Когда “великие деревья” AI-офиса сомкнутся, куда пойдут маленькие саженцы? — Анализ правил выживания рынка AI-офиса в 2026 году
Краткое содержание
Статья использует очень наглядное сравнение: рынок AI-офиса похож на лес, где “крона” крупных компаний уже сомкнулась, и солнечный свет (трафик и общие потребности) скрыт. Однако под деревьями (в различных сценариях использования, с учетом локализации и на устройствах пользователей) все еще остается почва и пространство для развития.
Основная идея статьи заключается в том, что золотой век стартапов в области AI-офиса (когда они могли быстро привлекать клиентов благодаря универсальным функциям) уже закончился. Крупные компании захватывают 80% рынка с помощью платформ, аппаратного обеспечения и создания экосистем. Оставшиеся 20% возможностей делятся на два совершенно разных пути выживания:
1. Китайский путь (ориентация внутрь/вниз): Стартапы должны искать ниши, к которым крупные компании не могут или не хотят подходить. Это включает использование AI на устройствах пользователей (данные остаются на месте, системы работают в отсутствие Интернета, возможен однократный покупной вариант решения) и приватное развертывание в вертикальных отраслях (научные исследования, финансы, юридическая деятельность и т. д.).
2. Американский путь (ориентация наружу/горизонтальное интегрирование): Стартапы должны интегрироваться в уже существующие инструменты пользователей. Используя открытость и фрагментированность американской SaaS-экосистемы, они создают соединители рабочих процессов, объединяя задачи, распределенные по таким приложениям, как Slack, Notion, Email, и зарабатывая на замене внешних услуг.
В двух словах: Не соревнуйтесь с крупными компаниями за рынок универсальных помощников. Либо станьте “сторожами локальных решений”, либо создавайте инструменты для интеграции различных программ.
---
Детальный анализ: пять аспектов
1. Логика “поглощения” крупными компаниями: от продажи инструментов к контролю над входами в системы
Раньше мы считали, что AI-офис — это просто улучшенные инструменты для создания презентаций или помощники при написании кода. Но теперь крупные компании (ТикТок, Microsoft, Alibaba, Google, OpenAI) изменили свой подход. Они больше не ограничиваются созданием “хороших инструментов”, а стремятся стать “операционными системами”.
- Аппаратное обеспечение как вход в систему: Tencent WorkBuddy — это не просто программа; она интегрируется с более чем 30 брендами аппаратного обеспечения (очки, диктофоны, наушники). Почему? Потому что это позволяет создавать замкнутые циклы обработки данных. Интернет-данные на облаке почти исчерпаны, и для повышения эффективности AI необходимы данные из реального мира (собраний, совместной работы). Кто контролирует аппаратные устройства, тот получает данные для обучения моделей.
- Платформенное интегрирование: Alibaba объединила несколько своих продуктов в “Qianwen Office”, а Tencent открыла платформу Buddy. Это означает, что ранее создаваемые стартапами функции (например, автоматическое составление еженедельных отчетов или создание презентаций с помощью AI) теперь доступны как бесплатные или недорогие дополнения к платформам крупных компаний.
- Давление из-за больших ресурсов: У крупных компаний есть модели, трафик и доступ к пользователям (WeChat, DingTalk, Office). Их затраты на разработку универсальных функций практически нулевые. Стартапам, которые продолжают стремиться к созданию универсальных AI-помощников для всех пользователей, грозит неудача.
Простым языком: Раньше каждый создавал свой собственный маленький ресторан, а теперь компании вроде Meituan и Ele.me не только доставляют еду, но и строят центральные кухни, а также продают посуду для приготовления еды. Если вы продолжаете делать обычные блюда, вам будет трудно выжить.
2. Выживание китайских стартапов в “щелях”: ориентация на “сложные и непопулярные задачи” и локализованные решения
В Китае суперприложения (DingTalk, Feishu, WeChat) монополизировали рынок офисных сервисов, поэтому стартапам приходится искать другие пути развития.
- Путь первый: AI на устройствах пользователей (данные остаются на месте):
- Пример: YuanKong Intelligence. Они не используют облачные модели, а встрояют свои алгоритмы в компьютеры или специальное оборудование.
- Почему это работает? Во многих сценариях (например, в лабораториях фармацевтических компаний, научных исследованиях, в сфере финансов) данные крайне важны и не могут быть переданы в облако. Крупные компании не заинтересованы в индивидуальных решениях для таких нишевых рынков. YuanKong Intelligence предлагает однократные локальные решения, работающие в отсутствие Интернета, что снижает затраты.
