Двадцать лет на фундаменте: почему создатель облаков проигрывает битву, которую сам же сделал возможной

# Двадцать лет на фундаменте: почему создатель облаков проигрывает битву, которую сам же сделал возможной

Брюс Шнайер когда-то назвал иллюзию защищённости в аэропортах «театром безопасности» — ритуалы, создающие видимость контроля, но не решающие реальной проблемы. Возможно, схожая механика действует в технологической индустрии, только масштабнее и парадоксальнее. Компания, которая изобрела облачные вычисления и по-прежнему контролирует около трети мирового рынка, генерируя свыше ста миллиардов долларов годовой выручки (Amazon, годовой отчёт 10-K за 2024 финансовый год), вдруг оказалась в роли догоняющего в эпоху, которую её собственная инфраструктура сделала технически возможной. ChatGPT — самый значимый ИИ-продукт десятилетия — работает преимущественно на облаке конкурента. Компания, научившая мир арендовать вычислительные мощности, наблюдает, как самая ресурсоёмкая технологическая революция поколения обогащает чужую платформу.

У AWS больше дата-центров, больше корпоративных клиентов, больше регионов доступности. По любой инфраструктурной метрике она должна быть эпицентром ИИ-бума. Но эпицентр сместился. Что-то в этой картине не складывается — и стандартные объяснения не работают.

Как компания, которая буквально построила облако, упустила момент, который это облако должно было обеспечить? Чтобы ответить, нужно понять, чем AWS является — и чем она была задумана.

AWS запустила S3 в марте 2006 года, а EC2 — несколькими месяцами позже. Эти два продукта создали рынок облачных вычислений. Два десятилетия AWS оставалась инфраструктурой по умолчанию для стартапов, корпораций и даже конкурентов — Netflix, как известно, работает на AWS (Todd Bishop, GeekWire, профиль AWS к двадцатилетию, 2025). Это, пожалуй, самый успешный платформенный бизнес со времён Windows.

«крупнейшей технологической трансформацией со времён интернета»

— Andy Jassy, отчёт о прибылях Amazon за Q4 2023

Загадка остаётся: если у AWS есть капитал, клиенты и вычислительные мощности — почему она выглядит быстрым последователем, а не лидером?

Ответ начинается с ДНК. AWS родилась из внутренней потребности Amazon разделить собственные инженерные команды. Знаменитый «API-мандат» Безоса 2002 года — каждая команда обязана предоставлять свою функциональность через сервисные интерфейсы — стал технологической легендой, но его стратегический смысл недооценён. Он означал, что AWS с рождения проектировалась как слой недифференцированных примитивов — хранение, вычисления, сети — а не как продукт с собственным мнением о том, что именно вы должны строить.

«Мы предоставляем строительные блоки и позволяем клиентам создавать инновации»

— Andy Jassy, выступление на AWS re:Invent, 2016

Но в этой философии скрыта неявная предпосылка: ценность накапливается на инфраструктурном уровне. Клиентам нужны кирпичи, а не здания. Восемнадцать лет эта предпосылка работала безотказно.

Потом появился ChatGPT — и предпосылка сломалась.

Запуск ChatGPT в ноябре 2022 года сделал нечто, чего ни одна предшествующая технологическая волна не делала с AWS: сместил центр внимания разработчиков с инфраструктуры на уровень модели. Внезапно самым важным «строительным блоком» оказалась не виртуальная машина и не база данных, а фундаментальная модель. У AWS её не было.

Инвестиция Microsoft в тринадцать миллиардов долларов в OpenAI (Microsoft, публичные раскрытия, январь 2023) была не просто продуктовой ставкой — она перевернула цепочку создания стоимости. Azure стал эксклюзивным облаком для самой востребованной ИИ-компании мира, и ИИ-нагрузки потекли туда по умолчанию. Впервые прикладной уровень тянул за собой облачный спрос, а не наоборот.

