Статья · Технологии
Бум ИИ в цифрах
С 2010 года вычислительная мощность, затраченная на обучение заметных моделей ИИ, удваивалась каждые 5,7 месяца — ×4,3 в год, по тренду, построенному по данным Epoch AI (моделей в расчёте: 481). Microsoft, Alphabet, Amazon, Meta и Oracle за четыре квартала до сентября 2026 года потратили на здания и оборудование $691 млрд — в 4,5 раза больше, чем за четыре квартала до выхода ChatGPT. Выручка NVIDIA за 2026 финансовый год составила $216 млрд — в 8,01 раза больше, чем за 2023 финансовый.
×4,3 в год с 2010 года, тренд по заметным моделям (481); до 2010 года — каждые 20,5 месяца
GPT-6 Astra, OpenAI, сен 2026
в 2019 году — 1; всего с оценкой — 326
Microsoft, Alphabet, Amazon, Meta и Oracle; $154 млрд за четыре квартала до сентября 2022 года
2023 финансовый: $27 млрд; чистая прибыль $120 млрд, 56% выручки
Вычисления для обучения удваиваются каждые 5,7 месяца
Каждая точка — заметная модель ИИ, для которой у Epoch AI есть оценка вычислений на обучение: числа операций с плавающей точкой (FLOP) — сложений и умножений, — затраченных на обучение; всего таких моделей 543. От Тесея, механической мыши Клода Шеннона для лабиринта (1950), обученной за 40 FLOP, до самой большой на сегодня — GPT-6 Astra от OpenAI (сен 2026): 9,4×10²⁶ FLOP.
Шкала логарифмическая, поэтому прямая линия означает ровный экспоненциальный рост. Прямая, проведённая методом наименьших квадратов через модели, вышедшие с 2010 года (481), растёт в 4,3 раза за год: вычисления для обучения удваивались каждые 5,7 месяца, а десять лет вдоль этой прямой — это рост в 2,15 млн раз. Через модели до 2010 года (62) — ×1,5 в год, удвоение каждые 20,5 месяца. Передовые модели — пять крупнейших по вычислениям на момент выхода — с 2010 года удваивались каждые 5,4 месяца (их 72).
Эти числа — оценки. Epoch считает 59% из них надёжными (верными с точностью до 3 раз в любую сторону), 28% — вероятными (до 10 раз) и 12% — предположительными (примерно до 31 раза); предположительные показаны пустыми кружками. Без них тренд с 2010 года — удвоение каждые 5,6 месяца.
Тренды в виде таблицы
| Модели | Число | Время удвоения | Рост за год | R² |
|---|---|---|---|---|
| Заметные модели до 2010 года | 62 | 20,5 месяца | ×1,5 | 0,69 |
| Заметные модели с 2010 года | 481 | 5,7 месяца | ×4,3 | 0,66 |
| Передовые модели с 2010 года | 72 | 5,4 месяца | ×4,6 | 0,97 |
| Языковые модели с 2010 года | 302 | 4,9 месяца | ×5,5 | 0,68 |
| С 2010 года, без предположительных оценок | 422 | 5,6 месяца | ×4,4 | 0,67 |
Метод наименьших квадратов: log₂ вычислений на обучение против даты публикации в годах; время удвоения = 12 ÷ наклон месяцев, рост за год = 2^наклон. R² — доля разброса логарифма вычислений, которую объясняет прямая.
Самая большая модель каждого года
С 2010 года рекорд вычислений обновлялся 24 раза. Самую большую модель 2010 года, RNN LM, обучили за 5,4×10¹⁶ FLOP; GPT-6 Astra потребовалось в 17,4 млрд раз больше.
