Проблемот од 15 милиони долари дневно: зошто економијата на AI видео ќе одлучи кој ќе преживее во 2026

Бројките што го убија Sora

Дозволете ми да ја изложам економијата што OpenAI се обидуваше да ја сокрие шест месеци.

Sora беше лансиран во септември 2025 со потрошувачки цени: приближно $0,10 по секунда за 720p видео преку API. На врвот на користењето, милиони корисници генерираа клипови секојдневно. GPU inference трошоците, главно на NVIDIA H100 кластери, растеа линеарно со секое барање.

Односот приход-трошок беше катастрофален. Sora заработи проценети $2,1 милиони вкупен приход за целиот свој животен век. Оперирањето чинеше приближно $2,7 милијарди. Тоа не е бизнис модел. Тоа беше демонстрација што гореше ризичен капитал на индустриско ниво.

Зошто генерирањето видео е фундаментално поскапо од генерирањето слики

За да разберете зошто ова е важно подалеку од Sora, треба да го разберете пресметковниот јаз меѓу генерирање слики и видео.

Едно барање за генерирање слика со модел како DALL-E 3 или Stable Diffusion XL бара приближно 10-30 секунди GPU време на H100. 5-секундно видео на 24fps бара генерирање на 120 рамки, секоја со ограничувања за временска кохеренција што спречуваат едноставна паралелизација. Механизмот на внимание во видео дифузиони трансформери скалира квадратно со должината на секвенцата.

Јазот меѓу слики и видео не е 5x или 10x. Тоа е 30-100x пресметковна моќ по излез. И за разлика од генерирање текст, каде KV-кеширањето и спекулативното декодирање драматично ги намалија inference трошоците, генерирањето видео нема еквивалентна оптимизација што ги намалува трошоците за ред на големина.

Три стратегии за преживување на кризата со трошоци

Секоја компанија што се уште нуди AI генерирање видео се справува со истиот фундаментален проблем. Нивните стратегии остро се разликуваат.

Стратегија 1: Субвенционирај и моли се (пристапот на ризичен капитал)

Ова беше стратегијата на Sora. Цена под трошок, привлекување корисници, монетизацијата подоцна. Заврши точно како професорите по економија предвидуваа од ерата на dot-com.

Неколку компании се уште работат на овој начин. Pika, Luma и Runway сите ги ценат своите услуги далеку под проценетите пресметковни трошоци. Обложувањето е дека трошоците ќе паднат побрзо отколку што приходите треба да растат.

Ризикот е очигледен. Ако GPU трошоците не паднат доволно брзо, или ако употребата расте побрзо од оптимизационите придобивки, овие компании ќе се соочат со истиот ѕид што го удри Sora.

Стратегија 2: Префрли ги трошоците на хардвер (NVIDIA/отворен код пристапот)

Ова е стратегијата зад Helios, Wan 2.2, LTX-2.3 и секој друг отворен код модел оптимизиран за потрошувачки GPU.

Логиката е елегантна: наместо да оперираш скапа облак инфраструктура, префрли ги пресметковните трошоци на хардверот на корисникот. RTX 4090 чини $1.599 еднаш. После тоа, секое генерирање видео е "бесплатно" во маргинални трошоци (минус струја).

Helios, моделот со 14 милијарди параметри од ByteDance и Универзитетот во Пекинг, покажа дека еден H100 може да генерира 60-секундни видеа на 19,5 FPS. Уште поважно, оптимизираните отворен код модели се приближуваат кон генерирање во реално време на потрошувачки RTX 5090 хардвер.

Ограничувањето е очигледно: оваа стратегија служи само на корисници што поседуваат врвни GPU. Тоа е значаен пазар, но ги исклучува обичните креатори кои го направија Sora популарен.

Стратегија 3: Агрегација на платформи (Adobe/Google пристапот)

Ова е финансиски најодржливиот пристап. Наместо да ги носиш сите трошоци за генерирање, стани пазар што ги насочува барањата кон повеќе провајдери на модели.

Adobe Firefly сега хостира 30+ модели од различни провајдери. Google Flow го интегрира Veo со модели од трети страни. CapCut го вградува Seedance 2.0. Во сите три случаи, платформата зема маржа додека провајдерот на моделот ги носи пресметковните трошоци.

Adobe е најдобро позициониран овде затоа што Premiere Pro и After Effects веќе доминираат во професионалното уредување видео. Додавањето AI генерирање на постоечките работни текови е природно проширување, и Adobe може да го прецени како премиум функција во Creative Cloud претплати за кои корисниците веќе плаќаат.

Кривата на инфраструктурните трошоци

Критичното прашање е дали GPU трошоците ќе паднат доволно брзо за да го направат потрошувачкото AI видео одржливо.

Blackwell архитектурата на NVIDIA (B200, GB200) испорачува приближно 2-3x подобар однос цена-перформанси за inference работни оптоварувања споредено со H100. Претстојната Rubin архитектура ветува уште 2-3x подобрување. Ако двете испорачаат како што е проектирано, до 2028 трошокот за генерирање 10-секундно видео може да падне од $0,50 на приближно $0,05.

Оваа временска линија е важна. Компании што горат пари на субвенционирани цени треба да преживеат уште 2-3 години за хардверските подобрувања да ги спасат нивните бизнис модели. Не сите ќе успеат.

Што значи ова за креаторите

Ако сте креатор што избира AI видео платформа денес, економијата е исто толку важна колку и функциите.

• ✓Платформи поддржани од профитабилни матични компании (Google, Adobe, ByteDance) се побезбедни долгорочни облози
• ✓Отворен код модели кои работат локално ја елиминираат зависноста од која било поединечна компанија
• ✓Стартапи кои нудат "неограничено" генерирање по ниски цени се со најголем ризик
• ✓Чекањето трошоците да се стабилизираат пред да се посветите на работен тек е разумно, но значи пропуштање на предностите на раното усвојување

Затворањето на Sora не беше аномалија. Тоа беше првото домино. Економијата на AI генерирање видео е брутална, и компаниите кои ќе преживеат ќе бидат оние кои нашле креативни решенија за проблемот со трошоците, не само креативни решенија за проблемот со генерирањето.

Поголемата слика

Секоја голема промена во компјутерството минала низ фаза каде технологијата функционира, но економијата не функционира. Облак компјутингот беше непрофитабилен со години пред AWS да го претвори во машина за пари. Видео стримингот загуби милијарди пред Netflix да најде рамнотежа. AI генерирањето видео е во истиот болен среден период.

Разликата овој пат е брзината. Кривата на хардверско подобрување е пострма отколку што беше за облак или стриминг. NVIDIA испорачува нови архитектури на секои 18-24 месеци со значајни намалувања на трошоците по FLOP. Истражувањата за ефикасност на модели, од дестилација до mixture-of-experts до архитектурни иновации како компресијата на контекст на Helios, ги намалуваат пресметковните барања од софтверската страна.

Мојата проценка: до крајот на 2027, генерирањето 10-секундно видео во 1080p ќе чини под $0,10 на облак инфраструктура. На таа ценовна точка, бизнис моделот функционира. Прашањето е кои компании можат да преживеат дотогаш.

Гробиштата на AI видео стартапи наскоро ќе стане многу понатрупано. Но самата технологија не исчезнува. Таа само чека економијата да ја стигне.