Социальные сети

На китайском рынке коротких видео и мини-игр набирает популярность новый формат — интерактивные AI-маньхуа, сочетающие короткие вертикальные сериалы с игровыми механиками. Такие проекты предлагают пользователю смотреть небольшие эпизоды, принимать решения в ключевых сценах и открывать разные варианты финала. Формат выглядит особенно привлекательным для разработчиков: контент можно производить с помощью AI, быстро тестировать и одновременно использовать в качестве рекламных материалов. Однако первый опыт рынка показывает, что подобные игры способны быстро становиться хитами — и так же быстро терять аудиторию. Одним из наиболее заметных примеров стала мини-игра в Douyin — условно «Не разрушь образ». Она построена вокруг коротких сюжетных эпизодов продолжительностью от трёх до пяти минут. Игрок выбирает варианты действий, после чего история развивается по одному из сценариев. Ошибка может привести к неудачному финалу и необходимости пройти эпизод заново. Весь производственный процесс опирается на AI: создаются персонажи, фоны, раскадровки, озвучка и субтитры. Это позволяет выпускать новые сюжеты значительно дешевле и быстрее, чем при традиционном производстве. По данным DataEye-ADX, игра появилась в рейтинге популярных мини-игр Douyin 8 мая и сначала занимала лишь 62-е место. Однако 17 мая её позиция резко выросла, а максимальный результат достиг второго места на платформе. В начале июля проект снова вошёл в первую десятку, но затем интерес начал быстро снижаться. 24 июля игра покинула топ-100 популярных мини-игр. Коммерческие результаты оказались скромнее: за весь период проект лишь однажды попал в рейтинг самых прибыльных мини-игр, заняв 83-е место. Игра активно продвигалась с помощью рекламных роликов, которые практически полностью создавались из фрагментов самой игры. Разработчикам не требовалось содержать отдельную большую команду по производству рекламных креативов: эпизоды можно было быстро нарезать и адаптировать под разные форматы. В рекламных материалах использовались популярные приёмы коротких видео: неожиданные конфликты, сильные сюжетные повороты, комичные ситуации и демонстрация различных финалов. Неудачная концовка часто становилась способом создать интригу и мотивировать зрителя попробовать игру самостоятельно. Дополнительный охват обеспечивала партнёрская программа Douyin для авторов видео и стримов. Пользователи и блогеры могли обсуждать сюжет, пересказывать его или создавать собственные ролики. Так формировалась связка из платного продвижения, публикаций инфлюенсеров и органического распространения. Проблемы характерны для всего сегмента лёгких AI-игр с интерактивными сериалами. Первая проблема — слишком простая игровая механика. Пользователь смотрит сцену и выбирает вариант ответа, но в игре обычно нет полноценной системы развития персонажа, сложных заданий, социальных функций или долгосрочного прогресса. После того как новизна исчезает, у игрока остаётся мало причин возвращаться. Вторая проблема — ограниченная монетизация. Такие проекты чаще всего зарабатывают на вознаграждаемой рекламе: пользователь смотрит ролик, чтобы открыть новую сцену, переиграть эпизод или получить дополнительный контент. Модель проста и подходит широкой аудитории, но практически не создаёт дополнительных источников дохода — подписки, платных сюжетных линий, внутриигровых предметов или расширенной работы с IP. Третья проблема связана с самим AI-контентом. Сценарии часто строятся вокруг одних и тех же шаблонов: перерождение, месть, внезапное разоблачение, социальный триумф и «наказание» злодея. Пока пользователь знакомится с форматом, такие повороты работают. Но при большом количестве похожих проектов быстро возникает усталость от однотипных сюжетов и визуальных образов. Развитие сегмента прошло, по оценке DataEye, два этапа. В 2025 году AI-маньхуа в основном использовались как рекламный инструмент для традиционных мини-игр. Производители брали короткие AI-сериалы с конфликтными сюжетами и использовали их для привлечения трафика. Такой подход давал хорошие показатели на этапе рекламы, но часто создавал разрыв между обещанием ролика и реальным игровым процессом. Пользователь приходил на яркую драматическую историю, а внутри находил обычную игру с другой механикой. Это снижало удержание и конверсию. В первой половине 2026 года рынок начал переходить к другой модели. AI-маньхуа стали не рекламным дополнением, а основой самостоятельного продукта. Сюжетные ветки, выборы, финалы и рекламная модель теперь строятся вокруг единого игрового опыта. Рекламные материалы при этом берутся непосредственно из самой игры, поэтому ожидания пользователя лучше совпадают с реальным содержанием. Но у сегмента есть как минимум три перспективы. Первая — лёгкие рекламные продукты для небольших команд. Благодаря AI они требуют относительно небольших затрат и позволяют быстро тестировать разные сюжеты и аудитории. Их главным преимуществом станут не технологии как таковые, а оригинальные сценарии. Вторая — объединение AI-маньхуа с более глубокими игровыми механиками. Сюжет может привлекать пользователя, а симуляция, стратегия, ролевая система или развитие персонажа — удерживать его. Такая модель способна решить главную проблему нынешних проектов: короткий жизненный цикл. Третья — использование мини-игр как лёгкого формата для развития уже существующих IP. Манга, веб-романы, сериалы и фильмы смогут получать интерактивные версии, которые помогают привлечь новую аудиторию и расширить коммерческую экосистему вокруг произведения. Однако рост конкуренции может привести к подорожанию рекламы и снижению конверсии. Если рынок заполнится одинаковыми AI-сюжетами и похожими визуальными образами, преимущество дешёвого производства быстро исчезнет. AI уже решил часть производственной задачи: сделал создание коротких сюжетных сцен быстрее и дешевле. Но сама по себе возможность массово выпускать контент ещё не гарантирует успеха. Долгосрочное преимущество получат проекты, которые смогут объединить три элемента: сильную оригинальную историю, полноценную игровую механику и более разнообразную монетизацию. Простая схема «посмотреть сцену — нажать вариант — включить рекламу» подходит для быстрого запуска, но вряд ли способна обеспечить длительную жизнь продукта. Поэтому 2026 год действительно может стать для AI-маньхуа-игр не только годом популярности, но и началом профессионального отбора. Эпоха дешёвого привлечения трафика постепенно сменяется конкуренцией за качество сценариев, глубину игрового дизайна и устойчивую бизнес-модель.