Epoch AI оценивает и стоимость вычислений на обучение — для части моделей (178), в долларах 2023 года. Самая высокая оценка — $388 млн, у Grok 4 (xAI, 2025); дороже $100 млн — 3 модели. Больше всего мощности в данных — около 233 мегаватт — потребляли 100 000 чипов, обучавших GPT-6 Astra, по оценке Epoch.
| Год | Модель и разработчик | Вычисления на обучение, FLOP | × к прошлому году | Стоимость вычислений, $ 2023 г. |
|---|---|---|---|---|
| 2010 | RNN LMJohns Hopkins University · США | 5,4×1016предположительная | — | — |
| 2011 | CNN Committee (MNIST)IDSIA · Швейцария | 5,2×1016вероятная | ×0,96 | — |
| 2012 | Unsupervised High-level Feature LearnerGoogle · США | 6,0×1017вероятная | ×11,5 | $16 |
| 2013 | DistBelief NNLMGoogle · США | 2,6×1018вероятная | ×4,35 | $3,26 тыс. |
| 2014 | SNM-skipGoogle · США | 3,0×1020предположительная | ×114 | — |
| 2015 | AlphaGo FanDeepMind · Великобритания | 3,8×1020вероятная | ×1,28 | $4,83 тыс. |
| 2016 | GNMTGoogle · США | 6,6×1021вероятная | ×17,4 | $201 тыс. |
| 2017 | JFTGoogle Research, Carnegie Mellon University (CMU) · США | 8,4×1020надёжная | ×0,13 | $17,9 тыс. |
| 2018 | ResNeXt-101 32x48dFacebook · США | 8,7×1021надёжная | ×10,4 | $134 тыс. |
| 2019 | AlphaStarDeepMind · Великобритания | 1,1×1023надёжная | ×12,3 | $131 тыс. |
| 2020 | GPT-3 175B (davinci)OpenAI · США | 3,1×1023надёжная | ×2,91 | $2,12 млн |
| 2021 | FLAN 137BGoogle Research · США | 2,0×1024надёжная | ×6,52 | — |
| 2022 | Minerva (540B)Google · США | 2,7×1024надёжная | ×1,34 | — |
| 2023 | Gemini 1.0 UltraGoogle DeepMind · США | 5,0×1025предположительная | ×18,2 | $30,7 млн |
| 2024 | Llama 3.1-405BMeta AI · США | 3,8×1025надёжная | ×0,76 | $52,9 млн |
| 2025 | Grok 4xAI · США | 5,0×1026предположительная | ×13,2 | $388 млн |
| 2026пока | GPT-6 AstraOpenAI · США | 9,4×1026вероятная | ×1,88 | — |
Заметная модель с наибольшими вычислениями на обучение среди вышедших за год; «× к прошлому году» сравнивает её с самой большой моделью предыдущего года. Под вычислениями — насколько Epoch AI уверена в оценке. Стоимость — оценка Epoch AI, где она есть.
Клуб 10²³ FLOP
Epoch AI ведёт список крупных моделей — обученных с вычислениями свыше 10²³ FLOP, это фиксированный порог из некоторых правил регулирования ИИ. Оценка вычислений есть для 326 из них. Первой была AlphaStar в 2019 году; в 2025 году порог пересекли 104 модели, годом раньше — 101.
Первыми выше следующих порогов стали Wu Dao 2.0 — свыше 10²⁴ (2021), GPT-4 — свыше 10²⁵ (2023) и Grok 3 — свыше 10²⁶ (2025). Моделей свыше 10²⁵ FLOP, вышедших в 2025 году: 9. Из всех членов клуба того года (104) с открытыми весами — скачать и запустить может кто угодно — вышли 90, только через API или онлайн-сервис — 10; не выпущены — 4.
2026 год ещё не закончился: до 28 октября 2026 в списке 27 моделей с оценкой. Epoch добавляет новые модели в течение нескольких недель, а оценки вычислений — позже, так что последние месяцы со временем дополняются. В списке есть и модели без оценки вычислений (208); здесь они не учтены.
Квадраты в виде таблицы
| Год | Свыше 10²³ | Свыше 10²⁴ | Свыше 10²⁵ | Свыше 10²⁶ | Без оценки |
|---|---|---|---|---|---|
| 2019 | 1 | 0 | 0 | 0 | 0 |
| 2020 | 2 | 0 | 0 | 0 | 0 |
| 2021 | 10 | 3 | 0 | 0 | 0 |
| 2022 | 23 | 3 | 0 | 0 | 8 |
| 2023 | 58 | 17 | 3 | 0 | 63 |
| 2024 | 101 | 39 | 6 | 0 | 66 |
| 2025 | 104 | 71 | 9 | 3 | 61 |
| 2026пока | 27 | 25 | 7 | 1 | 10 |
Модели с оценкой вычислений, по году публикации; модель свыше 10²⁵ FLOP учтена и в столбцах свыше 10²⁴ и 10²³. Без оценки — в списке крупных моделей Epoch, но без цифры вычислений.
