Стаття · Технології
ШІ-бум у цифрах
З 2010 року обчислювальна потужність, яку витрачають на навчання значущих моделей ШІ, подвоюється кожні 5,7 місяці — ×4,3 на рік за трендом, підігнаним до 481 за даними Epoch AI. Microsoft, Alphabet, Amazon, Meta і Oracle витратили $691 млрд на нерухомість і обладнання за чотири квартали до вересні 2026 — у 4,5 раза більше, ніж за чотири квартали до виходу ChatGPT. Виручка NVIDIA у 2026 фінансовому році становила $216 млрд — у 8,01 раза більше, ніж у 2023 фінансовому році.
×4,3 на рік з 2010 року — тренд, підігнаний до значущих моделей (481); до 2010 року: кожні 20,5 місяці
GPT-6 Astra, OpenAI, вер 2026
1 у 2019; усього з оцінкою: 326
Microsoft, Alphabet, Amazon, Meta і Oracle; $154 млрд за чотири квартали до вересні 2022
2023 фінансовий рік: $27 млрд; чистий прибуток $120 млрд, 56% виручки
Обчислення для навчання подвоюються кожні 5,7 місяці
Кожна точка — одна зі значущих моделей ШІ (543), для яких Epoch AI має оцінку обчислень для навчання: кількості операцій з плаваючою комою (FLOP) — додавань і множень, — витрачених на її навчання. Вони охоплюють діапазон від Theseus, механічна миша Claude Shannon для проходження лабіринтів, 1950 року (навчання: 40 FLOP) до найбільшої на сьогодні — GPT-6 Astra від OpenAI (вер 2026) з 9,4×10²⁶ FLOP.
Шкала логарифмічна, тож пряма лінія означає стабільне експоненційне зростання. Лінія найменших квадратів через моделі, опубліковані з 2010 року (481), зростає ×4,3 на рік: обчислення для навчання подвоювалися кожні 5,7 місяці, а за десять років уздовж лінії вони зростають у 2,15 млн разів. Для моделей до 2010 року (62) зростання становило ×1,5 на рік, подвоєння — кожні 20,5 місяці. Передові моделі — п’ять найбільших за обчисленнями на момент виходу — з 2010 року подвоювалися кожні 5,4 місяці (72).
Ці цифри є оцінками. Epoch вважає 59% з них упевненими (похибка не більш як у 3 рази в обидва боки), 28% — імовірними (у межах 10 разів) і 12% — спекулятивними (приблизно у межах 31 разу); спекулятивні позначено порожніми точками. Без них тренд з 2010 року — подвоєння кожні 5,6 місяці.
Тренди у вигляді таблиці
| Моделі | Кількість | Час подвоєння | Зростання на рік | R² |
|---|---|---|---|---|
| Значущі моделі до 2010 року | 62 | 20,5 місяці | ×1,5 | 0,69 |
| Значущі моделі з 2010 року | 481 | 5,7 місяці | ×4,3 | 0,66 |
| Передові моделі з 2010 року | 72 | 5,4 місяці | ×4,6 | 0,97 |
| Мовні моделі з 2010 року | 302 | 4,9 місяці | ×5,5 | 0,68 |
| З 2010 року, без спекулятивних оцінок | 422 | 5,6 місяці | ×4,4 | 0,67 |
Метод найменших квадратів для log₂ обчислень для навчання за датою публікації в роках; час подвоєння = 12 ÷ нахил у місяцях, зростання на рік = 2^нахил. R² — частка розкиду логарифма обчислень, яку пояснює лінія.
Найбільша модель кожного року
З 2010 року новий рекорд обчислень було встановлено 24 рази. Найбільша модель 2010 року, RNN LM, навчалася на 5,4×10¹⁶ FLOP; GPT-6 Astra використала у 17,4 млрд разів більше.
