Рынок AI-платформ достиг $79 млрд: риски вендорской зависимости

На этой неделе из Дублина вышел новый рыночный отчёт, подкрепивший конкретными цифрами то, что каждый технический директор уже ощущает по своим счетам за AWS: расходы на AI-программное обеспечение стали структурной статьёй бюджета, а не экспериментальными тратами. Заголовочная цифра — $79,38 млрд в 2025 году с ростом до прогнозируемых $296,57 млрд к 2030 году — менее важна, чем вопрос концентрации рынка. Пять вендоров забрали львиную долю в прошлом году, и этот факт должен менять каждый разговор о «строить vs покупать» в аналитических командах прямо сейчас.

Что произошло

27 апреля сайт ResearchAndMarkets.com добавил в свой каталог Artificial Intelligence Software Platform Market Report 2026 — 250-страничный документ, охватывающий пятилетнее историческое окно и десятилетний прогноз до 2030 года. Как сообщил Yahoo Finance Australia, рынок был оценён в $79,38 млрд в 2025 году и по прогнозам расширится до $106,92 млрд в 2026 году, что соответствует CAGR 34,7%. Долгосрочная дуга — с 2026 по 2030 год — предполагает более зрелый CAGR 29,1%, выводя категорию на уровень $296,57 млрд.

Конкурентная картина — это то, что стоит распечатать и повесить над доской для архитектурных ревью. В 2025 году рынок возглавили Google, Microsoft, AWS, Tencent и IBM. Северная Америка лидировала по регионам, а Азиатско-Тихоокеанский регион обозначен как наиболее быстрорастущий в прогнозируемый период. Полный список вендоров насчитывает 23 компании и включает имена, которые встречаются в любом аналитическом тендере: Oracle, SAP, Salesforce, NVIDIA, Baidu, OpenAI, Palantir, Snowflake, UiPath, Splunk, а также специализированных игроков: H2O.ai, DataRobot, Veritone, YITU, Adept, Gupshup, deepset и Uniphore.

Отчёт классифицирует рынок по инструментам и сервисам; технологиям, включая Computer Vision, Data Analytics, Machine Learning и Natural Language Processing; а также по приложениям: автоматизация, дистанционное зондирование, медицинская диагностика, распознавание речи и распознавание текста. Охваченные отрасли: BFSI, производство, здравоохранение, транспорт и розничная торговля. В качестве показательных примеров направления движения приводятся два события: в марте 2023 года SparkCognition запустила то, что она назвала первой генеративной AI-платформой для промышленного сектора, ориентированной на организации с ограниченным объёмом обучающих данных, а в декабре 2023 года Siemens AG приобрела BuntPlanet SL для расширения AI-возможностей в области обнаружения утечек воды и мониторинга качества.

Техническая анатомия

CAGR 34,7% в краткосрочной перспективе обусловлен не greenfield AI-проектами. Его движут облачные рабочие нагрузки, переходящие от «мы запускаем несколько Python-ноутбуков» к «мы платим платформенному вендору за токен, запрос, инференс, место». Это различие важно, поскольку меняет unit-экономику всего аналитического стека ниже по цепочке.

Посмотрите на движущие силы роста, упомянутые в отчёте: внедрение машинного обучения, принятие решений на основе данных, NLP, инструменты компьютерного зрения, облачные вычисления и AI-консалтинг. Каждая из этих нагрузок попадает в хранилище данных или озеро данных ещё до того, как попасть в модель. Это означает, что рынок AI-платформ и рынок аналитических платформ теперь — один рынок с разными счетами. Команда, стандартизировавшаяся на Snowflake для хранения данных, наследует ценообразование Cortex вне зависимости от того, планировала она это или нет. Команда на Databricks наследует MLflow, Mosaic и всю линейку model-serving. Решение об «AI-платформе» в значительной мере было принято в тот день, когда выбиралась платформа данных.

Данные Eurostat, приведённые в отчёте, показывают, что к декабрю 2023 года 45,2% европейских предприятий использовали облачные технологии — преимущественно для электронной почты и хранения файлов. Это показательно. База cloud-native предприятий всё ещё находится в середине кривой, а значит, доходы AI-платформ за следующие пять лет будут продаваться компаниям, которые ещё не завершили свою первую облачную миграцию. Гиперскейлеры это понимают. Именно поэтому Google, Microsoft и AWS занимают верхние строчки рейтинга — они продают AI-платформы как upsell-движение на облачных контрактах, которые ещё только подписываются.

Вертикальные поглощения рассказывают ту же историю со стороны спроса. Siemens не строила ML для обнаружения утечек своими силами — она купила BuntPlanet. Промышленная ставка SparkCognition на генеративный AI нацелена именно на того покупателя, который не может собрать объём данных для обучения базовой модели с нуля. Паттерн последователен: отраслевая экспертиза приобретается, горизонтальная инфраструктура арендуется.

