Редакционная заметка: когда ИИ начинает писать код, обрабатывать заявки в службу поддержки и проверять юридические документы, возникает более фундаментальный вопрос: что именно компании действительно покупают — токены, часы GPU или выполненные задачи?

Эта статья предлагает值得关注ую рамку: коммерциализация ИИ не должна восприниматься лишь как «рынок вычислительных мощностей» или «рынок вызова моделей», а стремится к новому «рынку машинного труда». В этом рынке токены служат единицами измерения, GPU — входными ресурсами, модели — инструментами производства, а настоящими объектами ценообразования и торговли являются экономические задачи, напрямую выполняемые программным обеспечением.

Основной вывод статьи заключается в том, что механизм ценообразования ИИ пройдет эволюцию от первоначальных токенов и стандартизированных моделей способностей к индустриализированной рабочей силе, а затем к рынку программируемых результатов. То есть в будущем компании могут перестать интересоваться тем, какой именно моделью или каким GPU выполняется задача, и сосредоточатся на том, были ли результаты доставлены в пределах установленных задержки, точности, надежности и стоимости.

Это также означает, что влияние ИИ на рынок труда не обязательно сводится к простой замене. По мере того как машины берут на себя все больше стандартизированных и проверяемых задач, роль человека может сместиться в сторону проверки, принятия ответственности, управления контекстом и принятия финальных решений. В некоторых сценариях последние 1% человеческих решений могут стать даже более ценными, поскольку они позволяют реализовать автоматизацию 99%.

С этой точки зрения, следующий этап конкуренции на рынке ИИ, возможно, больше не будет борьбой за возможности моделей или простой ценовой войной за вычислительные мощности, а будет зависеть от того, кто первым стандартизирует, проверим и определит цену «работы», превратив машинную рабочую силу в новый тип производственного фактора, который можно закупать, рассчитывать и торговать.

Следующий текст:

Волны производительности всегда исходили от инструментов и программного обеспечения, создаваемых для людей с целью оптимизации способа выполнения работы. Электронные таблицы помогали бухгалтерам и аналитикам, конвейеры повышали пропускную способность, молотки усиливали человеческую силу. Но настоящий труд всегда исходил от людей.

Сейчас ИИ напрямую производит рабочие результаты, выполняя сам труд. Он может писать код, обрабатывать заявки в службу поддержки, проверять юридические документы. На нижнем уровне технологического стека происходит сжатие: старый технологический стек поддерживал труд, а новый технологический стек начинает производить труд.

Если вы недавно слышали обсуждения о финансовой автоматизации ИИ, вы, вероятно, слышали, как Дженнсен и другие говорят, что токены LLM и/или часы GPU становятся новыми товарами. Эта интуиция понятна, поскольку токены можно измерять, выставлять счета и легко визуализировать; за часами GPU стоит десятки миллиардов долларов инвестиций. Но токены остаются всего лишь измерительными приборами, а часы GPU — лишь входными ресурсами; никто не покупает их ради самих по себе. Люди действительно хотят завершить работу. ИИ превращает сам технологический стек в источник труда.

Машинная рабочая сила: работа, выполняемая программным обеспечением, имеющая экономическое применение и продаваемая в производственный процесс.

Рынок уже движется в этом направлении. Сара Тевел из Benchmark склонна понимать эту возможность через внешние рынки труда, а не через программное обеспечение. Если повторяющаяся задача изначально выполняется специализированными оффшорными командами или профессиональными сервисными компаниями, она, как правило, также подходит для выполнения с помощью ИИ. Алекс Рэмпелл из a16z называет это «программное обеспечение поглощает труд»: следующий акт программного обеспечения — это выполнение работы вручную. Жюльен Бек из Sequoia описывает ту же самую трансформацию с другой точки зрения: услуги превращаются в программное обеспечение; copilot продает инструменты, а autopilot — работу.

Отсутствующий рынок за ценой результата

Ценообразование по местам взимается за доступ, ценообразование по токенам — за объем использования. Ценообразование по результатам взимается при завершении работы. Ценообразование по результатам позволяет нам сделать шаг вперед, но оно все еще не отвечает на один вопрос: кто устанавливает цену?

Если машинный труд можно напрямую покупать, цена должна определяться конкуренцией между поставщиками. Эти поставщики должны быть способны выполнять одни и те же типы задач или соответствовать одинаковым стандартам выполнения работы, что требует стандартизации как внутри различных отраслей, так и внутри самих задач.