Epoch AI також оцінює вартість обчислень для навчання 178 моделей — у доларах 2023 року. Найвища оцінка — $388 млн для Grok 4 (xAI, 2025); понад $100 млн — 3 моделі. Найбільше потужності в даних, близько 233 мегаватів, за оцінкою Epoch, споживало обладнання для навчання GPT-6 Astra: 100 000 чипів.
| Рік | Модель і розробник | Обчислення для навчання, FLOP | × до попереднього року | Вартість обчислень, у доларах 2023 р. |
|---|---|---|---|---|
| 2010 | RNN LMJohns Hopkins University · Сполучені Штати | 5,4×1016спекулятивна | — | — |
| 2011 | CNN Committee (MNIST)IDSIA · Швейцарія | 5,2×1016імовірна | ×0,96 | — |
| 2012 | Unsupervised High-level Feature LearnerGoogle · Сполучені Штати | 6,0×1017імовірна | ×11,5 | $16 |
| 2013 | DistBelief NNLMGoogle · Сполучені Штати | 2,6×1018імовірна | ×4,35 | $3,26 тис. |
| 2014 | SNM-skipGoogle · Сполучені Штати | 3,0×1020спекулятивна | ×114 | — |
| 2015 | AlphaGo FanDeepMind · Велика Британія | 3,8×1020імовірна | ×1,28 | $4,83 тис. |
| 2016 | GNMTGoogle · Сполучені Штати | 6,6×1021імовірна | ×17,4 | $201 тис. |
| 2017 | JFTGoogle Research, Carnegie Mellon University (CMU) · Сполучені Штати | 8,4×1020упевнена | ×0,13 | $17,9 тис. |
| 2018 | ResNeXt-101 32x48dFacebook · Сполучені Штати | 8,7×1021упевнена | ×10,4 | $134 тис. |
| 2019 | AlphaStarDeepMind · Велика Британія | 1,1×1023упевнена | ×12,3 | $131 тис. |
| 2020 | GPT-3 175B (davinci)OpenAI · Сполучені Штати | 3,1×1023упевнена | ×2,91 | $2,12 млн |
| 2021 | FLAN 137BGoogle Research · Сполучені Штати | 2,0×1024упевнена | ×6,52 | — |
| 2022 | Minerva (540B)Google · Сполучені Штати | 2,7×1024упевнена | ×1,34 | — |
| 2023 | Gemini 1.0 UltraGoogle DeepMind · Сполучені Штати | 5,0×1025спекулятивна | ×18,2 | $30,7 млн |
| 2024 | Llama 3.1-405BMeta AI · Сполучені Штати | 3,8×1025упевнена | ×0,76 | $52,9 млн |
| 2025 | Grok 4xAI · Сполучені Штати | 5,0×1026спекулятивна | ×13,2 | $388 млн |
| 2026на сьогодні | GPT-6 AstraOpenAI · Сполучені Штати | 9,4×1026імовірна | ×1,88 | — |
Значуща модель з найбільшими обчисленнями для навчання, опублікована в кожному році; × до попереднього року порівнює її з найбільшою моделлю попереднього року. Під обчисленнями: наскільки Epoch AI впевнений в оцінці. Вартість: оцінка Epoch AI, якщо вона є.
Клуб 10²³ FLOP
Epoch AI веде список великомасштабних моделей: тих, що навчалися на понад 10²³ FLOP — це фіксований поріг, який використовують деякі норми регулювання ШІ. Оцінка обчислень є для 326 із них. Першою була AlphaStar у 2019; у 2025 цю межу перетнуло 104 моделі, а перед цим у 2024 — 101.
Першими моделями вище за вищі межі були Wu Dao 2.0 понад 10²⁴ (2021), GPT-4 понад 10²⁵ (2023) і Grok 3 понад 10²⁶ (2025). Моделі понад 10²⁵ FLOP, опубліковані у 2025: 9. Серед усіх моделей клубу того року (104) 90 вийшли з відкритими вагами — їх може завантажити й запустити будь-хто, 10 — лише через API або хмарний сервіс, а 4 не були випущені.
