Расходы на ИИ превышают зарплаты инженеров: анализ и прогнозы до 2029 года
В передовых ИИ-компаниях затраты на вычисления уже в 2.3 раза превышают зарплаты разработчиков. Разбираем три сценария развития рынка программного обеспечения до 2029 года.

В мире передовых технологий наметился фундаментальный сдвиг в структуре корпоративных расходов. По данным последних исследований, ведущие лаборатории искусственного интеллекта, такие как Anthropic, уже тратят на вычислительные мощности (compute) значительно больше, чем на зарплаты своих инженеров. Это не просто статистическая аномалия, а возможный предвестник будущего для всей индустрии программного обеспечения.
Исторически главной статьей расходов в IT-секторе был фонд оплаты труда. Однако сегодня Anthropic тратит около 2.3 базовых окладов на вычисления для каждого сотрудника. При штате примерно в 5000 человек и затратах на обучение и логический вывод (inference) в размере 10 миллиардов долларов, на одного сотрудника приходится около 2 миллионов долларов вычислительных мощностей в год. Для сравнения, полная компенсация инженера в таких компаниях составляет немногим более 500 тысяч долларов.
Остальной рынок пока сильно отстает, демонстрируя колоссальный разрыв. Топ-1% компаний-разработчиков программного обеспечения тратит на ИИ около 89 тысяч долларов на инженера в год, что составляет примерно 40% от зарплаты старшего специалиста (около 224 тысяч долларов). В то же время медианная компания тратит на эти цели всего 137 долларов в год. Вопрос заключается в том, как быстро остальной рынок приблизится к показателям лидеров.

Line chart showing three scenarios for AI spend as percent of engineer salary through 2029, with the Bull case converging to the Anthropic benchmark of 230 percent
Аналитики рассматривают три возможных сценария развития ситуации к 2029 году.
Первый — консервативный (медвежий) сценарий. В нем предполагается, что дефляция стоимости токенов возьмет верх. Затраты вырастут до 106 тысяч долларов на инженера (41% от зарплаты), но затем стабилизируются. Этому способствует постоянное снижение цен на API (примерно в 10 раз за год для передовых моделей) и развитие моделей с открытыми весами (open-weight models), которые предлагают качество, сопоставимое с проприетарными решениями, но за меньшие деньги.



