Ця конкуренція врешті-решт зосередилася на боротьбі за контроль над трьома рівнями: рівень обчислювальних потужностей (CAPEX-змагання, $805 млрд/рік), рівень моделей (конкуренція між Anthropic/OpenAI/Google) та рівень робочих процесів (боротьба за входи — Cursor/Copilot/корпоративний SaaS). Справжній захист формується лише на останньому рівні — хто контролює робочі процеси, той контролює цикл даних і має структурну перевагу на наступному етапі ітерації моделей. Ціна придбання Cursor у $60 млрд є останнім якірним пунктом ринку, що цінує «контроль над робочими процесами», і ця ціна продовжує зростати.

Автор статті, джерело: SkillsMaster

Вступ: Три поля битви та одна центральна проблема

У 2026 році відбувається найбільше в історії людства зосередження капіталу. Шість найбільших американських технологічних гігантів вкладуть у цьому році 805 мільярдів доларів США (приблизно 5,8 трильйона юанів) у інфраструктуру ШІ — ця сума перевищує річний ВВП більшості країн і більше ніж удвічі перевищує загальні витрати США на оборону за 2023 рік.

Тим часом SpaceX здійснила повністю акційну угоду з купівлею Cursor — інструменту AI для програмування, який три роки тому оцінювався лише в $59 мільйонів — і підписала угоду на четвертий день після IPO SpaceX, що спричинило стрибок SPCX на 17% за один день і тимчасовий перевищення капіталізації Microsoft. Річний дохід Anthropic за 16 місяців збільшився з $10 мільярдів до $470 мільярдів, хоча компанія ніколи не мала прибутку за квартал, а її оцінка вже наблизилася до $965 мільярдів.

За цими подіями стоїть одна війна, що ведеться на різних фронтах. У цій статті цю війну розбито на три окремі, але взаємозалежні поля битви: боротьба за капітальні витрати на рівні обчислювальної потужності, конкуренція за розробку на рівні моделей та боротьба за входи на рівні робочих процесів. Основний тезис: глибина бар’єрів на кожному з трьох рівнів абсолютно різна, і більшість учасників ринку неправильно розподіляють свою увагу.

Розділ 1: Шар обчислювальної потужності: боротьба за капітальні витрати на $805 млрд

Потужність обчислення — це матеріальна основа цієї війни та поріг входу. У 2023 році шість величезних гравців США (Amazon AWS, Google Alphabet, Microsoft Azure, Meta, Oracle Cloud, CoreWeave) разом витратили $146 млрд на капітальні витрати; прогноз на 2026 рік — $805 млрд, зростання на 451% за три роки.

Дженнсен Хуанг на GTC Taipei 2026 висвітлив основну економічну логіку AI-фабрик: обчислювальна потужність — це дохід, бо кожен Token — це дохід, кожен Token — це прибуток. Ця логіка перетворює CAPEX з «витрат» на «інвестиції в виробничу потужність» — як будівництво додаткових ліній на заводі. Капітальні витрати на одну GW AI-фабрики вже досягли $50–80 млрд, а система NVIDIA Vera Rubin NVL72 зменшила витрати на висновок у 10 разів порівняно з Blackwell, що ще більше посилює цю економічну модель.

У 2023 році капітальні витрати цих шести компаній становили лише 40% від операційного грошового потоку, велика кількість готівки використовувалася для викупу акцій та виплати дивідендів. У 2026 році цей коефіцієнт перевищив 100%, що означає, що операційний грошовий потік вже не здатний покрити витрати на інфраструктуру, і компанії змушені звертатися до зовнішнього фінансування. $84,75 млрд емісії акцій Alphabet (червень 2026 року) — за допомогою багаторівневої капітальної структури ($40 млрд конвертованих привілейованих акцій + $10 млрд нульових облігацій + $34,75 млрд звичайних та привілейованих акцій) — є прямим наслідком цього тиску та найбільшою одноразовою емісією акцій у історії. 2

Бар’єр, пов’язаний з обчислювальною потужністю, є реальним, але це бар’єр для входу, а не диференціююча перевага. Люди, які володіють обчислювальною потужністю, отримують лише «право на участь», але не можуть виграти остаточну боротьбу завдяки цьому.

Дані про ціну акцій M7 (станом на 18 червня 2026 року) виявляють структурний суперечність: NVIDIA є найбільш прямим отримувачем від капітальних витрат у змаганні, але її ціна акцій знизилася на 18,9% з початку 2026 року — найбільше серед M7. Ринок цінує довгостроковий ризик — масштабні капітальні витрати покупців на нижньому етапі, значна частина яких спрямована на розробку альтернативних шляхів самостійного створення ASIC, що обходять NVIDIA (AWS Trainium, Google TPU v7, Microsoft Maia). Результати CoreWeave +240% та Micron +259% (за 2026 рік до сьогодні) відображають оцінку ринковим капіталом того, що середнє ланцюжка постачання ШІ отримує перевагу.

