AI Business & Monetization
AI Value Chain: от GPU до 20 долл./мес
Ты платишь 20 долл./мес за Cursor. Cursor платит OpenAI ~1-2 долл. за твои запросы. Разница - 18 долл. маржи. Откуда берётся эта магия? Понять цепочку от GPU до подписки - значит найти своё место в ней.
- Cursor: платит ~1-2 долл./мес за API, получает 20 долл. — 10-20x маржа только на API
- Midjourney: 200M прибыли — не обладая ни одним датацентром
- Harvey AI (legal): 50K+ долл./год за корпоративную лицензию, реальные затраты < 5K долл./год
Предварительные знания
Полная цепочка: стоимость на каждом уровне
**AI value chain** - это путь от физического железа до конечного пользователя. На каждом уровне добавляется ценность, и цена растёт в десятки раз. Понять эту цепочку - значит понять, где лучше строить бизнес.
| Слой цепочки | Стоимость для них | Цена продажи | Маржа | Пример |
|---|---|---|---|---|
| GPU (Nvidia) | 8-10K долл./чип | 30-40K долл./чип | 75% | H100 GPU |
| Cloud compute | 2 долл./GPU-час | 3-8 долл./GPU-час | 50-75% | AWS p4d instance |
| Model inference | 0.001 долл./1K токенов | 0.002-0.015 долл./1K | 50-90% | GPT-4o API |
| SaaS application | 0.5-3 долл./user/мес | 10-50 долл./user/мес | 60-85% | Cursor 20 долл./мес |
**Ключевое наблюдение:** каждый слой добавляет ценность через специализацию - Nvidia через silicon design, AWS через надёжность и scale, OpenAI через модели, приложения через UX и workflow. Маржа выше там, где сложнее скопировать ценность.
Почему cloud providers (AWS, Azure) зарабатывают на AI, даже не обучая модели?
Математика наценок: 10,000x путь
**Самый наглядный способ понять цепочку** - посчитать, сколько реально стоит пользователь продукта за 20 долл./мес с точки зрения затрат на AI.
**Важно:** это валовая маржа - до учёта зарплат, хостинга, маркетинга. Но даже с ними, при хорошо построенном продукте, чистая маржа может быть 40-60%. Сравни с e-commerce (5-15%) или ресторанным бизнесом (3-9%).
**Практический совет:** При выборе модели для продукта - считай реальные затраты. GPT-4o для простых задач - переплата в 10-20x. Claude Haiku / GPT-4o-mini справляются с 80% задач при 10% от цены.
Ты строишь AI-приложение за 20 долл./мес. Средний пользователь делает 100 запросов в месяц по 500 токенов (input). При цене GPT-4o 5 долл./1M input токенов - сколько составляют затраты на API на пользователя?
Где входить в цепочку под свои ресурсы
**Правильная позиция в цепочке** определяется твоими ресурсами, целями и имеющимися преимуществами. Попытка войти в слой выше своих ресурсов - путь к провалу.
| Ресурсы | Оптимальная позиция | Стратегия | Пример |
|---|---|---|---|
| 0 / инди | Application (niche) | Нишевый AI-инструмент на API | AI для риэлторов, юристов |
| 10K-100K / инди+ | Application (vertical) | Вертикальный SaaS с AI | AI для конкретной индустрии |
| 100K-1M / seed | Application (platform) | Horizontal tool или workflow | AI automation для команд |
| 1M-10M / Series A | Tooling/Infrastructure | Developer tools, fine-tuning | LangChain, Weights&Biases |
| 10M+ | Foundation или Platform | Модели или compute layer | Mistral, Cohere |
**Кейс Cursor (100M ARR):** Они не обучили ни одной модели. Cursor - это VSCode fork + умная интеграция с Claude и GPT. Их ценность: понимание codebase, context window management, UX для разработчиков. Это application layer с distribution moat.
**Ключевой инсайт:** API OpenAI/Anthropic - это commodity. Через 2-3 года модели будут ещё дешевле и доступнее. Бизнес нужно строить вокруг того, что *не* станет commodity: distribution, brand, данные пользователей, domain expertise.
Ты инди-разработчик с 5K долл. стартовым бюджетом. Какое позиционирование наиболее реалистично для достижения 10K долл. MRR за 12 месяцев?
Ключевые идеи
- Value chain: GPU → Cloud → Model API → Application — каждый слой добавляет 3-10x ценность
- Application layer: маржа по API часто 85-98% — самая высокая в цепочке
- Реальные затраты на пользователя при цене продукта 20 долл./мес — обычно 0.25-2.00 долл. на API
- Defensibility приложений: distribution, domain knowledge, user data — не технология
- Правило выбора позиции: application layer для бюджетов 0-1M долл.; infrastructure только от 10M долл.
Что дальше
Теперь понятна математика маржи. Следующий вопрос: почему приложения стабильнее foundation models, даже если foundation models строят саму технологию?
- Foundation vs Application — Почему wrapper побеждает
- Типы AI-компаний — 4 модели, 4 разные экономики
Вопросы для размышления
- Посчитай реальный API-cost для идеи твоего AI-продукта. Сколько будет стоить один активный пользователь в месяц?
- Какой слой цепочки создаёт наибольшую ценность для конечного пользователя — не технически, а с его точки зрения?
- Если API-провайдер поднимет цены в 5 раз, как это изменит экономику приложения? Как от этого защититься?