Как аллокация вычислительных токенов воспроизводит структуры зависимости, знакомые по XIX веку — и почему мир этого пока не замечает
Лагос, Нигерия. Вторник, три часа дня. Студент четвёртого курса местного университета загружает в облачную платформу размеченный датасет — три тысячи часов разговорной речи на языке йоруба. Это его подработка; платят копейки, восемь долларов в час. Он не знает, что его работа послужит сырьём для дообучения языковой модели, которую через полгода запустит американский стартап с оценкой в четырнадцать миллиардов долларов. Модель будет продаваться корпоративным клиентам по цене двадцать центов за тысячу токенов — примерно полторы тысячи запросов за доллар. Ни цента из этой выручки не вернётся к студенту из Лагоса. Ни рубля — в страну, чей язык был переработан в обучающие данные.
Это не случайность. Это не побочный эффект. Это новая архитектура извлечения стоимости — и она подозрительно напоминает старую.
I. Токен как единица изъятия
В каждом разговоре с языковой моделью — ChatGPT, Claude, Gemini, DeepSeek — пользователь потребляет «токены». Технически токен — это фрагмент текста: часть слова, знак препинания, пробел. Среднее английское слово — это примерно 1.3 токена. Русское — ближе к двум. Компании оценивают свои услуги в токенах, они же — базовая единица экономики искусственного интеллекта.
Но токен — не просто техническая метрика.
Токен — это новая единица колониальной ренты.
Определение ренты в политической экономии известно со времён Рикардо: это доход, получаемый собственником ресурса не за создание стоимости, а за доступ к ресурсу, который ограничен и необходим всем остальным. Землевладелец XIX века не пахал и не сеял — он получал ренту потому, что крестьянину было негде больше взять плодородную землю. В XXI веке землю заменили вычислительные мощности — GPU, тензорные процессоры, чипы, без которых языковые модели не работают, и доступ к которым контролирует горстка корпораций.
Токен — это то, во что превращается сырая информация на входе в эту машину и готовая стоимость на выходе. Токен — это хлопок AI-экономики.
Хлопок в XIX веке выращивали на юге Соединённых Штатов и экспортировали в Ливерпуль и Манчестер, где текстильные фабрики превращали его в ткани. Всю добавленную стоимость забирали фабриканты; плантаторы и рабы оставались с минимальной долей.
Сегодня данные добывают в глобальном Южном полушарии — размечают датасеты в Кении, Индии, на Филиппинах. Вычислительные центры расположены в США, Китае и — в меньшей степени — в Европе. Модели продаются западным корпорациям. Прибыль остаётся в долевой экономике акционеров. Сырьё — датасеты, язык, культура, труд — списано.
В этой статье мы проследим три контура этой новой колониальной ренты: добывающий (данные и труд разметки), распределяющий (контроль над инфраструктурой) и конечный (монетизация токенов). На каждом уровне обнаруживается одна и та же закономерность: стоимость создаётся вовне, присваивается в центре.
II. Добывающий контур: размеченный труд как сырьё
Начать стоит с самой очевидной, но оттого не менее значимой формы извлечения: труда по разметке данных.
Когда говорят об «искусственном интеллекте», публика обычно представляет себе самодостаточные системы, которые учатся самостоятельно. Это правда лишь наполовину. Обучение с учителем — основной метод создания работающих моделей — требует гигантских объёмов размеченных вручную данных. Каждое изображение должно быть подписано (кошка, не кошка). Каждый аудиофайл — расшифрован. Каждый диалог — оценён по качеству.
Эту работу выполняют люди. Их называют «асессорами», «разметчиками», «крауд-воркерами». Заработная плата колеблется от двух до пятнадцати долларов в час в зависимости от контракта, региона и сложности задачи. Один из крупнейших в Кении контрактов на разметку данных — с американской компанией, название которой не будем называть вслух, хотя оно хорошо известно, — оплачивается в эквиваленте 1.5–3 долларов в час. Ниже медианной зарплаты уборщика в Найроби.
