BigCapital бета

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.

Оновлено: дані за лис 20269 хв читання

Обчислення для навчання подвоюються кожні
5,7 місяці

×4,3 на рік з 2010 року — тренд, підігнаний до значущих моделей (481); до 2010 року: кожні 20,5 місяці

Найбільший цикл навчання в даних, FLOP
9,4×1026

GPT-6 Astra, OpenAI, вер 2026

Моделі понад 10²³ FLOP, опубліковані у 2025
104

1 у 2019; усього з оцінкою: 326

Капітальні витрати великих технологічних компаній, чотири квартали до вересні 2026
$691 млрд

Microsoft, Alphabet, Amazon, Meta і Oracle; $154 млрд за чотири квартали до вересні 2022

Виручка NVIDIA, 2026 фінансовий рік
$216 млрд

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.

Передова модель (п’ятірка за обчисленнями на момент виходу)Інша значуща модельСпекулятивна оцінкаТренд до 2010 рокуТренд з 2010 року
Значущі моделі з оцінкою обчислень для навчання за датою публікації. Логарифмічний масштаб. Лінії: тренди найменших квадратів до 2010 року і після. Підписано: рекорди обчислень, кожен щонайменше у 10 раза більший за попередній підписаний. Дані: Epoch AI, ‘Data on AI models’ (CC BY 4.0); тренди та підрахунки розраховано BigCapital
Тренди у вигляді таблиці
МоделіКількістьЧас подвоєнняЗростання на рікR²
Значущі моделі до 2010 року6220,5 місяці×1,50,69
Значущі моделі з 2010 року4815,7 місяці×4,30,66
Передові моделі з 2010 року725,4 місяці×4,60,97
Мовні моделі з 2010 року3024,9 місяці×5,50,68
З 2010 року, без спекулятивних оцінок4225,6 місяці×4,40,67

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.

РікМодель і розробникОбчислення для навчання, FLOP× до попереднього рокуВартість обчислень, у доларах 2023 р.
2010RNN LMJohns Hopkins University · Сполучені Штати5,4×1016спекулятивна——
2011CNN Committee (MNIST)IDSIA · Швейцарія5,2×1016імовірна×0,96—
2012Unsupervised High-level Feature LearnerGoogle · Сполучені Штати6,0×1017імовірна×11,5$16
2013DistBelief NNLMGoogle · Сполучені Штати2,6×1018імовірна×4,35$3,26 тис.
2014SNM-skipGoogle · Сполучені Штати3,0×1020спекулятивна×114—
2015AlphaGo FanDeepMind · Велика Британія3,8×1020імовірна×1,28$4,83 тис.
2016GNMTGoogle · Сполучені Штати6,6×1021імовірна×17,4$201 тис.
2017JFTGoogle Research, Carnegie Mellon University (CMU) · Сполучені Штати8,4×1020упевнена×0,13$17,9 тис.
2018ResNeXt-101 32x48dFacebook · Сполучені Штати8,7×1021упевнена×10,4$134 тис.
2019AlphaStarDeepMind · Велика Британія1,1×1023упевнена×12,3$131 тис.
2020GPT-3 175B (davinci)OpenAI · Сполучені Штати3,1×1023упевнена×2,91$2,12 млн
2021FLAN 137BGoogle Research · Сполучені Штати2,0×1024упевнена×6,52—
2022Minerva (540B)Google · Сполучені Штати2,7×1024упевнена×1,34—
2023Gemini 1.0 UltraGoogle DeepMind · Сполучені Штати5,0×1025спекулятивна×18,2$30,7 млн
2024Llama 3.1-405BMeta AI · Сполучені Штати3,8×1025упевнена×0,76$52,9 млн
2025Grok 4xAI · Сполучені Штати5,0×1026спекулятивна×13,2$388 млн
2026на сьогодніGPT-6 AstraOpenAI · Сполучені Штати9,4×1026імовірна×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.

