Социальные сети

К 2026 году рынок китайских «сетевых фильмов» пережил почти полный цикл: от бурного роста до системного кризиса — и теперь к осторожному перезапуску. И главную роль в этом неожиданно начинает играть искусственный интеллект. Ещё несколько лет назад бюджеты онлайн-фильмов могли достигать десятков миллионов юаней. Отдельные проекты стоили до 200 млн, а индустрия пыталась приблизиться к уровню кинотеатров. Но к 2025–2026 году произошёл резкий обвал: бюджеты упали до 2–6 млн юаней, проекты с бюджетом выше 1000 млн стали редкостью, окупаемость резко снизилась — «выйти в ноль» стало считаться успехом. Это не просто спад — это структурное сжатие отрасли. Главная причина — не только экономика, а перераспределение внимания аудитории. Зрители ушли: в короткие вертикальные сериалы, в стриминг, в анимацию и AI-контент. Именно эта аудитория раньше составляла основу потребления онлайн-фильмов. Когда её «перехватили» более быстрые и дешёвые форматы, сама модель монетизации начала рушиться. Попытка спасти индустрию через формат «почти кино» (так называемый «облачный кинотеатр») провалилась. Дорогие проекты не окупались: бюджеты росли, а доходы оставались ограниченными потолком платформ. Отдельной надеждой была модель «сначала в кино, потом в онлайн». Предполагалось, что прокат даст рекламу, а онлайн — деньги. На практике всё оказалось иначе: большинство фильмов проваливались в кинотеатрах, онлайн давал лишь частичную компенсацию, высокие бюджеты делали убытки ещё глубже. По сути, онлайн стал не источником прибыли, а последним шансом хоть что-то вернуть. Переломный момент связан с новой стратегией платформ — резкое снижение затрат + внедрение AI. Теперь модель выглядит иначе: бюджет ограничен (до ~6 млн юаней), съёмки минимальны, спецэффекты и часть продакшена делают нейросети, сроки сокращаются до 2–3 месяцев. Более того, платформы начали: субсидировать AI-проекты, вводить гарантированные выплаты (чтобы снизить риски), стимулировать долю AI-контента. В результате впервые за несколько лет появляется шанс «свести экономику». Параллельно индустрия резко сократила разнообразие. Выжили два основных направления: криминал и боевики — стабильный спрос и контролируемые бюджеты, комедии — потенциально высокая окупаемость, но дефицит качественных авторов. А вот прежние «визуальные» жанры (монстры, катастрофы, фэнтези) почти исчезли. Причина проста: их главный козырь — зрелищность — теперь бесплатно воспроизводится AI-контентом в коротких видео. Вместо гонки за «большим кино» индустрия пришла к более прагматичной логике: не масштабироваться, а сжиматься до устойчивого размера, не гнаться за хитами, а обеспечивать стабильную окупаемость, не копировать кинотеатры, а принять собственные ограничения. Дополнительно изменилась и структура финансирования: проекты чаще делают в складчину (несколько участников делят риски), платформы больше не ставят всё на один фильм, ставка делается на портфель, а не на «хит». Онлайн-фильмы в Китае действительно «умерли» — в том виде, в котором они пытались стать дешёвой версией большого кино. Но именно отказ от этой модели и приход AI дали индустрии второй шанс. Теперь это уже не попытка догнать кинотеатры, а отдельный формат: с низкими бюджетами, быстрым производством, чётко ограниченной аудиторией, и экономикой, которую наконец можно посчитать. И если раньше вопрос звучал «как сделать дороже и больше», то в 2026 году он звучит иначе: как сделать достаточно дешево, чтобы это вообще имело смысл.

