Світові витрати на ШІ у 2026 році: $64 млрд на платформи та моделі

• Загальні витрати (2026): $64,25 млрд, що на 63,4% більше порівняно з $39,0 млрд у 2025 році .
• Базові/фундаментальні GenAI-моделі: зростання з $11,4 млрд у 2025-му до $23,4 млрд у 2026-му — приріст 104,2% .
• DSLM (доменно-специфічні мовні моделі) та спеціалізовані GenAI-моделі: найшвидше зростаюча підкатегорія — стрибок із $1,6 млрд до $4,9 млрд, тобто 210% .
• Платформи для розробки AI-застосунків: $6,9 млрд → $9,5 млрд, зростання на 38,6% .
• Платформи для науки про дані та машинного навчання: $19,4 млрд → $26,4 млрд, зростання на 36,3% .

У межах цього «кошика» на $64 млрд саме GenAI-моделі — як фундаментальні, так і доменно-спеціалізовані — є двигуном високого зростання, тоді як традиційні платформи Data Science/ML та платформи для розробки AI-застосунків зростають помірнішими темпами .

Найшвидше зростаючі підкатегорії

Доменно-специфічні мовні моделі (DSLM) та спеціалізовані GenAI-моделі є беззаперечним лідером — витрати на них більш ніж потроюються за один рік. Старша головна аналітикиня Gartner Арунасрі Чепарті зазначила, що організації дедалі частіше шукають моделі, адаптовані до їхньої галузі чи конкретного завдання, а не покладаються виключно на універсальні фундаментальні моделі .

Фундаментальні GenAI-моделі, хоч і мають нижчий відсоток зростання (104,2%), демонструють більший абсолютний приріст — з $11,4 млрд до $23,4 млрд — і залишаються найбільшою статтею витрат серед моделей .

Як $64 млрд вписується у $2,59 трлн (травень 2026)

У ширшому прогнозі світових витрат на ШІ, опублікованому 19 травня 2026 року, Gartner охопив увесь технологічний стек . Основні цифри:

• Загальні світові витрати на ШІ (2026): $2,59 трлн, що на 47% більше порівняно з приблизно $1,76 трлн у 2025 році .
• Інфраструктура ШІ домінує: понад 45% усіх витрат припадає на інфраструктуру постачальників та гіперскейлерів — сервери, напівпровідники та дата-центри .
• Програмне забезпечення для AI-агентів — найшвидше зростаючий сегмент: з $86,4 млрд у 2025 році до $206,5 млрд у 2026-му, тобто приблизно +139% .
• AI-програмне забезпечення (включно з платформами, моделями та AI-покращеним SaaS) є частиною цих $2,59 трлн; показник у $64 млрд на платформи та моделі входить до ширшої категорії AI-програмного забезпечення, яку Gartner оцінює приблизно у $400+ млрд загальних корпоративних витрат .
• AI-сервіси (консалтинг, впровадження, керовані послуги) та AI-вбудовані пристрої (GenAI-смартфони тощо) становлять решту.

Ключове співвідношення: Ринок AI-платформ та моделей у $64 млрд — це витрати кінцевих користувачів на базові компоненти. Він становить приблизно 2,5% від загальних витрат на ШІ у $2,59 трлн — переважна більшість цих $2,59 трлн припадає на інфраструктуру постачальників, апаратне забезпечення з AI, сервіси та вбудований ШІ в продуктах, а не лише на закупівлю платформ і моделей .

Важливе застереження: два оновлення прогнозу у 2026 році

Gartner переглянув свій прогноз загальних витрат на ШІ в бік підвищення між січнем і травнем 2026 року. Січневий прогноз оцінював загальні витрати на ШІ у $2,52 трлн (зростання на 44% р/р) ; травневе оновлення підняло планку до $2,59 трлн (зростання на 47% р/р), додавши приблизно $70 млрд, частково через вищі, ніж очікувалося, обсяги споживання моделей . Липневий прогноз щодо платформ і моделей узгоджується з цим підвищенням.

Що це означає

Дані малюють чітку картину: GenAI-моделі, особливо доменно-спеціалізовані, є двигуном зростання витрат на ШІ. Але цифри також показують, що основна частина AI-інвестицій припадає на інфраструктуру — сервери, чипи та дата-центри, які живлять ці моделі. Для компаній висновок простий: витрати на моделі прискорюються стрімко, однак витрати на інфраструктуру все ще домінують у загальному AI-бюджеті.