Рост, который сложно назвать иначе чем взрывным
Возьмём для ориентира открытую платформу OpenRouter — она агрегирует запросы от миллионов разработчиков, стартапов и средних компаний по всему миру. За год, с лета 2025 по июнь 2026, недельный объём обработанных токенов вырос с 3−4 трлн до примерно 45 трлн, причём темпы роста постоянно ускорялись, особенно в последние месяцы. Основная масса пришлась на весну и начало лета, когда индустрия словно включила турбо-режим.
Что произошло? Три фактора сошлись в одной точке. Во-первых, модели научились держать контекст, реже галлюцинировать и точнее следовать инструкциям — они перестали быть «умными, но ненадёжными». Во-вторых, это открыло дорогу агентным сценариям — ИИ может получить сложную задачу, разбить её на шаги, самостоятельно вызывать инструменты, проверять промежуточные результаты и возвращаться к вам с готовым решением, почти не требуя вмешательства. В-третьих, стоимость интеллекта рухнула — та модель, которая в начале года стоила 180 долларов за использование, сейчас доступна в лёгкой версии за 6 долларов, и при этом она умнее своего премиального предка.
Что произошло? Три фактора сошлись в одной точке. Во-первых, модели научились держать контекст, реже галлюцинировать и точнее следовать инструкциям — они перестали быть «умными, но ненадёжными». Во-вторых, это открыло дорогу агентным сценариям — ИИ может получить сложную задачу, разбить её на шаги, самостоятельно вызывать инструменты, проверять промежуточные результаты и возвращаться к вам с готовым решением, почти не требуя вмешательства. В-третьих, стоимость интеллекта рухнула — та модель, которая в начале года стоила 180 долларов за использование, сейчас доступна в лёгкой версии за 6 долларов, и при этом она умнее своего премиального предка.
Куда уходят все эти токены? Это не про разговоры
Самое неожиданное — структура потребления. Оказалось, что обычные диалоги и философские беседы с ботами занимают незначительную долю, исчисляемую единицами процентов общего трафика. Основной поток — это работа.
Почти треть всех токенов уходит на программирование: генерация кода, отладка, рефакторинг, работа с файлами и базами данных. Ещё примерно треть — на автономных агентов, которые выполняют бизнес-процессы: собирают информацию из разных источников, планируют последовательность действий, взаимодействуют с внешними сервисами. Вместе с обработкой данных (извлечение, преобразование, структурирование) эти три категории забирают более 70% всего объёма.
Иными словами, языковые модели перестали быть интерфейсом общения — они стали вычислительным ядром, связующим звеном между человеком, программами и большими массивами данных. Их используют как «цифровых стажёров», которые выполняют черновую работу: парсят документы, классифицируют обращения, пишут черновики кода, агрегируют отчёты. И делают это дёшево.
Почти треть всех токенов уходит на программирование: генерация кода, отладка, рефакторинг, работа с файлами и базами данных. Ещё примерно треть — на автономных агентов, которые выполняют бизнес-процессы: собирают информацию из разных источников, планируют последовательность действий, взаимодействуют с внешними сервисами. Вместе с обработкой данных (извлечение, преобразование, структурирование) эти три категории забирают более 70% всего объёма.
Иными словами, языковые модели перестали быть интерфейсом общения — они стали вычислительным ядром, связующим звеном между человеком, программами и большими массивами данных. Их используют как «цифровых стажёров», которые выполняют черновую работу: парсят документы, классифицируют обращения, пишут черновики кода, агрегируют отчёты. И делают это дёшево.
Китай против США. Битва за массовый рынок
Здесь произошёл тектонический сдвиг. Если год назад на той же OpenRouter доминировали американские модели (OpenAI, Anthropic, Google), то сейчас картина иная. По объёму обрабатываемых токенов китайские модели (DeepSeek, Xiaomi, Tencent, Z-AI) уже в начале 2026 года занимали около 60%, а к середине года их доля в общем трафике превысила 45−50% (при этом важно понимать, что речь именно о количестве токенов, а не о выручке).
Почему бизнес так быстро переключился? Ответ прост − цена. Китайские компании делают ставку не на абсолютную интеллектуальную мощь, а на интеллект на доллар. Их модели достаточно хороши для 80−90% повседневных задач — кодинга, извлечения данных, классификации, агентных итераций. При этом они в разы, а иногда и на порядок дешевле американских аналогов. Когда вы автоматизируете миллион операций, разница в цене перевешивает разницу в пару процентов точности.
Однако здесь кроется важный нюанс, который часто упускают. Объём токенов и выручка — это не одно и то же. Американские модели (особенно Anthropic и OpenAI) остаются значительно дороже за токен, поэтому, даже уступая в объёме, они сохраняют львиную долю денежных поступлений. Премьер-сегмент — сложные исследования, тонкая настройка, задачи, где ошибка недопустима, — пока остаётся за ними. Так что говорить о тотальном вытеснении США преждевременно. Речь идёт скорее о расслоении рынка. Китайские модели захватывают массовый «черновой» поток, а американские удерживают премиальную нишу, где цена менее критична.
Кроме того, эти цифры отражают прежде всего открытый рынок API, где правят стартапы и гибкие команды. Крупные корпорации, госсектор и оборонная индустрия по-прежнему сидят на закрытых контрактах с AWS, Azure и Google Cloud — там американское присутствие ещё сильно, и структура долей может отличаться кардинально.