После выхода нового генератора изображений GPT Image-2 разговоры о будущем дизайна резко обострились. Впервые широкая аудитория увидела, что за несколько секунд можно получить «почти рекламную» картинку — с композицией, светом и текстом. Это вызвало прямой вопрос: а нужны ли теперь дизайнеры вообще? Короткий ответ — да, нужны. Но их роль меняется. Главное изменение — не в качестве картинок, а в восприятии труда. Если раньше создание визуала начиналось с пустого холста, теперь клиент или менеджер может прийти уже с AI-картинкой и сказать: «Вот направление, просто доработай». Проблема в том, что такая «готовая» картинка почти всегда непригодна для реального использования: текст нельзя редактировать, нет слоев и исходников, нарушена логика композиции, не соблюдены брендовые стандарты, невозможно адаптировать под разные форматы. В итоге дизайнер не «чуть-чуть правит», а фактически делает работу заново — просто отталкиваясь от AI-референса. Но снаружи это выглядит как мелкая доработка, из-за чего обесценивается труд. Несмотря на тревоги, сами дизайнеры активно используют такие инструменты. Они хорошо работают в начале процесса: быстрый поиск визуального направления, генерация референсов, создание moodboard’ов, проверка идей. AI резко ускоряет старт, но не заменяет финальную работу. Он похож на очень способного ассистента, который умеет красиво «накидать варианты», но не понимает ограничений реального мира. Особенно это видно в прикладных задачах — например, в упаковке. Красивая AI-картинка может выглядеть как готовый продукт, но: не учитывает конструкцию коробки, не содержит обязательной информации, игнорирует ограничения печати, не продумана для полки и логистики. Чтобы превратить «картинку» в продукт, нужен опыт, инженерное мышление и знание производства — то, чего у модели нет. Для фрилансеров и студий AI создал новую сложность — переговоры с клиентами. Клиенты всё чаще приходят с готовыми изображениями и ожидают низкую цену за «доработку». Но на практике работа остаётся полной: нужно адаптировать, пересобрать, подготовить файлы и обеспечить результат. Парадокс в том, что AI одновременно: снижает ожидания по цене, но не снижает ответственность за итог. Наибольшее давление испытывают начинающие дизайнеры. Именно базовые задачи — ретушь, баннеры, простая верстка — быстрее всего автоматизируются. А ведь именно через эти задачи раньше формировалось понимание: композиции, иерархии, визуального акцента, коммерческой логики дизайна. Если этот «тренировочный слой» исчезает, возникает вопрос: как теперь учатся новички? Опытные дизайнеры всё чаще говорят: AI удешевляет стиль, но делает дороже выбор. Когда любой может сгенерировать «красивую» картинку, ценность смещается в другое: понимание бренда, умение выбирать, а не просто создавать, способность делать систему, а не отдельный визуал, ответственность за результат. Именно это отличает дизайн от генерации изображений. GPT Image-2 не «убил» дизайн. Он убрал дефицит в самой простой части работы — создании картинки. Но дизайн никогда не был только про картинку. Это: адаптация, системность, соответствие задаче, и, главное, ответственность за результат. Поэтому правильнее сказать так: не профессия рушится, а её нижний слой упрощается. А всё, что связано с мышлением, выбором и доведением до реального результата, наоборот, становится ещё важнее.

В 2026 году слово token стало почти синонимом стоимости AI. Компании считают их триллионами, пользователи — в счетах, а индустрия всё чаще называет их «новой валютой». Но с точки зрения экономики это сравнение — удобное, но неверное. Token действительно похож на деньги: он измеряет использование, через него происходит оплата. Но на этом сходство заканчивается. У него нет: универсальности (токены разных платформ несовместимы), свободного обращения, стабильной ценности. Грубо говоря, это не деньги, а скорее единица потребления, как киловаттчас в энергетике. Token выполняет сразу две роли: измеряет затраты (сколько ресурсов потрачено), и одновременно отражает ценность результата (насколько полезен ответ). В классической экономике эти вещи разделены. Здесь — объединены, и именно это ломает привычные модели. В старой ITэкономике вы платили за: сервер, время вычислений, ресурсы. Теперь вы платите за: результат мышления. Это радикальный сдвиг: не «час работы CPU», а «способность решить задачу». И цена определяется не столько затратами, сколько уровнем интеллекта модели. Один и тот же объём токенов может стоить поразному, потому