Розділ 2: Модельний шар: конкуренція у розробці та «ілюзія рову»

Якщо рівень обчислювальної потужності визначає, хто має право брати участь, а рівень моделей визначає, хто може випереджати на початковому етапі змагань — дані Sensor Tower вже довели, що перевага на рівні моделей не може бути перетворена на тривале утримання користувачів.

ChatGPT зі свого приблизного глобального частки в 85% у травні 2023 року постійно знизився до приблизно 43% у травні 2026 року, що становить спад понад 40 процентних пунктів, причому без будь-яких відновлень. Ця крива передає ключовий сигнал: мережевий ефект LLM на боку споживача дуже слабкий. Користувачі переключаються на основі миттєвої корисності, не існує соціальної блокування «мої друзі тут, тому я тут», а також немає багаторічно накопиченої бібліотеки контенту (наприклад, бібліотеки Netflix).

У січні 2025 року випуск DeepSeek спричинив найбільші одноразові коливання частки за всю історію часових рядів — ChatGPT втратив приблизно 10 відсотків протягом кількох тижнів. Це свідчить про те, що відкритий, безкоштовний та рівноцінний за продуктивністю альтернативний розв’язок достатній для перерозподілу десятків мільйонів користувачів за дуже короткий час. Витрати на перехід для споживачів LLM фактично майже нульові.

Anthropic з моменту заснування у 2021 році ніколи не досягала прибутку за квартал, у 2024 році витратила $56 млрд готівки (маржа валового прибутку -94%), а оцінка на середину 2026 року досягла $965 млрд (серія H). Річний обсяг виручки зрос з $10 млрд у січні 2025 року до $470 млрд у травні 2026 року — зростання в 47 разів за 16 місяців.

Суть цієї оціночної логіки полягає не у поточному прибутку, а у подвійній прив’язці, створеній через інтеграцію API для бізнесу: 80% доходів походять від корпоративних клієнтів, а кодові бази, системи відповідності та процеси продуктів понад 300 000 комерційних клієнтів глибоко інтегровані з Claude API. Витрати на перехід більше не є питанням «яка модель краща», а питанням «інженерних витрат на реконструкцію всіх інтеграцій» — ці витрати часто значно перевищують різницю в продуктивності моделей.

Перевага на рівні моделей є тимчасовою — кожні 6–12 місяців нова модель може знищити будь-яку лідерську перевагу в продуктивності. Насправді виключність створюється за рахунок робочих процесів та інтеграції даних, побудованих на основі моделей.

Розділ 3: Рівень робочих процесів: боротьба за входи до Cursor, Copilot та корпоративних SaaS

Рівень робочих процесів має найглибший захист і найтриваліший термін серед трьох полів битви. Вхід у робочий процес означає потрапляння в середовище, де користувач працює 8 годин на день — після формування звичок, накопичення даних та інтеграції в процеси вартість заміни зростає з «чи модель зручна» до «повної перебудови всієї робочої системи».

Глибокий аналіз випадку | SpaceX купує Cursor за $60 млрд: від $59 млн Seed до найдорожчого в історії придбання AI-інструменту

Cursor було створено чотирма студентами MIT у 2023 році шляхом форку VS Code, щоб змінити парадигму взаємодії розробників з кодом за допомогою робочого процесу «Vibe Coding» — розробники більше не повинні працювати з низькорівневим синтаксисом, а замість цього керують AI на високому рівні за допомогою AI. У піковий період Cursor займав 41% ринку інструментів AI-програмування та забезпечував приблизно половину доходів Anthropic Claude API.

Найважливіший урок випадку Cursor полягає не у його успіху, а у його структурній хрупкості. Після того як Anthropic відключила доступ Claude у 2026 році, частка Cursor на ринку AI-програмування стрімко впала з 41% до 26%. Цей випадок чітко демонструє: робочі процеси на рівні застосунку залежать від стабільності постачання на рівні моделей — і якщо нижчий рівень постачання обмежить доступ, будь-яка, навіть найсильніша, залежність від робочих процесів миттєво зникне.

SpaceX купує за $60 млрд усіх акцій, суттєво вирішуючи цей ризик з боку пропозиції — шляхом інтеграції моделі Grok від xAI та суперкомп’ютера Memphis Colossus (одного з найбільших у світі кластерів GPU), щоб іншернізувати постачання моделей, зберігаючи одночасно масив даних про реальні рішення розробників, накопичених Cursor. Генерація коду — це найвартісніший сценарій застосування LLM, і ці дані мають незамінну цінність для постійного вдосконалення моделей xAI. 2

Стратегія робочих процесів Microsoft різко відрізняється від підходу SpaceX/Cursor. Copilot не заснований на природному зростанні завдяки досвіду продукту, а досягає примусового проникнення завдяки 345 мільйонам платних підписок Microsoft 365. Річний дохід GitHub Copilot вже перевищив $2 млрд (2026 рік), а рівень продовження підписки корпоративними клієнтами перевищує 85%.