Кто пострадает

Первая группа под угрозой — среднерыночные аналитические вендоры без чёткой AI-стратегии. Если 23 названных игрока конкурируют за $296 млрд к 2030 году, длинный хвост точечных BI-инструментов окажется зажат между гиперскейлерами сверху и open-source семантическим слоем снизу. Движение dbt в сторону метрического слоя и более широкое смещение к composable analytics — отчасти защитная реакция именно на эту динамику.

Вторая группа — команды платформенной инженерии, недооценившие многолетнюю кривую затрат. CAGR 34,7% к 2026 году означает: что бы ни представляла собой ваша AI-статья расходов в этом квартале, закладывайте примерно 1,35x на следующий год и не удивляйтесь, если она превысит ожидания. Разговор с CFO, который должен происходить на этой неделе в каждой серии B и серии C компаний с высокой долей аналитики — есть ли в текущем контракте с вендором пункты о защите цены, которые переживут продление. В большинстве случаев их нет.

CFO любой компании, тратящей более $500 тыс. в год на облачные AI-сервисы, должен на этой неделе задать VP по инженерии один вопрос: какова динамика средней цены за инференс по трём основным рабочим нагрузкам за последние четыре квартала и как выглядит пространство для переговоров до следующего продления. Если никто в команде не может ответить на этот вопрос за день, компания действует вслепую в отношении того, что стремительно становится одной из пяти крупнейших операционных статей расходов.

Третья группа — таланты. То, что Азиатско-Тихоокеанский регион обозначен как наиболее быстрорастущий, важно для найма. Центр тяжести компенсаций в ML-платформенной инженерии находился в Северной Америке, но если именно в APAC сосредоточится объём развёртываний, ожидайте бифуркации рынка старших специалистов. Компании с глобальным рекрутингом выиграют; компании, привязанные к одному городу, столкнутся с давлением на маржу при найме.

Руководство для дата-команд

Три конкретных шага на ближайшие девяносто дней. Первый — проведите аудит расходов на AI-платформы по рабочим нагрузкам, а не по вендорам. Большинство финансовых команд видят счёт от Snowflake или Azure как единую цифру. Разбейте его на хранение данных, модельный инференс, векторное хранилище и оркестрацию. Категории с наиболее крутым ростом — те, у которых худшая переговорная позиция при продлении контракта.

Второй — явно определите, какие рабочие нагрузки являются commodit-товарными, а какие — дифференцированными. Commodity-инференс (классификация текста, генерация эмбеддингов, простое резюмирование) мчится к нулевой марже и может работать у того провайдера, который выигрывает ценовую войну в этом квартале. Дифференцированные нагрузки — те, что завязаны на проприетарных данных и отраслевом контексте — там, где вендорная зависимость действительно окупается. Смешивание обоих типов в одном платформенном контракте — верный способ переплатить за скучную половину и недоинвестировать в интересную.

Третий — проведите серьёзный анализ «строить vs покупать» для вашего аналитического query-слоя. Включение в отчёт Snowflake, Splunk и Palantir рядом с гиперскейлерами сигнализирует: граница между «аналитической платформой» и «AI-платформой» исчезла. Если ваша команда по-прежнему рассматривает их как отдельные направления закупок, бюджет будет утекать в обе стороны. Open-source OLAP-решения, например ClickHouse, заслуживают реальной оценки для нагрузок, где вы контролируете паттерн доступа, — особенно для высококардинальной событийной аналитики, где управляемые AI-платформы берут премию за возможности, которые вам попросту не нужны.

Ключевые выводы

• Рынок AI-программных платформ достиг $79,38 млрд в 2025 году, по прогнозу составит $106,92 млрд в 2026 году при CAGR 34,7%, а к 2030 году — $296,57 млрд при CAGR 29,1%.
• Пять вендоров (Google, Microsoft, AWS, Tencent, IBM) возглавили рынок в 2025 году; выбор аналитической платформы теперь функционально является выбором AI-платформы.
• Северная Америка лидировала регионально в 2025 году, однако Азиатско-Тихоокеанский регион является самым быстрорастущим в прогнозе, что влечёт последствия для найма и развёртывания.
• Вертикальные поглощения, такие как Siemens-BuntPlanet, демонстрируют доминирующий паттерн: арендовать горизонтальную инфраструктуру, приобретать отраслевую экспертизу.
• Командам следует проводить аудит AI-расходов по рабочим нагрузкам, отделять commodity-инференс от дифференцированного и прекратить закупать аналитические и AI-платформы на разных треках.