Бум инвестиций в ИИ — революция или финансовый пузырь?

Деньги в искусственный интеллект вливаются беспрецедентными темпами — от венчурных раундов до триллионных инфраструктурных проектов. Но соответствует ли масштаб капиталовложений реальной отдаче? Сегодня перед нами парадокс: ведущие компании демонстрируют рекордные прибыли и операционные денежные потоки, тогда как значительная часть стека ИИ работает в минус; инвестиционные схемы становятся всё более циркулярными, а рыночные оценки — напряжены до предела. В этой колонке — краткий анализ фактов, которые будут определять следующие 2–5 лет рынка ИИ.

Циркулярные деньги и гигаватты мощностей: как устроен "масштабируемый спрос"

Последние два года сформировали новую архитектуру спроса: крупные игроки одновременно инвестируют в поставщиков чипов и берут на себя долгосрочные обязательства выкупать те же ресурсы. Показательный кейс — связка OpenAI–Nvidia: объявленный в сентябре 2025 года начальный транш в $10 млрд направлен на строительство дата-центров не менее чем на 10 ГВт; при этом OpenAI арендует GPU, распределяя затраты на пятилетний срок службы оборудования. По оценке Дженсена Хуанга, 1 ГВт ЦОД — это около $50 млрд капекса, из которых $35 млрд — GPU.

Подобные петли есть и с AMD: OpenAI обязуется развернуть до 2030 года около 6 ГВт оборудования, взамен AMD получает варранты на 160 млн собственных акций вместо наличных. Ещё один узел — CoreWeave, где Nvidia имеет долю ~7%: провайдер уже развернул более 250 тыс. GPU Nvidia и имеет долгий контракт на выкуп "избыточных" облачных мощностей до 2032 года. По оценкам ведущих изданий и аналитиков, совокупная стоимость круга сделок между OpenAI, Nvidia, AMD, Oracle, CoreWeave и партнерами достигает примерно $1 трлн и требует более 20 ГВт новых вычислений — энергопрофиль на уровне двух десятков ядерных реакторов.

Параллельно "Большая четверка" (Microsoft, Google, Amazon, Meta) наращивает капитальные расходы до $320–325 млрд в 2025 году против $223 млрд в 2024-м. Отдельные компании удваивают инвестиции за два года: Microsoft — до ~$80 млрд, Amazon — более $100 млрд. Это самоподдерживающаяся гонка вооружений, в которой CAPEX соседа задает планку для всех.

Оценки, леверидж и исторические рифмы: чем AI-бум похож и не похож на доткомы

Маржинальный долг в США достиг исторических максимумов (более $1 трлн), а его отношение к ВВП — примерно на треть выше пика эпохи доткомов. "Magnificent Seven" формируют более 30% капитализации S&P 500 — концентрация, превышающая 2000 год. Nvidia пересекла $4 трлн рыночной стоимости; мультипликатор P/E превышает 50, а соотношение цена/продажи — более 25. Частные оценки движутся ещё быстрее: OpenAI за год прошла траекторию $157 → $300 → $500 млрд несмотря на убытки в миллиарды долларов и тонкую валовую маржу в моделях доступа.

Одновременно есть критическая разница с 1999–2000 годами: нынешние ключевые клиенты инфраструктуры ИИ — не убыточные стартапы, а гипермасштабаторы с сотнями миллиардов операционных денежных потоков. Это повышает финансовую устойчивость ядра экосистемы, даже если её периферия перегрета.

Экономика стека: где возникает прибыль, а где она исчезает

Наиболее острая асимметрия — между прибыльной инфраструктурой (чипы, облако) и убыточными бизнес-моделями на уровне моделей и приложений. По итогам 2024 года провайдеры базовых моделей (OpenAI, Anthropic) демонстрируют многомиллиардные убытки: расходы на инференс "съедают" до половины выручки, обучение — до трех четвертей. Стартапы поверх моделей часто платят провайдерам больше, чем зарабатывают: показательные кейсы, где расходы на API достигают 100–160% выручки. Даже облако фиксирует, что AI-доходы пока отстают от волны капинвестов: соотношение инвестиций к профильной выручке оценивается около 16:1.

Параллельно растут технические требования: модели рассуждения требуют в 5–10 раз больше вычислительных токенов, что повышает себестоимость запроса. Компании уже "пришивают" к инфраструктуре соглашения о поставках энергии, включая атомные проекты, — это делает кривую затрат круче и длиннее.

Что может пойти не так и кто выживет: триггеры коррекции и сценарий 2–5 лет

Есть ряд факторов, способных перевести перегрев в коррекцию.

— Плато производительности моделей и замедление прироста качества без экспоненциального роста затрат.

— Долговая уязвимость инфраструктуры (пример высокого левериджа отдельных провайдеров и длинные оффтейк-контракты на вычисления).

— Энергетические ограничения и задержки с вводом новых мощностей.

— Регуляторные риски (антимонопольные расследования, требования прозрачности) и крупные инциденты безопасности.

Наиболее вероятный сценарий — "смешанный результат": ядро рынка (чипы, облако, гипермасштабаторы) продолжат расти и монетизировать производительность, тогда как часть "чистых GenAI"-стартапов пройдет через 30–60% пересмотр оценок. По аналогии с интернетом: технология — настоящая и долгосрочно трансформационная, но краткосрочно рынок склонен переплачивать за "лучший случай", который наступит позже.

Как действовать бизнесу и инвесторам в фазе шума

Для предприятий с реальными процессами ИИ уже сегодня дает 10–20% прироста производительности в типовых функциях за полгода устойчивого применения — при условии правильной интеграции. Однако 70%+ пилотов так и не масштабируется, а "сэкономленное время" часто испаряется в улучшение качества, не превращаясь в пропускную способность. Итак, тактика проста: выбирайте задачи с измеримой отдачей, будьте честными относительно TCO и энергопрофиля, избегайте зависимости от одного поставщика и готовьтесь к волатильности цен на вычисления.

Для инвесторов урок истории неизменен: подлинность технологии не гарантирует правильности оценок. Отделяйте "инфраструктурные прибыли сегодня" от "продуктовых обещаний завтра", избегайте монокультуры поставщиков и не забывайте о балансе риска: вероятная коррекция в AI-секторе может быть ощутимой, но вряд ли системной. Победят те, кто строят экономику на единице — с прозрачной маржой, дисциплиной капитала и реальным, а не циркулярным спросом.