Ще важливішим є перевага Microsoft у даних: дані про корпоративні робочі процеси, зібрані через продукти Office, Teams, Outlook тощо, формують контекстне розуміння, яке будь-який незалежний AI-інструмент важко відтворити. Коли Copilot може посилатися на протокол зустрічі в Teams вчора в документі Word і одночасно пов’язувати його з відповідними листами в Outlook, вартість переключення вже піднімається з «заміни програмного забезпечення» на «перерву в робочій пам’яті».

Конкуренція на рівні робочих процесів не обмежується універсальними інструментами ШІ. Традиційні компанії-розробники SaaS-рішень інтегрують можливості LLM у свої основні продукти, створюючи вертикальні керуючі робочі процеси ШІ. Salesforce Einstein GPT, маючи прямий доступ до даних CRM, має набагато вищу прив’язаність у робочих процесах продажів, ніж будь-який універсальний інтерфейс LLM. Вбудовування Workday AI у процеси прийняття рішень у сфері кадрів також створює дуже високі витрати на міграцію даних і процесів.

Історичні паралелі | WhatsApp ($22 млрд) → Cursor ($60 млрд): Еволюція парадигми придбань із використанням мережевого ефекту

У 2014 році Facebook придбала WhatsApp за $22 млрд (з яких $19 млрд = $4 млрд готівкою + $15 млрд акціями), тоді як чистий збиток WhatsApp у 2013 році становив $138 млн, а виручка майже дорівнювала нулю. Логіка поглинання: соціальна мережа контактів користувачів створює горизонтальну блокування, де кожен новий користувач підвищує цінність усієї мережі (класичний двосторонній мережевий ефект); мотивація Facebook була захисною — запобігти конкурентам отримати доступ до мобільного повідомлення.

Логічна структура Cursor подібна, але складніша: горизонтальні мережеві ефекти слабші, ніж у WhatsApp (розробники не вимушені використовувати Cursor через те, що їхні колеги це роблять), але вертикальний інформаційний вінок значно сильніший, ніж у WhatsApp (дані про реальні рішення щодо коду безперервно покращують модель, створюючи самопідсилювальний цикл: робочий процес → дані → модель → кращий робочий процес). 60 мільярдів доларів — це ціна ринку на комбінацію «контроль над робочими процесами + інформаційний вінок коду», що на 172% вища, ніж у WhatsApp, і відображає перезначення цінності робочих процесів у епоху LLM.

Розділ 4: Війна AI Factory: розташування, створення та умови припинення ринкової переваги

На основі аналізу трьох полів битви, позиція «захисного рову» не є однозначною. Різні гравці створили різні за силою бар’єри на різних рівнях, але ключове питання: який «захисний рів» може тривати протягом циклів технологічного розвитку? У яких умовах «захисний рів» може припинити діяти?

Наявність великих кластерів GPU створює бар’єри для входу, але не забезпечує диференціаційної переваги — оскільки конкуренти можуть купити ті самі апаратні засоби за ті самі кошти. Платформа NVIDIA Vera Rubin зменшує витрати на висновок у 10 разів, що означає, що швидке зниження вартості обчислювальних ресурсів подальше погіршить цінність «бар’єру» на основі більшої обчислювальної потужності. Умови втрати переваги шару обчислювальної потужності: масове й успішне впровадження власних ASIC (очікується 2027–2028 рр.), коли перевага у витратах на висновок у великих хмарних провайдерів значно скоротиться.

Курсор зібрав дані про реальні рішення розробників, Anthropic накопичила власні бізнес-дані з викликів API підприємств, а Microsoft отримала дані про підприємницькі робочі процеси через Office 365 — це найбільш захищені активи в епоху ШІ. Глибина «рифтів» колеса даних залежить від двох змінних: власності даних (чи їх можна скопіювати або замінити шляхом синтезу) та ступеня зв’язку між даними та покращенням моделей (чи дійсно дані забезпечують диференціюючу здатність моделі).

Контроль над робочим процесом — це найтриваліша з трьох охоронних споруд. Її захисна логіка не залежить від постійного лідерства в продуктивності моделей (можна змінити постачальника на рівні моделей), а базується на витратах, пов’язаних із перехідними бар’єрами: переписування промптів, відновлення інтеграцій API, переосвіта персоналу, повторне проходження аудиту безпеки та відповідності. Сума цих витрат часто перевищує ефективність, яку дає нова модель, створюючи тривалий ефект інерційного залежності.