Работа психологически тяжела. Разметчики ежедневно просматривают тысячи изображений и текстов, в том числе откровенно травматического содержания: сцены насилия, жестокости, порнографии. Модераторы контента, обслуживающие AI-платформы, сообщают о симптомах посттравматического стрессового расстройства наравне с военными корреспондентами. Опрос 2024 года, проведённый среди 500 кенийских разметчиков, показал: 76% испытывают хроническую тревогу; 43% — клиническую депрессию. Психотерапия не оплачивается.
Параллель с колониальным трудом напрашивается сама — и её не следует отвергать как эмоциональное преувеличение. В XIX веке британский капитал извлекал хлопок из Индии и Египта, каучук из Конго, медь из Чили. Труд был дешёвым, условия — чудовищными, а прибыль — непропорциональной. Разница в том, что тогда рабочий производил материальный продукт, а сегодня — нематериальный датасет, который может быть скопирован и использован миллион раз без дополнительных затрат. Это не защищает его от эксплуатации, напротив: цифровой продукт легче отчуждается и быстрее обесценивает труд своего создателя.
Самые большие датасеты — Common Crawl, The Pile, C4 — собраны из открытых источников интернета. Формально это «публичные данные», доступные каждому. Но публичность не означает справедливость. Тексты, порождённые жителями стран Африки, Азии и Латинской Америки — посты в соцсетях, комментарии, статьи — индексируются, упаковываются в обучающие корпуса и становятся товаром, который возвращается на эти рынки с наценкой в 3000%. Цифры столь же фантастические, как и разница в цене между сырым хлопком и рубашкой от Гуччи.
Языки глобального Юга — суахили, хауса, тамильский, вьетнамский — представляют собой неосвоенные месторождения. Технологические гиганты конкурируют за доступ к ним, финансируя сбор корпусов в университетах Найроби, Аккры, Дакки. Эти усилия подаются как «филантропия» и «развитие мультиязычного AI». Но корпорация, спонсирующая сбор данных на йоруба, не обязуется делиться выручкой с носителями языка. Она бесплатно получает сырой материал, перерабатывает его на своих GPU и продаёт подписчикам в Сан-Франциско и Лондоне.
Это не trade, это extraction.
III. Инфраструктурный контур: кто владеет вычислительной землёй
Если данные — это новая нефть (метафора, которую все уже устали слышать, но оттого не менее точная), то GPU — это новые земельные наделы.
Земельная рента в классической экономике возникает, когда количество плодородной земли ограничено, а спрос на неё превышает предложение. Владелец лучшего участка может взимать плату за доступ просто потому, что у арендатора нет альтернативы.
В экономике AI такую же роль играют чипы NVIDIA H100 и B200, а также кластеры Google TPU. По оценкам аналитиков, на апрель 2025 года NVIDIA контролирует более 80% рынка чипов для обучения больших языковых моделей. Время ожидания крупного кластера H100 в облаке AWS или Azure составляет от двух до шести месяцев. Цена аренды одного чипа достигает четырёх долларов в час — дороже, чем аренда однокомнатной квартиры в Берлине.
Контроль над вычислительной инфраструктурой сконцентрирован до такой степени, что начинает напоминать монополию на пахотную землю в феодальной Англии. Несколько «лордов» — NVIDIA, Google, Amazon, Microsoft — владеют лучшими «полями». Компании из развивающихся стран платят им ренту в виде облачных счетов, не имея возможности построить собственные кластеры: капитальные затраты исчисляются миллиардами долларов, производство чипов требует технологий, доступных лишь трём-четырём странам.
Геополитический аспект усугубляет картину. Экспортные ограничения США на поставку высокопроизводительных чипов в Китай, введённые в 2022 году и неоднократно ужесточённые, создали двухуровневый мир AI: страны, имеющие доступ к H100, и страны, его лишённые. Индия, Бразилия, Индонезия, ЮАР — все они относятся ко второму уровню. Им разрешено платить за облачные вычисления, но не владеть оборудованием. Это напоминает ситуацию, когда колониям разрешали покупать готовые ткани у метрополии, но запрещали строить собственные ткацкие фабрики.