OpenAI рассматривает рекламу как один из ключевых способов монетизации ChatGPT. Однако амбициозный прогноз компании может столкнуться с ограничениями самого рынка. OpenAI рассчитывала увеличить рекламную выручку с $2,5 млрд в 2026 году до $100 млрд к 2030-му. Независимая исследовательская компания eMarketer оценивает весь американский рынок рекламы в чат-ботах к 2030 году примерно в $10 млрд. Если эта оценка окажется близкой к реальности, рекламная стратегия OpenAI будет значительно скромнее первоначальных ожиданий. Причём речь идёт не только о ChatGPT, но обо всём сегменте, включая Google Gemini, Microsoft Copilot и другие сервисы. Даже абсолютное доминирование OpenAI на таком рынке не позволило бы автоматически достичь отметки в $100 млрд. Основные интернет-рекламные модели строятся вокруг двух механизмов. Google показывает рекламу в ответ на конкретный поисковый запрос, когда пользователь уже демонстрирует покупательское намерение. Meta и TikTok зарабатывают на внимании: алгоритмы предлагают товары и услуги во время просмотра контента. ChatGPT работает иначе. Пользователь приходит в него не для того, чтобы бесконечно листать ленту или сравнивать товары, а чтобы решить задачу: написать письмо, разобраться в коде, подготовить документ или получить объяснение. Если в такой момент вставить рекламу офисного приложения, хостинга или другого продукта, она может оказаться не полезной рекомендацией, а помехой. Чем сильнее ChatGPT воспринимается как рабочий помощник, тем осторожнее OpenAI приходится относиться к рекламным сообщениям. У рекламной модели ChatGPT есть и более глубокое противоречие. Пользователь ожидает, что AI даст лучший ответ на основе содержания запроса, а не предложит бренд, который заплатил больше. Представим вопрос: «Какие наушники лучше всего по соотношению цены и качества?» Если система будет продвигать рекламодателя вместо действительно подходящего варианта, пользователь усомнится не только в конкретной рекомендации, но и в надёжности ассистента в целом. Для поисковика реклама давно является привычной частью интерфейса. Для персонального AI-помощника граница между объективным советом и коммерческим продвижением гораздо тоньше. Поэтому реклама может стать не только источником дохода, но и угрозой главному активу OpenAI — доверию пользователей. Дополнительный риск связан с безопасностью брендов. Крупные рекламодатели хотят, чтобы их объявления появлялись в предсказуемой и контролируемой среде. Генеративная модель, напротив, каждый раз формирует ответы заново и может допустить ошибку, выдать спорный контент или сформулировать нежелательную реплику рядом с рекламным сообщением. Запустить рекламу — это не просто вставить спонсорскую рекомендацию в ответ. Google и Meta (запрещённая в России) десятилетиями создавали сложную инфраструктуру: кабинеты для рекламодателей, таргетинг, аукционы в реальном времени, автоматическую оптимизацию, оплату, аналитику и системы оценки эффективности. Главное преимущество этих платформ — не только технологии, но и масштаб. Миллионы рекламодателей ежедневно размещают объявления, а миллиарды показов и кликов помогают алгоритмам постоянно улучшать прогнозы конверсии. OpenAI пока не обладает сопоставимой сетью рекламодателей и таким объёмом данных о покупательском поведении. Кроме того, разговор с ChatGPT часто заканчивается внутри закрытой среды. Рекламодателю трудно понять, купил ли пользователь товар после рекомендации, перешёл ли на сайт и завершил ли заказ. Без точной атрибуции сложно доказать отдачу от рекламы. А без понятного показателя ROI компании неохотно увеличивают бюджеты. OpenAI делает ставку не только на рекламу Поэтому OpenAI, судя по описанию в статье, постепенно рассматривает другую модель — сочетание рекламы и транзакций. Рекламный подход монетизирует внимание пользователя. Агентская модель позволяет зарабатывать на самом действии. Например, вместо показа ссылок на авиабилеты и отели AI-агент может самостоятельно найти подходящий вариант, оформить бронирование и провести оплату. В этом случае доход компании может формироваться за счёт комиссии с транзакции. Такой подход лучше соответствует логике AI-помощника. Пользователь не просто видит рекламное предложение, а поручает системе выполнить конкретную задачу. OpenAI уже развивает направление агентской коммерции и платёжной инфраструктуры, сотрудничая с Visa и Stripe. Китайские платформы также двигаются в этом направлении: Qwen связывают с Taobao, Doubao — с экосистемой ByteDance, а другие AI-сервисы интегрируют покупки и локальные услуги прямо в диалог. Снижение рекламных прогнозов, если они подтвердятся, не означает провала OpenAI. Оно показывает, что рост числа пользователей сам по себе не гарантирует пропорционального роста рекламной выручки. Чат-бот — не поисковая строка и не социальная лента. Его ценность строится на эффективности, персонализации и доверии, а эти свойства могут конфликтовать с навязчивой рекламой. Поэтому OpenAI, вероятно, придётся балансировать между несколькими источниками дохода: подписками, корпоративными продуктами, API, рекламой и комиссиями от действий AI-агентов. История с прогнозом в $100 млрд напоминает: AI действительно может стать новым интернет-интерфейсом, но это ещё не означает автоматического появления новой рекламной империи. Возможно, главные деньги будут приносить не показы объявлений, а сделки, которые искусственный интеллект сможет совершать вместо пользователя.

