OpenAI отчиталась за первый квартал 2026 года: выручка — около $5,7 млрд, операционная маржа — минус 122%. Это значит, что на каждый заработанный доллар компания тратит $1,22. И это уже без учёта stock-based compensation — бухгалтерской статьи, которую стартапы обычно убирают, чтобы цифры выглядели лучше. Здесь убрали — и всё равно убыток.
Контекст
OpenAI — крупнейшая AI-компания мира по выручке и медийному весу. ChatGPT, GPT-4o, o3, Sora, API для тысяч продуктов — всё это генерирует реальные деньги. $5,7 млрд за квартал — это уже не стартап, это корпоративный масштаб. Для сравнения: годовая выручка большинства крупных компаний СНГ не дотягивает до этой квартальной цифры.
При этом структура затрат OpenAI остаётся тяжёлой. Инференс (запуск моделей) стоит дорого — и чем умнее модель, тем дороже каждый токен. o3 и другие reasoning-модели потребляют на порядок больше вычислений, чем привычные chat-модели. Добавь сюда гонку за GPU, R&D, зарплаты топ-исследователей и инфраструктуру — получишь картину, где выручка растёт, но расходы растут быстрее.
Это не уникальная история для AI-сектора. Anthropic, Mistral, xAI — все работают в похожей логике: сначала захватить рынок, потом разобраться с юнит-экономикой. Вопрос в том, когда «потом» наступит и хватит ли у инвесторов терпения.
Аналитика
Минус 122% по операционной марже — это не кризис и не катастрофа в венчурной логике. Это осознанная ставка: OpenAI рассчитывает, что затраты на инференс будут падать по кривой Райта (как это случилось с полупроводниками, облаком, хранилищами), а выручка продолжит расти экспоненциально. Если расчёт верный — маржа развернётся. Если нет — потребуются новые раунды финансирования.
Важнее другое: такие цифры демонстрируют структурный вызов всей AI-индустрии. Пока стоимость инференса остаётся высокой, прибыльность frontier-моделей сложно достичь без либо монополистического ценообразования, либо масштаба, который позволяет амортизировать инфраструктуру. Это объясняет, почему OpenAI одновременно строит собственные чипы, договаривается о партнёрстве с Microsoft и выходит в потребительский сегмент — каждый из этих шагов снижает удельную стоимость токена.
Для рынка в целом это означает: AI-продукты будут дешеветь. То, что сегодня стоит $20/мес в подписке, через два года может стоить $5 или вообще быть бесплатным с рекламой. Бизнес-модели, выстроенные на перепродаже API-доступа с минимальной добавленной ценностью, окажутся под давлением. Выживут те, кто строит на AI слой с реальной дифференциацией — данными, процессами, интеграциями.
Кейсы применения в бизнесе
B2B-SaaS стартап. Если ваш продукт завязан на OpenAI API — самое время провести аудит затрат на инференс. Модели дешевеют быстро: то, что полгода назад стоило $0,03 за 1K токенов, сегодня может обходиться вдвое дешевле. Параллельно стоит протестировать open-source альтернативы (Qwen, DeepSeek, Llama) на задачах с предсказуемым форматом ответа — classification, extraction, summarization. Сэкономленный бюджет реинвестируйте в fine-tuning под вашу доменную область.
Корпорация с legacy. Цифры OpenAI — аргумент на совете директоров: даже крупнейший AI-игрок пока не вышел на окупаемость. Это не повод откладывать внедрение — это повод строить AI-стратегию с реалистичным горизонтом ROI. Внутренние пилоты на задачах автоматизации документооборота, поддержки или аналитики дадут измеримый результат за 3-6 месяцев без зависимости от судьбы одного вендора.
SMB и локальный бизнес в КР/СНГ. Пока гиганты разбираются с маржой, стоимость AI-инструментов для малого бизнеса падает. ChatGPT, Claude, Gemini — всё это доступно за $20-30/мес и закрывает задачи, которые раньше требовали отдельного специалиста: написание текстов, обработка заявок, базовая аналитика. Не ждите «идеальной» модели — начинайте с конкретной болевой точки уже сейчас.
Кейсы в личной жизни
Разработчик. Финансовая турбулентность OpenAI — хороший повод диверсифицировать инструментарий. Claude API, Gemini, локальные модели через Ollama — каждая имеет свои сильные стороны. Если вы строите пет-проект или инди-продукт, рассчитайте стоимость инференса заранее: при масштабировании разница между моделями может быть кратной.
Контент-мейкер и фрилансер. Подписка на ChatGPT Plus или Claude Pro за $20/мес — один из лучших ROI в истории инструментов для творческих профессий. Пока компании теряют деньги на каждом токене, вы получаете доступ к технологии за символическую сумму. Используйте это окно: учитесь строить воркфлоу с AI сейчас, пока цены субсидируются инвесторами.
Студент или аналитик. Понимание юнит-экономики AI-компаний — это уже конкурентное преимущество на рынке труда. Разберитесь в структуре затрат: инференс vs. обучение, стоимость токена, gross margin у AI-продуктов. Это пригодится и при выборе работодателя, и при оценке стартапов, и при разговоре с инвесторами.
Как применить сегодня
- Проведите аудит AI-затрат: если используете OpenAI API, сравните стоимость с Anthropic Claude, Google Gemini и open-source моделями на ваших конкретных задачах — разница может быть 3-10x.
- Для задач с предсказуемым форматом (классификация, извлечение данных, шаблонные тексты) тестируйте Haiku / Flash / Qwen — они дешевле и быстрее frontier-моделей при сопоставимом качестве.
- Читайте финансовые отчёты AI-компаний как продуктовый сигнал: где компания теряет деньги — там ценообразование нестабильно, там жди изменений в API и тарифах.
- Если строите AI-продукт — заложите в unit economics рост стоимости инференса на 20-30% как пессимистичный сценарий и падение на 50% как оптимистичный. Продукт должен быть прибыльным в обоих.
- Подпишитесь на The Decoder, Stratechery, Benedict Evans — они разбирают финансы AI-компаний системно, без хайпа.