Новый опрос VentureBeat Pulse Research указывает на растущее несоответствие в корпоративном ИИ: организации повышают амбиции в области инфраструктуры и рассматривают смену поставщиков, хотя многим по-прежнему не хватает базовой прозрачности того, сколько на самом деле стоит их существующая ИИ-вычислительная мощность.

Опрос, основанный на 107 респондентах из организаций с более чем 100 сотрудниками в рамках одной волны за июнь 2026 года, показал, что лишь 21% говорят, что используют ИИ в production в масштабе. Однако, согласно публикации VentureBeat, 45% планируют в течение следующего года оценить облака, специализированные на ИИ, 64% намерены сменить или добавить поставщика инфраструктуры в течение 12 месяцев, а 38% считают, что это может произойти уже в следующем квартале. При этом 83% респондентов, работающих с GPU, сообщили об утилизации на уровне 50% или ниже, и только 44% заявили, что тщательно отслеживают стоимость и отдачу от своих ИИ-вычислений.

Это сочетание важно, поскольку оно показывает, что следующая фаза корпоративного ИИ может определяться не столько чистым спросом на большее железо, сколько слабой инструментировкой затрат, незрелыми практиками развертывания и поспешными решениями о закупках. Для разработчиков и корпоративных покупателей заголовок состоит не просто в том, что бюджеты на ИИ растут. Дело в том, что расходы, похоже, опережают операционную дисциплину.

Рынок, который всё ещё находится на ранней стадии развертывания, уже готовится к переходу на новую платформу

Один из самых ясных выводов опроса заключается в том, что многие компании всё ещё находятся на раннем этапе внедрения ИИ. VentureBeat сообщает, что 76% респондентов либо всё ещё экспериментируют, либо имеют лишь некоторые рабочие нагрузки в production. Это делает нынешнюю перестройку инфраструктуры особенно заметной: организации меняют поставщиков не из позиции зрелого и стабильного операционного опыта. Многие всё ещё строят фундамент.

Текущее использование по-прежнему сосредоточено у уже сложившихся поставщиков. VentureBeat сообщил, что Google Cloud лидирует по текущему использованию ИИ-инфраструктуры с 48%, а другие крупные платформы, включая Microsoft, AWS и Oracle, а также API провайдеров моделей вроде Gemini, OpenAI и Anthropic, составляют большую часть текущего стека. Напротив, специализированные GPU-облака, привлекающие много внимания в кругах ИИ-инфраструктуры, включая CoreWeave, Lambda, Crusoe и Nebius, в этой выборке показали мало или вовсе не показали текущего использования.

Но планы по оценке выглядят совсем иначе, чем текущее развёртывание. Самой часто упоминаемой областью для рассмотрения в следующем году стали облака, специализированные на ИИ, — 45%, согласно опросу. VentureBeat также сообщил, что 32% намерены оценить не-Nvidia ускорители, а 28% планируют оценить чипы Nvidia следующего поколения. Иными словами, следующий цикл расходов может не столько углубить статус-кво, сколько протестировать альтернативы ему.

Это важное различие для команд корпоративного ИИ. Компания может сегодня быть глубоко привязана к облачному ИИ и при этом в следующем бюджетном цикле изучать новые уровни инфраструктуры, новые типы ускорителей и иные структуры затрат на обучение и инференс.

Покупателей больше волнуют соответствие и TCO, чем цена за токен

Сигналы закупок из опроса, пожалуй, полезнее, чем его срезы по долям рынка. По данным VentureBeat, респонденты сказали, что интеграция с существующим стеком была главным фактором при выборе поставщика ИИ-инфраструктуры — так ответили 41%. Затем идёт совокупная стоимость владения (TCO) — 35%. Стоимость за миллион токенов оказалась намного ниже — лишь 8%.

Этот вывод противоречит распространённой трактовке конкуренции в ИИ-инфраструктуре как гонки за самым низким ценником за единицу. Корпоративные покупатели, по крайней мере в этой выборке, похоже, больше заботятся о том, впишется ли новая инфраструктура в системы идентификации, каналы данных, инструменты observability, механизмы governance и существующие контракты, чем о ярком тарифе за токены.