Когда руководители крупнейших технологических компаний публично поддерживают призывы собственных сотрудников замедлить прогресс, в воздухе начинает пахнуть не только заботой о человечестве, но и большой политикой. Ситуация вокруг недавнего открытого письма, которое подписали более 1200 экспертов из OpenAI, Anthropic, Google DeepMind и Meta (запрещённая в России), — яркое тому подтверждение. Первым в списке подписавшихся стоит Дарио Амодеи, CEO Anthropic, а официальный аккаунт OpenAI поспешил выразить одобрение, сопроводив пост поддерживающим эмодзи. Однако за фасадом «коллективной тревоги» разработчиков скрывается четко выверенный план. Если взглянуть на хронологию событий последней недели, всё выглядит слишком синхронно, чтобы быть случайностью: 21 июля: OpenAI сообщает об инциденте «побега» (jailbreak) модели GPT-5.6 Sol, в ходе которого злоумышленники получили контроль над узлами системы. 23 июля: В Конгрессе США мгновенно вносится законопроект «AI Kill Switch», требующий обязательную кнопку «экстренного выключения» для моделей, чья выручка превышает $500 млн или затраты на обучение — $100 млн. 27 июля: Глава NVIDIA Дженсен Хуанг объединяет 37 компаний в «Альянс открытого безопасного ИИ». Примечательно, что OpenAI, Google и Anthropic в этот альянс не вошли. И вот, за считанные дни до 1 августа — даты вступления в силу нового механизма проверок ИИ от Белого дома — появляется то самое письмо 1200 сотрудников о необходимости замедления. Для гигантов закрытого исходного кода (OpenAI, Anthropic, Google) подобные ограничения — это не «узда», а «защитный ров». Требования законопроекта «Kill Switch» сформулированы так, что в их рамки попадают именно лидеры рынка. Для них комплаенс станет инструментом борьбы с конкуренцией: любому стартапу-новичку придется не только догонять их технологически, но и тратить миллионы, чтобы доказать свою «безопасность» регуляторам. Сэм Альтман прямо говорит о риске того, что это будет выглядеть как «сговор лабораторий или регуляторный арбитраж». По факту же мы видим попытку разделить ИИ на «контролируемый» (свой) и «опасный» (всех остальных). Пока американские корпорации лоббируют законы о замедлении, ссылаясь на безопасность, реальные проблемы решаются иначе. Расследование взлома в Hugging Face показало, что защитные фильтры закрытых моделей часто мешают даже экспертам по безопасности. В итоге восстановить логи атаки помогла открытая модель GLM 5.2. Тем временем в Китае такие игроки, как DeepSeek и Kimi, не пишут писем правительству — они выпускают модели в открытый доступ. Пока западные гиганты торгуются в Вашингтоне за право «доминировать в игре в безопасность», DeepSeek V4 и Kimi K3 уже работают в облаках и на серверах. Публичное самопожертвование Дарио Амодеи и одобрение от Сэма Альтмана — это клятвенное письмо перед регуляторами США. Это сигнал Белому дому: «Мы готовы, наши сотрудники просят об этом — дайте нам самим устанавливать правила игры». Замедление прогресса существует в пресс-релизах и лоббистских письмах. В реальности же, под гул серверов в дата-центрах, гонка только ускоряется. И те, кто сегодня просит нажать на тормоза, скорее всего, просто хотят убедиться, что никто не обгонит их на повороте.

Компания Илона Маска SpaceXAI представила новую версию голосовой модели Grok Voice Think Fast 2.0. Разработчики делают ставку не только на естественный диалог, но и на способность модели выполнять сложные задачи в режиме реального времени: вызывать инструменты, управлять приложениями и вести многошаговые разговоры. По данным, приведённым в публикации, среднее время до первого голосового ответа составляет всего 0,7 секунды. Это лучший результат среди пяти ведущих моделей в рассматриваемом рейтинге. Для сравнения, у предыдущей версии Grok Voice Think Fast этот показатель составлял 1,25 секунды, а у ряда моделей OpenAI — более 1,1 секунды. В тестах Artificial Analysis новая модель получила 82,9% в категории speech-to-speech, заняв второе место после Qwen Audio 3.0 Realtime Plus. Однако в тестировании голосовых агентов Tau Voice Grok Voice Think Fast 2.0 набрала 56,5% и вышла на первое место, опередив решения OpenAI, Google и Alibaba. Улучшения коснулись и других направлений: результат в аудиотесте Big Bench Audio достиг 97,2%; показатель Full Duplex Bench составил 95,1%; общий результат оказался на 7,2 процентного пункта выше, чем у Think Fast 1.0; распознавание речи в заявленных тестах стало значительно точнее; в условиях фонового шума и телефонного сжатия количество ошибок, по данным статьи, могло снижаться примерно в десять раз. При этом конкретные показатели зависят от методики тестирования, языков, качества аудио и сценария использования, поэтому результаты рейтингов не следует автоматически воспринимать как универсальное преимущество во всех задачах. Обычная голосовая система часто работает по последовательной схеме: сначала распознаёт речь, затем обрабатывает запрос и только после этого начинает формировать ответ. Think Fast 2.0 стремится выполнять эти этапы параллельно. Модель может начинать рассуждение ещё во время произнесения ответа. Благодаря этому вызов инструмента или выполнение команды иногда запускается до того, как закончена первая фраза. Разработчики также заявляют, что медианный расход токенов на рассуждение снизился примерно до 40% от показателя предыдущей версии. Для пользователя это означает меньше пауз в разговоре и более быстрое выполнение команд. Модель должна не просто отвечать голосом, а действовать: менять настройки приложения, переключать интерфейс, обрабатывать запросы и поддерживать многораундовый диалог. Разработчики уже демонстрируют интеграции Grok Voice Think Fast 2.0 в сервисы для торговли, терминалы и телефонные сценарии. В одном из тестов модель играла роль разгневанного клиента, который жалуется на опоздание мастера. Она поддерживала несколько раундов разговора, реагировала на ответы оператора и практически не допускала заметных пауз. Другой эксперимент показал управление интерфейсом голосовыми командами: модель переключала темы приложения и выполняла последовательные инструкции в режиме реального времени. Такие сценарии особенно важны для голосовых агентов в службах поддержки, продажах, телефонных помощниках и корпоративных системах. В этих областях недостаточно просто хорошо распознавать речь — система должна понимать контекст, планировать действия и обращаться к внешним инструментам. Стоимость Grok Voice Think Fast 2.0 заявлена на уровне 0,08 доллара за минуту входящего аудио, или около 4,80 доллара за час. В публикации утверждается, что это примерно 45% от стоимости GPT-Realtime-2.1 High. Таким образом, SpaceXAI пытается конкурировать сразу по трём направлениям: скорость, агентские возможности и цена. Если заявленные показатели подтвердятся на широком круге задач, модель может оказаться привлекательной для разработчиков голосовых сервисов, особенно там, где каждая задержка напрямую влияет на пользовательский опыт. Конкуренция на рынке голосового ИИ постепенно меняется. Раньше основными критериями были точность распознавания и качество синтеза речи. Теперь всё большее значение имеют способность вести сложный диалог, вызывать инструменты и самостоятельно выполнять задачи. Grok Voice Think Fast 2.0 отражает именно этот переход: от голосового интерфейса к полноценному голосовому агенту. Впрочем, окончательная оценка модели будет возможна только после массового использования разработчиками и компаниями. Пока Grok претендует на лидерство в скорости и тестах голосовых агентов. Но главный вопрос остаётся практическим: сможет ли модель стабильно работать в реальных звонках, шумных помещениях и сложных бизнес-процессах — а не только занимать высокие позиции в рейтингах.

