Как не состоялась сделка на $300 млн

Telegram сделал, по меркам индустрии, довольно резкий и принципиальный шаг, запустив собственную децентрализованную вычислительную сеть Cocoon (Confidential Compute Open Network). Это не просто еще один ИИ-сервис внутри мессенджера, а попытка заново переосмыслить, кому принадлежат вычисления и данные пользователей в эпоху массового внедрения искусственного интеллекта.

Ключевая особенность Cocoon заключается в том, что ИИ-запросы обрабатываются внутри защищенных анклавов — изолированных областей памяти, где данные остаются зашифрованными не только при передаче и хранении, но и непосредственно во время вычислений. Даже в момент обработки модели не имеют «прозрачного» доступа к содержимому запросов. Это фундаментально отличает Cocoon от классических облачных ИИ-сервисов, где провайдер технически способен видеть или анализировать пользовательские данные.

Фактически запуск Cocoon стал прямым следствием провалившихся переговоров между Telegram и xAI Илона Маска о возможной интеграции Grok в мессенджер.

Почему сорвалась сделка с xAI
По информации, которая стала публичной, обсуждаемая сделка выглядела крайне щедро. xAI предлагала Telegram около $300 млн в денежном эквиваленте и акциях, а также 50% от доходов от подписок xAI, оформленных через Telegram. Для большинства компаний это выглядело бы как очевидная победа, но Павел Дуров предпочел отказаться.

Причина отказа оказалась не в деньгах, а в принципах. Еще в октябре 2025 года на конференции Blockchain Life 2025 в Дубае Дуров достаточно жестко высказался о рисках централизованного искусственного интеллекта. Его позиция сводилась к простой мысли: вычисления и данные должны принадлежать пользователям, а не корпорациям или государствам.

Централизованные ИИ-провайдеры по своей природе получают потенциальный доступ к данным пользователей. Эти данные могут использоваться для дообучения моделей, поведенческого профилирования, таргетинга или даже более тонких форм манипуляций. В контексте Telegram, который годами строил репутацию мессенджера с фокусом на приватность, такой компромисс выглядел слишком рискованным.

После появления первых утечек Маск отрицал финализацию сделки, и с тех пор ни одна из сторон публично к теме не возвращалась. Однако запуск Cocoon фактически поставил точку в этом вопросе, показав, что Telegram выбрал собственный путь.

Архитектура и принципы работы Cocoon
Cocoon построен на блокчейне The Open Network (TON) и использует технологию Trusted Execution Environments (TEE). Это означает, что вычисления выполняются в аппаратно защищенной среде, где даже владелец GPU или оператор узла не может увидеть, какие именно данные обрабатываются.

Запрос пользователя, модель и результат вычислений существуют внутри анклава в зашифрованном виде. Ни администратор дата-центра, ни поставщик оборудования, ни сам Telegram не имеют доступа к содержимому этих данных. С точки зрения архитектуры это попытка реализовать принцип «zero trust» на уровне вычислений.

Экономическая модель сети также децентрализована. Владельцы GPU по всему миру могут подключаться к сети, предоставлять вычислительные ресурсы и получать вознаграждение в TON за выполненные задачи. Это превращает Cocoon в глобальный рынок ИИ-вычислений, где предложение и спрос формируются не одним облачным провайдером, а всей экосистемой.

Для разработчиков приложений и мини-приложений Telegram это означает доступ к ИИ-мощностям по более низкой цене по сравнению с централизованными облаками. При этом разработчики получают дополнительный аргумент в пользу приватности, что становится все более важным фактором для пользователей.

Сам Telegram уже стал крупнейшим клиентом собственной сети. Ряд встроенных ИИ-функций мессенджера, включая перевод сообщений, преобразование голоса в текст, генерацию саммари длинных постов в каналах и работу Instant View, частично или полностью перенесены на Cocoon. Это не эксперимент в вакууме, а реальная нагрузка с миллионами пользователей.

Практическое применение и первые результаты
В обновлении Telegram от 8 января 2026 года появилась функция AI Summary для длинных постов в каналах и статей Instant View. Саммари генерируются с использованием открытых моделей, которые работают именно внутри Cocoon. Это важный момент: Telegram делает ставку не только на децентрализацию инфраструктуры, но и на использование open-source моделей, снижая зависимость от закрытых экосистем.

Проект имеет открытый исходный код и доступен в репозитории на GitHub, что позволяет независимым разработчикам и исследователям анализировать архитектуру и вносить вклад в развитие сети. В ближайшие недели команда планирует подключать больше GPU-узлов и активно привлекать разработчиков, расширяя экосистему и набор ИИ-функций внутри Telegram.

Стратегически это выглядит как попытка превратить мессенджер в полноценную платформу, где ИИ становится встроенной, но при этом контролируемой пользователем функцией, а не внешним сервисом с непрозрачными правилами.

Мнение ИИ и рыночный контекст
История децентрализованных вычислительных сетей знает немало примеров, когда хорошие идеи упирались в проблему «холодного старта». Проекты вроде Golem, iExec или Akash Network годами пытались сбалансировать спрос и предложение, сталкиваясь с тем, что без пользователей не приходят поставщики GPU, а без вычислительных мощностей не приходят пользователи.

Cocoon решает эту проблему нетривиально. Telegram с первого дня выступает крупнейшим потребителем собственной сети, создавая гарантированный спрос на вычисления. Это резко снижает барьер входа для владельцев GPU и делает экономику сети более устойчивой на раннем этапе.

Темпы внедрения также выглядят нетипично высокими для децентрализованных проектов. От публичного анонса в ноябре 2025 года до полноценной интеграции AI Summary в январе 2026 прошло менее трех месяцев. Для сравнения, большинству аналогичных сетей требуются годы, чтобы дойти до стадии реального массового использования.

Главный открытый вопрос остается прежним: сможет ли команда сохранить такую скорость и качество при масштабировании на тысячи, а потенциально и десятки тысяч GPU-узлов. Если да, Cocoon может стать одним из первых примеров успешной децентрализованной ИИ-инфраструктуры с реальной пользовательской базой, а не только красивыми презентациями.