2026 ще не закінчився: до 10 листопаді 2026 у списку є 27 моделей з оцінкою. Epoch додає нові моделі протягом кількох тижнів, а оцінки обчислень — пізніше, тож останні місяці з часом заповнюються. У списку також є 208 моделей великого масштабу без оцінки обчислень; тут їх не враховано.
Квадрати у вигляді таблиці
| Рік | Понад 10²³ | Понад 10²⁴ | Понад 10²⁵ | Понад 10²⁶ | Без оцінки |
|---|---|---|---|---|---|
| 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 |
| 2026на сьогодні | 27 | 25 | 7 | 1 | 10 |
Моделі з оцінкою обчислень за роком публікації; модель понад 10²⁵ FLOP враховується також як модель понад 10²⁴ і 10²³. Без оцінки: у списку великомасштабних моделей Epoch, але без показника обчислень.
Хто їх створює
Організації зі Сполучених Штатів брали участь у створенні 135 із 326 моделей понад 10²³ FLOP, організації з Китаю — у 139; далі йдуть Південна Корея (17), Франція (10) і Об’єднані Арабські Емірати (8). Модель, створена кількома організаціями, враховується один раз для кожної з їхніх країн.
Найбільше моделей створили Alibaba (36), Meta AI (24) і Nvidia (20). Групи названо так, як у даних, тому групи Google пораховано окремо: Google, Google DeepMind, Google Research, DeepMind і Google Brain.
Моделі з оцінкою обчислень; модель враховується один раз для кожної країни й кожної організації, які в ній названо. Організації — так, як їх називає Epoch AI.
Компанії, а не університети
Серед значущих моделей, опублікованих у 2025 (109), 92% створили самі компанії, 5% — компанії разом з університетами, 2% — лише університети. У 2010–2014 самі компанії створили з них 19%.
Гроші: капітальні витрати великих технологічних компаній
Навчання та запуск моделей ШІ потребують дата-центрів, повних чипів, а компанії, що будують найбільші з них, відображають ці витрати як капітальні: грошові виплати за нерухомість і обладнання. Microsoft, Alphabet, Amazon, Meta і Oracle разом витратили $691 млрд за чотири квартали до вересні 2026 — у 4,5 раза більше, ніж $154 млрд за чотири квартали до вересні 2022, останнього кварталу перед виходом ChatGPT (30 листопаді 2022). Це $1,89 млрд на день, або $21 900 щосекунди.
Відносно їхніх масштабів ці витрати забрали 36% виручки п’яти компаній за останні чотири квартали проти 13% раніше, а також 95% коштів, які приносила операційна діяльність, проти 54%. Найбільше витратила компанія Amazon: $215 млрд.
У звітах не сказано, яка частина цих коштів пішла на ШІ. Капітальні витрати йдуть також на офіси й інші будівлі, а в Amazon — ще й на склади та мережу доставки, і кожна компанія звітує за власними визначеннями.
Зміна порівняно з чотирма кварталами до вересні 2022. Стовпчики: капітальні витрати за кварталами з 2015, кожна компанія у власному масштабі. Понад 100% операційного грошового потоку: витрачено більше, ніж принесла операційна діяльність. Картки ведуть на сторінки компаній.
Капітальні витрати за календарними роками
| Рік | Microsoft | Alphabet | Amazon | Meta | Oracle | Разом |
|---|---|---|---|---|---|---|
| 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 |
| 2026Кварталів: 3 | $106 млрд | $132 млрд | $176 млрд | $83,1 млрд | $63,6 млрд | $560 млрд |
NVIDIA: продаж лопат
Epoch AI фіксує обладнання для навчання значущих моделей, опублікованих з 2020 року (278): 204 з них (73%) навчали на чипах NVIDIA, а 68 (24%) — на TPU від Google.
