Problemet til 15 millioner dollar om dagen: hvorfor AI-videoøkonomi avgjør hvem som overlever 2026

Tallene som drepte Sora

La meg legge frem \u00f8konomien som OpenAI pr\u00f8vde \u00e5 skjule i seks m\u00e5neder.

Sora ble lansert i september 2025 med forbrukerpriser: omtrent $0,10 per sekund 720p-video via API-et. P\u00e5 toppen genererte millioner av brukere klipp daglig. GPU-inferenskostnadene, som prim\u00e6rt kj\u00f8rte p\u00e5 NVIDIA H100-klynger, skalerte line\u00e6rt med hver foresp\u00f8rsel.

Forholdet mellom inntekter og kostnader var katastrofalt. Sora tjente anslagsvis 2,1 millioner dollar i total omsetning gjennom hele sin levetid. Det kostet omtrent 2,7 milliarder dollar \u00e5 drive. Det er ikke en forretningsmodell. Det er en demonstrasjon som brant risikokapital i industriell skala.

Hvorfor videogenerering er fundamentalt dyrere enn bilder

For \u00e5 forst\u00e5 hvorfor dette betyr noe utover Sora, m\u00e5 du forst\u00e5 beregningsgapet mellom bilde- og videogenerering.

En enkelt bildegenereringsforesp\u00f8rsel med en modell som DALL-E 3 eller Stable Diffusion XL krever omtrent 10-30 sekunders GPU-tid p\u00e5 en H100. En 5-sekunders video ved 24fps krever generering av 120 frames, hver med krav til temporal koherens som forhindrer enkel parallellisering. Oppmerksomhetsmekanismen i videodiffusjonstransformere skalerer kvadratisk med sekvenslengden.

Forskjellen mellom bilde og video er ikke 5x eller 10x. Den er 30-100x i beregning per output. Og i motsetning til tekstgenerering, der KV-caching og spekulativ dekoding har redusert inferenskostnadene dramatisk, har videogenerering ingen tilsvarende optimalisering som kutter kostnadene med en st\u00f8rrelsesorden.

Tre strategier for \u00e5 overleve kostnadskrisen

Alle selskaper som fortsatt tilbyr AI-videogenerering, sliter med det samme grunnleggende problemet. Strategiene deres g\u00e5r i vidt forskjellige retninger.

Strategi 1: Subsidier og h\u00e5p (VC-tiln\u00e6rmingen)

Dette var Soras strategi. Pris under kostpris, verv brukere, finn ut av monetisering senere. Det endte n\u00f8yaktig slik \u00f8konomi-professorer har forutsagt siden dotcom-\u00e6raen.

Flere selskaper opererer fortsatt p\u00e5 denne m\u00e5ten. Pika, Luma og Runway priser alle tjenestene sine godt under estimerte beregningskostnader. Veddem\u00e5let er at kostnadene faller raskere enn inntektene m\u00e5 vokse.

Risikoen er tydelig. Hvis GPU-kostnadene ikke faller raskt nok, eller hvis bruken vokser raskere enn optimaliseringsgevinstene, treffer disse selskapene den samme veggen som Sora.

Strategi 2: Flytt kostnadene til maskinvare (NVIDIA/Open Source-tiln\u00e6rmingen)

Dette er strategien bak Helios, Wan 2.2, LTX-2.3 og enhver annen \u00e5pen kildekode-modell optimalisert for forbruker-GPU-er.

Logikken er elegant: i stedet for \u00e5 kj\u00f8re dyr skyinfrastruktur, skyv beregningskostnaden over p\u00e5 brukerens maskinvare. En RTX 4090 koster $1 599 \u00e9n gang. Deretter er hver videogenerering "gratis" i marginalkostnad (minus str\u00f8m).

Helios, modellen med 14 milliarder parametre fra ByteDance og Peking University, demonstrerte at en enkelt H100 kan generere 60-sekunders videoer med 19,5 FPS. Enda viktigere n\u00e6rmer optimaliserte \u00e5pen kildekode-modeller seg sanntidsgenerering p\u00e5 forbruker-RTX 5090-maskinvare.

Begrensningen er \u00e5penbar: denne strategien betjener bare brukere med avanserte GPU-er. Det er et betydelig marked, men det utelukker de hverdagslige skaperne som gjorde Sora popul\u00e6r.

Strategi 3: Plattformaggregering (Adobe/Google-tiln\u00e6rmingen)

Dette er den \u00f8konomisk mest b\u00e6rekraftige tiln\u00e6rmingen. I stedet for \u00e5 b\u00e6re hele genereringskostnaden, bli en markedsplass som dirigerer foresp\u00f8rsler til flere modellleverand\u00f8rer.

