Сколько на самом деле зарабатывает молодой AI-стартап? Вопрос на $202 миллиарда, который венчурным инвесторам неудобно обсуждать

В марте 2025 года The Wall Street Journal опубликовал статью с обманчиво простым заголовком: «Сколько зарабатывает молодой AI-стартап? Непонятно, говорят венчурные инвесторы» [1]. Материал обнажил фундаментальное противоречие в основе бума искусственного интеллекта — венчурные капиталисты выписывают чеки с беспрецедентной скоростью, зачастую не имея чёткого представления о том, действительно ли компании, которые они финансируют, зарабатывают деньги. Эта закономерность напоминает предыдущие технологические пузыри, но ставки и суммы затмевают всё, что когда-либо видела Кремниевая долина.

Цифры поражают воображение. В 2025 году глобальные инвестиции в ИИ достигли $202,3 миллиарда — рост на 75% по сравнению с $114 миллиардами годом ранее, по данным Crunchbase [2]. Компании в сфере ИИ привлекли почти 50% всего мирового венчурного финансирования — против 34% в 2024 году [2]. Одни лишь компании, занимающиеся базовыми моделями, привлекли $80 миллиардов, что составило 40% всего финансирования ИИ [2]. Но за этими громкими цифрами скрывается куда более сложная и зачастую отрезвляющая реальность для основателей, пытающихся строить устойчивый бизнес в отрасли, экономика которой ещё только формируется.

Ландшафт выручки: история крайностей

Чтобы понять, сколько на самом деле зарабатывает молодой AI-стартап, нужно прежде всего признать, что ландшафт выручки в сфере ИИ определяется экстремальной бифуркацией. На самом верху горстка компаний генерирует доход с исторически беспрецедентной скоростью. В нижней части спектра подавляющее большинство просто сжигает капитал инвесторов, не имея ощутимых результатов.

Исключения создают ослепительную картину. Годовая выручка OpenAI стремительно выросла с $200 миллионов в начале 2023 года до $13 миллиардов к августу 2025 года [7][8]. Выручка Anthropic поднялась с $87 миллионов в начале 2024 года до $7 миллиардов к концу 2025 года, причём 70–80% приходится на корпоративных клиентов [8]. Cursor (Anysphere) — AI-редактор кода — совершил, возможно, самый быстрый рост B2B-продукта в истории: от нуля до $100 миллионов годовой повторяющейся выручки (ARR) примерно за 12 месяцев, а к февралю 2026 года — до $2 миллиардов ARR [6]. xAI, основанная Илоном Маском в 2023 году, прыгнула со $100 миллионов в конце 2024 года до $500 миллионов к середине 2025 года [8].

Но это единороги — а единороги, по определению, редки. Исследование MIT 2025 года «The GenAI Divide: State of AI in Business» показало, что лишь 5% компаний, пытающихся внедрить генеративный ИИ, достигают «ускоренного роста выручки» [9]. Остальные 95% либо не генерируют значимого дохода, либо стагнируют, либо бесконечно пивотят. По данным Galileo AI, компании с ИИ, основанные с 2020 года, достигают отметки в $1 миллион выручки за медианные 5 месяцев — значительно быстрее традиционного SaaS. Но достижение $1 миллиона — это ещё не то же самое, что построить устойчивый бизнес.

Жёсткая экономика управления AI-компанией

Что принципиально отличает AI-стартапы от предыдущего поколения SaaS-компаний — это структура затрат. Традиционные софтверные компании имеют валовую маржу 70–80%. AI-компании, особенно те, которые запускают собственные модели или активно используют GPU-инфраструктуру, существуют в совершенно иной экономической реальности.

Вычисления на GPU — крупнейшая статья расходов большинства AI-стартапов. Они поглощают 40–60% технического бюджета в первые два года работы. Расходы нешуточные: один GPU NVIDIA H100 стоит $2,10–$4,50 в час у специализированных облачных провайдеров или $4–$8 в час у гиперскейлеров вроде AWS и Google Cloud. Мульти-GPU кластеры, необходимые для обучения даже скромных моделей, обходятся в $20–$40 в час. Для стартапа на ранней стадии ежемесячные счета за GPU обычно составляют от $2 до $8 тысяч на этапе разработки, возрастая до $10–$30 тысяч в продакшене. Стартапы, занимающиеся исследованиями, могут тратить $15–$50 тысяч в месяц только на вычисления.