- Технологическая основа: Современные модели (с 35 миллиардами параметров) достаточно эффективны для выполнения конкретных задач, даже без больших объемов данных.
- Путь второй: приватное развертывание в корпоративных сетях: WinClaw. Создатели этого продукта обнаружили, что универсальные функции уже доступны в крупных системах, но локальные данные пользователей часто бывают неорганизованы. Их продукт помогает систематизировать и поискивать эти данные.
- Логика: Крупные компании предлагают универсальные услуги в облаке, а стартапы — индивидуальные решения для конкретных потребностей пользователей.
Простым языком: Крупные компании подобны сетевым ресторанам с стандартизированным обслуживанием, но они не могут предложить что-то уникальное для каждого пользователя. Стартапы, которые занимаются локальными решениями, имеют большую привлекательность для пользователей.
3. Американский подход к развитию стартапов: интеграция в существующие инструменты пользователей
Американская SaaS-экосистема сильно отличается от китайской; компании используют множество различных программ (Slack, Notion, Salesforce, Gmail). Это открывает возможности для стартапов:
- Примеры: Viktor, Poke, Genspark.
- Viktor: не требует установки нового приложения; он взаимодействует с пользователем через электронную почту и Slack, автоматически обрабатывая сообщения, проверяя календарь, изменяя электронные письма и бронируя билеты.
- Genspark: работает как дополнение к Microsoft Office, автоматически помогая с редактированием документов и созданием презентаций.
- Бизнес-модель: Эти компании не берут плату за количество пользователей (как это принято в SaaS), а за сэкономленные рабочие ресурсы.
- Препятствия: Для успешной работы необходимы глубокие знания индустриальных процессов и возможности интеграции с существующими системами.
Простым языком: Американский рынок похож на огромный парк с разнообразными игрушками (программами); стартапы должны уметь эффективно их интегрировать. Если пользователи сами не хотят этого делать или не могут, они готовы платить за помощь.
4. Технологические тенденции: совместная работа на устройствах и в облаке и повышение эффективности AI
В статье описываются ключевые технологические тенденции, объясняющие, почему сейчас успешны решения, основанные на AI на устройствах пользователей:
- Уменьшение размера моделей без снижения качества: Раньше считалось, что для эффективности AI необходимы огромные модели (с сотнями миллиардов параметров). Теперь оказывается, что модели с меньшим количеством параметров (например, 35 миллиардов) могут эффективно выполнять конкретные задачи (обработка Excel-документов, написание кода) и даже превосходят по эффективности предыдущие версии AI.
- Совместная работа на устройствах и в облаке: В будущем основным направлением развития станет совместная работа на устройствах пользователей и в облаке.
- Простые задачи (организация файлов, поиск информации) выполняются на устройствах пользователей — это быстро, безопасно и сохраняет конфиденциальность.
- Сложные задачи (глубокие анализы, творческое проектирование) обрабатываются с помощью облачных моделей.
- Система автоматически выбирает наиболее подходящий способ выполнения задач, не требуя участия пользователя.
- Новые возможности для работы с данными: Интернет-данные на облаке почти исчерпаны; новый источник данных — физический мир и корпоративные системы. Компании, которые смогут получить и использовать эти данные для обучения моделей, получат преимущество.
Простым языком: Раньше AI работала как “облачный мозг”, к которому приходилось обращаться за всеми помощями; это было медленно, дорого и небезопасно. Теперь AI работает как “распределенная нервная система”: простые действия выполняются на устройствах пользователей, а сложные решения принимаются в облаке.
5. Советы для стартапов и инвесторов: не стремитесь к универсальности, стремитесь к незаменимости
В статье дается четкий совет для стартапов, которые еще не определились с направлением развития:
- Путь к неудаче: попытки создать универсального AI-помощника, лучшего, чем у крупных компаний. У крупных компаний есть все необходимые ресурсы, доступ к пользователям и модели.
- Варианты выживания (Китай):
- Разработка локальных решений, не доступных для крупных компаний или не интересующих их.
- Сферы с крайне важными данными, требующими высокой конфиденциальности (военная промышленность, научные исследования, финансы).
- Сложные рабочие процессы, требующие индивидуальной настройки и интеграции в корпоративные системы.
- Варианты выживания (США/открытая экосистема):
- Разработка инструментов для автоматизации сложных рабочих процессов, работающих в нескольких SaaS-системах.
- Специализированные решения для конкретных отраслей (юридическая, медицинская деятельность).
- Основная логика: Крупные компании стремятся к универсальным решениям, которые м