По данным Wall Street Journal, OpenAI пересмотрела в сторону увеличения плановые расходы на вычислительную мощность через 2030 год — новая цифра составляет около $750 млрд, тогда как в феврале 2026-го компания называла ориентир в $600 млрд. Разница в $150 млрд отражает возросшие требования к облачным мощностям и оборудованию по мере того, как компания обучает и эксплуатирует всё более крупные модели — от флагманской линейки GPT-5.6 Sol до непубличных исследовательских систем.
Важно понимать разницу между этой цифрой и другими озвученными ранее суммами: это прогноз именно операционных расходов на вычисления, а не оценка компании и не общий объём инфраструктурных обязательств. Ранее гендиректор Сэм Альтман упоминал $1,4 трлн инфраструктурных обязательств, а отдельная оценка на $1,15 трлн охватывала контракты на оборудование и облачные услуги вплоть до 2035 года — то есть речь идёт о разных, хотя и пересекающихся, финансовых горизонтах одной и той же гонки за вычислительными мощностями.
Новый бюджет распределён по двум направлениям. Первое — расширение соглашений с существующими облачными партнёрами: Microsoft, Oracle, Amazon Web Services и CoreWeave — уже обеспечивают OpenAI значительную часть вычислительных мощностей по долгосрочным контрактам. Второе, всё более весомое направление — собственное строительство дата-центров, которое снижает зависимость компании от внешних поставщиков и позволяет контролировать конфигурацию оборудования под конкретные задачи обучения и инференса.
Флагманский проект в рамках этого направления — Project Camellia, комплекс дата-центров в округе Эффингем, штат Джорджия. OpenAI уже вложила в его запуск $20 млрд, а среди аппаратных партнёров компании — Nvidia, AMD и Broadcom, чьи чипы будут формировать вычислительную базу новых кластеров.
Рост прогноза OpenAI укладывается в общую картину 2026 года: крупнейшие лаборатории ИИ увеличивают капитальные затраты быстрее, чем растёт выручка от подписок и API. В том же месяце AMD представила новое поколение ускорителей Instinct MI400 именно под запрос гигаваттных дата-центров, а тайваньская TSMC объявила о дополнительных $100 млрд инвестиций в фабрики в Аризоне — совокупный объём вложений компании в американское производство достиг $265 млрд. Это означает, что дефицит передовых вычислительных мощностей будет ощущаться ещё несколько лет, а конкуренция за поставки чипов и площадки под дата-центры только усилится.
Для рынка это также сигнал о том, что порог входа в гонку frontier-моделей продолжает расти. Если ещё три года назад для конкуренции на переднем крае ИИ было достаточно миллиардов долларов, то сейчас счёт идёт на сотни миллиардов и требует долгосрочных инфраструктурных обязательств, сопоставимых с бюджетами национальных энергетических программ.
Для российских компаний масштаб трат OpenAI — прежде всего напоминание о том, насколько разными являются условия конкуренции на глобальном и внутреннем рынках. Ни один российский разработчик LLM не оперирует бюджетами такого порядка: расходы Сбера и Яндекса на инфраструктуру ИИ измеряются десятками миллиардов рублей, а не сотнями миллиардов долларов. При этом западные санкционные ограничения на поставки современных ускорителей делают для российских компаний доступ к сопоставимым по эффективности вычислительным мощностям ещё более затруднительным — отсюда растущий интерес к альтернативным поставщикам вроде Huawei и локализации производства чипов.
В то же время сама OpenAI закладывает в свои планы риски энергетической и вычислительной инфраструктуры на годы вперёд — то есть проблема дефицита GPU и электричества для дата-центров является глобальной, а не специфически российской. Это создаёт определённое окно возможностей: пока крупнейшие игроки перегружены собственными стройками, региональные и специализированные модели — включая российские — могут закрывать ниши, где не требуется предельный масштаб frontier-систем.
Наращивание расходов такого масштаба несёт и очевидные риски. Компания одновременно берёт на себя долгосрочные обязательства перед облачными провайдерами и инвестирует в строительство собственных дата-центров, при этом её выручка от подписок ChatGPT и корпоративного API растёт быстро, но пока не покрывает подобные капитальные затраты напрямую — значительная часть финансирования опирается на внешние инвестиции и партнёрские соглашения с производителями чипов. Если темпы роста спроса на модели OpenAI хоть немного замедлятся, а конкуренты вроде Google, Anthropic и китайских лабораторий продолжат выпускать сопоставимые по качеству модели дешевле, окупаемость столь масштабных вложений в инфраструктуру окажется под вопросом на годы вперёд.