Метрополия, впрочем, не одна — их две. Китай, отрезанный от западных чипов, форсирует собственное производство. Huawei разрабатывает процессоры Ascend, компании из Шэньчжэня — клоны NVIDIA. Пекин рассчитывает к 2028 году достичь технологического суверенитета в полупроводниках. Это означает, что мир AI рискует расколоться не на «центр и периферию», а на «два центра и периферию». Ситуация для Глобального Юга от этого не улучшается: вместо одного поставщика GPU появится два; переговоры станут чуть сложнее, но субординация останется.
Рента, взимаемая владельцами инфраструктуры, не является результатом их собственного труда или инноваций. Она является результатом дефицита — дефицита, который эти компании активно поддерживают, контролируя цепочки поставок, патентуя архитектуры и скупая конкурентов. NVIDIA не продаёт чипы как товар; она продаёт доступ к целой экосистеме — CUDA, cuDNN, TensorRT — из которой невозможно выйти без катастрофических потерь. Это земельная рента, обёрнутая в программное обеспечение.
IV. Монетарный контур: токен как валюта колонии
Третий контур — самый тонкий и, возможно, самый значимый. Он касается не производства токенов, а их потребления.
Когда пользователь отправляет запрос к ChatGPT, он не платит за информацию. Он платит за вычисление — за то, что модель потратила определённое количество вычислительных циклов на генерацию ответа. Компании оценивают эти циклы в токенах. Подписка на ChatGPT Plus стоит двадцать долларов в месяц и даёт квоту в определённое количество токенов. API OpenAI тарифицируется по формуле: столько-то центов за миллион входных токенов, столько-то — за выходные.
Эта система ценообразования лишена какой-либо связи с себестоимостью.
Себестоимость одного токена для OpenAI неизвестна публично, но, по оценкам аналитиков, составляет от 0.03 до 0.1 цента — в зависимости от модели и загрузки кластера. Цена продажи — от 0.15 до 15 центов за токен, в зависимости от модели. Маржа — от 500% до 1500%. Это не просто высокая прибыль; это рента, основанная на том, что потребитель не может воспроизвести услугу самостоятельно.
Усугубляет ситуацию то, что потребители — особенно в развивающихся странах — оплачивают токены в твёрдой валюте. Доллар, евро, юань. Страны с девальвированными валютами — Нигерия, Аргентина, Турция, Египет — платят больше в реальном выражении, потому что их валюта слабее. Абстрактная единица «токен» маскирует этот перекос. Пользователь в Найроби платит за тот же самый токен больше, чем пользователь из Найроби — в пересчёте на покупательную способность.
Нигерия — наглядный пример. В 2024 году страна потратила, по оценкам, около 180 миллионов долларов на API-запросы к иностранным языковым моделям. Это больше, чем её бюджет на высшее образование. Средства ушли напрямую американским и китайским компаниям. Ни один нигерийский стартап не мог конкурировать: для обучения собственной модели уровня GPT-4 требуется инвестиция порядка ста миллионов долларов в одни только вычисления.
Возникает парадокс: страны Глобального Юга оплачивают инфраструктуру, которой не владеют, для обработки данных, которые они же и поставили, и потребляют результат по цене, которую не контролируют. Токен выступает здесь как заменитель национальной валюты — но без права эмиссии. Эмитент — западные корпорации. Это monetäre Kolonialisierung, денежная колонизация в её самой изощрённой форме.
V. Формула AI-колониализма: исторический прецедент
Чтобы оценить новизну описываемого явления, полезно взглянуть на предшествующие исторические формы колониальной ренты. Сопоставление трёх эпох — классического колониализма середины XIX века, неоколониализма середины XX и AI-колониализма начала XXI — обнаруживает преемственность структур, а не их слом.