что: дешёвые модели = базовые задачи, дорогие модели = сложные решения, бизнесценность. Это уже не сырьевой рынок, а рынок с качественными уровнями — рынок “градаций интеллекта”. Цена токена складывается из двух слоёв: Снизу — физика: чипы (GPU), энергия, инфраструктура Сверху — интеллект: качество модели, данные, талант разработчиков Со временем «якорь цены» смещается: GPU → энергия → знания и талант. Как и в энергетике или вычислениях, цена падает: железо становится эффективнее, алгоритмы — оптимизированнее, архитектуры — экономичнее. За несколько лет цены уже упали на десятки раз, и базовый интеллект движется к состоянию «почти бесплатного». Но это не значит, что AI станет бесплатным. Когда токены дешевеют, появляются новые ограничения: внимание человека, качество данных, надёжность результата. Экономика не исчезает — она просто смещает фокус. Раньше AI использовали люди. Теперь — всё чаще агенты. И это меняет всё: системы работают 24/7, агенты вызывают других агентов, создаётся лавинообразный рост потребления. Это классический эффект: чем дешевле ресурс → тем больше его используют. Рост не бесконечен.Компании быстро начинают считать: если AI тратит токены, но не создаёт ценность — его отключают. Поэтому рынок движется к новой метрике: ценность на один токен, а не просто объём. Один токен может: помочь принять миллионное решение, или уйти в бессмысленный диалог. Поэтому: объём ≠ ценность. Настоящий показатель — это: продуктивные токены, и их эффективность. Token — это не деньги и не просто вычисления. Это: единица доступа к интеллекту. И главное изменение не в цене, а в логике экономики: раньше платили за ресурсы, теперь платят за мышление, а в будущем — за результат. И в этой системе выигрывает не тот, у кого больше токенов, а тот, кто умеет превращать их в реальную ценность.

OpenClaw — один из самых обсуждаемых open-source AIагентов 2026 года. Демонстрации выглядят впечатляюще: тысячи тикетов обрабатываются автоматически, код пишется без участия человека, процессы крутятся сами. Но реальность, как обычно, сложнее: не всё, что демонстрируется, масштабируется. Разберёмся, какие сценарии действительно работают. Есть категория задач, где агент показывает высокий ROI уже сегодня. 1. Почта и входящие потоки. Автоматическая сортировка, черновики ответов, очистка inbox — один из самых стабильных кейсов. Причина: структура данных понятна, риск низкий. 2. Персональные сводки (брифинги). Ежедневные дайджесты (календарь, новости, задачи) реально экономят время. Особенно ценны за счёт контекста, а не просто агрегации. 3. Работа с документами (локально). Юридические, финансовые и внутренние файлы + локальные модели = безопасный и полезный инструмент. 4. Контент-пайплайны. Связки «ресёрч → текст → визуал» работают, если есть человек на финальной проверке. 5. Мониторинг и алерты. Финансы, логи, метрики — агент отлично справляется с отслеживанием и уведомлениями. 👉 Общая черта: поддержка человека, а не полная автономия Где работает, но с оговорками. Кейсы возможны, но требуют контроля и хорошей настройки. 6. DevOps и разработка. Автоматические PR, тесты, фиксы — работают, но: легко ломаются, требуют ревью, могут создавать «тихий технический долг». 7. Многоагентные системы. Выглядят как «AI-команда», но: сложны в управлении, нестабильны при росте задач, требуют инфраструктуры. 8. Веб-автоматизация (через браузер). Заполнение форм, парсинг сайтов — полезно, но: ломается при изменении интерфейсов, чувствительно к авторизации и безопасности. 9. SEO и ресёрч. Генерация и анализ работают, но качество сильно зависит от проверки человеком. Где хайп опережает реальность. Самые «вирусные» кейсы часто оказываются самыми ненадёжными. 10. Полностью автономная разработка. Идея: агент сам пишет, тестирует и деплоит код.Реальность: ошибки накапливаются, ответственность неясна, требует постоянного контроля. 11. Саморазвитие агента (self-improving AI). Агент, который пишет свои же функции — звучит красиво, но на практике: риск деградации системы, проблемы с безопасностью. 12. Финансовые операции и трейдинг. Автоматизация возможна, но: высокий риск, ошибки стоят денег, требует строгих ограничений. 13. Эмоциональные и «жизненные» решения. AI может анализировать, но не должен принимать такие решения самостоятельно. Главный вывод: дело не в возможностях, а в границах. OpenClaw показывает важную вещь: агенты уже умеют больше, чем им можно доверить. И успех зависит не от мощности, а от: ограничений, архитектуры, контроля.

