В феврале 2026 года агенты на OpenRouter впервые обогнали людей по объёму трафика. К сентябрю они генерировали уже 80% токенов — 130,9 трлн в неделю, примерно в семь раз больше, чем все живые пользователи вместе.
Счёт вырос вместе с трафиком. Корпоративные расходы на развёртывание ИИ за год поднялись с $33 млрд до $176,8 млрд. Это в 5,4 раза больше, чем годом ранее, и больше $140 млрд новых денег в год.
Главный сдвиг 2026 года — не размер чека. Изменилась единица учёта: платят не за рабочее место сотрудника, а за выполненную агентом задачу. Деньги научились считать. Ответственность — пока нет. Этот разрыв и станет ограничением 2027 года.
Счёт вырос в 5,4 раза, и это уже не пилоты
Три года назад корпоративный рынок генеративного ИИ измерялся единицами миллиардов. В 2023 году — $1,7 млрд. В 2024-м — $8,5 млрд, рост в пять раз. В 2025-м — $33 млрд, ещё 3,9 раза. К сентябрю 2026 года — $176,8 млрд.
Ускорение, а не замедление. Темп вырос с 3,9 до 5,4 раза, хотя база стала в пять раз больше. Такой профиль не похож на пилотный цикл, который выдыхается на второй год.
| Год | Расходы на развёртывание | Рост к прошлому году |
|---|---|---|
| 2023 | $1,7 млрд | — |
| 2024 | $8,5 млрд | 5,0× |
| 2025 | $33 млрд | 3,9× |
| Сентябрь 2026 | $176,8 млрд | 5,4× |
Menlo Ventures, 2026: The State of Enterprise AI
За этой цифрой стоит конкретная вещь: ИИ перестал быть строчкой в ИТ-бюджете. По оценке Menlo Ventures, 55% прироста расходов профинансированы новыми статьями, а не перераспределением существующих бюджетов на софт или персонал.
Это не означает, что деньги бесконечны. Это означает, что их источник другой — и защищать их придётся отдельно от привычного ИТ-плана.
Не выручка лабораторий и не венчурные инвестиции. Деньги, которые компании платят за использование моделей в рабочих процессах.
Деньги уходят двум лабораториям
Три передовых лаборатории — Anthropic, OpenAI и Google — собрали $122,7 млрд, или 69% всех расходов на развёртывание. Годом ранее было 50%.
Их расходы выросли в 7,5 раза против 3,3 раза у остальных. Концентрация усиливается, а не размывается. Для покупателя это означает простую вещь: чем дальше, тем меньше реальных альтернатив на верхнем уровне способностей.
| Поставщик | Доля API-расходов, 2025 | Доля API-расходов, 2026 |
|---|---|---|
| Anthropic | 40% | 55% |
| OpenAI | 27% | 31% |
| 21% | 9% | |
| Anthropic + OpenAI | 67% | 86% |
Menlo Ventures, 2026: The State of Enterprise AI
В API-расходах разрыв ещё резче. Anthropic — 55%, OpenAI — 31%, Google — 9%. Вместе Anthropic и OpenAI забирают 86% против 67% годом ранее.
Google потерял долю не потому, что исчез. Покупатели голосуют за модели, которые лучше держат длинные задачи. Это неприятный факт для любого, кто строил стратегию на «достаточно хорошей и дешёвой» модели.
Почему покупатели платят дороже, когда есть дешёвые модели
Смещение вверх по цене сохранило выручку у самых способных моделей, даже когда отдельные семейства подешевели. Ценовая война идёт внизу, а бюджет — наверху.
Программирование стало первым рынком агентов
Расходы на приложения распределены неравномерно. Программирование — $34 млрд, рабочие ассистенты — $25 млрд. Вместе 76% рынка приложений в $77,3 млрд.
Причина практическая: код — среда, где агент может действовать, учиться на рабочем процессе и проверять результат. В чат-ботах тот же цикл короче, поэтому они вторые.
Программирование почти целиком агентное: 96% этого рынка — ИИ-нативные продукты. При этом агенты самих лабораторий выросли с $1 млрд до $24 млрд, то есть до 70% расходов на программирование. Остальной рынок всё равно вырос в 2,9 раза, до $10 млрд.
Рост лабораторий не съел независимых разработчиков. Он расширил сам рынок. Это редкий случай, когда концентрация и рост числа игроков идут одновременно.
Написать, запустить, увидеть ошибку, исправить. Там, где результат проверяется автоматически, агент забирает работу быстрее всего.
Открытый код: 19% использования, 4% денег
Доля открытых моделей в использовании выросла с 11% до 19%. Доля в деньгах — 4%.
Разрыв объясняется просто: открытые модели забирают дешёвые задачи, а бюджеты уходят туда, где нужна максимальная способность. Доля передовых моделей в токенах выросла с 18% до 42%, доля небольших закрытых упала с 29% до 13%.
Ценовая война идёт внизу. Лаборатории срезали цены на малые модели на 80% и больше, но это не вернуло им долю. Покупатель готов платить за способность, а не за скидку.
Вывод неудобный для идеологов открытого стека: открытый код — это пол, а не рынок. Он задаёт нижнюю границу цены, но не собирает выручку.
Почему токен — плохая единица для финансового директора
Объём токенов выглядит как метрика роста. 130,9 трлн в неделю, 80% трафика, семикратный разрыв с людьми. Но токен измеряет усилие, а не результат.
Агент может сжечь миллионы токенов на неудачные попытки, повторные запуски и проверки. Тот же результат иногда стоит в десять раз дешевле — вопрос архитектуры, а не модели.