Фінансовий рік NVIDIA закінчується наприкінці січня: 2026 фінансовий рік тривав до 25 січні 2026. Виручка за цей рік становила $216 млрд — у 8,01 раза більше, ніж за 2023 фінансовий рік ($27 млрд), що закінчився через 2 місяці після виходу ChatGPT. Чистий прибуток зріс з $4,37 млрд (16% виручки) до $120 млрд (56%).
Останній квартал у звітах, 2 кв. ФР2027 (до 26 липні 2026), приніс виручку $96,2 млрд і чистий прибуток $59,7 млрд; після собівартості реалізованого (валова маржа) залишилося 75% виручки. За чотири квартали до 26 липні 2026 виручка становить $303 млрд, чистий прибуток — $193 млрд: за такого темпу чистий прибуток, що дорівнює всій виручці NVIDIA за 2016 фінансовий рік ($5,01 млрд), надходив раз на 9,5 дні.
Використані тут дані SEC містять загальну виручку NVIDIA, а не її розбивку за ринками, тому на графіку показано загальну суму. Ринкова вартість акцій NVIDIA, що перебувають у вільному обігу (акції у вільному обігу з титульної сторінки річного звіту, а не ринкова капіталізація), становила $434 млрд наприкінці липні 2022 і $4,0 трлн наприкінці липні 2025.
| Фінансовий рік | Виручка | Зміна | Валова маржа | Чистий прибуток | Чиста маржа |
|---|---|---|---|---|---|
| Фінансовий рік 2016закінчився 31 січні 2016 | $5,01 млрд | +7% | 56,1% | $614 млн | 12,3% |
| Фінансовий рік 2017закінчився 29 січні 2017 | $6,91 млрд | +38% | 58,8% | $1,67 млрд | 24,1% |
| Фінансовий рік 2018закінчився 28 січні 2018 | $9,71 млрд | +41% | 59,9% | $3,05 млрд | 31,4% |
| Фінансовий рік 2019закінчився 27 січні 2019 | $11,7 млрд | +21% | 61,2% | $4,14 млрд | 35,3% |
| Фінансовий рік 2020закінчився 26 січні 2020 | $10,9 млрд | −7% | 62,0% | $2,8 млрд | 25,6% |
| Фінансовий рік 2021закінчився 31 січні 2021 | $16,7 млрд | +53% | 62,3% | $4,33 млрд | 26,0% |
| Фінансовий рік 2022закінчився 30 січні 2022 | $26,9 млрд | +61% | 64,9% | $9,75 млрд | 36,2% |
| Фінансовий рік 2023закінчився 29 січні 2023 | $27 млрд | +0% | 56,9% | $4,37 млрд | 16,2% |
| Фінансовий рік 2024закінчився 28 січні 2024 | $60,9 млрд | +126% | 72,7% | $29,8 млрд | 48,8% |
| Фінансовий рік 2025закінчився 26 січні 2025 | $130 млрд | +114% | 75,0% | $72,9 млрд | 55,8% |
| Фінансовий рік 2026закінчився 25 січні 2026 | $216 млрд | +65% | 71,1% | $120 млрд | 55,6% |
| Останні чотири кварталидо 26 липні 2026 | $303 млрд | 74,7% | $193 млрд | 63,7% |
Запитання, які ставлять люди
Як швидко зростає ШІ?
Один із показників, які Epoch AI відстежує для кожної значущої моделі, — обчислення для навчання. З 2010 року вони подвоюються кожні 5,7 місяці — ×4,3 на рік за трендом найменших квадратів для 481. До 2010 року подвоєння відбувалося кожні 20,5 місяці.
Що таке FLOP у ШІ?
Операція з плаваючою комою: одне додавання або множення десяткових чисел. Обчислення для навчання — це загальна кількість таких операцій, потрібних для навчання моделі: за оцінкою Epoch AI, GPT-6 Astra потребувала близько 9,4×10²⁶ FLOP, Theseus (1950) — 40.