Google располагал Gemini и годами исследований DeepMind. Meta открыла исходный код LLaMA. Даже Илон Маск запустил xAI. Гонка шла на уровне моделей — уровне над традиционной территорией AWS. Масштаб перераспределения капитала поражает: гиперскейлеры совокупно выделили свыше двухсот миллиардов долларов капитальных расходов на ИИ в 2024–2025 годах (оценки Goldman Sachs Equity Research, январь 2025). Но вопрос не в том, сколько AWS тратит. Вопрос в том, на каком уровне стека эти расходы создают защитимое преимущество.

Стандартное объяснение выглядит убедительно. AWS «опоздала в ИИ», потому что корпоративная культура Amazon одержима операционной эффективностью, а не фундаментальными исследованиями. У Google был DeepMind и Google Brain. У Microsoft — MSR, а затем OpenAI. У Amazon была Alexa — продукт, который к 2023 году повсеместно считали ИИ-разочарованием с накопленными убытками свыше десяти миллиардов долларов (Ars Technica, ноябрь 2022, со ссылкой на внутренние документы Amazon).

Теория «культурного разрыва» соблазнительна. Лидерские принципы Amazon подчёркивают одержимость клиентом и бережливость, а не лунные проекты. Сила AWS всегда заключалась в операционном совершенстве — одиннадцать девяток надёжности для S3, а не прорывы в архитектуре трансформеров. ИИ-продукты Amazon до 2023 года — SageMaker, Comprehend, Rekognition — были добротными, но невдохновляющими: корпоративные инструменты, а не платформы, задающие парадигму.

Но в этой теории есть трещина. AWS имела ранний доступ к передовому ИИ. Она была ранним инвестором и облачным партнёром Anthropic. Она разрабатывала собственные чипы — Inferentia и Trainium — с 2018 года, за годы до того, как дефицит GPU сделал специализированные чипы стратегическим активом. Если бы проблема была чисто культурной, этих шагов бы не существовало.

Значит, дело не только в культуре. Нужно смотреть глубже — в механику самой бизнес-модели.

Модель выручки AWS основана на потреблении: клиенты платят за часы вычислений, гигабайты хранения, объём переданных данных. Это создаёт мощный стимул продавать больше примитивов, а не абстрагировать их. Каждый высокоуровневый управляемый сервис, снижающий потребление сырых вычислительных ресурсов клиентом, в определённом смысле каннибализирует основной поток выручки AWS.

«Маховик примитивов», обеспечивший доминирование AWS, одновременно создаёт стратегическую инерцию. Когда ваш бизнес на сто с лишним миллиардов долларов построен на продаже недифференцированной инфраструктуры, рациональный ход — добавлять ещё больше примитивов, а не строить интегрированные ИИ-продукты с собственным мнением, которые могут сократить потребление примитивов каждым клиентом.

Сравните с моделью Microsoft. ИИ-стратегия Azure работает, потому что Microsoft монетизирует на прикладном уровне: Copilot в Office 365, GitHub Copilot, Dynamics. Microsoft не волнует, если потребление Azure на один ИИ-запрос снизится — компания захватывает стоимость в SaaS-слое выше. У AWS нет эквивалентного прикладного уровня. Это не ошибка в стратегии AWS. Это и есть стратегия.

Но структурная проблема ещё глубже, чем несовпадение стимулов. Фундаментальные ИИ-модели — не примитивы. Они — системы с собственным мнением. Модель вроде Claude или GPT-4 воплощает конкретные проектные решения о безопасности, рассуждениях, личности. Вы не собираете их из строительных блоков — вы взаимодействуете с ними как с целостными продуктами. Это философски чуждо всему мировоззрению AWS.

Цепочка создания стоимости в ИИ вертикально интегрирована так, как облако никогда не было. OpenAI контролирует исследования, обучение, инференс и потребительский продукт. Google контролирует TPU, Gemini и дистрибуцию через Поиск и Android. Философия примитивов предполагает горизонтальные слои. ИИ вознаграждает вертикальные стеки.