від 10²³ до 10²⁴від 10²⁴ до 10²⁵від 10²⁵ до 10²⁶понад 10²⁶
Один квадрат на модель, яку Epoch AI вказує як навчену на понад 10²³ FLOP і для якої має оцінку обчислень, за роком публікації; найбільші внизу кожного стовпця. 2026: до 10 листопаді 2026. Дані: Epoch AI, ‘Data on AI models’ (CC BY 4.0); тренди та підрахунки розраховано BigCapital
Квадрати у вигляді таблиці
РікПонад 10²³Понад 10²⁴Понад 10²⁵Понад 10²⁶Без оцінки
201910000
202020000
2021103000
2022233008
202358173063
2024101396066
2025104719361
2026на сьогодні27257110

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 понад 10²³ FLOP за країнами
  1. Китай139
  2. Сполучені Штати135
  3. Південна Корея17
  4. Франція10
  5. Об’єднані Арабські Емірати8
  6. Велика Британія5
  7. Німеччина4
  8. Гонконг3
  9. Росія3
  10. Фінляндія2
Моделі понад 10²³ FLOP за організаціями
  1. Alibaba36
  2. Meta AI24
  3. Nvidia20
  4. DeepSeek17
  5. OpenAI11
  6. Google10
  7. IBM10
  8. Tsinghua University10
  9. ByteDance8
  10. Z.ai (Zhipu AI)8
  11. 01.AI7
  12. Ant Group6

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%.

КомпаніїКомпанії з університетамиУніверситетиІнші або невідомо
Усі значущі моделі (з оцінкою обчислень і без неї) за роком публікації та за тим, хто їх створив, за категоріями організацій Epoch AI. Інші: уряди, дослідницькі колективи, некатегоризовані. 2026: до 10 листопаді 2026. Дані: Epoch AI, ‘Data on AI models’ (CC BY 4.0); тренди та підрахунки розраховано BigCapital

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.

MicrosoftAlphabetAmazonMetaOracle
Капітальні витрати за календарними кварталами за звітами про рух грошових коштів. Квартали Oracle закінчуються в лютому, травні, серпні та листопаді й віднесені до календарного кварталу, у якому закінчуються. Виділено: чотири квартали до вересні 2022 і до вересні 2026. Джерело: SEC EDGAR (звіти компаній)

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
РікMicrosoftAlphabetAmazonMetaOracleРазом
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.

ВиручкаЧистий прибуток
Виручка та чистий прибуток за фінансовими кварталами, як у звітах; фінансові роки — так, як їх називає NVIDIA (2026 фінансовий рік закінчився 25 січні 2026). Пунктир: вихід ChatGPT, 30 листопаді 2022. Джерело: SEC EDGAR (звіти компаній)
Фінансовий рікВиручкаЗмінаВалова маржаЧистий прибутокЧиста маржа
Фінансовий рік 2016закінчився 31 січні 2016$5,01 млрд+7%56,1%$614 млн12,3%
Фінансовий рік 2017закінчився 29 січні 2017$6,91 млрд+38%58,8%$1,67 млрд24,1%
Фінансовий рік 2018закінчився 28 січні 2018$9,71 млрд+41%59,9%$3,05 млрд31,4%
Фінансовий рік 2019закінчився 27 січні 2019$11,7 млрд+21%61,2%$4,14 млрд35,3%
Фінансовий рік 2020закінчився 26 січні 2020$10,9 млрд−7%62,0%$2,8 млрд25,6%
Фінансовий рік 2021закінчився 31 січні 2021$16,7 млрд+53%62,3%$4,33 млрд26,0%
Фінансовий рік 2022закінчився 30 січні 2022$26,9 млрд+61%64,9%$9,75 млрд36,2%
Фінансовий рік 2023закінчився 29 січні 2023$27 млрд+0%56,9%$4,37 млрд16,2%
Фінансовий рік 2024закінчився 28 січні 2024$60,9 млрд+126%72,7%$29,8 млрд48,8%
Фінансовий рік 2025закінчився 26 січні 2025$130 млрд+114%75,0%$72,9 млрд55,8%
Фінансовий рік 2026закінчився 25 січні 2026$216 млрд+65%71,1%$120 млрд55,6%
Останні чотири кварталидо 26 липні 2026$303 млрд74,7%$193 млрд63,7%

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/

Мова

EnglishBahasa IndonesiaDeutschEspañolFrançaisItalianoNederlandsPolskiPortuguêsTürkçeРусскийУкраїнська日本語한국어简体中文