Кто их создаёт
Из моделей свыше 10²³ FLOP с оценкой (326) организации из США участвовали в создании 135, организации из Китая — 139; дальше идут Южная Корея (17), Франция (10) и ОАЭ (8). Модель нескольких организаций учитывается один раз для каждой их страны.
Больше всего таких моделей у Alibaba (36), Meta AI (24) и Nvidia (20). Группы названы так, как в данных, поэтому подразделения Google учтены отдельно: Google, Google DeepMind, Google Research, DeepMind и Google Brain.
Китай139
США135
Южная Корея17
Франция10
ОАЭ8
Великобритания5
Германия4
Гонконг3
Россия3
Финляндия2
Модели с оценкой вычислений; модель учитывается один раз для каждой страны и каждой организации, которые в ней указаны. Названия организаций — как у Epoch AI.
Компании, а не университеты
Из заметных моделей, вышедших в 2025 году (109), 92% созданы только компаниями, 5% — компаниями вместе с университетами и 2% — только университетами. В 2010–2014 годах на долю одних компаний приходилось 19%.
Деньги: капвложения крупнейших техкомпаний
Обучение и работа моделей ИИ требуют дата-центров, полных чипов, а компании, строящие крупнейшие из них, показывают эти расходы как капитальные вложения — деньги, уплаченные за здания и оборудование. Microsoft, Alphabet, Amazon, Meta и Oracle вместе потратили $691 млрд за четыре квартала до сентября 2026 года — в 4,5 раза больше, чем $154 млрд за четыре квартала до сентября 2022 года, последнего квартала перед выходом ChatGPT 30 ноября 2022. Это $1,89 млрд в день, или $21 900 каждую секунду.
Относительно размера компаний: за последние четыре квартала капвложения составили 36% общей выручки пяти компаний против 13% раньше и 95% денег, принесённых их основной деятельностью, против 54%. Крупнейшие капвложения — у Amazon: $215 млрд.
Отчётность не говорит, какая часть ушла на ИИ. Капвложения оплачивают и офисы, и другие здания — у Amazon ещё склады и сеть доставки, — и каждая компания считает их по своим правилам.
Изменение к четырём кварталам до сентября 2022 года. Столбики — капвложения по кварталам с 2015 года, у каждой компании свой масштаб. Больше 100% операционного денежного потока — потрачено больше, чем принесла основная деятельность. Карточки ведут на страницы компаний.
Капвложения по календарным годам
| Год | Microsoft | Alphabet | Amazon | Meta | Oracle | Всего |
|---|---|---|---|---|---|---|
| 2015 | $6,55 млрд | $9,93 млрд | $4,59 млрд | $2,52 млрд | $1,61 млрд | $25,2 млрд |
| 2016 | $9,11 млрд | $10,2 млрд | $6,74 млрд | $4,49 млрд | $1,6 млрд | $32,2 млрд |
| 2017 | $8,7 млрд | $13,2 млрд | $12 млрд | $6,73 млрд | $2,04 млрд | $42,6 млрд |
| 2018 | $14,2 млрд | $25,1 млрд | $13,4 млрд | $13,9 млрд | $1,47 млрд | $68,2 млрд |
| 2019 | $13,5 млрд | $23,5 млрд | $16,9 млрд | $15,1 млрд | $1,59 млрд | $70,6 млрд |
| 2020 | $17,6 млрд | $22,3 млрд | $40,1 млрд | $15,2 млрд | $1,83 млрд | $97 млрд |
| 2021 | $23,2 млрд | $24,6 млрд | $61,1 млрд | $18,7 млрд | $3,12 млрд | $131 млрд |
| 2022 | $24,8 млрд | $31,5 млрд | $63,6 млрд | $31,2 млрд | $6,68 млрд | $158 млрд |
| 2023 | $35,2 млрд | $32,3 млрд | $52,7 млрд | $27 млрд | $6,93 млрд | $154 млрд |
| 2024 | $55,6 млрд | $52,5 млрд | $83 млрд | $37,3 млрд | $10,7 млрд | $239 млрд |
| 2025 | $83,1 млрд | $91,4 млрд | $132 млрд | $69,7 млрд | $35,5 млрд | $412 млрд |
| 20263 кв. | $106 млрд | $132 млрд | $176 млрд | $83,1 млрд | $63,6 млрд | $560 млрд |
NVIDIA: торговля лопатами
Epoch AI знает, на чём обучали заметные модели, вышедшие с 2020 года, — не все, а 278 из них: 204 (73%) обучены на чипах NVIDIA, 68 (24%) — на TPU от Google.