Bedrock — сервис AWS, предлагающий множество сторонних моделей через единый API — это философия примитивов, применённая к ИИ: дайте клиентам выбор из меню моделей, как они выбирают из меню баз данных. Но это делает AWS посредником, а не владельцем платформы. Как заметил аналитик Gartner Сид Нэг, корпоративные клиенты ценят мультимодельную гибкость Bedrock, но привязка и лояльность формируются к поставщикам моделей, а не к хостинг-платформе (Sid Nag, Gartner, комментарий для CRN, 2024). Ценность накапливается у Anthropic, Meta, Mistral — а не у инфраструктурного уровня, который их хостит.

Инвестиция в Anthropic обнажает это противоречие: AWS нуждается в партнёре с передовой моделью, чтобы оставаться релевантной, но чем успешнее становится Anthropic, тем больше рычагов смещается от инфраструктурного провайдера к поставщику модели. AWS финансирует собственное потенциальное вытеснение из цепочки стоимости.

Всё это указывает на нечто большее — структурное состояние, которое нарратив об «опоздании в ИИ» полностью упускает из виду.

Здесь всё встаёт на свои места. Общепринятая рамка гласит: AWS отстаёт из-за культурных дефицитов, недостатка исследовательской ДНК, медленной реакции. Новая рамка — и здесь наконец стоит дать явлению имя: **инфраструктурная ловушка** (Infrastructure Trap). Это структурное состояние, при котором доминирование платформы на фундаментальном инфраструктурном уровне делает её органически неспособной возглавить следующую парадигму, построенную поверх этой инфраструктуры, — потому что каждый смелый шаг вверх угрожает логике выручки существующего слоя.

«Лучшее место для продажи кирок — худшее место для открытия золота»

Теперь пересмотрим все улики через эту призму. Философия примитивов не была ошибкой — она была идеально адаптирована к эпохе, когда инфраструктурный уровень и был уровнем стоимости. Инвестиция в Anthropic — не признак того, что AWS догоняет; это налог, который компания, попавшая в инфраструктурную ловушку, платит за сохранение релевантности. Bedrock — не стратегия; это рефлекс примитивов, применённый к области, которая вознаграждает интеграцию. «Культурный разрыв» — симптом, а не причина: культура AWS ориентирована на операции именно потому, что бизнес-модель вознаграждает оптимизацию инфраструктуры.

«Успех порождает самодовольство. Самодовольство порождает провал»

— Andrew Grove, Only the Paranoid Survive, 1996

В рамке инфраструктурной ловушки каждый ход AWS обретает иной смысл. Капитальные расходы свыше ста миллиардов долларов на ИИ-инфраструктуру (Amazon, отчёт о прибылях за Q4 2024, прогноз капвложений) — безупречная логика инфраструктурного уровня: больше дата-центров, больше специализированных чипов, больше GPU-мощностей. Но это не решает ловушку — а углубляет её. Каждый доллар, вложенный в инфраструктуру, усиливает гравитационное притяжение к уровню N.

Модель «маркетплейса моделей» Bedrock — рефлекс примитивов: предложить выбор, сохранить нейтральность, позволить клиентам компоновать. Но в ИИ модель и есть продукт. Нейтральность означает коммодитизацию хоста. Потребительские ИИ-продукты Amazon — обновлённая Alexa с языковой моделью, корпоративный ассистент Amazon Q — попытки вырваться вверх, на уровень N+1. Но они конкурируют с собственными клиентами AWS: каждая корпоративная платформа, строящая на Bedrock, становится потенциальным конкурентом Amazon Q.

Это форма того, что стратег Адриан Сливоцки назвал «миграцией стоимости» (Adrian Slywotzky, Value Migration, 1996) — паттерн, при котором пулы прибыли перемещаются между уровнями отраслевого стека. AWS переживает миграцию стоимости с инфраструктуры на уровень моделей и приложений, а доминирование на старом уровне создаёт структурное сопротивление движению вслед за стоимостью.

Три конкретных случая подтверждают рамку.