Весной 2026 года индустрия искусственного интеллекта получила один из самых громких конфликтов за всю свою историю. Илон Маск и OpenAI — когда-то сооснователи одного проекта — теперь встретились в суде. И на кону здесь не просто деньги, а будущее модели развития AI. История началась в 2015 году, когда Маск вместе с Сэмом Альтманом и другими основал OpenAI как некоммерческую организацию. Идея была простой: развивать искусственный интеллект в интересах всего человечества, а не ради прибыли. Однако очень быстро стало ясно: создание передовых моделей требует миллиардных инвестиций. После конфликта по поводу контроля (Маск предлагал усилить своё влияние через Tesla) он покинул проект. OpenAI же в 2019 году пошёл по другому пути — перешёл к ограниченно-коммерческой модели и привлёк инвестиции Microsoft. Именно это решение и стало корнем нынешнего конфликта. Маск требует: отменить коммерческую реструктуризацию OpenAI, вернуть организацию к некоммерческой модели, изменить текущее руководство. При этом он демонстративно отказался от личной финансовой компенсации, заявляя, что речь идёт о принципах, а не о деньгах. Позиция OpenAI противоположна: без коммерциализации невозможно финансировать разработку, масштабные AI-системы требуют огромных ресурсов, партнёрство с Microsoft — не опция, а необходимость. Критики указывают на очевидное противоречие: сам Маск управляет полностью коммерческими компаниями — Tesla, SpaceX, xAI. Поэтому его позиция вызывает вопросы: это борьба за идеалы? или попытка ослабить конкурента? Тем более что его собственный проект xAI напрямую конкурирует с OpenAI. Исход суда может повлиять на всю индустрию. Если выиграет Маск: коммерческая модель OpenAI может быть пересмотрена, позиции Microsoft ослабнут, IPO окажется под угрозой, рынок получит сигнал: AI должен оставаться «общественным благом». Если выиграет OpenAI: коммерческая модель окончательно легитимизируется, инвестиции в AI только усилятся, гонка технологий ускорится, рынок закрепит тренд: AI — это прежде всего бизнес. Этот конфликт — не просто личная вражда. Это столкновение двух подходов: AI как общественная инфраструктура AI как коммерческая индустрия Пока побеждает второй вариант — именно он обеспечил быстрый прогресс последних лет. Но сам факт суда показывает: вопрос контроля над AI становится всё более политическим и стратегическим. История Маска и OpenAI — это редкий случай, когда технологический спор превращается в идеологический. И главный вопрос здесь не в том, кто выиграет суд, а в другом: кому в будущем будет принадлежать искусственный интеллект — обществу или корпорациям.

Похоже, следующая большая битва в AI развернётся не только в облаке, но и в кармане пользователя. По данным отраслевых источников, OpenAI готовит собственный смартфон с выходом на рынок около 2028 года — и это может стать самым амбициозным шагом компании за пределами софта. Главная причина проста: AI не может раскрыться полностью, оставаясь “гостем” в чужой системе. Сегодня даже продвинутые ассистенты: ограничены sandbox’ом iOS/Android, не имеют полного доступа к приложениям, не могут свободно выполнять задачи за пользователя. Собственный смартфон решает это: полный контроль над ОС, прямой доступ к данным и функциям, нативный AIагент, который действительно «делает», а не советует. Концепция OpenAI радикально отличается от привычного смартфона. Вместо: экранов с иконками, ручного открытия приложений, появляется модель: пользователь формулирует цель, AI сам выбирает, что и как запустить. То есть: не “открой приложение”, а “сделай задачу”. Приложения остаются, но уходят в фон — как инфраструктура, а не интерфейс. Проект предполагает: совместную разработку чипов (MediaTek / Qualcomm), глубокую интеграцию облачного и локального AI, постоянную обработку контекста пользователя (данные, поведение, окружение). Ключевая задача — баланс: что считать локально (быстро, приватно), что отправлять в облако (сложно, дорого). OpenAI целится в рынок: 300–400 млн премиальных смартфонов в год. Это не нишевое устройство вроде очков или колонок, а попытка захватить главный пользовательский интерфейс эпохи. Параллельно строится целая линейка устройств: наушники, очки, умные колонки, другие AI-гаджеты. Но именно смартфон — центр всей экосистемы. Пока OpenAI готовится к 2028 году, в Китае уже тестируют похожие идеи. Пример — «AIтелефоны» с агентами, которые: управляют интерфейсом, имитируют действия пользователя, обходят API и ограничения приложений. Результат: впечатляющие возможности, но серьёзные конфликты с безопасностью (бан со стороны банков, мессенджеров и платформ). Это показывает главный риск: чем больше власти у AI внутри устройства, тем выше напряжение с экосистемой. Сейчас формируются два подхода: Эволюция (китайская модель) внедрение AI в существующие смартфоны быстрый запуск компромиссы по безопасности и контролю Революция (OpenAI) собственное устройство и ОС полный контроль долгий выход, но чистая архитектура Смартфон OpenAI — это не просто ещё один девайс. Это попытка ответить на вопрос:кто будет контролировать интерфейс между человеком и AI? Apple? Google? производители Android? или новые игроки вроде OpenAI? Если проект состоится, нас ждёт крупнейший сдвиг со времён появления iPhone: переход от “смартфона с приложениями” к “устройству с агентом”. И тогда конкуренция будет идти не за камеры и экраны, а за то, чей AI лучше понимает и действует за пользователя.