Искусственный интеллект способен резко повысить производительность экономики, однако уже сейчас появляются признаки того, что его выгоды распределяются крайне неравномерно. Технологический прогресс увеличивает общий объём богатства, но значительная его часть достаётся владельцам капитала, акций и вычислительной инфраструктуры. Согласно отчёту, опубликованному китайским Финансовым форумом сорока, с 2019 года по первый квартал 2026 года объём акций, напрямую принадлежащих американским домохозяйствам, вырос примерно с 29 до 55 трлн долларов. Особенно быстрый рост пришёлся на период после 2023 года — на фоне бума компаний, связанных с искусственным интеллектом. Но распределение этого прироста оказалось крайне неравным. Из примерно 21 трлн долларов прироста стоимости акций в период с 2022 года по первый квартал 2026-го около 88% достались верхним 10% домохозяйств. Нижние 50% получили лишь около 1%. Иными словами, ИИ действительно помогает увеличивать экономический «пирог», но доступ к нему имеют прежде всего те, кто уже владеет активами. Четыре механизма неравенства Исследователи выделяют несколько каналов, через которые искусственный интеллект может усиливать разрыв между группами населения. Первый — замещение труда капиталом. Компании инвестируют в вычислительные мощности, программное обеспечение и автоматизацию, сокращая потребность в традиционном труде. Производительность отдельного сотрудника может расти, но его зарплата при этом не обязательно увеличивается. Основная выгода достаётся владельцам технологий и капитала. Второй — разделение профессий по задачам. Одни специалисты используют ИИ как инструмент усиления своих возможностей и получают новые карьерные перспективы. Другие выполняют задачи, которые легко автоматизировать, и рискуют столкнуться с сокращением занятости или доходов. Так возникает своеобразная К-образная динамика: часть работников движется вверх, а часть — вниз. Третий — разрыв в навыках и доступе к технологиям. Люди, у которых есть образование, цифровые компетенции, доступ к платформам и качественным данным, получают больше возможностей. Остальные рискуют оказаться на периферии новой экономики. Технологический разрыв постепенно превращается в разрыв доходов и снижает социальную мобильность. Четвёртый — усиление имущественного неравенства. Рост стоимости акций, компаний и других активов увеличивает доходы тех, кто ими уже владеет. При этом доходы от капитала всё сильнее отделяются от доходов от труда: владельцы активов богатеют быстрее, чем люди, живущие преимущественно на зарплату. История показывает, что крупные технологические революции не всегда сразу улучшают положение работников. Экономический историк Роберт Аллен описывал период первой промышленной революции, когда производительность труда росла, а реальные зарплаты в течение десятилетий почти не увеличивались. Доля трудовых доходов в экономике начала восстанавливаться лишь спустя значительное время. Перед развитием ИИ возникает похожий вопрос: не повторится ли сценарий, при котором производительность и прибыль компаний будут расти быстрее, чем заработки большинства работников? Такая ситуация опасна не только с социальной, но и с макроэкономической точки зрения. Люди, зависящие от зарплаты, обычно тратят большую долю дохода на потребление, чем владельцы капитала. Если деньги перераспределяются от работников к инвесторам, совокупный спрос может ослабнуть. Тогда экономика сталкивается с парадоксом: предложение растёт благодаря ИИ, но потребителей, способных покупать произведённые товары и услуги, становится относительно меньше. Эксперты предлагают строить политику вокруг принципа «инвестиций в человека». Речь идёт не только о компенсации потерь, но и о подготовке работников к совместной работе с ИИ. Возможные меры включают: усиление страхования по безработице и базовой социальной защиты; развитие непрерывного профессионального обучения; внедрение ИИ-грамотности и творческого мышления в образовательные программы; поддержку профессий, где ИИ усиливает человека, а не просто заменяет его; антимонопольный контроль над технологическими платформами; обсуждение механизмов перераспределения сверхдоходов от автоматизации; более широкое использование общественных данных в интересах экономики и граждан. При этом универсального решения пока нет. Налог на доходы ИИ, фонд общественных дивидендов или иные способы распределения технологической ренты требуют сложной настройки и могут породить новые проблемы. Главный вопрос заключается не в том, увеличит ли ИИ мировое богатство. Вероятно, увеличит. Вопрос в другом: станет ли этот рост источником более высокого благосостояния для большинства или главным образом обогатит тех, кто уже контролирует капитал, данные и вычислительные мощности. Если не заняться распределением заранее, искусственный интеллект может создать не только новый экономический рывок, но и новую эпоху имущественного разрыва.

