У подкасті 20VC з Гаррі Стеббінгсом інвестори Джейсон Лемкін (SaaStr) та Рорі О’Дрісколл (Scale Venture Partners) розбирають останній сезон звітності «Mag 7» — найбільших публічних техгігантів США. На цьому тлі Alphabet виглядає як головний бенефіціар AI‑перегони: компанія одночасно нарощує хмарний бізнес, масштабує власні моделі Gemini та монетизує штучний інтелект одразу на кількох рівнях — від чипів до дистрибуції LLM‑сервісів.
Паралельно стає очевидним ще один тренд: саме гіпермасштабні хмарні платформи — Google, Microsoft, Amazon — наразі заробляють більше на інфраструктурі та продажі LLM‑потужностей, ніж самі розробники моделей на кшталт OpenAI чи Anthropic.
Хмарний беклог Alphabet: $462 млрд як вотум довіри до AI‑хмари
Один із найяскравіших сигналів цього кварталу — вибухове зростання хмарного беклогу Alphabet. Компанія повідомила, що backlog Google Cloud майже подвоївся і досяг $462 млрд. Це сума, співставна з усією очікуваною виручкою Alphabet у 2025 році.
Для хмарного бізнесу беклог — це не абстрактний показник, а довгострокові контракти й зобов’язання клієнтів. Коли сума майже дорівнює прогнозованому річному доходу всієї корпорації, це означає кілька речей.
По‑перше, великі підприємства не просто експериментують з AI у хмарі, а фіксують багаторічні зобов’язання. Це не «пілоти» на кілька місяців, а масштабні програми цифрової трансформації, де Google Cloud і AI‑сервіси стають базовою інфраструктурою.
По‑друге, це сигнал довіри саме до Google як до постачальника AI‑потужностей. У перші роки генеративного буму багато хто припускав, що основна цінність буде зосереджена в розробників моделей. Натомість беклог Alphabet показує, що корпоративні бюджети йдуть туди, де є стабільна інфраструктура, сервісний рівень і інтеграція з уже існуючими робочими процесами.
По‑третє, це підтвердження того, що AI‑попит не обмежується кількома флагманськими LLM‑стартапами. $462 млрд — це результат тисяч угод: від великих корпорацій до масштабних SaaS‑платформ, які будують власні AI‑функції поверх Google Cloud.
На цьому фоні Alphabet виглядає як компанія, якій не доводиться обирати між «захистом кеш‑кау» та інвестиціями в майбутнє. Пошук і реклама продовжують генерувати готівку, а хмарний бізнес — акумулювати довгострокові AI‑контракти.
Gemini масштабується: 16 млрд токенів за хвилину як індикатор навантаження
Ще один показник, який ілюструє масштаби AI‑навантаження в Google, — динаміка генерації токенів Gemini. Компанія повідомила, що обсяг «token production» зріс із 10 млрд токенів за хвилину в четвертому кварталі до 16 млрд токенів за хвилину в першому.
Це не просто «маркетинговий» vanity‑метрик. Для інфраструктурного бізнесу токени — це прямий сурогат навантаження на обчислювальні кластери, пропускну здатність мережі та ефективність дата‑центрів. Зростання на 60% за квартал означає:
AI‑робочі навантаження стають масовими. Мова вже не про окремі демо‑запуски, а про стабільне використання моделей у продуктах, внутрішніх інструментах, кодингу, аналітиці.
Google змушений агресивно нарощувати інфраструктуру. Щоб підтримувати 16 млрд токенів за хвилину, потрібні не лише GPU, а й оптимізовані дата‑центри, мережі, системи зберігання та оркестрації.
Gemini стає частиною ширшої екосистеми. Значна частина цих токенів генерується не в «чистому» чат‑інтерфейсі, а через API, вбудовані в продукти Google і сторонні сервіси.
Цікаво, що на фоні цього зростання в розмові згадується ще агресивніша динаміка в Anthropic, де токен‑обсяги, за оцінками, могли зрости в 10–15 разів за квартал. Але навіть якщо приватні гравці демонструють вищі відносні темпи, саме Google несе основний тягар інфраструктури — і монетизує його на кількох рівнях.
Три рівні монетизації: як Google «накладає» прибуток на один і той самий AI‑попит
Ключова відмінність Google у нинішній AI‑гонці — багатошарова модель монетизації. Компанія не просто продає доступ до моделей, а заробляє на всьому ланцюжку створення й доставки AI‑послуг.