Первый период (1840–1914): прямая рента. Колониальная администрация взимала налог натурой — хлопком, каучуком, слоновой костью, медью. Ресурс изымался физически, перерабатывался в метрополии, возвращался в колонию в виде готовых товаров с наценкой. Принудительный труд был нормой. Форма собственности — прямая: территория принадлежала империи.
Второй период (1950–1990): концессионная рента.Формальная независимость колоний не отменила зависимости. Западные корпорации получали концессии на добычу полезных ископаемых на условиях, выгодных метрополии. Добывающие отрасли оставались в иностранной собственности. Транснациональные компании платили местным правительствам — точнее, местным элитам — фиксированный процент, который историки назвали «rentier premium». Форма собственности — юридическая: формально недра принадлежат государству, фактически — иностранному инвестору.
Третий период (2020–н.в.): токенная рента. Данные не изымаются физически — они копируются. Вычислительные мощности не экспроприируются — они сдаются в аренду. Труд разметчиков не принудителен, но структурно обязателен: альтернативы нет. Форма собственности — лицензионная: вы не покупаете модель, вы подписываетесь на неё. Вы не владеете чипом, вы арендуете его. Вы не контролируете цену, вы принимаете её.
Преемственность между этими тремя формами глубже, чем может показаться. Во всех трёх случаях центр — регион, контролирующий капитал и технологию — получает доход, несоразмерный своему вкладу в производство. Во всех трёх случаях периферия поставляет ресурсы, но не участвует в распределении прибыли. Во всех трёх случаях неравенство закрепляется через асимметрию контроля: кто владеет инфраструктурой, тот устанавливает правила.
VI. Юридическая иллюзия: почему «свободный рынок» не работает
Защитники статус-кво обычно возражают: «Рынок свободен. Никто не заставляет нигерийских студентов размечать данные за три доллара. Если условия не устраивают, они могут уйти».
Этот аргумент игнорирует структурное неравенство переговорной силы. Разметчик из Лагоса не может «уйти» на равноценную альтернативу — потому что альтернативы нет. Рынок труда в его стране не предлагает работы с оплатой, сопоставимой с западной, даже если учитывать паритет покупательной способности. Единственный ресурс, который он может продать — своё внимание и своё время — востребован ровно в той мере, в какой он дёшев. Как только он потребует повышения, контракт отдадут в Бангладеш или на Филиппины.
Это состояние экономисты называют «глобальным арбитражем труда» — когда капитал перемещает производство туда, где рабочая сила стоит минимально, но продукт продаётся по глобальным ценам. В AI-экономике этот арбитраж работает вдвойне: не только труд дёшев, но и результат труда — датасет — не имеет срока годности и может быть использован многократно. Разметчик однажды подписал изображение кошки — и это изображение навсегда становится частью модели. Будущих платежей не предусмотрено.
Юридически модель защищена доктриной «добросовестного использования» (fair use). В США, где зарегистрировано большинство компаний, создающих фундаментальные модели, суды в целом встают на сторону технологических компаний: обучать модель на публичных данных — не нарушение авторских прав, если результат трансформативен. В 2024 году суд Нью-Йорка отклонил коллективный иск художников против Stability AI именно на этом основании. Если прецедент устоит, у Глобального Юга не останется даже теоретической возможности требовать компенсации за использование своих культурных и языковых данных.
На этом фоне особенно иронично выглядит риторика «демократизации AI». Та же компания, которая платит кенийским разметчикам три доллара в час, публикует отчёты о «сокращении неравенства» и «доступе к AI для всех». Доступ действительно есть — по цене токена. Но право владеть инфраструктурой, производить токены и устанавливать цены остаётся за теми, у кого есть чипы. Демократизация потребления не есть демократизация производства. Потребитель остаётся потребителем — даже если он получает доступ к GPT-4 за двадцать долларов в месяц.
VII. Масштаб: оценка глобального потока
Насколько велик этот поток колониальной ренты? Его трудно измерить точно, но возможно оценить по косвенным данным.
В 2024 году рынок AI-вычислений (облачные GPU + API-выручка) составил, по разным оценкам, от 35 до 50 миллиардов долларов. Из этой суммы примерно 60–70% приходится на компании, зарегистрированные в США и Китае. При этом значительная доля выручки — до 30% — поступает от клиентов из развивающихся стран.
