Два небесных тела, обращающиеся друг вокруг друга, выстраивают стабильные, предсказуемые траектории. Но стоит добавить третье, и система становится хаотичной: каждое тело достаточно велико, чтобы искривлять траектории других, а небольшое смещение одного может изменить путь всех трёх. Именно так автор комментария Fortune описывает экономику ИИ в 2026 году — как три тела, притягивающие друг друга: закрытые передовые лаборатории, возглавляемые OpenAI и Anthropic; модели с открытыми весами, в основном из Китая; и прикладные компании, построенные поверх обеих категорий. Каждая из этих сил достаточно велика, чтобы изменить орбиту остальных, но ни одна не может решить, где система в итоге стабилизируется.

Несколько событий за последние недели и месяцы усилили нестабильность в системе. Самое заметное изменение — это импульс, который набрали передовые лаборатории, и новые препятствия, с которыми они столкнулись. Во главе с Anthropic они увидели беспрецедентный спрос и, как следствие, необычайный рост выручки. С одной стороны, это шире распространило преимущества ИИ по экономике; с другой — усилило внимание к измеримой отдаче и поиску более дешёвых альтернатив. По моим оценкам, расходы на ИИ сейчас составляют от 0,5% до 1% всех зарплат офисных сотрудников в США. При таком масштабе это заслуживает тщательного анализа. В июле Алекс Карп из Palantir сказал CNBC, что «something has gone completely wrong» с тем, как лаборатории продают свой продукт: по его словам, компании «tokenmaxxing» — яростно тратят токены, не получая сопоставимого роста производительности. В тот же период конкуренция на переднем крае усилилась: Meta (Muse Spark 1.1) и xAI (Grok 4.5) представили всё более способные модели наряду с Anthropic, OpenAI и Google.

Затем идёт улучшение моделей с открытыми весами, особенно у китайских компаний. GLM 5.2 от Zhipu и Kimi K3 от Moonshot теперь показывают результаты на уровне передового края или почти на нём по нескольким важным бенчмаркам. При цене в разы ниже сопоставимых закрытых моделей и при столь близком уровне возможностей они создали сильный импульс для экосистемы открытых весов. Тем временем американские модели с открытыми весами тоже повышают собственную убедительность. Под руководством Inkling от Thinking Machines и Nemotron 3 от Nvidia — очень способных, хотя пока и не совсем находящихся на переднем крае — они предлагают внутреннюю альтернативу китайским релизам.

И наконец, есть реакция на эти изменения со стороны компаний прикладного ИИ. Многие из ведущих игроков активизировали усилия по созданию решений поверх моделей с открытыми весами, стремясь к более низким затратам и большему контролю.

Системы трёх тел notoriously сложно предсказать. Тем не менее, я думаю, что во второй половине 2026 года можно различить несколько общих траекторий:

Во-первых, дискомфорт по поводу ценообразования на переднем крае ослабнет — отчасти потому, что конкуренция снизит цены, а отчасти потому, что начнёт проявляться отдача от расходов на ИИ. Большая часть сегодняшней тревоги — это рассинхронизация по времени: внедрение опережает полезность. Для большинства прежних технологий, таких как автомобили и мобильные телефоны, массовое распространение следовало за снижением цен. В случае ИИ внедрение произошло гораздо быстрее. Отдача проявится в ускорении роста у одних компаний и в экономии затрат у других, а затем — в росте производительности по всей экономике.

Во-вторых, переход к миру нескольких моделей продолжится, чему будут способствовать конкуренция и, в идеале, реальная специализация в том, в чём каждая модель лучше всего.

В-третьих, американские модели с открытыми весами станут реальной альтернативой китайским и, как следствие, получат заметное внедрение. У них также будет более понятная бизнес-модель, что облегчит клиентам принятие долгосрочных решений. В конечном счёте я ожидаю, что различие между открытыми и закрытыми решениями станет менее выраженным, поскольку сами передовые лаборатории начнут поддерживать персонализацию моделей под конкретные потребности клиентов.

И в других аспектах игроки тоже будут сближаться: передовые лаборатории будут глубже уходить в продуктовый стек, чтобы расширять свои защитные рвы и сохранять высокую маржу; а прикладные компании — глубже в модельный стек, чтобы строить собственные защитные рвы. Такое сближение рационально: у софтверных компаний обычно валовая маржа превышает 70%, при этом клиенты считают, что получают ценность, соответствующую деньгам.

С учётом этих шагов и контршагов мы по-прежнему находимся в системе трёх тел, и её равновесие остаётся неустойчивым. Большая часть сегодняшнего шума — например, спор об открытых и закрытых моделях, тревога по поводу Китая и переживания об отдаче — выглядит временной. По-настоящему интересный вопрос не в том, окупится ли ИИ, а в том, кто получит ценность, когда это произойдёт: передовые лаборатории, открытые модели, наступающие им на пятки, или приложения, которые владеют отношениями с клиентом.

Мнения, выраженные в комментариях на Fortune.com, принадлежат исключительно их авторам и не обязательно отражают мнения и взгляды Fortune.

Этот материал первоначально был опубликован на Fortune.com