Открытые модели ИИ из нишевого экспериментального сегмента внезапно стали главным призом для кремниевой долины. На этой неделе поступил отчёт о том, что Nvidia намерена приобрести Hugging Face — платформу обмена открытыми весами моделей и бенчмарков — за $13 млрд. Параллельно Nvidia договорилась с Poolside, ещё одним разработчиком открытых моделей, о сделке на $6 млрд с присоединением большей части его сотрудников. А две недели назад Stripe за $7 млрд+ купила OpenRouter, крупнейшего поставщика открытых моделей для бизнеса. Это массовое вливание капитала в сегмент, построенный на идее открытого кода, сигнализирует о переломе в стратегии больших игроков.
Hugging Face — это фактически GitHub для эпохи больших языковых моделей: платформа, вокруг которой выстроилась экосистема разработчиков, собирающих и деплоящих LLM, не принадлежащие фронтир-лабораториям вроде OpenAI или Anthropic. Для Nvidia мотив понятен: компания всё более уязвима перед стратегией вертикальной интеграции у OpenAI (сейчас развивающей собственный чип Jalapeño) и Google. Если лидеры модельного рынка начинают делать собственные ускорители, Nvidia нужна точка опоры в самом бизнесе моделей. Собственное семейство Nemotron не набрало достаточной тяги, поэтому контроль над крупнейшей американской платформой разработки даст Nvidia доступ к масс-маркету пользователей, которых можно перенаправить на её чипы и стандарты.
Экономика вывода моделей становится всё более острым вопросом. Компании активнее проверяют дешёвые модели китайских разработчиков — Moonshot, DeepSeek, Alibaba. Пока доля мала (по опросу Ramp, открытые модели используют 6% компаний, а по данным Jellyfish — только 2% software-инженеров), но растёт. Открытые модели прибыльны именно там, где нужна высокая повторяемость запросов и низкие затраты: чат-боты поддержки, обработка типовых задач. Stripe явно ставил на это с OpenRouter, когда CEO Патрик Коллисон говорил о токенах как о центральной валюте для AI-стартапов.
Но для кодирования, агентных систем и задач с высокой вариативностью запросов фронтир-модели по-прежнему доминируют отчасти благодаря бизнес-модели (легче получить доступ, иногда даже с субсидией на токены). По оценке аналитиков вроде Ника Альбаррана из Jellyfish, причина, по которой компании ещё не массово переходят на открытые модели, — не столько в экономике, сколько в контроле и настраиваемости. По мере созревания AI-워크플оу эта картина может измениться, но пока фронтир остаётся безальтернативен для сложных, непредсказуемых задач.
Лин Цяо, CEO Fireworks (открытой роутер моделей для корпоративных пользователей, которую тоже называют потенциальной целью для акквизиции), приводит другой аргумент: её платформа обрабатывает 40 триллионов токенов в день — больше, чем API Gemini или OpenAI. Её ставка — на модельное разнообразие. По мере улучшения LLM компаниям станет проще обучать модели под себя. Её позиция: каждая компания должна рассматривать возможность нанять in-house исследователя и строить свою модель для каждого use case. Это не популист Фантастика — это проглядывается уже сейчас в компаниях с достаточным объёмом данных и капитала.
В России открытые модели ИИ пока не стали массовым инструментом, но для определённых вертикалей это уже применимо. В сфере обработки заказов, чат-ботов, автоматизации документооборота — там, где нужна высокая повторяемость и цена токена критична, — использование открытых моделей типа Llama, Mistral или местных вариантов (если они будут доступны) экономически разумно. Компании с собственными данными (логистика, финтех, e-commerce) могут строить специализированные модели. На практике в России это сейчас встречается редко, но именно в таком направлении будет двигаться автоматизация.
Масштаб текущих инвестиций в открытый сегмент отражает долгосрочную неуверенность мегатехов в монополии OpenAI и Anthropic. Это не означает, что фронтир-модели исчезнут — напротив, они станут дороже и специализированнее. Но волна покупок показывает, что у больших игроков есть план B на случай, если лидеры модельного рынка останутся недостаточно гибкими или цены взлетят ещё выше. История технологических платформ учит: монопольный контроль редко бывает окончательным. Nvidia, Stripe и другие играют не на один ход вперёд.