Весной 2026 года на стыке игр и искусственного интеллекта появился новый тренд — AIромантические приложения, где пользователь может «строить отношения» с виртуальным партнёром. Казалось бы, идеальная формула: одиночество растёт, технологии развиваются, а спрос на эмоциональный контент только усиливается. Но первые громкие проекты — такие как EVE и Infinite Valley — столкнулись с неожиданной проблемой: пользователи не хотят слишком «реалистичных» отношений с AI. Главная идея этих приложений — приблизить опыт к настоящим отношениям: персонажи могут спорить, не сразу проявляют симпатию, требуют «завоёвывания», запоминают прошлые диалоги и меняют поведение. На бумаге это выглядит как прорыв. На практике — как ошибка позиционирования. Пользователи жалуются, что такие AIпарни: ведут себя как «обычные мужчины из жизни», могут быть резкими или самоуверенными, не дают мгновенной эмоциональной отдачи. В итоге возникает странное ощущение: люди платят за сервис, который ведёт себя как не самый приятный собеседник из реальности. Проблема здесь глубже, чем качество моделей. Это конфликт двух культур: Игры-симуляторы отношений (乙女-игры) идеализированные партнёры пользователь — центр внимания быстрый эмоциональный отклик AI-партнёры нового типа более «живые» персонажи постепенное развитие отношений непредсказуемость и «характер» Разработчики попытались объединить оба подхода — и получили худшее из двух миров. Игроки ожидали фантазии и заботы, а получили необходимость «вкладываться» в отношения. Ситуацию усугубляет монетизация: платные сообщения, дорогие подписки, отсутствие бесплатного режима. То есть пользователь: платит, тратит время, и при этом не получает гарантированной «эмоциональной отдачи». Это резко снижает терпимость к недостаткам системы. Несмотря на критику, у таких продуктов есть сильная сторона — память и постепенное сближение. Когда система: запоминает детали, делает персонализированные выводы, проявляет инициативу, появляется ощущение «живого контакта», которого нет в обычных чат-ботах. Именно это удерживает небольшую, но лояльную аудиторию. История с AIбойфрендами показывает важную вещь: люди не всегда хотят реалистичную симуляцию — они хотят контролируемую эмоцию. Сегодняшний пользователь: устал, перегружен, ищет быстрый дофамин, не хочет «работать» над отношениями даже в игре. Поэтому популярны форматы, где: любовь даётся «по умолчанию», внимание гарантировано, конфликт минимален. AIпроекты, пытающиеся воспроизвести настоящие отношения, идут против этого тренда. Дополнительный фактор — регулирование. В Китае уже вводятся правила: запрет на формирование эмоциональной зависимости, ограничения на сбор личных данных, защита уязвимых пользователей. Это может серьёзно ограничить развитие «глубоких» AIотношений. AIбойфренды не провалились — они слишком рано попытались стать «настоящими». Рынок уже существует, но он хочет: не реализма, а управляемой иллюзии. И главный урок 2026 года звучит так: если пользователь приходит за утешением, не стоит давать ему симуляцию сложных отношений — даже если технология уже позволяет.