Финансовый год NVIDIA заканчивается в конце января: 2026 финансовый год длился до 25 января 2026. Выручка за него составила $216 млрд — в 8,01 раза больше, чем за 2023 финансовый ($27 млрд), закончившийся через 2 месяца после выхода ChatGPT. Чистая прибыль выросла с $4,37 млрд (16% выручки) до $120 млрд (56%).
Последний квартал в отчётности, 2 кв. 2027 ф. г. (до 26 июля 2026), принёс $96,2 млрд выручки и $59,7 млрд чистой прибыли; после себестоимости проданного осталось 75% выручки (валовая маржа). Четыре квартала до 26 июля 2026 в сумме дали $303 млрд выручки и $193 млрд чистой прибыли — в таком темпе чистая прибыль, равная всей выручке NVIDIA за 2016 финансовый год ($5,01 млрд), набиралась каждые 9,5 дня.
Данные SEC, которые здесь используются, дают общую выручку NVIDIA, без разбивки по рынкам, поэтому на графике — общая выручка. Рыночная стоимость акций NVIDIA в свободном обращении — free float с обложки годового отчёта, а не рыночная капитализация — составляла $434 млрд на конец июля 2022 года и $4,0 трлн на конец июля 2025 года.
| Финансовый год | Выручка | Изменение | Валовая маржа | Чистая прибыль | Чистая маржа |
|---|---|---|---|---|---|
| 2016 финансовыйзакончился 31 января 2016 | $5,01 млрд | +7% | 56,1% | $614 млн | 12,3% |
| 2017 финансовыйзакончился 29 января 2017 | $6,91 млрд | +38% | 58,8% | $1,67 млрд | 24,1% |
| 2018 финансовыйзакончился 28 января 2018 | $9,71 млрд | +41% | 59,9% | $3,05 млрд | 31,4% |
| 2019 финансовыйзакончился 27 января 2019 | $11,7 млрд | +21% | 61,2% | $4,14 млрд | 35,3% |
| 2020 финансовыйзакончился 26 января 2020 | $10,9 млрд | −7% | 62,0% | $2,8 млрд | 25,6% |
| 2021 финансовыйзакончился 31 января 2021 | $16,7 млрд | +53% | 62,3% | $4,33 млрд | 26,0% |
| 2022 финансовыйзакончился 30 января 2022 | $26,9 млрд | +61% | 64,9% | $9,75 млрд | 36,2% |
| 2023 финансовыйзакончился 29 января 2023 | $27 млрд | +0% | 56,9% | $4,37 млрд | 16,2% |
| 2024 финансовыйзакончился 28 января 2024 | $60,9 млрд | +126% | 72,7% | $29,8 млрд | 48,8% |
| 2025 финансовыйзакончился 26 января 2025 | $130 млрд | +114% | 75,0% | $72,9 млрд | 55,8% |
| 2026 финансовыйзакончился 25 января 2026 | $216 млрд | +65% | 71,1% | $120 млрд | 55,6% |
| Последние четыре кварталадо 26 июля 2026 | $303 млрд | 74,7% | $193 млрд | 63,7% |
Частые вопросы
Как быстро растёт ИИ?