Перший рівень — власні чипи. Google інвестує в розробку спеціалізованих процесорів для AI‑навантажень. Коли клієнти запускають моделі в Google Cloud, значна частина обчислень виконується саме на цих чипах. Це дозволяє компанії контролювати собівартість, оптимізувати продуктивність і, по суті, продавати «залізо як сервіс», закладене в ціну хмарних продуктів.
Другий рівень — хмарний хостинг. Усі ці токени Gemini, а також моделі сторонніх розробників, працюють на інфраструктурі Google Cloud. Кожен запит до LLM — це споживання CPU/GPU, пам’яті, мережі, сховища. Для Google це класичний хмарний дохід, але з набагато вищою інтенсивністю використання ресурсів, ніж у традиційних веб‑ чи бізнес‑додатків.
Третій рівень — дистрибуція LLM‑сервісів. Google не обмежується роллю «хостинг‑провайдера». Компанія купує або ліцензує токени моделей (включно з власними) й продає їх далі своїм клієнтам через широку дистрибуцію: від Google Cloud до інтеграцій у Workspace, пошук, розробницькі інструменти. На цьому рівні формується маржа вже як у постачальника прикладних AI‑функцій.
У результаті один і той самий попит на AI‑можливості приносить Alphabet дохід одразу в трьох точках: на рівні чипів, інфраструктури та сервісів. Для порівняння, розробники LLM, які не володіють інфраструктурою й дистрибуцією, зазвичай заробляють лише на продажі доступу до моделі — і часто змушені віддавати значну частину виручки гіпермасштабним хмарам за хостинг.
Це й пояснює, чому в розмові звучить теза: наразі гіперскейлери нерідко отримують більше доходу з LLM‑навантажень, ніж самі компанії, що створюють моделі.
Пошук не зламався: LLM‑революція не знищила рекламний двигун Google
На тлі AI‑буму один із головних страхів останніх двох років полягав у тому, що великі мовні моделі зруйнують традиційну модель пошуку й реклами. Логіка була простою: якщо користувачі почнуть отримувати відповіді напряму від чат‑ботів, вони менше клікнутимуть по посиланнях і рекламних оголошеннях, а отже, монетизація пошуку впаде.
Поточні результати Alphabet свідчать про протилежне. Виручка від пошуку й реклами не демонструє «обвалу», якого побоювалися. Економічного шоку від LLM‑альтернатив поки що не видно.
Більше того, є й анекдотичні, але показові сигнали. Лемкін згадує, що SEO‑трафік на контент SaaStr — його медіа‑та освітньої платформи для SaaS‑засновників — зріс приблизно на 60% рік до року й досяг історичного максимуму. Це не глобальна статистика, але вона добре ілюструє, що для якісного нішевого контенту Google Search залишається потужним каналом.
Це має кілька наслідків.
По‑перше, Alphabet отримує рідкісну стратегічну позицію: основний рекламний бізнес не лише не руйнується, а й продовжує бути джерелом готівки, яка фінансує AI‑капекс і хмарну експансію.
По‑друге, компанія може дозволити собі експериментувати з інтеграцією генеративних відповідей у пошук без страху негайної втрати доходів. Це дає їй часовий люфт, щоб знайти баланс між зручністю для користувача й монетизацією.
По‑третє, для екосистеми контент‑виробників це сигнал: попри появу чат‑ботів, органічний пошук залишається критично важливим каналом. Принаймні поки що користувачі не відмовилися від звички «гуглити» навіть у світі, де є ChatGPT чи Gemini.
У підсумку Google опинився в рідкісній ситуації, коли «старий» бізнес не конфліктує з «новим», а радше фінансує його. Це різко контрастує з компаніями, які змушені обирати між захистом існуючих джерел доходу та інвестиціями в AI‑майбутнє.
Гіперскейлери проти LLM‑стартапів: хто реально заробляє на AI‑бумі
На макрорівні нинішній сезон звітності описують як «найагресивніший квартал в американському капіталізмі». П’ять–шість найбільших компаній світу демонструють близько 20% загального зростання виручки й 30–40% у окремих сегментах, паралельно різко збільшуючи капітальні витрати на AI. Сукупний AI‑capex «Mag 7» оцінюють приблизно в $700 млрд, тоді як їхня квартальна виручка — близько $540 млрд.
У центрі цієї історії — гіперскейлери: Google, Microsoft, Amazon. Їхня модель заробітку на AI сьогодні складається з двох ключових потоків.
Перший — продаж обчислювальних потужностей компаніям, що розробляють LLM. OpenAI, Anthropic та інші приватні гравці будують свої моделі на інфраструктурі Azure, Google Cloud або AWS. Кожен тренувальний запуск, кожна інференс‑сесія — це рахунок за GPU‑кластер, зберігання даних, мережу. Для гіперскейлерів це прямий хмарний дохід.
