Дайджест AI-новостей: Google инвестирует $40B в Anthropic, DeepSeek V4 удешевляет инференс, а Microsoft душит стартапы

25 апреля 2026 года индустрия искусственного интеллекта продолжает делать то, что умеет лучше всего: сжигать деньги, судиться и выпускать очередное поколение железа. Google решил, что $10 миллиардов наличными – это нормальная сумма для инвестиций в один стартап, DeepSeek показал, как делать ML без ипотеки датацентра, а Microsoft напомнил всем, кто здесь главный по GPU. Разбираемся в деталях.

Google удваивает ставку: TPU восьмого поколения и $40B в Anthropic

Google сегодня анонсировал сразу два события, которые должны были бы быть отдельными пресс-релизами, но в эпоху агентного AI даже корпоративные коммуникации идут параллельно.

Во-первых, TPU 8t и TPU 8i – восьмое поколение тензорных процессоров. TPU 8t обещает троекратный прирост производительности для обучения моделей, а TPU 8i – на 80% лучшее соотношение цена/производительность для инференса с низкой задержкой. Google позиционирует их как железо для «эпохи агентного AI», что переводится как «мы наконец признали, что чат-боты – это не конечная цель».

Во-вторых, $10 миллиардов наличными в Anthropic при оценке компании в $350 миллиардов. Но подождите, это еще не все: Google готов докинуть еще $30B, доведя общие вложения до $40B. В качестве бонуса Anthropic получает 5 гигаватт выделенных TPU-мощностей – это примерно столько, сколько потребляет небольшой город.

Что происходит на самом деле? Google строит вертикально интегрированную экосистему AI: собственное железо, собственные модели (Gemini), плюс контроль над одним из главных конкурентов OpenAI. $350B – это, кстати, больше, чем рыночная капитализация Intel на момент написания статьи. Для компании, которая по сути продает доступ к языковой модели.

Скептики отметят, что это классическая стратегия облачного провайдера: привязать клиента к своей инфраструктуре через инвестиции. Anthropic теперь сидит на Google Cloud, использует TPU, и выход из этой экосистемы будет стоить дороже, чем любой конкурентный оффер от AWS или Azure.

Китайский ответ: DeepSeek V4 экономит там, где другие тратят

Пока американские гиганты меряются миллиардами, китайский DeepSeek выпустил превью V4 Pro и V4 Flash – open-weight моделей, главная фишка которых не в качестве (хотя и оно выросло), а в стоимости инференса.

DeepSeek обещает «значительное сокращение затрат на вывод» по сравнению с предыдущими версиями. В мире, где инференс больших языковых моделей может стоить сотни тысяч долларов в месяц для enterprise-клиентов, это не маркетинговая ерунда, а реальное конкурентное преимущество.

V4 бросает вызов проприетарным моделям вроде GPT-4, Claude и Gemini на их собственном поле: если ты можешь получить 80-90% качества за 20% цены, зачем платить больше? Особенно если ты можешь развернуть модель на собственном железе и не зависеть от API-лимитов.

Ирония в том, что пока Google вкладывает $40B в погоню за AGI, DeepSeek делает ставку на инженерную эффективность. История технологий подсказывает, что второй подход часто выигрывает в долгосрочной перспективе – вспомните, как Google Chrome обошел Firefox, или как AWS переиграл всех облачных провайдеров нулевых.

Открытые веса также означают, что исследователи и стартапы получают доступ к современным моделям без необходимости закладывать офис. Это тот редкий случай, когда «демократизация AI» – не просто buzzword из pitch deck.

Битва за железо: Intel растет, Microsoft контролирует

Две новости о hardware показывают, как перестраивается цепочка поставок в индустрии.

Intel отчитался за Q1 2026, и цифры оказались лучше ожиданий аналитиков благодаря спросу на AI-железо. Акции подскочили на 20%+, что для Intel последних лет – почти чудо. Компания, которую похоронили как жертву ARM-перехода и доминирования Nvidia в ML, внезапно вспомнили, что data center процессоры тоже нужны для AI-инфраструктуры.