Одна из мер, которую Epoch AI отслеживает для каждой заметной модели, — вычисления на обучение. С 2010 года они удваивались каждые 5,7 месяца — ×4,3 в год, по тренду методом наименьших квадратов по заметным моделям (481). До 2010 года удвоение занимало 20,5 месяца.
Что такое FLOP в ИИ?
Операция с плавающей точкой: одно сложение или умножение дробных чисел. Вычисления на обучение — их общее число за всё обучение модели: GPT-6 Astra потребовалось около 9,4×10²⁶ FLOP по оценке Epoch AI, Theseus 1950 года — 40.
Сколько стоит обучить модель ИИ?
Epoch AI оценивает стоимость вычислений на обучение для части заметных моделей (178), в долларах 2023 года. Самая высокая оценка — $388 млн, у Grok 4 (2025); медиана оценок для моделей, вышедших в 2025 году (7), — $44,6 млн. Эти цифры учитывают только вычисления.
Сколько техкомпании тратят на дата-центры для ИИ?
В отчётности капвложения показаны целиком, без выделения доли ИИ. Microsoft, Alphabet, Amazon, Meta и Oracle потратили $691 млрд за четыре квартала до сентября 2026 года против $154 млрд за четыре квартала до сентября 2022 года; больше всех — Amazon ($215 млрд).
Сколько зарабатывает NVIDIA?
За 2026 финансовый год, до 25 января 2026, выручка составила $216 млрд, чистая прибыль — $120 млрд. За четыре квартала до 26 июля 2026: выручка $303 млрд, чистая прибыль $193 млрд.
Подробнее
Как считаются цифры
- Модели ИИ: Epoch AI, ‘Data on AI models’. Published online at epoch.ai. Retrieved from https://epoch.ai/data/ai-models [online resource]. Accessed 9 ноября 2026. Лицензия CC BY 4.0: данные можно свободно использовать, распространять и воспроизводить со ссылкой на Epoch AI. Графики, тренды и подсчёты на этой странице — расчёты BigCapital.
- Вычисления на обучение — операции с плавающей точкой, затраченные на обучение модели, по данным разработчика или по оценке Epoch AI — по оборудованию и времени обучения либо по размеру модели и обучающих данных. Надёжность (90-процентные интервалы Epoch): надёжная оценка — в пределах 3 раз, вероятная — 10, предположительная — около 31.
- Тренды: метод наименьших квадратов, log₂ (вычисления на обучение) против даты публикации в годах, по заметным моделям с оценкой; время удвоения = 12 ÷ наклон месяцев, рост за год = 2^наклон. «С 2010 года» — опубликованные начиная с 1 января 2010 года. Рекорд — больше вычислений, чем у любой более ранней заметной модели.
- Заметные модели — список Epoch: модели, улучшившие лучший результат, много цитируемые, исторически важные или широко используемые; передовые — входившие в пятёрку крупнейших по вычислениям на момент выхода. Крупные модели — список Epoch моделей свыше 10²³ FLOP; учтены по году публикации, один раз для каждой указанной страны и организации.
- Данные компаний: SEC EDGAR, XBRL company facts из отчётов 10-K и 10-Q (общественное достояние).
- Капвложения — платежи за приобретение зданий и оборудования из отчёта о движении денежных средств, под тем тегом XBRL, который использует компания; квартал, не показанный отдельно, — это сумма с начала года минус сумма с начала года на предыдущую отчётную дату. Выручка, чистая прибыль, валовая прибыль и операционный денежный поток — как в отчётности. Amazon, II кв. 2017: нет в данных XBRL, поэтому это финансовый год минус три других его квартала.
- Финансовые годы — как их называют компании: 2026 финансовый год NVIDIA закончился 25 января 2026. График капвложений — по календарным кварталам.
- Прошлые цифры — это история, а не прогноз. Ничто здесь не является инвестиционной рекомендацией.
Перепечатка статьи
Текст и графики можно перепечатывать, переводить и переделывать по лицензии CC BY 4.0 со ссылкой на эту страницу BigCapital.org. Данные других организаций остаются под их лицензиями (источники — ниже). Как сослаться
Источник: BigCapital.org — «Бум ИИ в цифрах», https://bigcapital.org/ru/articles/ai-boom/