Другий — дистрибуція LLM‑сервісів кінцевим клієнтам. Ті ж самі моделі, які працюють у хмарі, продаються далі через корпоративні канали: Azure AI, Google Cloud, інтеграції в офісні пакети, розробницькі інструменти, галузеві рішення. Тут гіперскейлери виступають уже як реселери або інтегратори AI‑функцій.
У результаті, як підкреслюють співрозмовники, сьогодні часто виходить парадоксальна картина: гіперскейлер отримує більше виручки з одного й того самого AI‑навантаження, ніж компанія, яка створила модель. Він заробляє на хостингу, інфраструктурі, сервісах і дистрибуції, тоді як розробник моделі має лише свою частку в кінцевій ціні токенів.
Це не означає, що IP‑власники залишаться в програші в довгостроковій перспективі. Але на поточному етапі саме володіння інфраструктурою й каналами збуту дає структурну перевагу. Гіперскейлери можуть:
перекладати частину ризиків AI‑капексу на клієнтів через довгострокові контракти й ціноутворення;
масштабувати один і той самий дата‑центр під різні моделі й сервіси, підвищуючи завантаження й маржу;
використовувати власні моделі (як Gemini) як важіль у переговорах із сторонніми LLM‑постачальниками.
У цьому сенсі Google опиняється в особливо вигідній позиції: на відміну від деяких конкурентів, він одночасно є й гіперскейлером, і розробником конкурентоспроможної LLM, і власником одного з найпотужніших каналів дистрибуції в історії інтернету — пошуку.
Коли музика зупиниться: чому інфраструктура й дистрибуція поки перемагають
На фоні рекордного AI‑капексу не зникає скепсис: чи справді гіперскейлери зможуть «відбити» сотні мільярдів доларів, вкладених у чипи й дата‑центри? Вільний грошовий потік багатьох із них суттєво скоротився, оскільки капітальні витрати «з’їдають» левову частку кешу.
Однак великі публічні техкомпанії мають одну сильну сторону — фінансову інженерію. Вони вміють будувати складні моделі ризику, розкладати сценарії, перекладати частину витрат на партнерів і клієнтів. У розмові наголошується: ці компанії добре розуміють, де можна «скинути» ризик на екосистему, а де варто тримати його на балансі.
Поки що структура ринку складається так, що:
ризик розробки й удосконалення моделей значною мірою лежить на приватних LLM‑компаніях;
ризик інфраструктури — на гіперскейлерах, але він компенсується масштабом, беклогами й диверсифікацією клієнтів;
ризик монетизації кінцевих AI‑додатків — на підприємствах і розробниках, які інтегрують моделі у свої продукти.
У цій конфігурації власники інфраструктури й дистрибуції мають більше важелів впливу на грошові потоки. Вони можуть змінювати тарифи, пропонувати пакетні рішення, перерозподіляти потужності між клієнтами, запускати власні сервіси поверх тих самих моделей.
Саме тому сьогоднішній AI‑бум виглядає як «стіна грошей», де всі намагаються зрозуміти, хто врешті «сяде на стілець із трильйоном доларів», коли музика зупиниться. Поточні цифри свідчать: на цьому етапі найбільш виграшна позиція — у тих, хто володіє дата‑центрами, чипами й каналами збуту, а не лише кодом моделі.
Висновок: Google як еталон гіперскейлерної стратегії в епоху AI
Останній сезон звітності показав, що Alphabet перетворюється на еталон того, як гіперскейлер може монетизувати AI на всіх рівнях одночасно. Хмарний беклог у $462 млрд фіксує довгострокову довіру підприємств до Google Cloud і AI‑сервісів. Масштабування Gemini до 16 млрд токенів за хвилину демонструє реальне навантаження на інфраструктуру, а не лише хайп навколо моделей.
Найважливіше, що компанія зуміла уникнути сценарію, якого найбільше боялися аналітики: економічного руйнування пошуку й реклами через LLM‑альтернативи. Навпаки, SEO‑трафік для якісного контенту, на кшталт SaaStr, зростає, а пошук залишається потужним каналом дистрибуції.
На цьому тлі тришарова модель монетизації — власні чипи, хмарний хостинг, дистрибуція LLM‑сервісів — дозволяє Google «накладати» кілька потоків прибутку на один і той самий AI‑попит. І поки приватні LLM‑компанії борються за частку ринку й капітал, саме гіперскейлери, схоже, вже сьогодні збирають значну частину економічних дивідендів від AI‑революції.