Почему бизнес так быстро переключился? Ответ прост − цена. Китайские компании делают ставку не на абсолютную интеллектуальную мощь, а на интеллект на доллар. Их модели достаточно хороши для 80−90% повседневных задач — кодинга, извлечения данных, классификации, агентных итераций. При этом они в разы, а иногда и на порядок дешевле американских аналогов. Когда вы автоматизируете миллион операций, разница в цене перевешивает разницу в пару процентов точности.
Однако здесь кроется важный нюанс, который часто упускают. Объём токенов и выручка — это не одно и то же. Американские модели (особенно Anthropic и OpenAI) остаются значительно дороже за токен, поэтому, даже уступая в объёме, они сохраняют львиную долю денежных поступлений. Премьер-сегмент — сложные исследования, тонкая настройка, задачи, где ошибка недопустима, — пока остаётся за ними. Так что говорить о тотальном вытеснении США преждевременно. Речь идёт скорее о расслоении рынка. Китайские модели захватывают массовый «черновой» поток, а американские удерживают премиальную нишу, где цена менее критична.
Кроме того, эти цифры отражают прежде всего открытый рынок API, где правят стартапы и гибкие команды. Крупные корпорации, госсектор и оборонная индустрия по-прежнему сидят на закрытых контрактах с AWS, Azure и Google Cloud — там американское присутствие ещё сильно, и структура долей может отличаться кардинально.
Что сдерживает китайскую экспансию и может ли она стать тотальной
Есть два серьёзных ограничения, о которых нельзя забывать.
Первое — железо. Все эти модели требуют огромных вычислительных мощностей, а передовые чипы (вроде H100) контролируются США и находятся под экспортными ограничениями. Если Китай не сможет наращивать парк GPU сопоставимыми темпами, масштабирование упрётся в потолок, какими бы дешёвыми ни были сами модели.
Второе — зависимость от фундаментальных исследований. Многие китайские модели дообучаются на данных, сгенерированных американскими флагманами, или используют их архитектурные находки. Это блестящая инженерная работа, но она во многом опирается на базу, созданную на Западе. Если США ужесточат контроль над дистилляцией и запретят использовать свои модели для тренировки конкурентов, технологический разрыв может снова начать расти.
Пока что реальная картина выглядит так: на «черновую» работу — парсинг, агрегацию, предобработку, массовый код — китайские модели берут основную долю объёма. На финишные этапы сложных исследований, где нужна максимальная точность и креативность, часто ставят американские модели, но их доля в общем трафике по токенам невелика. То есть рынок расслоился. Есть дешёвый и достаточно хороший «рабочий конь» и есть дорогой «эксперт» для редких сложных задач.
Первое — железо. Все эти модели требуют огромных вычислительных мощностей, а передовые чипы (вроде H100) контролируются США и находятся под экспортными ограничениями. Если Китай не сможет наращивать парк GPU сопоставимыми темпами, масштабирование упрётся в потолок, какими бы дешёвыми ни были сами модели.
Второе — зависимость от фундаментальных исследований. Многие китайские модели дообучаются на данных, сгенерированных американскими флагманами, или используют их архитектурные находки. Это блестящая инженерная работа, но она во многом опирается на базу, созданную на Западе. Если США ужесточат контроль над дистилляцией и запретят использовать свои модели для тренировки конкурентов, технологический разрыв может снова начать расти.
Пока что реальная картина выглядит так: на «черновую» работу — парсинг, агрегацию, предобработку, массовый код — китайские модели берут основную долю объёма. На финишные этапы сложных исследований, где нужна максимальная точность и креативность, часто ставят американские модели, но их доля в общем трафике по токенам невелика. То есть рынок расслоился. Есть дешёвый и достаточно хороший «рабочий конь» и есть дорогой «эксперт» для редких сложных задач.
Что это значит для будущего
ИИ перестал быть диковинкой или игрушкой для энтузиастов — он стал повседневным инструментом автоматизации, и цена стала главным фактором выбора для массовых применений. Побеждает не тот, у кого самый высокий балл на бенчмарке, а тот, кто предлагает приемлемое качество за минимальную стоимость.
Китайские компании поняли это раньше других и сейчас пожинают плоды в объёмном сегменте. Но считать, что американское доминирование в ИИ закончилось окончательно, пока рано, особенно если смотреть на выручку и на закрытые корпоративные контракты. Технологическая гонка перешла в новую фазу и теперь она идёт не только за «самый умный», но и за «самый эффективный». И финал этой гонки будет определяться не столько алгоритмами, сколько доступом к вычислительным ресурсам, ценовой политикой и способностью удерживать технологическое лидерство в условиях жёсткой конкуренции.
Одно можно сказать точно — LLM уже не те, что были год назад. Они выросли из чат-ботов в полноценных цифровых сотрудников, и этот процесс только набирает обороты. А борьба за кошелёк бизнеса будет только обостряться, причём на нескольких уровнях одновременно — и по объёму, и по прибыли.
Китайские компании поняли это раньше других и сейчас пожинают плоды в объёмном сегменте. Но считать, что американское доминирование в ИИ закончилось окончательно, пока рано, особенно если смотреть на выручку и на закрытые корпоративные контракты. Технологическая гонка перешла в новую фазу и теперь она идёт не только за «самый умный», но и за «самый эффективный». И финал этой гонки будет определяться не столько алгоритмами, сколько доступом к вычислительным ресурсам, ценовой политикой и способностью удерживать технологическое лидерство в условиях жёсткой конкуренции.
Одно можно сказать точно — LLM уже не те, что были год назад. Они выросли из чат-ботов в полноценных цифровых сотрудников, и этот процесс только набирает обороты. А борьба за кошелёк бизнеса будет только обостряться, причём на нескольких уровнях одновременно — и по объёму, и по прибыли.