Сейчас используется LLM token, но исходный token — это лишь базовая единица измерения. Бочка нефти — это просто единица измерения; на самом деле торгуются бочки нефти определённого сорта с чётко определённым качеством, условиями поставки и рыночной ценой. Бочка сырой нефти сорта Brent и бочка тяжёлой сернистой нефти — это не один и тот же товар. То же самое и с LLM token. Token — это лишь единица измерения; действительно важны интеллект, лежащий за ним: качество модели, нижний порог результатов на тестах, задержка, контекстное окно, надёжность и гарантии поставки. Миллион token от передовой кодовой модели и миллион token от дешёвой универсальной модели — это не один и тот же товар. Рынку нужны стандартизированные уровни вывода, как энергетическому рынку нужны стандартизированные сорта нефти.

Анджали Шрива прямо указала на это: токен не является фиксированной единицей стоимости. Его экономика изменяется в зависимости от длины контекста, структуры задачи, соотношения ввода/вывода, количества попыток, вызовов инструментов и рабочих процессов агента. Токен в коротком промпте и токен, спрятанный в длинном цикле агента, — это не один и тот же экономический объект.

Мы уже так делаем на рынке человеческого труда. Никто не нанимает рентгенолога как обобщённый «человеческий час». Люди смотрят на образование, лицензии, специализацию, стаж работы, доступность, репутацию, уровень ответственности и т.д. Разные контракты для людей предполагают разные минимальные стандарты и ожидания по уровню.

Рынок человеческого труда изначально функционирует на основе этих параметров, хотя они часто смешаны, качественны и наполнены различными прокси-индикаторами. Рынок машинного труда сделает эти параметры более явными и более измеримыми.

Для LLM или агента такие показатели, как навыки, опыт, скорость и надежность, могут быть напрямую включены в контракт: результаты бенчмарков, задержка, пропускная способность, размер контекстного окна, максимальная длина вывода, точность использования инструментов, время безотказной работы, уровень ошибок. Мы можем закупать трудовые ресурсы на основе измеримых ожиданий и результатов.

Контрактные спецификации TheGrid.ai по сути являются фильтром квалификации плюс ценовая конкуренция для выводов LLM. Поставщики, соответствующие спецификациям, могут участвовать в конкуренции:

Интеллектуальный тестовый эталон ≥ нижний предел

Задержка ≤ лимит

Пропускная способность ≥ нижний предел

Время работы ≥ нижний предел

Ошибка ≤ лимит

Как только все поставщики достигли одинакового минимального порога, они начинают конкурировать по цене. Покупатели задаются вопросом: какой поставщик может доставить необходимую рабочую силу по наилучшей цене?

Найм рентгенолога в контексте LLM превращается в измеримую задачу: какие LLM могут с высокой квалификацией интерпретировать рентгеновские снимки и выполнять задачи в рамках четко определенных задержек, окон контекста и других результативных контрактных спецификаций.

Результат — это способ, которым покупатели измеряют успех; труд — это экономическая активность, предоставляемая по предложению; токен — это топливо, которое потребляется машиной в процессе выполнения работы.

Grid — это рынок машинного труда.

От токена до рынка машинного труда

Рынок может оценивать вложения в технологический стек, но для оценки результатов необходим рынок машинного труда. Покупателям не важны часы GPU. Самы endpoint-ы моделей также нестабильны: их могут переименовывать, выводить из эксплуатации, упаковывать или полностью выводить из обращения.

Пользователи и ликвидность не любят частых изменений. GPU и модели постоянно развиваются, но стабильной единицей является сама работа.

Я считаю, что рынок будет развиваться по следующему пути. Каждый следующий уровень становится все более абстрактным и ценным, но также все труднее для проверки. The Grid должен постепенно подниматься вверх по этой лестнице:

Исходный токен → Коммерциализированный рынок возможностей LLM → Коммерциализированный рынок труда → Рынок программируемых результатов

Claude 4.7, GPT 5.5, Kimi 2.6, DeepSeek V4, GLM 5 и другие.

Сегодня покупатели приобретают исходные выходные данные моделей у поставщиков выводов. Они отправляют свои промпты, получают результаты вывода и платят за использование. Это легко проверить, но это все еще лишь сырье. Покупатели действительно хотят не токены, а полезный интеллект по лучшей цене.

Например, text/usd, code/usd, agent/usd и т. д.

Покупатель больше не выбирает конкретную модель, а выбирает нужный ему тип интеллекта. Покупатель по-прежнему контролирует рабочий процесс, промпты, данные и логику приложения. The Grid просто направляет каждый запрос на подходящую модель, соответствующую условиям контракта и предлагающую наименьшую цену.

Примечание: это первый настоящий абстрактный уровень выше исходного токена, на котором сейчас находится TheGrid.ai.

Например accounting/usd, support_agent/usd, legal/usd, healthcare/usd, radiology/usd и другие.

По мере того как модели становятся более специализированными, рынок способностей может дополнительно эволюционировать в отраслевые рынки. Это аналогично специализированному разделению труда людей на различных рынках труда.

