Генеративне AI-відео — один із найгарячіших трендів у технологічному світі. Стартапи залучають мільярди, великі платформи анонсують нові функції одна за одною, а венчурний капітал тече в цей сегмент рікою. Але за лаштунками цієї золотої лихоманки — жорстока економіка: GPU-кластери, затримки inference та рахунки за хмарні обчислення, здатні знищити рентабельність навіть у великої корпорації.

За даними TechCrunch, компанія Snap вирішила виділити свою AI-відеокоманду в окрему незалежну організацію під назвою Dotmo. Причина, без прикрас: витрати виявились несумісними з бізнес-моделлю платформи. Не технологічна невдача, не відсутність таланту — просто рахунки за GPU.

Це рішення варте уважного аналізу. Snap — компанія з мільярдною аудиторією, глибокою експертизою у комп'ютерному зорі й AR, а також ресурсами, яких більшості стартапів не вистачає на десятиліття вперед. Якщо навіть вона не змогла утримати AI-відеокоманду всередині — це симптом системної проблеми всього сегменту.

Економіка AI-відео: чому це зовсім інший вимір витрат

Щоб зрозуміти рішення Snap, потрібно усвідомити фундаментальну різницю між модальностями генеративного AI. Текстові моделі — відносно дешеві у inference: кілька мілісекунд і кілька центів за запит. Зображення — дорожчі, але вже добре оптимізовані ринком. Відео — це принципово інший масштаб витрат.

Генерація навіть кількох секунд відео потребує:

Для продуктової компанії на кшталт Snap, де AI-відео — одна з багатьох функцій, а не основний продукт, обґрунтувати такі витрати перед акціонерами дедалі важче. Особливо коли конкуренти пропонують аналогічні можливості через API за фіксованою ціною за секунду генерації.

Spinoff як стратегія — розумний хід чи визнання поразки?

Виділення команди в окрему компанію замість її ліквідації — це принципово важливе рішення. Snap не закрив проект і не звільнив команду. Натомість компанія дала їй можливість самостійно знайти модель монетизації, залучити зовнішнє фінансування та відпрацювати B2B-стратегію без тиску квартальних звітів публічної платформи.

Dotmo тепер матиме:

Схожу стратегію ми вже бачили в інших великих корпораціях. Spinoff дозволяє «відв'язати» дорогу R&D від основного P&L, зберігши при цьому потенційну частку у майбутньому успіху через equity. Це не капітуляція — це перерозподіл ризику.

Що це означає для AI-білдерів і продуктових команд

Для тих, хто будує продукти з використанням AI-відео, ця новина несе кілька важливих практичних сигналів.

Build vs buy у відеогенерації — майже завжди buy. Якщо Snap із його ресурсами не зміг виправдати утримання власної відеокоманди всередині, self-hosted рішення для стартапу — це майже напевно шлях у нікуди на найближчі роки. API-провайдери (Runway, Kling, Pika та їхні аналоги) роблять цю економіку набагато прозорішою і передбачуванішою.

Вартість inference має бути центральним елементом unit economics ще до MVP. AI-відео — це не «додамо потім як фічу». Це архітектурне рішення із серйозними фінансовими наслідками. Якщо ваш продукт залежить від генерації відео у масштабі, закладіть реальні цифри витрат у фінансову модель від самого початку — не як рядок «інше», а як окрему статтю з детальною моделлю зростання.

Dotmo варто тримати у полі зору. Якщо компанія знайде стійку B2B-модель і відкриє публічний API, вона може стати цікавим гравцем — з технологією, загартованою у реальному продукті Snap з мільярдною аудиторією. Такий бекграунд — це серйозна перевага перед чистими стартапами.

Висновок AiiN

Поява Dotmo — це не провал AI-відео як технологічного напряму. Це ринковий сигнал: корпоративна R&D-структура погано пристосована до утримання дорогих AI-вертикалей, які ще не знайшли масштабованої монетизації. Незалежна компанія є гнучкішою, може знайти клієнтів і моделі доходу, недоступні всередині великої платформи.

Для AI-білдерів головний урок лишається простим: генеративне відео — реальна технологія з реальною вартістю. Хто зможе вирішити рівняння «прийнятна якість за прийнятну ціну inference» і знайти клієнтів, готових за це платити, — той і виграє наступний раунд у цьому сегменті.