И это лишь инфраструктурные расходы. Скрытые затраты — передача данных, хранение, сетевые услуги — могут раздуть ежемесячные счета ещё на 20–40%. Неэффективное использование GPU, включая простой, приводит к потере 30–50% расходов на вычисления. Добавьте стоимость специализированных AI-специалистов (которые получают надбавку 30–50% по сравнению с обычными разработчиками), и burn rate становится удручающим.

Результат? Медианная AI-компания на стадии Series A тратит $5, чтобы привлечь $1 новой годовой повторяющейся выручки (ARR), согласно данным венчурной индустрии [3]. Cursor, несмотря на свой экстраординарный рост выручки, по имеющимся данным, тратит около 100% выручки на оплату AI-моделей. Даже OpenAI — лидер категории с $13 миллиардами годовой выручки — сжигает наличные со скоростью $13,8 миллиона в день, а совокупные убытки с 2023 по 2028 год, по прогнозам, достигнут $44 миллиардов [7]. Компания не рассчитывает выйти на положительный денежный поток до 2030 года.

Что данные говорят о выручке «типичного» AI-стартапа

Пока гиганты доминируют в заголовках, реальность для ~70 000 AI-стартапов, существовавших в мире в 2024 году, куда скромнее. Согласно агрегированным отраслевым данным, типичный AI-стартап в первый год работы может рассчитывать на выручку от нуля до примерно $500 000 — причём медиана ближе к нижней границе. Компании, которым удаётся достичь $1 миллиона ARR в первый год, уже находятся в верхнем квартиле по результатам.

Траектория роста выручки крайне неравномерна. AI-продукты стартапов с выручкой менее $100 миллионов показывают валовую маржу всего 41–45% — примерно вдвое ниже, чем у традиционных SaaS-компаний. По прогнозам, эта маржа вырастет примерно до 52% к 2026 году, по мере снижения стоимости инференса и оптимизации архитектур, но на данный момент многие AI-компании на ранней стадии работают с нулевой или отрицательной валовой маржой.

Мультипликатор выручки рассказывает другую часть истории. Средний мультипликатор выручки для AI-стартапов составляет 40,6х — значительно выше, чем в других секторах технологий. Это означает, что инвесторы оценивают AI-компании, исходя из агрессивных ожиданий будущего роста, а не текущих финансовых показателей. Когда этот рост неизбежно не материализуется для большинства компаний, коррекция может быть стремительной и болезненной.

Реальность основателя: что вы на самом деле получаете

Пожалуй, самый отрезвляющий аспект экосистемы AI-стартапов — это то, что основатели реально зарабатывают. Несмотря на создание компаний, которые на бумаге могут оцениваться в сотни миллионов долларов, повседневная компенсация большинства основателей AI-стартапов удивительно скромна.

Согласно отчёту Kruze Consulting о зарплатах CEO стартапов за 2025 год, основанному на анонимных данных о заработной плате более 450 венчурно финансируемых стартапов, средняя зарплата CEO на стадии seed выросла до $147 000 (с $132 000 в 2024 году), а на стадии Series A — до $203 000 (с $179 000) [5]. Основатели AI-стартапов в целом получают медианные $90 000 — что на 20% выше общей медианы для основателей ($75 000), но всё ещё скромно по меркам Кремниевой долины.

Эти цифры особенно разительны, если учесть, что старший AI/ML-инженер в крупной технологической компании может получать $300–500 тысяч в год совокупной компенсации, а ведущие AI-исследователи в таких компаниях, как Google DeepMind или Anthropic, — свыше $900 000. Многие основатели AI-стартапов буквально соглашаются на снижение зарплаты ради создания своих компаний, делая ставку на потенциальный рост стоимости акций, который может реализоваться, а может и нет.

Проблема размывания: сколько акций основатели в реальности сохраняют

Рост стоимости акций — обещание, что доля основателя когда-нибудь будет стоить миллионы или миллиарды — это двигатель стартап-культуры. Но математика менее благосклонна, чем принято считать.

Согласно комплексным данным платформы Carta о размывании долей основателей [10], медианная команда основателей сохраняет примерно 56,2% акций стартапа после ценового раунда seed. После Series A этот показатель падает до 36,1%. К Series B основатели сохраняют лишь 23%. А к Series C медианная доля команды основателей составляет всего 15,7% компании, которую они создали [10]. Если учесть типичный опционный пул для сотрудников в 10–20%, формируемый на каждом раунде, размывание ускоряется ещё больше.

