Проблема в $15 миллионов в день: почему экономика ИИ-видео решит, кто выживет в 2026 году

Цифры, которые убили Sora

Давайте разберём экономику, которую OpenAI пыталась скрывать шесть месяцев.

Sora запустилась в сентябре 2025 года с потребительскими ценами: примерно $0,10 за секунду 720p-видео через API. На пике использования миллионы пользователей генерировали клипы ежедневно. Затраты на GPU-инференс, в основном на кластерах NVIDIA H100, масштабировались линейно с каждым запросом.

Соотношение дохода к затратам было катастрофическим. Sora заработала примерно $2,1 миллиона общего дохода за всё время существования. Запуск обошёлся примерно в $2,7 миллиарда. Это не бизнес-модель. Это демонстрация, которая сжигала венчурный капитал в промышленных масштабах.

Почему генерация видео принципиально дороже изображений

Чтобы понять, почему это важно не только для Sora, нужно разобраться в разнице вычислительных затрат между генерацией изображений и видео.

Один запрос на генерацию изображения моделью вроде DALL-E 3 или Stable Diffusion XL требует примерно 10-30 секунд работы GPU на H100. Пятисекундное видео при 24fps требует генерации 120 кадров, каждый с ограничениями временной когерентности, которые не позволяют просто распараллелить процесс. Механизм внимания в видео-диффузионных трансформерах масштабируется квадратично с длиной последовательности.

Разрыв между изображением и видео не 5x и не 10x. Это 30-100x в вычислениях на результат. И в отличие от генерации текста, где KV-кэширование и спекулятивное декодирование радикально снизили стоимость инференса, в генерации видео нет аналогичной оптимизации, которая снижает затраты на порядок.

Три стратегии выживания в условиях кризиса затрат

Каждая компания, которая всё ещё предлагает генерацию ИИ-видео, сталкивается с одной и той же фундаментальной проблемой. Их стратегии резко расходятся.

Стратегия 1: субсидировать и надеяться (подход венчурного капитала)

Это была стратегия Sora. Ставить цену ниже себестоимости, набирать пользователей, разбираться с монетизацией потом. Всё закончилось именно так, как предсказывали профессора экономики со времён эпохи доткомов.

Несколько компаний до сих пор работают по этой схеме. Pika, Luma и Runway оценивают свои услуги значительно ниже предполагаемых затрат на вычисления. Ставка в том, что затраты будут падать быстрее, чем нужно расти доходам.

Риск очевиден. Если стоимость GPU не снизится достаточно быстро, или если использование будет расти быстрее, чем выигрыш от оптимизации, эти компании упрутся в ту же стену, что и Sora.

Стратегия 2: переложить затраты на оборудование (подход NVIDIA/Open Source)

Это стратегия, стоящая за Helios, Wan 2.2, LTX-2.3 и каждой другой open-source моделью, оптимизированной для потребительских GPU.

Логика элегантна: вместо того чтобы содержать дорогую облачную инфраструктуру, переложить вычислительные затраты на оборудование пользователя. RTX 4090 стоит $1 599 один раз. После этого каждая генерация видео "бесплатна" по предельным затратам (минус электричество).

Helios, модель с 14 миллиардами параметров от ByteDance и Пекинского университета, показала, что один H100 может генерировать 60-секундные видео со скоростью 19,5 FPS. Более того, оптимизированные open-source модели приближаются к генерации в реальном времени на потребительском оборудовании RTX 5090.

Ограничение очевидно: эта стратегия работает только для пользователей, у которых есть мощные GPU. Это значительный рынок, но он исключает массовых создателей контента, которые сделали Sora популярной.

Стратегия 3: агрегация платформ (подход Adobe/Google)

Это наиболее финансово устойчивый подход. Вместо того чтобы нести полную стоимость генерации, стать маркетплейсом, который направляет запросы к различным провайдерам моделей.

Adobe Firefly теперь размещает 30+ моделей от разных провайдеров. Google Flow интегрирует Veo со сторонними моделями. CapCut встраивает Seedance 2.0. Во всех трёх случаях платформа берёт маржу, а провайдер модели несёт вычислительные затраты.

Adobe имеет лучшие позиции, потому что Premiere Pro и After Effects уже доминируют в профессиональном видеомонтаже. Добавление ИИ-генерации к существующим рабочим процессам является естественным продолжением, и Adobe может встроить это как премиум-функцию в подписки Creative Cloud, за которые пользователи уже платят.

Кривая стоимости инфраструктуры

Ключевой вопрос в том, будет ли стоимость GPU снижаться достаточно быстро, чтобы сделать потребительское ИИ-видео жизнеспособным.

Архитектура NVIDIA Blackwell (B200, GB200) обеспечивает примерно 2-3x лучшее соотношение цена/производительность для задач инференса по сравнению с H100. Будущая архитектура Rubin обещает ещё 2-3x улучшение. Если оба прогноза оправдаются, к 2028 году стоимость генерации 10-секундного видео может снизиться с $0,50 до примерно $0,05.

Этот срок имеет значение. Компании, сжигающие деньги на субсидированных ценах, должны выжить ещё 2-3 года, пока аппаратные улучшения спасут их бизнес-модели. Не все из них справятся.

Что это значит для создателей контента

Если вы создатель контента и выбираете платформу для ИИ-видео сегодня, экономика имеет такое же значение, как и функции.

• ✓Платформы, за которыми стоят прибыльные материнские компании (Google, Adobe, ByteDance), безопаснее в долгосрочной перспективе
• ✓Open-source модели, работающие локально, устраняют зависимость от любой отдельной компании
• ✓Стартапы, предлагающие "безлимитную" генерацию по низким ценам, несут наибольший риск
• ✓Ожидание стабилизации затрат перед выбором рабочего процесса разумно, но означает упущенные преимущества раннего внедрения

Закрытие Sora не было аномалией. Это была первая костяшка домино. Экономика генерации ИИ-видео жестока, и выживут те компании, которые нашли творческие решения проблемы затрат, а не просто творческие решения проблемы генерации.

Общая картина

Каждый крупный сдвиг в вычислительной технике проходил через фазу, когда технология работает, а экономика нет. Облачные вычисления были убыточными годами, прежде чем AWS превратила их в денежную машину. Потоковое видео теряло миллиарды, прежде чем Netflix нашёл свою модель. Генерация ИИ-видео находится в такой же болезненной промежуточной стадии.

Разница на этот раз в скорости. Кривая улучшения оборудования круче, чем для облачных сервисов или стриминга. NVIDIA выпускает новые архитектуры каждые 18-24 месяца со значительным снижением стоимости за FLOP. Исследования эффективности моделей, от дистилляции до mixture-of-experts и архитектурных инноваций вроде контекстного сжатия в Helios, сокращают требования к вычислениям со стороны программного обеспечения.

Мой прогноз: к концу 2027 года генерация 10-секундного видео в 1080p будет стоить менее $0,10 на облачной инфраструктуре. При такой цене бизнес-модель работает. Вопрос в том, какие компании доживут до этого момента.

Кладбище ИИ-видео стартапов вот-вот станет переполненным. Но сама технология никуда не денется. Она просто ждёт, пока экономика её догонит.