Долгое время видеоигры считались одним из самых доступных способов развлечься. Одна консоль могла служить много лет, игра — занимать десятки или сотни часов, а распродажи Steam, бесплатные проекты и рынок подержанных дисков позволяли экономить. Для многих это была настоящая «дешёвая радость». Но привычная модель постепенно разрушается. Игровые консоли дорожают, новые проекты выходят по цене 80 долларов, физические копии исчезают, а подписки становятся всё более дорогими и сложными. То, что раньше можно было купить один раз и использовать годами, превращается в постоянную плату за доступ. Традиционная логика игровой индустрии была простой: устройство выходило по высокой цене, затем производство становилось дешевле, а сама консоль постепенно снижалась в стоимости. Поэтому игроки могли ждать — через год или два купить технику выгоднее. Теперь эта стратегия перестаёт работать. Некоторые версии PS5 после запуска, напротив, подорожали. PS5 Pro также стала заметно дороже первоначальных ожиданий. Nintendo Switch и даже более старая модель Switch столкнулись с повышением цен. Одновременно дорожают комплектующие — видеокарты, память, накопители. Даже Steam Machine, которую многие воспринимали как потенциально доступную альтернативу консолям, оказалась значительно дороже ожидаемого и не обеспечила соответствующего уровня производительности. В результате игроки теряют сразу два традиционных способа экономии: ожидание скидки и покупку более дешёвого оборудования спустя несколько лет. Ещё важнее другое изменение — исчезновение физических копий. Если раньше игрок мог купить диск, пройти игру, а затем продать его и вернуть значительную часть денег, то цифровая покупка такой возможности не даёт. Даже если физическое издание сохраняется, оно всё чаще содержит не диск, а код активации. Пользователь получает не полноценный товар, а право временного доступа к цифровой лицензии. Переход от владения к аренде выгоден издателям: они контролируют продажи, могут продавать дополнения, подписки и внутриигровой контент, а также получают более предсказуемый доход. Для игрока же это означает сокращение контроля над купленной игрой и исчезновение рынка перепродажи. Главный фактор роста цен — не только жадность компаний. Производство современной электроники становится дороже, а искусственный интеллект резко изменил структуру спроса на оборудование. Дата-центры, которые обучают и запускают крупные модели, закупают огромные объёмы GPU, памяти, SSD и сетевого оборудования. Прибыль от AI-инфраструктуры для производителей часто значительно выше, чем от игровых консолей и потребительской электроники. Поэтому ресурсы и производственные мощности направляются туда, где выше маржа. Игровая индустрия оказывается менее приоритетным клиентом. Рост стоимости памяти, накопителей и чипов затем передаётся производителям устройств, а те перекладывают расходы на покупателей. ИИ таким образом конкурирует с обычным потребителем не только за внимание, но и за физические ресурсы: вычислительные мощности, электричество, полупроводники и накопители. Параллельно растёт стоимость разработки самих игр. Современный блокбастер создаётся пять-шесть лет, над ним работают сотни или тысячи специалистов. Сложная графика, открытые миры, захват движений, озвучка и постоянные обновления превращают игру в проект, сопоставимый по масштабу с крупным кинопроизводством. При этом игра после релиза должна поддерживаться годами: выходят патчи, новые сезоны, дополнения и сетевой контент. Одной продажи становится недостаточно, чтобы покрыть все расходы. Отсюда — рост цен на базовые версии, распространение сезонных пропусков, боевых пропусков, DLC и подписок. Некоторые проекты выходят в незавершённом виде, а часть контента предлагается отдельно. Для игрока это выглядит как многоступенчатая система платежей. Проблема особенно заметна, когда увеличение цены не сопровождается улучшением качества. Игры могут становиться масштабнее и красивее, но при этом страдать от плохой оптимизации, однообразных заданий и ощущения «второй работы» после рабочего дня. Та же тенденция распространяется на цифровые развлечения в целом. Видеосервисы усложняют тарифы, музыкальные платформы переводят всё больше функций в подписку, облачные хранилища ограничивают бесплатный объём, а AI-сервисы для общения, рисования и генерации видео предлагают ежемесячную оплату. Отдельные повышения могут объясняться инфляцией, валютными колебаниями и ростом затрат. Но в совокупности формируется новая модель: пользователь больше не покупает развлечение один раз, а постоянно платит за доступ к экосистеме. Интернет когда-то снижал стоимость развлечений. Цифровая дистрибуция, конкуренция и бесплатные сервисы сделали фильмы, музыку, игры и общение доступнее. Эпоха ИИ, по крайней мере на нынешнем этапе, движется в обратную сторону: инфраструктура дорожает, ресурсы концентрируются в руках крупных компаний, а бесплатные продукты постепенно превращаются в подписочные. ИИ действительно может привести к более умным программам, реалистичным играм и новым форматам цифрового досуга. Но пока пользователи в основном видят не снижение расходов, а рост стоимости привычных продуктов. Консоли дорожают, игры становятся сложнее и дороже в разработке, физическое владение исчезает, а подписки распространяются на всё новые сферы. Искусственный интеллект не является единственной причиной этого процесса, но он заметно ускоряет его, перенаправляя капитал и ресурсы в сторону дата-центров. Когда-то технологии сделали развлечения доступными для миллионов людей. Теперь возникает опасение, что следующий технологический рывок, напротив, превратит их в привилегию тех, кто может регулярно платить за доступ. И пока будущее обещает более совершенный цифровой мир, обычному пользователю остаётся оплачивать его уже сегодня.