Это сигнал, что рынок AI-железа шире, чем просто Nvidia и их H100. Обучение моделей – это GPU, но весь остальной стек (препроцессинг данных, оркестрация, серверная логика) работает на обычных CPU. Плюс Intel делает ставку на собственные AI-ускорители, и похоже, что ставка начинает окупаться.

Но есть нюанс: Microsoft ужесточает контроль над распределением Nvidia GPU, что создает проблемы для AI-стартапов. Как крупнейший клиент Nvidia и владелец Azure, Microsoft фактически контролирует доступ к дефицитным вычислительным ресурсам.

Стартапы попадают в ловушку: хочешь обучать большие модели – иди к гиперскейлерам (AWS, Azure, GCP), а они внезапно оказываются твоими конкурентами (Amazon с Q, Microsoft с Copilot, Google с Gemini). И заодно решают, кому выделить GPU, а кому подождать следующего квартала.

Это классическая платформенная power play: контролируй инфраструктуру – контролируй рынок. И пока регуляторы спят, Microsoft методично выстраивает монополию на AI-вычисления.

OpenAI vs Musk: судья отклонил главные обвинения

Судебная сага Илона Маска против OpenAI получила новый поворот: федеральный судья США отклонил обвинения в мошенничестве, оставив только контрактные споры, которые пойдут в суд.

Для OpenAI это победа – главные риски сняты, осталась техническая разборка по договорам. Для Маска – очередное напоминание, что суды работают медленнее, чем Twitter-баталии.

Суть спора остается прежней: Маск утверждает, что OpenAI предал миссию некоммерческой организации, превратившись в коммерческий проект Microsoft. OpenAI возражает, что Маск просто обижен, что его выперли из совета директоров.

Правда, как обычно, где-то посередине: OpenAI действительно начинался как некоммерческая исследовательская лаборатория, а стал гибридной структурой с оценкой в сотни миллиардов. Но Маск, владеющий xAI и конкурирующей моделью Grok, вряд ли беспокоится о миссии – скорее о рыночной доле.

Что это значит для индустрии? Интеллектуальная собственность, governance и контроль над AI-моделями станут полем судебных битв на следующие годы. Каждый крупный лабораторный расход, каждый переход исследователя, каждое лицензионное соглашение – потенциальный иск.

Что это значит: три тренда 25 апреля

1. Консолидация ускоряется. Google покупает Anthropic не акциями, а наличными – это уровень уверенности, который мы не видели со времен Instagram за $1B. Индустрия делится на гиперскейлеров (которые контролируют инфраструктуру) и всех остальных.

2. Эффективность против масштаба. DeepSeek V4 показывает, что инженерная оптимизация может конкурировать с бесконечными бюджетами. Не все решается количеством GPU – иногда важнее, как ты их используешь.

3. Железо имеет значение. Intel растет, Microsoft контролирует Nvidia, Google строит собственные TPU. Кто контролирует hardware – контролирует AI. Software вторичен.

Добавим честности: мы не отслеживали потенциальные релизы от Meta, Amazon или более мелких лабораторий. Если что-то важное случилось в open-source комьюнити или в академических кругах – мы могли пропустить.

Открытый вопрос: а стартапам еще есть место?

После сегодняшних новостей очевидный вопрос: если Google вливает $40B в одного игрока, Microsoft контролирует GPU, а DeepSeek выпускает open-weight модели почти бесплатно – зачем вообще создавать AI-стартапы?

У вас два варианта: либо делать что-то настолько специфичное, что гигантам неинтересно (вертикальные решения для индустрий), либо сразу строить компанию под acquisition. Середины не существует – infrastructure play требует миллиардов, которых у вас нет.

Или мы увидим новую волну «AI-native» компаний, которые используют модели как commodity и конкурируют на уровне продукта, данных и пользовательского опыта? Пока непонятно. Но судя по тому, как перераспределяются ресурсы сегодня, окно возможностей закрывается быстрее, чем открывалось год назад.

Что думаете вы?