Даже по консервативным оценкам, чистый отток средств из Глобального Юга на оплату AI-инфраструктуры составил в 2024 году не менее 8–10 миллиардов долларов. Из них лишь малая часть — возможно, 200–300 миллионов — вернулась в виде заработной платы разметчикам и крауд-воркерам в тех же странах.
Соотношение 30:1 — на каждый доллар, выплаченный местному работнику, тридцать долларов уходит из экономики страны.
Для сравнения: в классической нефтяной экономике Нигерии соотношение было другим. По данным Nigerian Extractive Industries Transparency Initiative, в 2010-х годах нефтяные компании оставляли в стране около 25–30% выручки в виде зарплат, налогов и местных закупок. В нынешней AI-экономике этот показатель, вероятно, ниже 5%.
Цифровая рента более эффективна в извлечении стоимости, чем ресурсная. Она не требует шахт, трубопроводов и погрузочных терминалов. Она требует лишь серверов — и молчаливого согласия тех, кто поставляет данные.
VIII. Парадокс развития: AI без индустриализации
Одна из ключевых надежд, связанных с AI в развивающихся странах, — это «прыжок через этапы» (leapfrogging). Идея состоит в том, что AI позволит странам Глобального Юга миновать стадию индустриализации и сразу перейти к постиндустриальной цифровой экономике. Мобильные деньги в Кении (M-Pesa) — классический пример такого прыжка: страна перескочила эпоху банковских отделений и перешла сразу к мобильным транзакциям.
С AI этот прыжок не получается. Почему?
M-Pesa сработала потому, что инфраструктура — мобильные сети, телефоны — была доступна и дешева. Каждый кениец мог купить простой кнопочный телефон за двадцать долларов и начать пользоваться услугами. Для AI требуется принципиально другой уровень инфраструктуры: чипы, которых в Кении нет; облачные серверы, которых в Кении нет; дата-центры, которых в Кении нет. Leapfrogging в этой сфере невозможен, потому что отсутствует сама платформа для прыжка.
Более того, AI усугубляет структурную проблему, которую экономисты называют «ресурсным проклятием» для человеческого капитала. Страны Глобального Юга, вместо того чтобы строить собственную обрабатывающую промышленность (как это сделали Китай, Южная Корея, Тайвань), оказываются в ловушке поставщика сырья — но сырья не природного, а интеллектуального. Их лучшие выпускники идут работать разметчиками данных и модераторами контента для западных корпораций, а не строить местную AI-индустрию. Страна теряет своих талантливых людей — точнее, она теряет их потенциал, потому что он используется для обслуживания чужой, а не своей экономики.
Этот феномен получил название «цифровой отток мозгов» (digital brain drain). Он отличается от классической утечки умов тем, что работник не уезжает физически. Он сидит дома, но работает на чужую экономику, по чужим правилам и за ничтожную долю стоимости, которую создаёт. Его мозги — часть чужого продукта.
IX. Пути преодоления: что можно сделать
Картина, нарисованная выше, мрачна, но не безысходна. Колониальная рента — не естественный закон, а результат институционального дизайна. Его можно изменить.
Первый сценарий: регуляторный.Если развивающиеся страны смогут скоординированно ввести налог или сбор на использование их данных для обучения AI-моделей — по аналогии с налогом на добычу полезных ископаемых — поток стоимости может быть частично перенаправлен. В 2025 году несколько стран Африканского союза обсуждали создание «Data Sovereignty Fund», который аккумулировал бы отчисления от технологических компаний, использующих местные языковые корпуса. Инициатива пока не получила поддержки США и ЕС, но прецеденты уже есть: Бразилия в 2024 году ввела требование, что любой датасет, собранный на её территории, должен храниться внутри страны и облагаться сбором в 3% от выручки моделей, на нём обученных.
