Проблемът от $15 милиона на ден: защо икономиката на ИИ видео ще реши кой оцелява през 2026

Числата, които убиха Sora

Нека разгледаме икономиката, която OpenAI се опитваше да скрие шест месеца.

Sora стартира през септември 2025 с потребителски цени: приблизително $0,10 за секунда 720p видео през API. В пиковите моменти милиони потребители генерираха клипове ежедневно. Разходите за GPU инферънс, основно на клъстери от NVIDIA H100, се мащабираха линейно с всяка заявка.

Съотношението приходи-разходи беше катастрофално. Sora спечели приблизително $2,1 милиона общ приход за цялото си съществуване. Пускането й струваше приблизително $2,7 милиарда. Това не е бизнес модел. Това е демонстрация, която изгаряше рисков капитал в индустриален мащаб.

Защо генерирането на видео е фундаментално по-скъпо от изображения

За да разберете защо това е важно отвъд Sora, трябва да разберете разликата в изчислителните разходи между генериране на изображения и видео.

Една заявка за генериране на изображение с модел като DALL-E 3 или Stable Diffusion XL изисква приблизително 10-30 секунди GPU време на H100. Петсекундно видео при 24fps изисква генериране на 120 кадъра, всеки с ограничения за темпорална кохерентност, които не позволяват проста паралелизация. Механизмът за внимание във видео дифузионните трансформери се мащабира квадратично с дължината на последователността.

Разликата между изображение и видео не е 5x или 10x. Тя е 30-100x в изчисления на резултат. И за разлика от генерирането на текст, където KV-кеширането и спекулативното декодиране драстично намалиха разходите за инферънс, при генерирането на видео няма еквивалентна оптимизация, която да намали разходите с порядък.

Три стратегии за оцеляване в кризата с разходите

Всяка компания, която все още предлага генериране на ИИ видео, се сблъсква със същия фундаментален проблем. Стратегиите им рязко се разминават.

Стратегия 1: субсидиране и надежда (подходът на рисковия капитал)

Това беше стратегията на Sora. Ценообразуване под себестойност, привличане на потребители, разбиране с монетизацията после. Свърши точно както предвиждаха професорите по икономика от ерата на доткомите.

Няколко компании все още работят по тази схема. Pika, Luma и Runway оценяват услугите си значително под очакваните изчислителни разходи. Залогът е, че разходите ще спадат по-бързо, отколкото приходите трябва да растат.

Рискът е очевиден. Ако цената на GPU не спадне достатъчно бързо, или ако потреблението расте по-бързо от печалбите от оптимизация, тези компании ще ударят същата стена като Sora.

Стратегия 2: прехвърляне на разходите към хардуера (подходът NVIDIA/Open Source)

Това е стратегията зад Helios, Wan 2.2, LTX-2.3 и всеки друг модел с отворен код, оптимизиран за потребителски GPU.

Логиката е елегантна: вместо да поддържаш скъпа облачна инфраструктура, прехвърли изчислителните разходи към хардуера на потребителя. RTX 4090 струва $1 599 еднократно. След това всяко генериране на видео е "безплатно" по пределни разходи (минус електричество).

Helios, модел с 14 милиарда параметри от ByteDance и Пекинския университет, демонстрира, че един H100 може да генерира 60-секундни видеа при 19,5 FPS. Нещо повече, оптимизирани модели с отворен код се приближават до генериране в реално време на потребителски хардуер RTX 5090.

Ограничението е очевидно: тази стратегия работи само за потребители, които притежават мощни GPU. Това е значителен пазар, но изключва масовите създатели на съдържание, които направиха Sora популярна.

Стратегия 3: агрегация на платформи (подходът Adobe/Google)

Това е най-финансово устойчивият подход. Вместо да поемаш пълната цена на генерирането, стани маркетплейс, който насочва заявки към различни доставчици на модели.

Adobe Firefly вече хоства 30+ модела от различни доставчици. Google Flow интегрира Veo с модели на трети страни. CapCut вгражда Seedance 2.0. И в трите случая платформата взима марж, а доставчикът на модела поема изчислителните разходи.

Adobe е в най-добра позиция, защото Premiere Pro и After Effects вече доминират в професионалния видео монтаж. Добавянето на ИИ генериране към съществуващите работни процеси е естествено продължение и Adobe може да го вгради като премиум функция в абонаментите за Creative Cloud, за които потребителите вече плащат.

Кривата на инфраструктурните разходи

Ключовият въпрос е дали цената на GPU ще спадне достатъчно бързо, за да направи потребителското ИИ видео жизнеспособно.

Архитектурата NVIDIA Blackwell (B200, GB200) осигурява приблизително 2-3x по-добро съотношение цена/производителност за задачи на инферънс в сравнение с H100. Предстоящата архитектура Rubin обещава още 2-3x подобрение. Ако и двете се реализират, до 2028 цената за генериране на 10-секундно видео може да спадне от $0,50 до приблизително $0,05.

Този срок е от значение. Компаниите, които изгарят пари на субсидирани цени, трябва да оцелеят още 2-3 години, докато хардуерните подобрения спасят бизнес моделите им. Не всички ще успеят.

Какво означава това за създателите на съдържание

Ако сте създател на съдържание и избирате платформа за ИИ видео днес, икономиката е толкова важна, колкото и функционалностите.

• ✓Платформите, зад които стоят печеливши компании майки (Google, Adobe, ByteDance), са по-сигурни в дългосрочен план
• ✓Модели с отворен код, работещи локално, премахват зависимостта от която и да е отделна компания
• ✓Стартъпите, предлагащи "неограничено" генериране на ниски цени, носят най-голям риск
• ✓Изчакването разходите да се стабилизират преди избор на работен процес е разумно, но означава пропускане на предимствата от ранното приемане

Закриването на Sora не беше аномалия. То беше първото домино. Икономиката на генерирането на ИИ видео е брутална и компаниите, които ще оцелеят, ще бъдат тези, намерили творчески решения на проблема с разходите, а не просто творчески решения на проблема с генерирането.

По-голямата картина

Всяка голяма промяна в компютърните технологии е минавала през фаза, в която технологията работи, но икономиката не. Облачните изчисления бяха нерентабилни с години, преди AWS да ги превърне в машина за пари. Стрийминг видеото губеше милиарди, преди Netflix да намери своя модел. Генерирането на ИИ видео е в същия болезнен междинен период.

Разликата този път е в скоростта. Кривата на хардуерно подобрение е по-стръмна, отколкото при облака или стрийминга. NVIDIA пуска нови архитектури на всеки 18-24 месеца със значително намаление на цената за FLOP. Изследванията за ефективност на модели, от дистилация до mixture-of-experts и архитектурни иновации като контекстната компресия на Helios, намаляват изчислителните изисквания от софтуерна страна.

Моята оценка: до края на 2027 генерирането на 10-секундно видео в 1080p ще струва под $0,10 на облачна инфраструктура. При тази цена бизнес моделът работи. Въпросът е кои компании ще оцелеят дотогава.

Гробището на ИИ видео стартъпи скоро ще стане пренаселено. Но самата технология не отива никъде. Тя просто чака икономиката да я настигне.