Adobe Firefly er n\u00e5 vert for over 30 modeller fra ulike leverand\u00f8rer. Google Flow integrerer Veo med tredjepartsmodeller. CapCut integrerer Seedance 2.0. I alle tre tilfellene tar plattformen en margin mens modellleverand\u00f8ren b\u00e6rer beregningskostnadene.

Adobe er best posisjonert her fordi Premiere Pro og After Effects allerede dominerer profesjonell videoredigering. \u00c5 legge til AI-generering i eksisterende arbeidsflyter er en naturlig utvidelse, og Adobe kan prise det som en premiumfunksjon innenfor Creative Cloud-abonnementer som brukerne allerede betaler for.

Infrastrukturkostnadskurven

Det avgj\u00f8rende sp\u00f8rsm\u00e5let er om GPU-kostnadene faller raskt nok til \u00e5 gj\u00f8re forbruker-AI-video levedyktig.

NVIDIAs Blackwell-arkitektur (B200, GB200) leverer omtrent 2-3 ganger bedre pris-ytelse for inferensarbeidsbelastninger sammenlignet med H100. Den kommende Rubin-arkitekturen lover ytterligere 2-3 gangers forbedring. Hvis begge leverer som forventet, kan kostnaden for \u00e5 generere en 10-sekunders video falle fra $0,50 til omtrent $0,05 innen 2028.

Den tidshorisonten er viktig. Selskaper som brenner kontanter p\u00e5 subsidierte priser, m\u00e5 overleve 2-3 \u00e5r til f\u00f8r maskinvareforbedringer kan redde forretningsmodellene deres. Ikke alle kommer til \u00e5 klare det.

Hva dette betyr for skapere

Hvis du er en skaper som velger AI-videoplattform i dag, betyr \u00f8konomien like mye som funksjonene.

• ✓Plattformer st\u00f8ttet av l\u00f8nnsomme morselskaper (Google, Adobe, ByteDance) er tryggere langsiktige valg
• ✓\u00c5pen kildekode-modeller som kj\u00f8rer lokalt eliminerer avhengigheten av et enkelt selskap
• ✓Startups som tilbyr "ubegrenset" generering til lave priser utg\u00f8r den h\u00f8yeste risikoen
• ✓\u00c5 vente p\u00e5 at kostnadene stabiliserer seg f\u00f8r man binder seg til en arbeidsflyt er fornuftig, men betyr at man g\u00e5r glipp av fordelene ved tidlig adopsjon

Nedstengningen av Sora var ikke en anomali. Det var den f\u00f8rste dominobrikken. \u00d8konomien i AI-videogenerering er brutal, og selskapene som overlever, blir de som fant kreative l\u00f8sninger p\u00e5 kostnadsproblemet, ikke bare kreative l\u00f8sninger p\u00e5 genereringsproblemet.

Det st\u00f8rre bildet

Ethvert stort skifte i dataverdenen har g\u00e5tt gjennom en fase der teknologien fungerer, men \u00f8konomien ikke gj\u00f8r det. Skytjenester var ul\u00f8nnsomme i \u00e5revis f\u00f8r AWS forvandlet det til en pengemaskin. Videostrømming tapte milliarder f\u00f8r Netflix fant fotfeste. AI-videogenerering er i den samme smertefulle mellomperioden.

Forskjellen denne gangen er hastigheten. Maskinvareforbedringskurven er brattere enn den var for sky eller str\u00f8mming. NVIDIA leverer nye arkitekturer hver 18-24. m\u00e5ned med betydelige kostnadsreduksjoner per FLOP. Forskning p\u00e5 modelleffektivitet, fra destillasjon til mixture-of-experts til arkitektoniske innovasjoner som Helios' kontekstkomprimering, kutter beregningskravene fra programvaresiden.

Mitt anslag: mot slutten av 2027 vil det koste under $0,10 \u00e5 generere en 10-sekunders video i 1080p p\u00e5 skyinfrastruktur. P\u00e5 det prisniv\u00e5et fungerer forretningsmodellen. Sp\u00f8rsm\u00e5let er hvilke selskaper som kan overleve til da.

Kirkeg\u00e5rden for AI-videostartups er i ferd med \u00e5 bli full. Men teknologien i seg selv forsvinner ikke. Den venter bare p\u00e5 at \u00f8konomien skal ta den igjen.