К апрелю 2026 года кремниевая долина столкнулась с неожиданным побочным эффектом повсеместного внедрения ИИ — «культом токенов». История вокруг внутреннего рейтинга Meta (запрещённой в России) под названием Claudeonomics стала яркой иллюстрацией того, как правильные намерения превращаются в абсурдную гонку за показателями. Внутри компании был запущен рейтинг, в котором 85 тысяч сотрудников соревновались в потреблении ИИ-ресурсов (токенов). Участники получали статусы — от «бронзы» до «Легенды токенов». Азарт дошел до того, что некоторые инженеры умудрялись сжигать за месяц до 328,5 миллиарда токенов, что по рыночным ценам эквивалентно $2 млн на одного человека. Цифры поражают: за месяц сотрудники Meta потребили более 60 триллионов токенов — это в три раза больше, чем объем всех когда-либо изданных книг в истории человечества. Проблема оказалась не только в расходах, но и в имитации бурной деятельности. Как только потребление токенов стало влиять на оценку достижений, сотрудники начали «накручивать» показатели: Писать скрипты-автокликеры для ИИ. Дробить мельчайшие правки кода на десятки лишних задач. Создавать ботов для расшифровки совещаний, которыми заставляли пользоваться коллег (чтобы «заработать» токены на свой счет). Это явление напомнило старую инженерную шутку о программистах, чью эффективность измеряли количеством строк кода: в итоге они писали максимально длинный и запутанный код вместо лаконичного и рабочего. Генеральный директор Box Аарон Леви справедливо заметил: когда расход ресурсов («бензин») путают со скоростью движения («результат»), система ломается. ИИ-агенты сегодня могут работать 24/7, тратя ресурсы, пока человек спит, но это не означает, что продукт становится лучше. Тем не менее, такие гиганты, как NVIDIA и Meta, продолжают посылать рынку неоднозначные сигналы. Дженсен Хуанг (NVIDIA) заявлял, что будет «обеспокоен», если высокооплачиваемый инженер тратит мало токенов, считая это признаком отсталости. К 2026 году стало очевидно, что внедрение ИИ проходит через «детскую болезнь» метрик. По-настоящему эффективными оказываются не те, кто больше «сжег», а те, кто привязал использование ИИ к бизнес-результатам: Сокращению времени выхода продукта на рынок. Автоматизации рутинных отчетов и почты. Качеству клиентской поддержки. История с Meta, где рейтинг в итоге пришлось спешно закрыть под давлением общественности, учит нас важному: ИИ — это мощный рычаг, но если давить на него ради самого процесса, можно просто сломать механизм, не сдвинувшись с места.

В 2026 году у индустрии искусственного интеллекта появился новый, неожиданный «расход»:личная безопасность топ-менеджеров. Если раньше главной темой были GPU и вычисления, то теперь — охрана, риски и физические угрозы. И это не метафора. Серия тревожных инцидентов показывает сдвиг: попытка нападения у дома Сэма Альтмана, вооружённые атаки на публичных мероприятиях, списки «целей», где фигурируют AICEO. Общее у этих случаев одно: AI перестал быть просто технологией — он стал эмоциональной точкой напряжения. Большинство людей не понимают: как устроены модели, как работают дата-центры, как принимаются технологические решения. Зато они видят лица: OpenAI = Альтман NVIDIA = Хуанг xAI = Маск Сложная индустрия сжимается до конкретных людей. И вместе с вниманием они получают не только признание, но и накопленное недовольство общества. Исследования показывают: отношение к AI становится всё более настороженным. Люди связывают с ним: потерю работы, угрозы приватности, влияние на детей, изменение социальной структуры. При этом сами решения принимаются «где-то наверху» — в компаниях и кабинетах, куда у большинства нет доступа. Возникает ощущение: будущее решается без нас — но влияет на всех. Ответ индустрии — резкое усиление охраны: персональные команды безопасности, мониторинг соцсетей в реальном времени, анализ угроз до появления инцидентов, контроль перемещений и публичной активности. Фактически появляется новая инфраструктура — «человеческий firewall» вокруг CEO. Причём это уже не просто телохранители, а гибрид: аналитиков, специалистов по рискам, и оперативной защиты. Есть явное противоречие: AI обещает будущее, где всё станет более цифровым, но защита этого будущего остаётся максимально «физической»: люди, маршруты, двери, контроль доступа. Чем более абстрактным становится продукт, тем более реальными становятся риски. Главная причина — не технологии сами по себе, а нарратив вокруг них. AI сегодня продаётся как: революция, трансформация общества, изменение судьбы человечества. Но чем масштабнее обещание, тем сильнее реакция: страх, скепсис, раздражение, агрессия. И всё это концентрируется на конкретных фигурах. AI-индустрия столкнулась с новой фазой зрелости: она больше не только про технологии и бизнес,она про социальное напряжение и ответственность. И главный вывод здесь довольно жёсткий: чем сильнее компания пытается стать «лицом будущего», тем выше шанс, что это лицо станет мишенью настоящего.