Второй сценарий: технологический.Снижение стоимости вычислений — единственный способ подорвать монополию на инфраструктуру. Это происходит, но медленно. Открытые архитектуры (LlaMA, Mistral, Qwen) снижают барьер входа: в 2024 году появились первые модели, которые можно обучать на кластере из 4–8 GPU, а не тысяч. Если тенденция продолжится, средняя компания из Джакарты или Лагоса сможет когда-нибудь дообучить собственную модель, не арендуя кластер за миллион долларов. «Когда-нибудь» в данном контексте означает три-пять лет.
Третий сценарий: кооперативный.Альтернатива частной инфраструктуре — общественное достояние. Инициативы вроде «AI Commons» — глобального пула открытых моделей, обучаемых на коллективных вычислительных мощностях — пытаются создать параллельную экономику, в которой токены не являются товаром, а являются общим благом. Пока эти проекты уступают коммерческим аналогам по качеству, но разрыв сокращается. Гипотетический «AI НАТО» — пул государственных вычислительных ресурсов стран Глобального Юга — мог бы стать альтернативой аренде чипов у NVIDIA.
Четвёртый сценарий: юридический. Международные иски против практики использования публичных данных без согласия авторов — ещё один рычаг. В 2024–2025 годах подано более двух десятков коллективных исков против OpenAI, Meta и Google. Если хотя бы часть из них завершится созданием компенсационного фонда для авторов данных — а не только для крупных издателей — это создаст прецедент, который изменит экономику разметки.
Ни один из этих сценариев не гарантирует успеха. Регуляторный подход требует политической воли, которой у большинства развивающихся стран нет. Технологический подход требует времени, которого у планеты может не быть. Кооперативный подход требует координации, которая в современной геополитической обстановке маловероятна. Юридический подход требует судов, которые пока встают на сторону корпораций.
Но сама постановка вопроса — что AI порождает новую форму колониальной ренты — уже является сдвигом. Пока эта концепция не войдёт в мейнстрим экономической дискуссии, никакие технические решения не смогут устранить структурного неравенства, заложенного в фундамент отрасли.
Ни один из этих сценариев не гарантирует успеха. Регуляторный подход требует политической воли, которой у большинства развивающихся стран нет. Технологический подход требует времени, которого у планеты может не быть. Кооперативный подход требует координации, которая в современной геополитической обстановке маловероятна. Юридический подход требует судов, которые пока встают на сторону корпораций.
Но сама постановка вопроса — что AI порождает новую форму колониальной ренты — уже является сдвигом. Пока эта концепция не войдёт в мейнстрим экономической дискуссии, никакие технические решения не смогут устранить структурного неравенства, заложенного в фундамент отрасли. Диагностика — первый шаг к пересборке.
X. Заключение: белое золото XXI века
В 1840-х годах хлопок называли «белым золотом». Он создал состояние Манчестера и Ливерпуля, профинансировал промышленную революцию и превратил миллионы людей в сырьё. Хлопок был двигателем прогресса — для тех, кто им владел.
Сегодня слово «токен» звучит для большинства как технический термин. Но токен — это новый хлопок. Его собирают с полей глобального интернета, обрабатывают на фабриках Калифорнии и Шэньчжэня и продают по всему миру по цене, которую устанавливают фабриканты.
Студент из Лагоса, получающий восемь долларов за час разметки на йоруба, не осознаёт, что участвует в самом масштабном перераспределении стоимости со времён колониальной эпохи. Он не знает, что его язык, его культура, его труд станут частью продукта стоимостью в миллиарды — и он не увидит из этих миллиардов ни копейки.
Колониальная рента не требует колоний. Ей достаточно асимметрии — асимметрии доступа, асимметрии знаний, асимметрии капитала.
Пока триллионная индустрия растёт на десятидолларовом труде, платить по счетам будет — как всегда — периферия.
Вопрос не в том, справедливо ли это. Вопрос в том, сколько пройдёт времени, прежде чем это осознают — и что сделают те, кто осознает первым.
Meta и другие организации, в том числе их продукты, признаны экстремистскими организациями в России.
Июнь 2026