Рынок платного обучения работе с искусственным интеллектом снова переживает бум. На этот раз в центре внимания оказались популярный китайский медиабренд и бывший продавец AI-курсов Ли Ичжоу. Их продукты стоят всего 49 юаней, однако за низкой ценой часто скрывается более сложная воронка продаж. Автор имеющий более 70 млн подписчиков на разных платформах, выпустил практический курс по генерации изображений и видео, работе с промптами, созданию роликов и использованию сервиса TapNow. Программа включает 16 занятий продолжительностью от пяти до семнадцати минут. После скидки курс продаётся за 49 юаней. По данным Tech, в первый день продажи превысили 100 тысяч копий, а совокупное число заказов на разных платформах составило не менее 130 тысяч. Потенциальная выручка могла превысить 6,37 млн юаней. При этом точные финансовые результаты и структура доходов публично не раскрывались. Несмотря на коммерческий успех, курс вызвал неоднозначную реакцию. Одни покупатели считают его удобным введением в AI-инструменты для новичков. Другие утверждают, что содержание слишком поверхностное и больше напоминает рекламный обзор TapNow, чем полноценное обучение. Главная претензия заключается в том, что пользователь получает инструкцию по работе с конкретной платформой, а не универсальные навыки. Промпты и модели в практической части курса могут быть ограничены возможностями сервиса, а использование альтернативных инструментов иногда требует дополнительных расходов. В результате возникает ощущение двойной монетизации: создатель курса получает доход от продажи доступа, а партнёрский сервис — новых пользователей. Для аудитории это может выглядеть как «платная реклама, упакованная в образовательный продукт». При этом цена в 49 юаней сама по себе не позволяет автоматически назвать курс мошенническим. Для начинающего пользователя даже базовая структурированная инструкция может иметь ценность. Вопрос скорее в соответствии обещаний содержанию: если продукт рекламируется как практический курс, он должен давать навыки, применимые за пределами одной платформы. Одновременно на рынок вернулся Ли Ичжоу — один из первых заметных продавцов AI-обучения в Китае. В 2024 году его курс за 199 юаней, по данным публикации, принёс около 50 млн юаней, однако впоследствии связанные с ним продукты были удалены с платформ. Теперь Ли Ичжоу продвигает концепцию «AI-компании одного человека». Его новая программа за 49 юаней посвящена продвижению в интернете, работе с AI-инструментами, созданию интеллектуальных агентов и запуску собственного микробизнеса. Однако дешёвый курс, судя по отзывам покупателей, служит лишь первым этапом продаж. После него аудитории предлагают более дорогие продукты: годовой курс за 1980 юаней и программы стоимостью до 2980 юаней. Такая модель — недорогой входной продукт, перевод клиента в закрытые каналы и последующая продажа дорогостоящего обучения — давно используется в онлайн-образовании. Спрос на AI-курсы остаётся высоким, поскольку пользователи опасаются упустить новую технологическую волну. На рынке появляются программы по AI-видео, генерации сериалов, созданию интеллектуальных агентов и автоматизации бизнеса. Их стоимость варьируется от нескольких сотен до нескольких тысяч юаней. Проблема в том, что многие курсы продают не конкретный навык, а надежду на быстрый заработок. Покупателю обещают освоить востребованную профессию за несколько дней, запустить бизнес в одиночку или начать получать доход благодаря AI. На практике инструменты быстро меняются, а наличие курса не гарантирует ни трудоустройства, ни коммерческого результата. Дополнительный удар по рынку наносят пиратские копии. Например, материалы курсов, продаваемых официально за 49 юаней, на вторичных площадках могут стоить несколько цзяо. Это показывает, насколько легко подобный контент копируется и насколько ограниченной может быть его реальная уникальность. Называть все AI-курсы «стрижкой аудитории» было бы неправильно. Хорошая программа может сэкономить новичку время, дать системное понимание инструментов и помочь избежать типичных ошибок. Но покупателю стоит заранее проверить несколько вещей: какие конкретные навыки обещает курс; можно ли применять их вне одного сервиса; есть ли практические задания и обратная связь; не сводится ли программа к пересказу документации; не обещает ли продавец гарантированный заработок; сколько будут стоить дополнительные платформы и подписки. История Ли Ичжоу показывает: успех AI-курса часто определяется не столько глубиной материала, сколько силой личного бренда и эффективностью маркетинга. В эпоху массового AI-ажotажа дешёвый курс может быть полезным входом в тему — но может оказаться и первой ступенью в длинной цепочке продаж. Главное различие между обучением и «интеллектуальным налогом» заключается в том, получает ли пользователь реальный переносимый навык, а не просто доступ к красиво упакованной рекламе.