Поэтому счёт за инференс растёт быстрее, чем число закрытых задач. Финансовый директор видит общую сумму, но не видит, какая операция её создала. Deloitte фиксирует ровно это: 71% отслеживают общий счёт, 44% — удельную стоимость вывода.
Есть и второй эффект. Чем дешевле становится вывод модели, тем больше токенов съедает каждая задача. Экономия на цене токена часто превращается в рост объёма — и счёт возвращается.
Пока метрика не сместится с токена на принятую задачу, бюджет будет расти быстрее, чем доказанная польза. Это не аргумент против ИИ. Это аргумент против учёта в токенах.
Новые деньги или перераспределение
Самый важный вопрос для 2027 года: откуда берутся $176,8 млрд. Ответ Menlo: 55% — новые бюджеты. Ещё 22% пришли из бюджетов на софт. 13% остались у действующих вендоров, которые конвертировали SaaS-лицензии в ИИ, как Microsoft Office в Copilot. И только 9%, или $12,6 млрд, ушли ИИ-нативным поставщикам.
Для рынка софта это означает примерно двухпроцентный встречный ветер, а не обвал. Страх обвала SaaS-акций начала года оказался сильнее данных.
Экономика тоже сходится: каждый доллар, вложенный в обучение моделей, приносит $1,70 выручки от развёртывания. Это валовой ориентир, не чистая прибыль. Но он объясняет, почему капитал продолжает идти в модели.
Осторожность здесь уместна. $1,70 — это отношение выручки к затратам на обучение, а не возврат на весь капитал. Ставка на способности может окупаться валом, но не гарантирует прибыль каждому покупателю.
Физический счёт больше, чем софт
Корпоративные $176,8 млрд — только видимая часть. Под ними лежит физический слой.
По данным IEA, капитальные расходы крупнейших технологических компаний превысили $400 млрд в 2025 году и, как ожидается, вырастут ещё на 75% в 2026-м. Капитальные расходы пяти компаний уже больше мировых инвестиций в добычу нефти и газа.
Это меняет оптику. Рынок ИИ — не только софт и токены. Это электростанции, трансформаторы, площадки и контракты на мощность. Софтовая экономика всё сильнее зависит от физической.
И здесь сходятся две истории. Агенты увеличивают потребление токенов. Капитальные расходы увеличивают предложение вычислений. Если одно отстанет от другого, цены на инференс перестанут падать — и юнит-экономика агентов изменится.
$176,8 млрд расходов на развёртывание — против более $400 млрд капитальных расходов. Первый счёт платят корпоративные покупатели, второй — балансы технологических компаний.
Кто отвечает, когда агент ошибается
Автономность растёт быстрее учёта. По опросу Deloitte (3 500 руководителей в 25 странах), 40% компаний разрешают ИИ выполнять решения и действия без согласования человека — хотя бы в умеренной степени. 23% говорят, что ответственность за негативный исход неясна.
Видимость расходов тоже частичная. 71% отслеживают общий счёт за инференс и API. Только 44% видят удельную стоимость вывода модели.
Многие компании научились следить за общим счётом за ИИ, но гораздо меньше понимают удельную стоимость под ним: где именно возникают расходы и приносят ли они соразмерную ценность.— Кости Перрикос, руководитель направления GenAI в Deloitte
Как мы писали в октябре, 78% компаний не видели работу своих ИИ-агентов — и упирались в измерение. За месяц инструменты не изменились, изменился масштаб: теперь агент не советует, а действует. Разбор того замера — здесь.
Это и есть главный риск 2027 года. Автономия без удельного учёта — не бизнес-модель, а обязательство.
Практический вывод для покупателя
Четыре вопроса стоит задать до следующего контракта.
Первый: сколько стоит одна принятая задача, а не миллион токенов. Если поставщик не отвечает, значит, он продаёт усилие.
Второй: что происходит с ценой при смене модели. Концентрация у двух поставщиков API делает этот вопрос не теоретическим: 86% расходов — у Anthropic и OpenAI.
Третий: кто отвечает за действие агента. Если 23% компаний не могут назвать ответственного, то и ваш контракт, скорее всего, этого не описывает.
Четвёртый, менее очевидный: срок жизни контракта. Модели меняются каждые несколько месяцев, а бюджет защищают на год. Гибкость условий сейчас важнее скидки.
Ответы на эти вопросы важнее, чем ещё один процент точности модели.
Что меняется в 2027 году
Рынок переходит из фазы «купить модель» в фазу «посчитать задачу». Пока он считает плохо: общие расходы видны, стоимость одной операции — нет.
Отсюда три следствия.
Первое: бюджет ИИ перестаёт быть ИТ-бюджетом. 55% новых денег — это уже не оптимизация существующего софта, а новая статья расходов, которую придётся защищать перед финансовым директором.
Второе: концентрация усиливается. 69% расходов у трёх лабораторий и 86% API-расходов у двух — это не рынок с низким порогом входа. Для корпоративного покупателя это риск переговорной позиции.
Третье: узкое место смещается. Не качество модели, а цена задачи и ответственность за результат. Кто научится считать стоимость одной операции и подписывать её результатом, тот и получит следующий бюджет.
Гонка за способностями не закончилась. Она просто перестала быть единственной.
80% токенов уже генерируют агенты, но лишь 44% компаний видят удельную стоимость вывода модели.
69% денег уходят трём лабораториям; 86% API-расходов — у двух.
$176,8 млрд расходов на развёртывание стоят на капитальных расходах больше $400 млрд.