalons var samazināties, veicot tiešus cenu samazinājumus, klientu migrāciju uz lētākiem modeļiem vai izmaiņām patērēto modeļu klāstā.
Tas padara Q3 īpaši atklājošu. Investori varēs aplūkot mākoņa pieaugumu, AI ieņēmumus, infrastruktūras izmantošanu, brīvu naudas plūsmu un, iespējams, vissvarīgāko, ko vadītāji saka par AI tēriņu atdevi.
Capex norādījumi var būt svarīgāki nekā gandrīz jebkurš cits skaitlis.
Palēnināšanās sniegtu ticamību lācīgajam argumentam, ka secināmo cenu kritums sāk vājināt ekonomiku, kas ir infrastruktūras sacensību pamatā. Vēl viena palielinājuma kārta liek domāt, ka hiperskalori joprojām saskata pietiekami daudz pieprasījuma, lai attaisnotu tēriņus, izmantojot cenu saspiešanu.
Finansējums rada vēl vienu spiediena slāni. Amerikāņu hiperskalori ir agresīvāk izmantojuši globālos obligāciju tirgus, lai finansētu datu centru celtniecību. Reuters šonedēļ ziņoja, ka ASV tehnoloģiju giganti ir emitējuši aptuveni 40 miljardus eiro eiro denominētos parādos, Eiropas Centrālajai bankai vērojot pieaugošo Big Tech aizņēmēju klātbūtni Eiropas kredītu tirgos. Reuters citētie aprēķini liecina, ka ar mākslīgo intelektu saistītie kapitālizdevumi līdz 2030. gadam būs USD 5 triljoni līdz USD 7 triljoni.
Investori faktiski skatās divas sacīkstes vienlaikus.
AI uzņēmumiem ir jāpalielina žetonu patēriņš ātrāk, nekā cenu kritums samazina ieņēmumus par vienību. Tajā pašā laikā peļņai, kas gūta no šī patēriņa, ir jāattaisno milzīgais kapitāla apjoms, kas tiek ieguldīts infrastruktūrā, kas atrodas zem tā.
Tāpēc žetonu cenu sabrukums ir pelnījis uzmanību, automātiski nepasludinot AI uzplaukumu.
Lēti izlūkdati varētu kļūt par vienu no lielākajiem pieprasījuma katalizatoriem, kādu tehnoloģiju nozare jebkad ir redzējusi. Tas tikpat viegli varētu atklāt brutālu ekonomisko neatbilstību starp to, ko klienti ir gatavi maksāt par AI, un tās nodrošināšanai nepieciešamās infrastruktūras izveides izmaksām.
600 miljardu dolāru AI uzplaukuma draudi nav tikai tas, ka izlūkdati kļūst lēti. Tas ir tāds, ka izlūkdati var kļūt lētāki ātrāk, nekā nozare var atrast ienesīgus veidus, kā tos patērēt.