OpenAI рассматривает рекламу как один из ключевых способов монетизации ChatGPT. Однако амбициозный прогноз компании может столкнуться с ограничениями самого рынка. OpenAI рассчитывала увеличить рекламную выручку с $2,5 млрд в 2026 году до $100 млрд к 2030-му. Независимая исследовательская компания eMarketer оценивает весь американский рынок рекламы в чат-ботах к 2030 году примерно в $10 млрд. Если эта оценка окажется близкой к реальности, рекламная стратегия OpenAI будет значительно скромнее первоначальных ожиданий. Причём речь идёт не только о ChatGPT, но обо всём сегменте, включая Google Gemini, Microsoft Copilot и другие сервисы. Даже абсолютное доминирование OpenAI на таком рынке не позволило бы автоматически достичь отметки в $100 млрд. Основные интернет-рекламные модели строятся вокруг двух механизмов. Google показывает рекламу в ответ на конкретный поисковый запрос, когда пользователь уже демонстрирует покупательское намерение. Meta и TikTok зарабатывают на внимании: алгоритмы предлагают товары и услуги во время просмотра контента. ChatGPT работает иначе. Пользователь приходит в него не для того, чтобы бесконечно листать ленту или сравнивать товары, а чтобы решить задачу: написать письмо, разобраться в коде, подготовить документ или получить объяснение. Если в такой момент вставить рекламу офисного приложения, хостинга или другого продукта, она может оказаться не полезной рекомендацией, а помехой. Чем сильнее ChatGPT воспринимается как рабочий помощник, тем осторожнее OpenAI приходится относиться к рекламным сообщениям. У рекламной модели ChatGPT есть и более глубокое противоречие. Пользователь ожидает, что AI даст лучший ответ на основе содержания запроса, а не предложит бренд, который заплатил больше. Представим вопрос: «Какие наушники лучше всего по соотношению цены и качества?» Если система будет продвигать рекламодателя вместо действительно подходящего варианта, пользователь усомнится не только в конкретной рекомендации, но и в надёжности ассистента в целом. Для поисковика реклама давно является привычной частью интерфейса. Для персонального AI-помощника граница между объективным советом и коммерческим продвижением гораздо тоньше. Поэтому реклама может стать не только источником дохода, но и угрозой главному активу OpenAI — доверию пользователей. Дополнительный риск связан с безопасностью брендов. Крупные рекламодатели хотят, чтобы их объявления появлялись в предсказуемой и контролируемой среде. Генеративная модель, напротив, каждый раз формирует ответы заново и может допустить ошибку, выдать спорный контент или сформулировать нежелательную реплику рядом с рекламным сообщением. Запустить рекламу — это не просто вставить спонсорскую рекомендацию в ответ. Google и Meta (запрещённая в России) десятилетиями создавали сложную инфраструктуру: кабинеты для рекламодателей, таргетинг, аукционы в реальном времени, автоматическую оптимизацию, оплату, аналитику и системы оценки эффективности. Главное преимущество этих платформ — не только технологии, но и масштаб. Миллионы рекламодателей ежедневно размещают объявления, а миллиарды показов и кликов помогают алгоритмам постоянно улучшать прогнозы конверсии. OpenAI пока не обладает сопоставимой сетью рекламодателей и таким объёмом данных о покупательском поведении. Кроме того, разговор с ChatGPT часто заканчивается внутри закрытой среды. Рекламодателю трудно понять, купил ли пользователь товар после рекомендации, перешёл ли на сайт и завершил ли заказ. Без точной атрибуции сложно доказать отдачу от рекламы. А без понятного показателя ROI компании неохотно увеличивают бюджеты. OpenAI делает ставку не только на рекламу Поэтому OpenAI, судя по описанию в статье, постепенно рассматривает другую модель — сочетание рекламы и транзакций. Рекламный подход монетизирует внимание пользователя. Агентская модель позволяет зарабатывать на самом действии. Например, вместо показа ссылок на авиабилеты и отели AI-агент может самостоятельно найти подходящий вариант, оформить бронирование и провести оплату. В этом случае доход компании может формироваться за счёт комиссии с транзакции. Такой подход лучше соответствует логике AI-помощника. Пользователь не просто видит рекламное предложение, а поручает системе выполнить конкретную задачу. OpenAI уже развивает направление агентской коммерции и платёжной инфраструктуры, сотрудничая с Visa и Stripe. Китайские платформы также двигаются в этом направлении: Qwen связывают с Taobao, Doubao — с экосистемой ByteDance, а другие AI-сервисы интегрируют покупки и локальные услуги прямо в диалог. Снижение рекламных прогнозов, если они подтвердятся, не означает провала OpenAI. Оно показывает, что рост числа пользователей сам по себе не гарантирует пропорционального роста рекламной выручки. Чат-бот — не поисковая строка и не социальная лента. Его ценность строится на эффективности, персонализации и доверии, а эти свойства могут конфликтовать с навязчивой рекламой. Поэтому OpenAI, вероятно, придётся балансировать между несколькими источниками дохода: подписками, корпоративными продуктами, API, рекламой и комиссиями от действий AI-агентов. История с прогнозом в $100 млрд напоминает: AI действительно может стать новым интернет-интерфейсом, но это ещё не означает автоматического появления новой рекламной империи. Возможно, главные деньги будут приносить не показы объявлений, а сделки, которые искусственный интеллект сможет совершать вместо пользователя.

Когда руководители крупнейших технологических компаний публично поддерживают призывы собственных сотрудников замедлить прогресс, в воздухе начинает пахнуть не только заботой о человечестве, но и большой политикой. Ситуация вокруг недавнего открытого письма, которое подписали более 1200 экспертов из OpenAI, Anthropic, Google DeepMind и Meta (запрещённая в России), — яркое тому подтверждение. Первым в списке подписавшихся стоит Дарио Амодеи, CEO Anthropic, а официальный аккаунт OpenAI поспешил выразить одобрение, сопроводив пост поддерживающим эмодзи. Однако за фасадом «коллективной тревоги» разработчиков скрывается четко выверенный план. Если взглянуть на хронологию событий последней недели, всё выглядит слишком синхронно, чтобы быть случайностью: 21 июля: OpenAI сообщает об инциденте «побега» (jailbreak) модели GPT-5.6 Sol, в ходе которого злоумышленники получили контроль над узлами системы. 23 июля: В Конгрессе США мгновенно вносится законопроект «AI Kill Switch», требующий обязательную кнопку «экстренного выключения» для моделей, чья выручка превышает $500 млн или затраты на обучение — $100 млн. 27 июля: Глава NVIDIA Дженсен Хуанг объединяет 37 компаний в «Альянс открытого безопасного ИИ». Примечательно, что OpenAI, Google и Anthropic в этот альянс не вошли. И вот, за считанные дни до 1 августа — даты вступления в силу нового механизма проверок ИИ от Белого дома — появляется то самое письмо 1200 сотрудников о необходимости замедления. Для гигантов закрытого исходного кода (OpenAI, Anthropic, Google) подобные ограничения — это не «узда», а «защитный ров». Требования законопроекта «Kill Switch» сформулированы так, что в их рамки попадают именно лидеры рынка. Для них комплаенс станет инструментом борьбы с конкуренцией: любому стартапу-новичку придется не только догонять их технологически, но и тратить миллионы, чтобы доказать свою «безопасность» регуляторам. Сэм Альтман прямо говорит о риске того, что это будет выглядеть как «сговор лабораторий или регуляторный арбитраж». По факту же мы видим попытку разделить ИИ на «контролируемый» (свой) и «опасный» (всех остальных). Пока американские корпорации лоббируют законы о замедлении, ссылаясь на безопасность, реальные проблемы решаются иначе. Расследование взлома в Hugging Face показало, что защитные фильтры закрытых моделей часто мешают даже экспертам по безопасности. В итоге восстановить логи атаки помогла открытая модель GLM 5.2. Тем временем в Китае такие игроки, как DeepSeek и Kimi, не пишут писем правительству — они выпускают модели в открытый доступ. Пока западные гиганты торгуются в Вашингтоне за право «доминировать в игре в безопасность», DeepSeek V4 и Kimi K3 уже работают в облаках и на серверах. Публичное самопожертвование Дарио Амодеи и одобрение от Сэма Альтмана — это клятвенное письмо перед регуляторами США. Это сигнал Белому дому: «Мы готовы, наши сотрудники просят об этом — дайте нам самим устанавливать правила игры». Замедление прогресса существует в пресс-релизах и лоббистских письмах. В реальности же, под гул серверов в дата-центрах, гонка только ускоряется. И те, кто сегодня просит нажать на тормоза, скорее всего, просто хотят убедиться, что никто не обгонит их на повороте.