Этот результат также помогает объяснить, почему Microsoft Azure и Google Cloud, как сообщается, лидируют по краткосрочному рассмотрению смены поставщика — по 33% каждый, за ними следуют OpenAI с 30% и Gemini с 22%. VentureBeat интерпретирует это как доказательство того, что большая часть краткосрочного движения может заключаться в перераспределении долей между incumbents или консолидации расходов клиентов, а не в быстром переходе к новым специализированным поставщикам.

Для продуктовых команд это означает, что одного технического превосходства может быть недостаточно, чтобы получить бюджет. Поставщики, которые могут упростить миграцию, объединить биллинг, улучшить governance или облегчить корпоративные закупки, могут получить большее преимущество, чем вендоры, ориентированные узко на бенчмарк-цену.

Данные указывают на проблему подотчётности, а не только на проблему мощности

Самой сильной статистикой в отчёте, возможно, являются данные об утилизации. VentureBeat сообщил, что среди компаний, работающих с GPU, 83% отметили утилизацию 50% или ниже, а 49% сказали, что она составляет 25% или ниже. Ещё 8% заявили, что вообще не измеряют утилизацию.

Если эти цифры верны, они указывают на то, что значительная часть дорогостоящих мощностей простаивает. Это не обязательно удивительно для ранних ИИ-программ, где команды часто берут избыток ресурсов для экспериментов, закупают мощности до развертывания или не имеют достаточно продвинутых планировщиков нагрузок, чтобы держать системы занятыми. Но это подрывает идею, что просто больше GPU — немедленный ответ на большинство узких мест корпоративного ИИ.

Бухгалтерская сторона выглядит столь же слабо. По данным VentureBeat, менее половины респондентов — 44% — заявили, что тщательно отслеживают стоимость и отдачу от вычислений. Другие сказали, что отслеживают лишь частично, пока не могут это количественно оценить или не сделали это приоритетом.

В совокупности эти выводы поддерживают ключевой тезис статьи о «вычислительном разрыве»: компании принимают более быстрые и масштабные инфраструктурные решения, чем могут оправдать их системы измерения. На практике это может означать, что команды утверждают reserved instances, GPU-кластеры, обязательства по API-моделям или новые облачные партнёрства без ясной unit economics на уровне рабочих нагрузок.

Для корпоративного ИИ это важно, потому что проблемы со стоимостью обычно проявляются поздно. Proof of concept может терпеть расплывчатую экономику; масштабированный продукт для инференса — нет. Если организации не знают, какие рабочие нагрузки съедают бюджет, какие модели избыточно зарезервированы или где очереди GPU и ограничения памяти создают скрытые потери, следующий этап расходов лишь затруднит устранение этих неэффективностей.

Доказательства, методология и то, что остаётся неясным

Это полезный опрос, но читать его следует осторожно. Сам VentureBeat отмечает, что данные получены из одной волны Q2 2026 года с 107 квалифицированными респондентами и должны рассматриваться как ориентир, а не как точное измерение рынка. Выборка самоотборная, смещена в сторону компаний среднего сегмента и больше тяготеет к более ранним стадиям внедрения ИИ, а не к крупнейшим hyperscale-операторам.

Эта оговорка важна по нескольким причинам. Во-первых, текущее использование поставщиков в этом опросе — это не то же самое, что глобальная доля расходов на корпоративный ИИ. Во-вторых, заявленные намерения о смене поставщика часто шумнее, чем реальное поведение. В-третьих, ответы по утилизации и отслеживанию затрат являются самоотчётами, а не результатами независимого аудита.

Некоторые из более дальних прогнозов — это тоже основанные на опросе мнения, а не наблюдаемые рыночные результаты. Интерес к облакам, специализированным на ИИ, не-Nvidia ускорителям и децентрализованным или суверенным вычислениям отражает планы по оценке, а не подтверждённые закупки. Аналогично, опасения по поводу пропускной способности памяти и ограничений KV-cache в инференсе реальны в продвинутых развертываниях, но вывод VentureBeat о том, что примерно каждый пятый респондент не осознаёт эту проблему, больше говорит о зрелости покупателя, чем о том, когда этот узкий участок станет срочным для конкретной компании.