**Anthropic и инверсия рычагов.** AWS инвестировала до четырёх миллиардов долларов в Anthropic — крупнейшая корпоративная ИИ-инвестиция за пределами пары Microsoft–OpenAI. Но Anthropic сделала свои модели доступными и на Google Cloud (Anthropic, анонс партнёрства с Google Cloud, ноябрь 2023), а Claude стал самостоятельным потребительским продуктом, конкурирующим с собственным Amazon Q. AWS купила влияние, но не эксклюзивность — потому что рычаг Anthropic растёт по мере улучшения моделей, а рычаг AWS как хостинг-провайдера снижается по мере коммодитизации вычислений.

**Trainium против NVIDIA.** Специализированные ИИ-чипы AWS — Trainium2, представленный на re:Invent 2024 — призваны снизить зависимость от NVIDIA и удешевить инференс. Классический ход оптимизации инфраструктурного уровня. Но компании, формирующие спрос на ИИ — OpenAI, Anthropic, xAI — оптимизируют возможности обучения и качество моделей, а не стоимость инференса. AWS решает инфраструктурную задачу, пока рынок вознаграждает инновации на уровне моделей. Собственный кремний необходим, но недостаточен для выхода из ловушки.

**Amazon Q против клиентской базы.** Amazon Q — корпоративный ИИ-ассистент, запущенный в 2023–2024 годах — самая явная попытка AWS подняться по стеку. Но Q напрямую конкурирует с продуктами крупнейших клиентов AWS: Salesforce Einstein, ServiceNow AI, Workday AI. Каждая корпоративная платформа, работающая на AWS, теперь потенциальный конкурент. Microsoft избегает этой проблемы, потому что Copilot встроен в собственные приложения Microsoft. У AWS нет эквивалентного прикладного рва.

Впрочем, существуют серьёзные контраргументы, и интеллектуальная честность требует их рассмотреть.

Некоторые аналитики утверждают, что AWS всегда недооценивали и она всегда адаптировалась — запуск Lambda в 2014 году опередил рынок бессерверных вычислений, ответ на Kubernetes через EKS оказался своевременным, а диверсификация баз данных (Aurora, DynamoDB, Neptune) превратила слабость в силу. Другие указывают, что открытые модели вроде LLaMA сигнализируют о неизбежной коммодитизации уровня моделей.

А аргумент о коммодитизации моделей заслуживает отдельного разбора — это, пожалуй, сильнейший довод в пользу AWS. Если фундаментальные модели станут взаимозаменяемыми товарами, конкурентное преимущество вернётся к тому, кто способен обеспечить самый дешёвый инференс в масштабе. Специализированные чипы AWS и операционное совершенство вновь утвердят доминирование. Инфраструктурная ловушка ловит вас, только если верхний уровень сохраняет дифференциацию. Но текущая траектория демонстрирует растущую, а не убывающую дифференциацию моделей — рассуждения Claude, мультимодальность GPT-4, интеграция Gemini. И даже если модели коммодитизируются, прикладной уровень над ними может сохранить дифференциацию, до которой AWS по-прежнему не дотянуться.

Аргумент об исторической адаптивности нельзя отбрасывать — но прошлая адаптация происходила внутри инфраструктурного уровня. Инфраструктурная ловушка описывает именно тот случай, когда прошлый успех становится структурным ограничением при переходе между уровнями.

AWS в двадцать лет — не компания в упадке. Она генерирует свыше ста миллиардов долларов в год, растёт двузначными темпами и инвестирует в ИИ-инфраструктуру больше, чем ВВП многих государств. По любой конвенциональной метрике она процветает.

Но инфраструктурная ловушка учит: процветание на уровне N — не то же самое, что лидерство на уровне N+1. IBM процветала в эпоху мейнфреймов, упустив персональные компьютеры. Sun Microsystems процветала в серверах, упустив облако. Паттерн — не провал. Паттерн — гравитационный захват собственным успехом.

«кто контролирует уровень, на котором накапливается стоимость следующего поколения?»