Цена ИИ падает быстрее, чем когда-то дешевели персональные компьютеры
График, опубликованный a16z со ссылкой на Goldman Sachs Global Investment Research и Министерство торговли США, ставит AI-бум в неожиданную историческую перспективу. По этой оценке, потребительская цена языковых моделей за первые три года нынешнего инвестиционного цикла сжалась быстрее, чем цены на персональные компьютеры за примерно полтора десятилетия.
Важно: это не независимая проверка рынка от Neuro.ee, а интерпретация данных, которую приводит сам график. Но даже в таком виде сравнение хорошо показывает, почему гонка моделей меняет экономику продуктов быстрее, чем предыдущие технологические волны.
Три года против семнадцати
Авторы нормируют оба цикла к 100 в момент старта. Синяя линия — индекс цен на персональные компьютеры с начала цикла 1980 года. За 17 лет он постепенно опускается почти к нулю.
Красная линия — средняя цена миллиона токенов у разных LLM, индексированная к марту 2023 года. На изображении она за примерно 30 месяцев падает примерно до 6. Жёлтая линия пытается учесть не только прайс, но и качество моделей: при такой поправке «цена единицы интеллекта» снижается почти до нуля ещё быстрее.
График: a16z по данным Goldman Sachs Global Investment Research и Министерства торговли США; исходная визуализация предоставлена читателем.
Дешёвый токен — не всегда дешёвый результат
Главная ловушка в таком сравнении — принять цену токена за цену законченной работы. Новые модели чаще делают длинные цепочки рассуждений, повторно вызывают поиск, кодовые инструменты или браузер. Поэтому API-тариф может снижаться, а счёт за один агентный сценарий — расти: модель просто делает больше полезной работы до ответа.
Для разработчика это меняет вопрос закупки. Раньше достаточно было сравнить цену входного и выходного миллиона токенов. Теперь нужно считать стоимость успешной задачи: сколько попыток, инструментальных вызовов, времени человека на проверку и инфраструктуры потребовал агент.
Почему это всё равно важно
Если направление графика верно, функции, которые вчера было дорого отдавать модели — разбор документов, поиск по большой базе, длинные цепочки кода и поддержки, — быстрее становятся обычной частью продукта. Выиграют не те, кто просто поставит самый дешёвый API, а команды, которые научатся ограничивать лишние шаги агента и измерять качество на реальных задачах.
ПК стали массовыми, когда дешевело железо. У LLM одновременно дешевеют доступ и растёт способность: именно эта связка, а не один красивый индекс, может резко расширить число задач, которые бизнес готов доверить модели.