Даже с этими оговорками внутренняя логика опроса последовательна: ранние adopters всё ещё строят, они достаточно недовольны, чтобы оценивать альтернативы, и многие пока не имеют тех механизмов контроля затрат, которые нужны, чтобы эти альтернативы оценить правильно.

Что это значит для разработчиков и команд корпоративного ИИ

Для поставщиков инфраструктуры посыл ясен: корпоративные продажи всё больше зависят не только от доступа к ускорителям, но и от операционной прозрачности. Поставщики, которые могут показать сильную атрибуцию затрат, отчётность по утилизации, контроль политик и оркестрацию рабочих нагрузок, могут получить большее преимущество, чем те, кто продаёт только сырой объём.

Для компаний приоритет, возможно, должен сместиться с покупки большего объёма вычислений на лучшее измерение текущих вычислений. Это означает chargeback на уровне рабочих нагрузок, политики маршрутизации моделей, планирование GPU, стратегии кеширования и более чёткое разделение учёта между экспериментированием, обучением и инференсом. Это также означает сравнение стоимости model APIs с экономикой self-hosting с учётом труда, интеграции, надёжности и накладных расходов на governance, а не только цены за токен.

Для разработчиков ИИ, особенно тех, кто выпускает продукты на Google Cloud, Microsoft Azure, AWS или Oracle, одновременно потребляя API от OpenAI, Anthropic или Gemini, опрос напоминает, что выбор инфраструктуры больше не является фоновым решением. Он влияет на задержки, маржу, надёжность, соответствие требованиям и гибкость дорожной карты продукта. Если финансы и инженерия не могут совместно видеть эти компромиссы, архитектурные решения будут определяться срочностью закупок, а не доказательствами.

На что смотреть дальше

Следующий сигнал, за которым стоит следить, — превратится ли заявленный интерес к оценке в реальное перемещение рабочих нагрузок в CoreWeave, Lambda, Crusoe, Nebius или другие AI-specialized clouds. Второй ключевой индикатор — начнут ли компании внедрять более формальные инструменты observability для ИИ-затрат вместо того, чтобы продолжать управлять расходами через облачные дашборды и частичную отчётность.

Также стоит наблюдать, останется ли волна смены поставщиков сосредоточенной у incumbents вроде Google Cloud, Microsoft Azure, OpenAI и Gemini, или расширится до значимой диверсификации ускорителей. Если оценки не-Nvidia решений перейдут в развёртывания, это будет означать более глубокий сдвиг в том, как компании думают о производительности, риске поставок и контроле затрат.

Наконец, следите за операционными метриками. Если будущие опросы покажут рост утилизации GPU и более тщательное отслеживание экономики вычислений, то сегодняшние перерасходы могут выглядеть как временная боль роста. Если нет, корпоративный ИИ войдёт в следующий цикл расширения с теми же проблемами прозрачности, только с ещё большим счётом.

Мнение Creati.ai

Самый важный вывод этого опроса не в том, что компаниям нужна ещё большая ИИ-инфраструктура. Это и так было очевидно уже давно. Более полезный сигнал в том, что многие покупатели теперь признают интеграцию и совокупную стоимость владения как настоящие критерии выбора, но всё ещё не имеют инструментов, чтобы уверенно измерять и то и другое.

Этот разрыв создаёт возможность на всём стеке. Облачные провайдеры, model platforms, вендоры observability и внутренние платформенные команды — все могут превратить контроль ИИ-затрат в функцию продукта, а не в запоздалую заботу финансового отдела. Победителями могут стать компании, которые делают вычисления читаемыми: не просто доступными, а атрибутируемыми, управляемыми и легко сравнимыми между рабочими нагрузками. В корпоративном ИИ более прозрачная экономика может стать более сильным конкурентным преимуществом, чем очередное небольшое снижение прайс-листа.