К 2026 году рынок китайских «сетевых фильмов» пережил почти полный цикл: от бурного роста до системного кризиса — и теперь к осторожному перезапуску. И главную роль в этом неожиданно начинает играть искусственный интеллект. Ещё несколько лет назад бюджеты онлайн-фильмов могли достигать десятков миллионов юаней. Отдельные проекты стоили до 200 млн, а индустрия пыталась приблизиться к уровню кинотеатров. Но к 2025–2026 году произошёл резкий обвал: бюджеты упали до 2–6 млн юаней, проекты с бюджетом выше 1000 млн стали редкостью, окупаемость резко снизилась — «выйти в ноль» стало считаться успехом. Это не просто спад — это структурное сжатие отрасли. Главная причина — не только экономика, а перераспределение внимания аудитории. Зрители ушли: в короткие вертикальные сериалы, в стриминг, в анимацию и AI-контент. Именно эта аудитория раньше составляла основу потребления онлайн-фильмов. Когда её «перехватили» более быстрые и дешёвые форматы, сама модель монетизации начала рушиться. Попытка спасти индустрию через формат «почти кино» (так называемый «облачный кинотеатр») провалилась. Дорогие проекты не окупались: бюджеты росли, а доходы оставались ограниченными потолком платформ. Отдельной надеждой была модель «сначала в кино, потом в онлайн». Предполагалось, что прокат даст рекламу, а онлайн — деньги. На практике всё оказалось иначе: большинство фильмов проваливались в кинотеатрах, онлайн давал лишь частичную компенсацию, высокие бюджеты делали убытки ещё глубже. По сути, онлайн стал не источником прибыли, а последним шансом хоть что-то вернуть. Переломный момент связан с новой стратегией платформ — резкое снижение затрат + внедрение AI. Теперь модель выглядит иначе: бюджет ограничен (до ~6 млн юаней), съёмки минимальны, спецэффекты и часть продакшена делают нейросети, сроки сокращаются до 2–3 месяцев. Более того, платформы начали: субсидировать AI-проекты, вводить гарантированные выплаты (чтобы снизить риски), стимулировать долю AI-контента. В результате впервые за несколько лет появляется шанс «свести экономику». Параллельно индустрия резко сократила разнообразие. Выжили два основных направления: криминал и боевики — стабильный спрос и контролируемые бюджеты, комедии — потенциально высокая окупаемость, но дефицит качественных авторов. А вот прежние «визуальные» жанры (монстры, катастрофы, фэнтези) почти исчезли. Причина проста: их главный козырь — зрелищность — теперь бесплатно воспроизводится AI-контентом в коротких видео. Вместо гонки за «большим кино» индустрия пришла к более прагматичной логике: не масштабироваться, а сжиматься до устойчивого размера, не гнаться за хитами, а обеспечивать стабильную окупаемость, не копировать кинотеатры, а принять собственные ограничения. Дополнительно изменилась и структура финансирования: проекты чаще делают в складчину (несколько участников делят риски), платформы больше не ставят всё на один фильм, ставка делается на портфель, а не на «хит». Онлайн-фильмы в Китае действительно «умерли» — в том виде, в котором они пытались стать дешёвой версией большого кино. Но именно отказ от этой модели и приход AI дали индустрии второй шанс. Теперь это уже не попытка догнать кинотеатры, а отдельный формат: с низкими бюджетами, быстрым производством, чётко ограниченной аудиторией, и экономикой, которую наконец можно посчитать. И если раньше вопрос звучал «как сделать дороже и больше», то в 2026 году он звучит иначе: как сделать достаточно дешево, чтобы это вообще имело смысл.