Открываем свою OpenAI: реальная цена ИИ-стартапа от 5,6 млн долларов

Можно ли повторить успех DeepSeek, потратив 5,6 млн долларов на обучение модели? Разбираем все расходы: от кластера до зарплат, и объясняем, почему главные затраты скрыты.

Почему 5,6 млн долларов — это только вершина айсберга

Идея создать собственную OpenAI выглядит заманчиво: китайская DeepSeek обучила модель V3 за 5,576 миллиона долларов, и эта цифра облетела весь мир. Но прежде чем бежать регистрировать компанию, стоит разобраться, что скрывается за этим числом. На самом деле 5,6 миллиона — это только стоимость одного прогона обучения, а не всего бизнеса. Полная смета включает аренду кластера, зарплаты команды, закупку данных, юридические услуги и инфраструктуру для раздачи модели пользователям. Итоговая сумма оказывается в разы больше, а для российских реалий — еще и с поправкой на санкции и валютные риски.

Предыстория: как DeepSeek удивила всех дешевизной

DeepSeek-V3 стала сенсацией в конце 2024 года, когда разработчики опубликовали технический отчет, где указали стоимость финального обучения — 5,576 миллиона долларов. Эта цифра поразила индустрию: американские компании тратят сотни миллионов на аналогичные модели. Секрет китайцев — в эффективности: они использовали 2048 чипов Nvidia H800, которые дешевле флагманских H100 из-за ограничений экспорта, и оптимизировали архитектуру так, чтобы снизить затраты на вычисления. Однако в отчете не учтены расходы на исследования, зарплаты инженеров, сбор данных и эксперименты, которые предшествовали финальному запуску. По оценкам экспертов, реальные затраты на разработку DeepSeek-V3 могли быть в 3–5 раз выше.

Что такое «обучение модели» и почему это не весь процесс

Обучение нейросети — это не один запуск, а серия экспериментов. Сначала данные очищают и размечают, затем модель обучают в несколько этапов: предобучение на огромных массивах текста, дообучение на инструкциях и финальная настройка с участием людей. Каждый этап требует вычислительных мощностей, и ошибка на ранней стадии может привести к повторным прогонам. Поэтому цифра 5,6 миллиона — это лишь одна строчка в бюджете, а не весь бюджет.

Технические детали: из чего складывается стоимость кластера

Чтобы повторить результат DeepSeek, нужно арендовать кластер из 2048 чипов H800 с суммарной производительностью около 3,97 экзафлопс. Аренда такого оборудования на облачных платформах обойдется примерно в 4–5 миллионов долларов в месяц. Для сравнения, покупка собственного кластера — это 150–200 миллионов долларов только на железо, плюс затраты на охлаждение, электроэнергию и обслуживание. Поэтому стартапы почти всегда арендуют мощности, но даже в этом случае нужно закладывать несколько месяцев на эксперименты, что увеличивает бюджет в разы.

Финансовые детали: зарплаты, данные и юристы

Команда из 20–30 специалистов — инженеров, исследователей, дата-сайентистов — обойдется в 2–3 миллиона долларов в год даже в странах с низкими зарплатами, а в США или Европе эта сумма вырастает до 10–15 миллионов. Данные для обучения — это лицензированные датасеты, стоимость которых может достигать миллиона долларов за качественный корпус текстов. Юридические услуги, особенно в области авторских прав и регулирования ИИ, — еще 200–500 тысяч долларов. Российским компаниям придется учитывать сложности с оплатой зарубежных сервисов и возможные ограничения на экспорт технологий.

Кого затронет: стартапы, инвесторы и пользователи

Для небольших команд и инвесторов эта смета — отрезвляющий сигнал. Бизнес-модель, основанная на подписках и API, требует огромной пользовательской базы, чтобы окупить затраты. Например, OpenAI тратит около 34 миллиардов долларов в год на всю деятельность, включая инфраструктуру и персонал, и пока не вышла на прибыль. Российские разработчики сталкиваются с дополнительными барьерами: недоступность западных облачных платформ, необходимость закупать оборудование через параллельный импорт и ограниченный доступ к открытым датасетам. Однако есть и ниши, где локальные модели могут быть востребованы: например, для обработки русскоязычных текстов с учетом культурных особенностей.

Что будет дальше: реалистичные сценарии

В ближайшие годы стоимость обучения моделей продолжит снижаться благодаря алгоритмическим улучшениям и новым чипам. Но полная стоимость ИИ-бизнеса вряд ли упадет радикально — основные расходы смещаются на данные и людей. Для энтузиастов, которые хотят создать свою модель, более реалистичный путь — использовать открытые архитектуры и дообучать их на специализированных данных, что обойдется в десятки тысяч долларов, а не миллионы. Именно так поступают многие нишевые стартапы, и это может стать золотой серединой между мечтой и бюджетом.

Итог

Запуск собственной OpenAI — это не только 5,6 миллиона на обучение, но и десятки миллионов на инфраструктуру, команду и данные. Для большинства стартапов такой путь закрыт, но это не значит, что ИИ-бизнес невозможен. Сфокусируйтесь на узких задачах, используйте готовые модели и дообучайте их — так вы сэкономите миллионы и быстрее выйдете на рынок. А если решитесь на полномасштабный проект, считайте не только обучение, но и все, что вокруг него.