Існує три умови припинення дії: ① виникнення революційної парадигми робочого процесу (наприклад, перехід від «AI-підтримуваного програмування» до «AI-повністю автономного програмування», що перезавантажує всю логіку робочого процесу); ② відкриття стандартизованих інтерфейсів, що виключають витрати на міграцію (наприклад, єдиний протокол виклику AI-агентів); ③ обов’язкові вимоги регуляторів щодо переносимості даних.

Всі три шари оборонних бар’єрів ґрунтуються на прихованому припущенні: стабільність ланцюга поставок. Сім спільно розроблених чіпів NVIDIA Vera Rubin виготовлені за технологією 3 нм TSMC, а пам’ять HBM4 постачається трьома виробниками з Південної Кореї. Геополітичні ризики на Тайвані та експортні обмеження можуть у будь-який момент перервати постачання обладнання, а цей ризик не був достатньо врахований у поточному плануванні капітальних витрат. Це єдиний справжній системний зовнішній ризик у всій війні AI Factory.

Висновок: Хто виграє цю війну

Після систематичної перевірки даних у трьох розділах основний тезис статті підтверджено: бар’єри для входу в конкуренцію штучного інтелекту не знаходяться на одному рівні — доступ до обчислювальних потужностей визначає право на існування, лідерство на рівні моделей є тимчасовим, і лише гравці, що контролюють рівень робочих процесів, можуть сформувати тривалу ціноутворюючу владу.

Дані Sensor Tower підтверджують відсутність залежності з боку споживачів: трьохрічне зменшення частки ChatGPT наполовину — найчіткіший доказ. Придбання Cursor за $60 млрд свідчить, що ринок вже переоцінив «контроль над робочими процесами», і ціна продовжить зростання. Наявність ARR Anthropic у $47 млрд разом із постійними втратами підтверджує, що блокування через інтеграцію корпоративних API достатнє для підтримки оцінки, значно перевищуючої поточний прибуток.

З точки зору конкурентної ситуації, Microsoft має найбільш збалансований трирівневий захист — потужності Azure, доступ до моделей OpenAI та входи у робочі процеси Office/GitHub; Anthropic лідирує за ендерпрайз-апі-лояльністю, але стикається з постійним тиском витрат капіталу; перевага Google у розповсюдженні (Android + Search) важко повторити на споживчому ринку; вертикально інтегрований підхід SpaceX/xAI+Cursor ще перебуває на етапі перевірки, але у разі успіху створить найскладнішу для розбирання комбінацію захисту.

Остаточна війна не в тому, яка модель розумніша, а в тому, який робочий процес важче залишити. Це базова бізнес-логіка, яка була перевірена ще в епоху WhatsApp, а в епоху LLM була збільшена до розміру трильйонів доларів.

Джерело даних та зауваження

1 Команда аналітиків Bank of America (квітень 2026 р.); TrendForce Global Research (травень 2026 р.); Q1 2026 фінансові прогнози Amazon, Alphabet, Microsoft, Meta, Oracle. Дані графіка «U.S. AI Hyperscale CAPEX Sprint»; Дані графіка «Capital Squeeze: CAPEX vs. OCF».

2 оголошення про злиття SpaceX/Anysphere (червень 2026 р.); офіційне розкриття ARR Cursor; матеріали виступу проф. Чен Лінь зі Школи бізнесу HKU (червень 2026 р.); база даних фінансування Crunchbase.

3 Anthropic Series H — оголошення про фінансування (травень 2026 року, оцінка $965 млрд); навчальні матеріали Школи бізнесу HKU — діаграма даних «Фірма з втратами на $1 трильйон»; Bloomberg Terminal.

4 NVIDIA GTC Тайпей 2026 — виступ Дженсена Хуанга (1 червня 2026 року, Тайпейський музичний центр); оголошення про продукт NVIDIA Vera Rubin; SemiAnalysis "Vera Rubin: Extreme Co-Design" (лютий 2026 року).

5 Bloomberg Terminal; діаграма даних «M7 проти Micron 2026 YTD (18 червня 2026 року)»; навчальні матеріали Школи бізнесу HKU. Щорічні звіти компаній за роки.

6 Sensor Tower Global Research; проф. Чен Лінь (Чен Лінь), Школа бізнесу Університету Гонконгу, презентація «Чутливість клієнтів до ціни та лояльність» (2026 рік, дані за весь світ).

7 Фінансовий звіт Microsoft за фінансовий рік 2026; Офіційне розкриття ARR GitHub Copilot; Дані про платних підписників Microsoft 365 (Q1 2026); Виступ Сатї Наделли на Дні інвесторів.

Оголошення про придбання Facebook/Meta WhatsApp (лютий 2014 року); фінансові дані WhatsApp за 2013 рік; навчальні матеріали Школи бізнесу HKU «Стара історія попереднього циклу»; документи SEC.