Крис Вуд предупреждает: риск неэффективных инвестиций может положить конец буму ИИ-акций
Непрекращающийся рост расходов на искусственный интеллект столкнулся с серьезным предупреждением от одного из самых опытных стратегов Уолл-стрит. Крис Вуд, глобальный руководитель отдела стратегии на рынках акций в Jefferies, предполагает, что бум ИИ закончится не из-за отсутствия спроса, а из-за надвигающегося кризиса рентабельности.
Угроза неэффективных инвестиций важнее избыточного предложения
В отличие от традиционных циклов полупроводников, которые обычно рушатся из-за внезапного затоваривания складов или шоков предложения, Вуд утверждает, что сектор ИИ сталкивается с уникальным структурным риском: неэффективными инвестициями (malinvestment). Он считает, что «финалом» бума ИИ станет момент, когда гиперскейлеры и ведущие ИИ-лаборатории осознают, что не могут обеспечить адекватную окупаемость своих колоссальных капитальных затрат (capex).
Вуд указывает на потенциально опасную петлю обратной связи, когда такие компании, как Nvidia, предоставляют финансирование таким структурам, как OpenAI, которые затем используют этот капитал для покупки еще большего количества чипов Nvidia. Хотя этот цикл стимулирует быстрый рост, он в значительной степени опирается на оптимистичные предположения о монетизации. Если инвесторы начнут сомневаться в долгосрочной видимости прибыли во всем стеке ИИ, эта модель циклического финансирования может привести к резкому сворачиванию.
Масштабные капитальные затраты и рост гигантов индустрии памяти
Масштабы текущих инвестиций беспрецедентны. Вуд описывает текущее строительство как «самый драматичный цикл капитальных затрат», который он когда-либо видел. Ярким примером является TSMC, которая повысила свой прогноз capex на 2026 год примерно до 56 миллиардов долларов, а прогнозы Fubon Research предполагают, что к 2027 году эта сумма может достичь 65–70 миллиардов долларов. Этот всплеск значительно подстегнул экономику Тайваня: рост реального ВВП в первом квартале 2026 года составил 14,55% в годовом исчислении.
Интересно, что в то время как программные уровни и уровни моделей сталкиваются с рисками, «кирка и лопата» индустрии — а именно поставщики памяти — получают структурные преимущества. Вуд ссылается на парадокс Джевонса, согласно которому повышение эффективности ведет к еще большему общему потреблению. Это превратило DRAM и память из периферийных компонентов в основные двигатели производительности ИИ. Крупные игроки, такие как Micron, уже обеспечивают себе долгосрочные преимущества: 16 стратегических соглашений покрывают 20% их объема DRAM и треть объема NAND.
Коммодитизация моделей ИИ
Серьезным препятствием для западных поставщиков ИИ является стремительная коммодитизация больших языковых моделей (LLM). Вуд отмечает, что стоимость высокопроизводительных моделей стремительно падает, особенно на фоне появления эффективных китайских моделей.
Данные OpenRouter свидетельствуют о масштабном сдвиге: в конце июня ведущие китайские модели ИИ обработали 21,37 триллиона токенов, что является значительным скачком по сравнению с 4,37 триллиона в апреле. Этот объем значительно превысил 5,76 триллиона токенов, обработанных ведущими американскими моделями. Поскольку такие модели, как GLM-5.2 от Z.ai, предлагают производительность, почти равную премиальным западным провайдерам, но при этом стоят в четыре раза дешевле, давление на экономическую эффективность «премиальных» ИИ-сервисов продолжает расти.
Основные выводы
- Основной риск: Бум инвестиций в ИИ, скорее всего, закончится из-за осознания «неэффективности инвестиций» и низкой окупаемости капитала, а не из-за традиционного избытка чипов.
- Устойчивость сегмента памяти: В то время как программное обеспечение ИИ подвержено коммодитизации, производители памяти (DRAM/NAND) получают структурную рыночную власть в ценообразовании и стабильность долгосрочных контрактов.
- Петля обратной связи: Инвесторам следует следить за циклической взаимосвязью между производителями чипов, финансирующими ИИ-лаборатории, так как этот цикл крайне чувствителен к изменениям настроений инвесторов.