Что это означает на практике? Представьте гипотетического основателя, который построил AI-стартап стоимостью $100 миллионов на стадии Series B. После трёх раундов финансирования ему принадлежит около 23% компании. На бумаге его доля стоит $23 миллиона. Но это неликвидный капитал — его нельзя продать, под него сложно получить кредит, а оценка чисто теоретическая до момента выхода (поглощение или IPO). Тем временем основатель получает зарплату $120–150 тысяч и, вероятно, работает 70–80 часов в неделю. Если стартап в итоге терпит крах — а так происходит с 90% из них — эти $23 миллиона на бумаге испаряются полностью.

Уровень неудач 90%: куда на самом деле уходят деньги

Пожалуй, самый важный показатель в этом анализе — уровень неудач. Примерно 90% AI-стартапов терпят крах в первый год работы. Некоторые аналитики прогнозируют, что до 99% AI-стартапов потерпят неудачу к 2025–2026 годам. А опрос S&P Global 2025 года показал, что 42% компаний отказались от большинства своих AI-инициатив — против всего лишь 17% в 2024 году.

Причины неудач хорошо задокументированы, но их стоит перечислить. Главная причина — отсутствие product-market fit, отвечающее за 38–42% всех провалов AI-стартапов. Многие основатели создают технически впечатляющие решения, которые решают проблемы, не существующие у потребителей, или решают реальные проблемы способами, с которыми уже справляются имеющиеся инструменты. Вторая крупная причина — примерно 22% неудач — неадекватная стратегия выхода на рынок. Хорошая AI-модель необходима, но недостаточна; превращение технических возможностей в платящих клиентов требует совершенно иных навыков.

• Отсутствие product-market fit (38–42% неудач)
• Неадекватный маркетинг и стратегия выхода на рынок (22%)
• Финансовые проблемы и неустойчивый burn rate (16%)
• Синдром «фича вместо продукта» — легко воспроизводится крупными компаниями
• Зависимость от сторонних базовых моделей без собственных данных или конкурентного рва
• Проблемы качества данных, влияющие на производительность модели (85% AI-проектов терпят неудачу из-за некачественных данных)
• Переоценка готовности рынка и скорости принятия технологии

Проблема обёрток: экзистенциальная угроза AI-стартапов

Особенно острая проблема, стоящая перед AI-стартапами в 2025–2026 годах, — это то, что отраслевые наблюдатели называют «проблемой обёрток» (wrapper problem). Значительная часть AI-стартапов — особенно тех, что были профинансированы в первоначальной золотой лихорадке, вызванной ChatGPT в 2023–2024 годах, — представляет собой тонкие UI-слои, построенные поверх существующих LLM API от таких провайдеров, как OpenAI, Anthropic или Google. Они берут API, добавляют пользовательский интерфейс, упаковывают результат для конкретного применения и взимают наценку с клиентов.

В чём проблема? У этих компаний практически нет конкурентного рва. Их основная интеллектуальная собственность — это вызов API. Их маржа сжимается из-за поточечных платежей провайдеру модели. И они подвержены фундаментальному платформенному риску: провайдер LLM может в любой момент запустить конкурирующую функциональность, мгновенно обесценив стартап-обёртку. Это уже происходит — по мере того как OpenAI, Google и Anthropic расширяют собственные продуктовые предложения, многие стартапы-обёртки обнаруживают, что их ценностное предложение испаряется буквально за ночь.

Отраслевые эксперты предсказывают, что к 2026 году многие стартапы-обёртки исчезнут полностью. Выживут и будут процветать те компании, которые построили защитный ров через собственные данные, глубокую техническую интеграцию, доменную экспертизу или уникальную автоматизацию рабочих процессов, выходящую за рамки поверхностных AI-функций.

Как венчурные инвесторы оценивают выручку AI-стартапов в 2025 году

Подход венчурного капитала к оценке выручки AI-стартапов существенно эволюционировал за последние два года. В 2023 и начале 2024 года венчурные инвесторы были в значительной степени готовы финансировать AI-стартапы исключительно на основе репутации команды и технических возможностей, с минимальным анализом метрик выручки. Раунды закрывались за дни, а инвесторы агрессивно конкурировали за участие в сделках. Средний размер венчурной сделки в сфере ИИ вырос примерно до $35,8 миллиона в 2025 году, отражая капиталоёмкую природу AI-бизнеса [4].

Но маятник начинает раскачиваться в обратную сторону. По мере роста оценок и увеличения разрыва между финансированием и прибыльностью всё больше опытных инвесторов требуют более чёткой юнит-экономики, убедительных путей к прибыльности и burn multiple ниже 1,5x. Подход «стреляй и молись» начала 2024 года уступает место более дисциплинированному анализу — хотя сам объём капитала, вливающегося в ИИ, означает, что недисциплинированные инвестиции продолжаются параллельно.

