AI Business & Monetization
Foundation vs Application: почему wrapper побеждает
OpenAI: оценка 80B долл., тысячи сотрудников, лучшие модели в мире - и убытки. Midjourney: 40 сотрудников, ни одного венчурного инвестора, 200M прибыли. Этот парадокс - ключ к пониманию того, где реально строить AI-бизнес.
- Cursor: 100M ARR, не обучили ни одной модели — просто лучший UX для разработчиков
- Midjourney: форкнули открытые модели + добавили сообщество через Discord — 20M пользователей
- Perplexity: AI поверх веб-поиска — 3B долл. оценка без обучения собственной модели с нуля
Предварительные знания
Экономика foundation models: почему они теряют деньги
**OpenAI оценивается в 157B долл.** (оценка на конец 2024). При этом они убыточны при 3.4B ARR. Как это возможно? И главное - чему это учит нас о построении AI-бизнеса?
| Компания | Статус | ARR / Revenue | Прибыльность | Примечание |
|---|---|---|---|---|
| OpenAI | Foundation model | 3.4B | Убыточна | Затраты на инференс съедают маржу |
| Anthropic | Foundation model | 1B+ | Убыточна | 7.3B привлечено, всё идёт в compute |
| Mistral | Foundation model | 50M+ | Убыточна | Европейский конкурент, VC-funded |
| Cohere | Foundation model | 50M+ | Убыточна | B2B фокус, тоже в минусе |
| Midjourney | Application | 300M+ (2024) | ПРИБЫЛЬНА | Без венчурных инвестиций, 40 человек |
| Cursor | Application | 100M+ | Вероятно прибыльна | Lean team, низкие затраты на API |
**Почему foundation models убыточны при огромных revenue?** Каждый новый пользователь = новые затраты на инференс. Обучение следующей модели стоит 100M+ долл. Конкуренция вынуждает держать низкие цены на API. Это структурная ловушка, из которой сложно выйти без масштаба AWS/Microsoft.
Anthropic привлёк 7.3 млрд долл. инвестиций и всё ещё убыточен. Что является главной причиной?
Почему приложения выигрывают: distribution beats technology
**Cursor не обучил ни одной нейросети.** Они форкнули VSCode, добавили умные интеграции с Claude и GPT, построили контекстный движок для codebase - и достигли 100M ARR. Это не "просто обёртка" - это умная дистрибуция технологии.
**Самое важное:** когда OpenAI выпустил ChatGPT с code interpreter - это не убило Cursor. Почему? Потому что Cursor встроен в workflow разработчика (VSCode), понимает весь codebase, а не только выделенный код. Distribution + UX = moat.
| Фактор | Foundation Model (OpenAI) | Application (Cursor) |
|---|---|---|
| Может сменить AI-провайдера? | Нет (они сами провайдер) | Да — легко |
| Знает своего клиента? | Абстрактно (все люди) | Очень хорошо (developers) |
| Встроен в workflow? | Через отдельное приложение | Прямо в IDE |
| Растущий moat? | Brand + model quality | User data + distribution |
| Маржа (gross) | 20-40% | 60-80% |
**Правило distribution:** самый ценный актив AI-приложения - не технология, а доступ к пользователю в нужный момент. Cursor ценен тем, что открыт каждые 4 часа у разработчика. Это и есть moat.
OpenAI выпустил Codex и GitHub Copilot конкурирует с Cursor. Почему Cursor продолжает расти?
"Wrapper" - это не оскорбление, а стратегия
**В AI-сообществе "wrapper" используют как оскорбление** - мол, ты просто завернул GPT-4 и называешь это продуктом. Но посмотрим на факты: Jasper, Cursor, Midjourney, Perplexity - всё это "обёртки". И все они зарабатывают реальные деньги.
**Когда wrapper проигрывает:** Jasper потерял ~50% стоимости, когда OpenAI встроил похожие функции прямо в ChatGPT. Это показывает ограничение: если wrapper решает только то, что базовая модель скоро решит сама - он уязвим.
| Тип wrapper | Defensibility | Риск | Пример |
|---|---|---|---|
| Generic content tool | Низкий | OpenAI добавит эти функции | Ранний Jasper |
| Vertical domain tool | Средний | Нужен domain-specific конкурент | Harvey AI (legal) |
| Workflow integration | Высокий | Сложно переключиться | Cursor, Notion AI |
| Data-rich vertical | Очень высокий | Данные = уникальный актив | Abridge (medical transcription) |
**Правило защищённого wrapper:** лучший wrapper - тот, который встроен в критический workflow пользователя и аккумулирует данные, улучшающие продукт. Cursor видит твой код. Harvey AI учится на юридических документах твоей фирмы. Это нельзя скопировать.
Jasper потерял ARR, когда ChatGPT добавил похожий функционал. Какой тип wrapper наиболее устойчив к этому риску?
Ключевые идеи
- Foundation models убыточны структурно: inference costs растут линейно с пользователями
- Applications прибыльны: маржа 60-80%, не несут CAPEX на обучение моделей
- Distribution beats technology: Cursor выиграл не лучшей моделью, а лучшей интеграцией
- "Wrapper" — не оскорбление, а бизнес-стратегия с кейсами 100M+ ARR
- Уязвимый wrapper: generic functions; устойчивый wrapper: workflow + данные пользователя
Что дальше
Понятно, что application layer лучше для прибыльности. Но какой тип AI-компании строить внутри application layer? Разбираем 4 модели.
- 4 типа AI-компаний — Какую модель выбрать под ресурсы
- Финансирование AI — Когда VC нужен, когда bootstrap лучше
Вопросы для размышления
- Назови 3 продукта, которые ты используешь ежедневно и которые теоретически можно было бы сделать на AI-API. Что мешает просто скопировать их?
- Какой тип wrapper ты бы построил: domain-specific tool, workflow integration, или data-rich vertical? Почему именно этот?
- Если OpenAI завтра добавит функцию твоего воображаемого продукта прямо в ChatGPT — убьёт ли это бизнес? Как от этого защититься?