Скільки коштує навчання моделі ШІ?
Epoch AI оцінює вартість обчислень для навчання значущих моделей (178) у доларах 2023 року. Найвища оцінка — $388 млн для Grok 4 (2025); медіана оцінок для моделей, опублікованих у 2025 (7), — $44,6 млн. Ці цифри охоплюють лише обчислення.
Скільки технологічні компанії витрачають на дата-центри для ШІ?
У звітах капітальні витрати наведено загалом, без частки на ШІ. Microsoft, Alphabet, Amazon, Meta і Oracle витратили $691 млрд за чотири квартали до вересні 2026 проти $154 млрд за чотири квартали до вересні 2022; найбільше витратила компанія Amazon ($215 млрд).
Скільки грошей заробляє NVIDIA?
У 2026 фінансовому році, до 25 січні 2026, виручка становила $216 млрд, чистий прибуток — $120 млрд. За чотири квартали до 26 липні 2026: виручка $303 млрд, чистий прибуток $193 млрд.
Заглибитися
Як рахуються числа
- Моделі ШІ: Epoch AI, ‘Data on AI models’. Опубліковано онлайн на epoch.ai. Джерело: https://epoch.ai/data/ai-models [онлайн-ресурс]. Дата звернення: 15 листопаді 2026. Ліцензія CC BY 4.0: вільне використання, поширення й відтворення із зазначенням авторства Epoch AI. Графіки, тренди та підрахунки на цій сторінці розраховано BigCapital.
- Обчислення для навчання: кількість операцій з плаваючою комою, витрачених на навчання моделі, за даними розробника або за оцінкою Epoch AI на основі обладнання та часу навчання чи розміру моделі й даних навчання. Впевненість, 90-відсоткові діапазони Epoch: упевнена — у межах 3 разів, імовірна — у межах 10, спекулятивна — приблизно у межах 31.
- Тренди: звичайний метод найменших квадратів для log₂ (обчислень для навчання) за датою публікації в роках для значущих моделей з оцінкою; час подвоєння = 12 ÷ нахил у місяцях, зростання на рік = 2^нахил. «З 2010 року»: опубліковані з 1 січня 2010 року. Рекорд: більше обчислень, ніж у кожної попередньої значущої моделі.
- Значущі моделі: список Epoch моделей, які просунули найкращі досягнення, часто цитувалися, мали історичне значення або широко використовувалися; передові моделі входили до п’ятірки за обчисленнями для навчання на момент виходу. Великомасштабні моделі: список Epoch моделей понад 10²³ FLOP; їх враховано за роком публікації та по одному разу для кожної названої країни й організації.
- Дані компаній: SEC EDGAR, XBRL company facts зі звітів 10-K і 10-Q (суспільне надбання).
- Капітальні витрати: платежі за придбання нерухомості та обладнання зі звіту про рух грошових коштів, за XBRL-тегом, який використовує кожна компанія; квартал, не поданий окремо, — це дані з початку року мінус дані з початку попереднього року. Виручка, чистий прибуток, валовий прибуток і операційний грошовий потік — як у звітах. Amazon, 2 кв. 2017: немає в даних XBRL, тому це фінансовий рік мінус інші три його квартали.
- Фінансові роки — так, як їх називають компанії: 2026 фінансовий рік NVIDIA закінчився 25 січні 2026. На графіку капітальних витрат використано календарні квартали.
- Минулі цифри — це історія, а не прогноз. Ніщо тут не є інвестиційною порадою.
Використання цієї статті
Текст і графіки можна вільно републікувати, перекладати й адаптувати за ліцензією CC BY 4.0: вкажіть авторство BigCapital.org із посиланням на цю сторінку. Дані інших постачальників зберігають власну ліцензію (див. джерела нижче). Як вказати авторство
Джерело: BigCapital.org — «ШІ-бум у цифрах», https://bigcapital.org/uk/articles/ai-boom/