На этом уровне мы предлагаем возможности для вывода, оптимизированные под рабочие процессы в конкретных нишах труда. По мере того как модели для отраслевых сегментов становятся все более распространенными, этот рынок быстро расширится. Соответствующие примеры включают Composer от Cursor, Harvey для юридических задач и EvidenceOpen для здравоохранения.

Например, support_ticket_resolved/usd, pr_merged/usd, claim_processed/usd и т. д.

Последний слой — это место, где The Grid переходит от рынка прогнозов к рынку машинного труда.

Этот уровень требует механизмов, таких как RFQ (запрос на ценовое предложение), доверительные счета, отложенная оплата, подтверждение покупателем, репутация поставщика, механизм возврата средств и разрешение споров. Скорее всего, он начнется с RFQ, а не с прямого использования стакана заказов. Покупатель определяет объем работ, ограничения, критерии приемки и условия оплаты, а агенты подают заявки на выполнение задач. The Grid помогает маршрутизировать, определять цены, проверять и осуществлять оплату этих задач.

Это самый ценный уровень, но и самый сложный для проверки, поскольку результаты могут задерживаться, быть субъективными и подвержены манипуляциям. Тикет службы поддержки может быть повторно открыт; PR может пройти тестирование, но всё равно привести к плохой архитектуре.

Total cost = Cost of completing the work + Cost of assuming risk

Рабочий процесс не становится рынком автоматически, просто потому что интеллект стал более доступным или дешевле. Некоторые задачи сильно зависят от частного контекста, например, истории клиентов или внутренних политик. Чем больше задача зависит от контекста, тем менее вероятно, что она может быть чисто расчищена на открытом рынке. [@hypersoren https://hypersoren.xyz/posts/cybernetic-arbitrage/]

Рынку необходимо выявить, какие категории труда будут расширяться, а какие — сокращаться.

Машинная рабочая сила против человеческой рабочей силы, или машинная рабочая сила и человеческая рабочая сила

Анджали Шрива в своем черновике по проектированию механизмов отмечает, что ИИ-повествования слишком часто описываются как замена. На самом деле это скорее проблема координации: как перестраиваются работа, приписывание, стимулы и ценность, когда и люди, и машины участвуют в производстве.

Сегодня многие корпоративные использования ИИ остаются заблокированными, поскольку сотрудники используют ИИ в личных целях, рабочие процессы остаются привязанными к отдельным лицам, и компании не могут оценить эти повышения производительности или масштабировать эти выгоды.

Большинство работ, поддающихся автоматизации, будут переданы машинам. Часть задач превратится в проверку человеком, принятие ответственности, обучение и управление контекстом. В некоторых случаях последние 1% человеческого суждения станут более ценными, поскольку они позволят масштабно активировать 99% автоматизированных процессов.

Рэйчел Су Парк в книге «Brave New World of AI Markets» отмечает, что TAM ИИ не следует просто моделировать как замену текущим расходам на человеческий труд, поскольку он одновременно изменяет цену и количество. По мере снижения стоимости работы цена за единицу может упасть, но объем потребления может расшириться, поскольку существующие работы будут потребляться чаще, а ранее экономически невыгодные совершенно новые виды работ станут возможными. Автор статьи сводит это к следующему:

P × Q: Размер рынка = Цена за единицу работы × Количество потребленной работы

Если ИИ делает взаимодействие с службой поддержки дешевле, компании могут предоставлять круглосуточную службу поддержки. Этот рынок не станет просто дешевой версией традиционного рынка труда службы поддержки, а может превратиться в более масштабный рынок взаимодействия с клиентами.

ИИ — это растущий рынок, поскольку при снижении стоимости работы спрос не остается неизменным.

Рабочий слой

Рынок машинного труда должен начинаться с работ, чьи спецификации можно четко определить. ГПУ-часы содержат слишком много информации о вложениях и могут лишь указать, что поддерживало работу; а ценообразование полного результата слишком сложно и чрезмерно зависит от контекста. По мере того как проверка, репутация и ценообразование рисков/страхования постепенно переходят к машинам, рынок будет продолжать движение к чистому уровню результатов.

Рабочая сила машин может стать торговой, поскольку покупатели всё меньше будут заботиться о том, какая модель или какой GPU произвели работу, и всё больше будут сосредоточены на том, достигла ли сама работа минимальных стандартов и классов, указанных в контракте, по правильной цене. Агенты будут ещё меньше заботиться об этих базовых источниках.

Машины теперь могут напрямую выполнять работы с экономической целью, которые можно определить, измерить, оценить, приобрести и в конечном итоге торговать. Электроэнергия, вычислительная мощность, модели и токены, конечно, по-прежнему важны, но все они остаются на верхнем уровне.

Настоящее завершение работы происходит на нижнем уровне, а рынок движется к более простому объекту: машинной рабочей силе.