DeepSeek, Perplexity и новая волна ИИ-конкурентов

Эпоха дорогих монополий в сфере искусственного интеллекта подходит к концу. Последние два года индустрия жила с убеждением, что для топовой производительности нужны миллиарды долларов на вычисления и колоссальное энергопотребление. Но DeepSeek и Perplexity доказывают: эффективность важнее масштаба. DeepSeek шокировал рынок, выпустив модели, которые не уступают лидерам индустрии, при этом их обучение стоит сущие копейки. Тем временем Perplexity фундаментально меняет то, как мы пользуемся интернетом, заменяя привычный список ссылок прямыми ответами со ссылками на источники. Этот сдвиг — не просто новые инструменты, а настоящая революция в экономике интеллекта. Фокус сместился с того, насколько большой может быть модель, на то, насколько дешево она может работать. Пока эти новички набирают обороты, гиганты индустрии вынуждены защищать свои высокомаржинальные бизнес-модели от натиска гибких и специализированных конкурентов, которые ставят пользу выше хайпа.

Шок эффективности на рынке интеллекта

DeepSeek меняет саму реальность продуктов в мире ИИ. Пока многие компании пытаются создать максимально огромные нейросети, эта команда сделала ставку на оптимизацию архитектуры. Их модель DeepSeek-V3 использует подход Mixture of Experts, активируя лишь малую часть параметров для конкретной задачи. Это позволяет модели сохранять высокую производительность, радикально снижая затраты вычислительной мощности на каждое сгенерированное слово. История компании часто крутится вокруг скромного бюджета на обучение — по слухам, менее шести миллионов долларов. Эта цифра рушит миф о том, что только богатейшие страны и корпорации могут создавать передовые модели. Это значит, что порог входа в высокоуровневый машинный learning стал ниже, чем мы думали.

Perplexity заходит с другой стороны — через пользовательский интерфейс. Это скорее «движок ответов», чем классический поисковик. Он использует существующие большие языковые модели для сканирования живого интернета, извлечения информации и подачи её в виде связного текста с примечаниями. Такой подход решает главную проблему стандартных ИИ-моделей — их склонность выдавать устаревшие или выдуманные факты. Опираясь на данные из интернета в реальном времени, Perplexity стал инструментом, который кажется куда надежнее обычного чат-бота для профессиональных исследований. Продукт здесь — не просто сама модель, а система поиска и цитирования. Это создает огромное давление на традиционных поисковиков, живущих за счет рекламных доходов от кликов по результатам.

Если пользователь получает ответ с первой попытки, у него нет причин листать список спонсорских ссылок или бродить по захламленным сайтам. Это создает прямой конфликт между пользой инструмента и текущей экономической моделью веба.

Геополитика дешевых вычислений

Глобальное влияние этих конкурентов кроется в демократизации высокопроизводительного инференса. Когда стоимость запуска модели падает на 90%, возможности её интеграции в повседневный софт растут в геометрической прогрессии. Разработчики на развивающихся рынках, которые раньше не могли позволить себе топовые API, теперь могут создавать сложные приложения. Это меняет центр тяжести всей индустрии. Если самые эффективные модели приходят не из традиционных хабов Кремниевой долины, стратегическое преимущество гигантских локальных дата-центров начинает таять. Это вынуждает говорить о суверенитете моделей: должны ли страны зависеть от пары централизованных провайдеров или инвестировать в свои эффективные архитектуры? Это важный сигнал, который уводит индустрию от динамики «победитель получает всё» к более фрагментированному и конкурентному рынку.

Корпоративные клиенты уже чувствуют этот сдвиг в своих финансовых отчетах. История о дешевом инференсе меняет планы компаний по развитию технологического стека. Если модель вроде DeepSeek дает 80% пользы более дорогого конкурента за 10% цены, бизнес-обоснование для дорогого варианта просто исчезает для большинства рутинных задач. Рынок становится многоуровневым: самые мощные модели остаются для сложнейших рассуждений, а основную работу берут на себя эффективные новички. Эта экономическая реальность меняет и рекламный мир. Perplexity экспериментирует с моделью, где реклама встроена в процесс поиска, а не отвлекает от него. Это может переопределить то, как бренды находят потребителей в эпоху, когда люди больше не заходят на главные страницы сайтов и не листают результаты поиска. Это чувствуют все: от инженера, выбирающего API, до маркетолога, пытающегося найти аудиторию в мире мгновенных ответов.

Вторник с «движками ответов»

Чтобы понять реальное влияние, представьте день финансового аналитика Сары. Раньше Сара начинала утро с открытия десяти вкладок, чтобы проверить новости и рынки. Она часами синтезировала данные в утреннюю сводку. Сегодня она использует «движок ответов», чтобы запрашивать данные из множества источников одновременно. Она просит сравнить три квартальных отчета и за секунды получает резюме со ссылками. Точность данных гарантирована, так как система берет их прямо из исходного текста. Она больше не тратит время на поиск информации — она тратит его на проверку и принятие решений. Это и есть история о распределении поиска в действии. Интерфейс стал исследователем, а Сара — редактором. Её рабочий процесс стал быстрее, но теперь он сильнее зависит от точности ссылок, предоставляемых движком.