Компания Илона Маска SpaceXAI представила новую версию голосовой модели Grok Voice Think Fast 2.0. Разработчики делают ставку не только на естественный диалог, но и на способность модели выполнять сложные задачи в режиме реального времени: вызывать инструменты, управлять приложениями и вести многошаговые разговоры. По данным, приведённым в публикации, среднее время до первого голосового ответа составляет всего 0,7 секунды. Это лучший результат среди пяти ведущих моделей в рассматриваемом рейтинге. Для сравнения, у предыдущей версии Grok Voice Think Fast этот показатель составлял 1,25 секунды, а у ряда моделей OpenAI — более 1,1 секунды. В тестах Artificial Analysis новая модель получила 82,9% в категории speech-to-speech, заняв второе место после Qwen Audio 3.0 Realtime Plus. Однако в тестировании голосовых агентов Tau Voice Grok Voice Think Fast 2.0 набрала 56,5% и вышла на первое место, опередив решения OpenAI, Google и Alibaba. Улучшения коснулись и других направлений: результат в аудиотесте Big Bench Audio достиг 97,2%; показатель Full Duplex Bench составил 95,1%; общий результат оказался на 7,2 процентного пункта выше, чем у Think Fast 1.0; распознавание речи в заявленных тестах стало значительно точнее; в условиях фонового шума и телефонного сжатия количество ошибок, по данным статьи, могло снижаться примерно в десять раз. При этом конкретные показатели зависят от методики тестирования, языков, качества аудио и сценария использования, поэтому результаты рейтингов не следует автоматически воспринимать как универсальное преимущество во всех задачах. Обычная голосовая система часто работает по последовательной схеме: сначала распознаёт речь, затем обрабатывает запрос и только после этого начинает формировать ответ. Think Fast 2.0 стремится выполнять эти этапы параллельно. Модель может начинать рассуждение ещё во время произнесения ответа. Благодаря этому вызов инструмента или выполнение команды иногда запускается до того, как закончена первая фраза. Разработчики также заявляют, что медианный расход токенов на рассуждение снизился примерно до 40% от показателя предыдущей версии. Для пользователя это означает меньше пауз в разговоре и более быстрое выполнение команд. Модель должна не просто отвечать голосом, а действовать: менять настройки приложения, переключать интерфейс, обрабатывать запросы и поддерживать многораундовый диалог. Разработчики уже демонстрируют интеграции Grok Voice Think Fast 2.0 в сервисы для торговли, терминалы и телефонные сценарии. В одном из тестов модель играла роль разгневанного клиента, который жалуется на опоздание мастера. Она поддерживала несколько раундов разговора, реагировала на ответы оператора и практически не допускала заметных пауз. Другой эксперимент показал управление интерфейсом голосовыми командами: модель переключала темы приложения и выполняла последовательные инструкции в режиме реального времени. Такие сценарии особенно важны для голосовых агентов в службах поддержки, продажах, телефонных помощниках и корпоративных системах. В этих областях недостаточно просто хорошо распознавать речь — система должна понимать контекст, планировать действия и обращаться к внешним инструментам. Стоимость Grok Voice Think Fast 2.0 заявлена на уровне 0,08 доллара за минуту входящего аудио, или около 4,80 доллара за час. В публикации утверждается, что это примерно 45% от стоимости GPT-Realtime-2.1 High. Таким образом, SpaceXAI пытается конкурировать сразу по трём направлениям: скорость, агентские возможности и цена. Если заявленные показатели подтвердятся на широком круге задач, модель может оказаться привлекательной для разработчиков голосовых сервисов, особенно там, где каждая задержка напрямую влияет на пользовательский опыт. Конкуренция на рынке голосового ИИ постепенно меняется. Раньше основными критериями были точность распознавания и качество синтеза речи. Теперь всё большее значение имеют способность вести сложный диалог, вызывать инструменты и самостоятельно выполнять задачи. Grok Voice Think Fast 2.0 отражает именно этот переход: от голосового интерфейса к полноценному голосовому агенту. Впрочем, окончательная оценка модели будет возможна только после массового использования разработчиками и компаниями. Пока Grok претендует на лидерство в скорости и тестах голосовых агентов. Но главный вопрос остаётся практическим: сможет ли модель стабильно работать в реальных звонках, шумных помещениях и сложных бизнес-процессах — а не только занимать высокие позиции в рейтингах.