Проблема с AI-стартапами в том, что цифры выручки на первый взгляд могут выглядеть как у традиционного SaaS, но юнит-экономика принципиально другая. У SaaS-компании с $10 млн ARR может быть 75% валовой маржи. У AI-компании с той же ARR маржа может составлять 40%, при этом она сжигает $5 на каждый $1 новой выручки. Мультипликаторы оценки ещё не уловили эту реальность.

На рынке также формируется двухуровневая система. Компании, создающие базовые модели и ключевую инфраструктуру, получают премиальные оценки и доверие инвесторов. Прикладные AI-стартапы — особенно те, у которых нет собственных данных или технологий — всё чаще оцениваются ближе к традиционным SaaS-бенчмаркам, с растущим акцентом на удержание клиентов, циклы продаж и фактическую (а не прогнозируемую) выручку.

Создание AI-стартапа: что на самом деле для этого нужно

Для основателей, рассматривающих создание AI-стартапа в 2026 году, ландшафт одновременно более перспективен и более требователен, чем когда-либо. Барьеры входа резко снизились — файнтюнинг открытых моделей стал дешевле, стоимость инференса падает, а доступность облачных GPU улучшилась. Но планка успеха выросла соответственно.

Реалистичная оценка того, что нужно для создания AI-стартапа с венчурным финансированием с нуля, выглядит примерно так:

Временные затраты не менее требовательны. Основатели обычно работают 60–80 часов в неделю первые два года, зачастую без замены, если кто-то из команды основателей уходит. Эмоциональная нагрузка значительна: опрос 2024 года от Founders Network показал, что 72% основателей стартапов сообщают о влиянии на психическое здоровье, а среди впервые основавших компанию этот показатель ещё выше.

Перспективы: куда движется экономика AI-стартапов

Несмотря на отрезвляющую статистику, есть основания для умеренного оптимизма. Валовая маржа AI-стартапов улучшается по мере снижения стоимости инференса — с 41% в 2024 году до прогнозных 52% к 2026 году. Модели с открытым исходным кодом вроде Meta Llama и Mistral снижают зависимость от проприетарных API. Стоимость GPU падает по мере усиления конкуренции со стороны AMD и кастомного кремния. А сам размер целевого рынка — выручка от корпоративного ИИ достигла $37 миллиардов в 2025 году — означает, что победители в этом пространстве будут генерировать исключительную доходность.

Ключевой вывод из текущего ландшафта финансирования ИИ: прозрачность выручки — или её отсутствие — является одновременно симптомом и причиной рыночной дисфункции. Когда венчурные инвесторы не могут чётко оценить, сколько зарабатывают стартапы, они по умолчанию ориентируются на шаблоны: престижные основатели, модные категории, конкурентная динамика сделок. Это создаёт цикл, в котором капитал течёт к компаниям на основе нарратива, а не фундаментальных показателей, раздувая оценки для немногих и скрывая проблемы большинства.

Для 90% AI-стартапов, которые в итоге потерпят неудачу, реальность жестока: годы работы, личные финансовые жертвы и эмоциональное бремя создания чего-то, что не выживет. Для 10%, которые справятся, награда может быть трансформирующей — но даже успех сопровождается значительным размыванием долей, годами зарплаты ниже рыночной и постоянным давлением расти достаточно быстро, чтобы оправдать постоянно растущие оценки.

Экономика AI-стартапов в 2025–2026 годах — это не история быстрого обогащения. В лучшем случае это высокорисковая ставка с потенциально высокой доходностью, где статистика играет против основателя. $202 миллиарда, вливающиеся в сектор, — реальны. Но пока не улучшится прозрачность выручки и не созреет юнит-экономика, вопрос, заданный WSJ — «Сколько зарабатывает молодой AI-стартап?» — останется неудобно трудным для ответа.

graph TD
    A["$202 млрд венчурного финансирования AI (2025)"] --> B["Базовые модели: $80 млрд (40%)"]
    A --> C["Прикладной AI и обёртки"]
    A --> D["AI-инфраструктура"]
    B --> E["OpenAI, Anthropic, xAI"]
    B --> F["Высокий burn rate, долгий путь к прибыли"]
    C --> G["70 000+ стартапов по всему миру"]
    G --> H["90% терпят крах за первый год"]
    G --> I["5% достигают ускоренного роста выручки"]
    G --> J["~5% выживают и растут"]
    J --> K["Медиана: 15,7% доля основателя на выходе"]
    D --> L["Провайдеры GPU, облачная инфра"]
    L --> M["Более здоровая маржа (50-60%)"]