Позже Саре нужно написать скрипт для автоматизации ввода данных. Вместо использования дорогого универсального ассистента, она берет специализированную модель для кодинга от DeepSeek. Модель выдает код мгновенно, а так как стоимость инференса копеечная, компания позволяет ей использовать его для тысяч мелких задач в день, не переживая за бюджет. Вот как меняется рынок моделей: они становятся фоновой утилитой, а не драгоценным ресурсом. Давление на традиционный поиск заметно, когда Сара понимает, что не пользовалась поисковой строкой уже три дня. Ей не нужен список ссылок, когда есть структурированный документ. Вот что изменилось в её рутине:

• Сара заменила ручной сбор новостей на автоматические резюме со ссылками в реальном времени.
• Она использует дешевые модели для рутинных задач по кодингу, которые раньше было слишком дорого автоматизировать.
• Её зависимость от традиционных поисковиков с рекламой упала почти до нуля, так как прямые ответы ценнее.
• Сэкономленное время позволяет ей сосредоточиться на стратегии и клиентах, а не на охоте за данными.

Скрытая цена бесплатного интеллекта

Сократовский скептицизм требует спросить: чем мы платим за эту эффективность? Если модель значительно дешевле в обучении и запуске, откуда взялась эта экономия? Мы должны спросить, использовались ли данные для обучения этих моделей с той же тщательностью, что и у дорогих аналогов. Есть риск, что гонка за низкой ценой приведет к пренебрежению приватностью данных и правами интеллектуальной собственности. Если компания берет мало за модель, не монетизирует ли она данные, которые пользователи в неё загружают? Мы также должны учесть скрытую стоимость модели «движка ответов». Когда Perplexity делает саммари сайта, сайт теряет посетителя. Если создатели контента не получают компенсацию, информация, на которой живут эти движки, может просто исчезнуть. Кто будет финансировать журналистику и исследования 2026, если читатели никогда не заходят на первоисточник?

Еще один сложный вопрос — надежность этих «легких» архитектур. Не привносит ли подход Mixture of Experts новые типы ошибок, которые труднее обнаружить? Мы должны спросить, не жертвуем ли мы глубиной ради скорости. Есть опасность, что пользователи станут слишком полагаться на резюме, не проверяя контекст. Это может привести к поверхностному пониманию сложных тем, где нюансы теряются в погоне за кратким ответом. Нам также стоит скептически относиться к заявлениям о стоимости обучения. Прозрачны ли эти цифры или они опускают стоимость человеческого труда и экологический след «железа»? Двигаясь к миру дешевого интеллекта, мы должны сохранять бдительность в отношении качества и этики систем, которые интегрируем в свою жизнь. Шум от релиза нового продукта часто заглушает сигнал о его долгосрочных последствиях.

Под капотом новых конкурентов

Для продвинутых пользователей привлекательность этих конкурентов — в их технической гибкости и возможностях интеграции. DeepSeek-V3 использует фреймворк обучения, оптимизированный под точность FP8, что позволяет ускорить вычисления без значительной потери качества. Это важный технический рубеж, объясняющий их экономическую эффективность. Механизм Multi-head Latent Attention снижает объем памяти модели при инференсе — критический фактор для разработчиков, желающих хостить модели на своем «железе». Многие из этих моделей выходят с открытыми весами, что значит, их можно запускать локально или в приватном облаке. Это огромное преимущество для компаний, которые не могут рисковать, отправляя чувствительные данные в сторонние API. Возможность дообучения (fine-tune) моделей на специфических данных еще больше повышает их ценность для нишевых задач в юриспруденции, медицине или финансах.

У вас есть история об ИИ, инструмент, тренд или вопрос, который, по вашему мнению, мы должны осветить? Пришлите нам свою идею статьи — мы будем рады ее услышать.

Perplexity предлагает другой вид технической ценности через свой API, позволяя разработчикам встраивать функции поиска прямо в свои приложения. Это избавляет от необходимости в отдельном поисковом индексе и языковой модели. Система сама берет на себя поиск и цитирование. Однако есть ограничения. Лимиты API и задержки поиска в реальном времени могут стать «бутылочным горлышком» для высоконагруженных приложений. Пользователям также нужно балансировать между скоростью поиска и глубиной анализа. Локальное хранение результатов — еще один момент для профи, которым нужен аудит источников информации. Вот технические факторы, определяющие конкурентное преимущество этих инструментов:

• Использование Multi-head Latent Attention для снижения потребления памяти KV-кэша в длинных задачах.
• Поддержка обучения и инференса в FP8 для максимизации пропускной способности современных GPU.
• Интеграция RAG-пайплайнов реального времени, способных обрабатывать тысячи запросов одновременно.
• Доступность открытых весов для локального развертывания в защищенных средах.

Будущее выборочного интеллекта

Взлет DeepSeek и Perplexity знаменует начало более зрелого рынка ИИ. Мы уходим от новизны моделей, которые умеют «болтать», к пользе моделей, которые умеют эффективно работать. Центр тяжести смещается к провайдерам, способным давать качественный результат по устойчивой цене. Это не просто тренд текущего 2026, а долгосрочный сдвиг в том, как мы строим и потребляем цифровые сервисы. Давление на традиционный поиск и дорогих провайдеров будет только расти по мере того, как конкуренты будут оттачивать свои продукты. Для пользователя это значит больше выбора и лучшие инструменты. Для индустрии — возвращение фокуса на инженерное мастерство вместо «грубой силы» вычислений. Настоящими победителями станут те, кто сможет отличить шум хайп-цикла от сигнала реальных структурных изменений в тех-экономике.

Примечание редактора: Мы создали этот сайт как многоязычный центр новостей и руководств по ИИ для людей, которые не являются компьютерными гиками, но все же хотят понять искусственный интеллект, использовать его с большей уверенностью и следить за будущим, которое уже наступает.

Нашли ошибку или что-то, что нужно исправить? Сообщите нам.