Claude, OpenAI и Google делят не только модели, но и облака
Рынок ИИ в 2026 году всё меньше похож на гонку за новой моделью и всё больше — на борьбу за электричество, дата-центры, собственные чипы и место в облаках. Для пользователей и компаний это означает простую вещь: важна не только «умная» модель, но и то, где она доступна, сколько стоит и насколько быстро её можно внедрить в работу.
Почему мощность стала важнее релиза модели
Вместо громких анонсов сейчас решают контракты на гигаватты, поставки ускорителей и доступ к дата-центрам. Строительство таких мощностей занимает годы, а не месяцы, поэтому компании заранее резервируют вычисления и стараются закрепиться в облаках как можно раньше.
OpenAI, Anthropic, Google и xAI при этом не только соперничают, но и сотрудничают: одна лаборатория может арендовать инфраструктуру у другой, а облака одновременно продают ресурсы и своим, и чужим моделям. Для разработчиков это значит, что выбор модели всё чаще зависит не от качества в вакууме, а от того, где её можно быстро подключить к продукту.
Что у OpenAI, Anthropic и Google уже есть в запасе
OpenAI сообщила, что по контрактам уже набрала больше 10 ГВт мощности. Среди партнёров и поставщиков — NVIDIA, AMD, Broadcom и AWS, но часть этих объёмов ещё только строится, поэтому реальная работающая мощность меньше подписанной. По данным Epoch AI, в середине апреля работала только одна площадка Stargate — в Абилине.
Anthropic тоже собрала широкий набор источников вычислений: AWS обещает до 5 ГВт, Google — до миллиона TPU, Broadcom говорила о планах на Ironwood и TPU 8i, а также есть мощности в Azure, AMD, Colossus 1 и собственных дата-центрах. При этом компания не раскрывает, сколько из этого уже запущено.
Google выглядит самой независимой в этом споре: у неё своё облако, свои дата-центры и собственные TPU, которые она развивает вместе с Broadcom. В 2026 году Alphabet планирует капитальные затраты в диапазоне 195–205 млрд долларов, и значительная часть этих денег идёт именно в инфраструктуру для ИИ.
Собственные чипы и облака меняют правила игры
Собственные ускорители становятся способом снизить зависимость от NVIDIA, которая по-прежнему зарабатывает огромные суммы на дата-центрах. OpenAI заказала у Broadcom чип Jalapeño для инференса, а Google вывела восьмое поколение TPU сразу в двух версиях: для обучения и для работы готовых моделей.
Amazon развивает Trainium, Microsoft — Maia 200, а xAI пока всё ещё опирается на NVIDIA. Это показывает, что рынок уже не делится только на «модели» и «облака»: компании одновременно строят железо, арендуют чужие мощности и продают доступ к своим разработкам другим.
Для бизнеса здесь важна практическая сторона. Если нужная модель уже доступна в вашем облаке, её проще подключить к внутренним процессам, службе поддержки, аналитике или маркетингу. Поэтому облачные каталоги и стоимость API иногда решают не меньше, чем качество ответа модели.