Почему именно неэффективное инвестирование, а не избыток чипов, может положить конец буму ИИ

Золотая лихорадка в сфере искусственного интеллекта сегодня подпитывается беспрецедентным циклом капитальных затрат, однако появились серьезные опасения относительно ее долгосрочной устойчивости. Крис Вуд, глава отдела стратегии на рынках акций в Jefferies, предполагает, что бум ИИ может завершиться не из-за отсутствия спроса, а из-за кризиса прибыльности.

Риск неэффективного инвестирования и кругового финансирования

В отличие от традиционных циклов полупроводниковой промышленности, которые обычно завершаются из-за внезапного затоваривания складов или шоков предложения, Вуд называет «неэффективное инвестирование» (malinvestment) основным риском для сектора ИИ. Главное опасение заключается в том, что гиперскейлеры и ведущие ИИ-лаборатории могут не обеспечить адекватную окупаемость тех колоссальных капитальных затрат (capex), которые они осуществляют.

Вуд указывает на потенциально опасную петлю обратной связи внутри экосистемы: механизмы кругового финансирования, при которых такие компании, как Nvidia, предоставляют средства ИИ-лабораториям (например, OpenAI), которые затем используют этот капитал для закупки еще большего количества чипов Nvidia. Хотя это стимулирует краткосрочный рост, это создает уязвимость. Если инвесторы начнут сомневаться в способности этих ИИ-инвестиций приносить долгосрочный доход, эта петля может резко разорваться, спровоцировав болезненную паузу на рынке.

Масштабные капитальные затраты и парадокс Джевонса

Масштабы текущих инвестиций являются историческими. Компания TSMC повысила прогноз капитальных затрат на 2026 год примерно до 56 млрд долларов по сравнению с 41 млрд долларов в прошлом году, а некоторые прогнозы предполагают, что к 2027 году расходы могут достичь 65–70 млрд долларов. Этот всплеск уже значительно подстегнул экономику Тайваня: рост реального ВВП в первом квартале 2026 года составил 14,55% в годовом исчислении.

Вуд рассматривает это через призму «парадокса Джевонса» — идеи о том, что по мере снижения стоимости ресурса (в данном случае вычислительных токенов) за счет повышения эффективности, общее потребление этого ресурса фактически растет. Этот парадокс играет на руку поставщикам «лопат и кирок» (инфраструктурным игрокам), в частности производителям памяти и DRAM. Такие компании, как Micron, уже наблюдают этот структурный сдвиг: Micron подписала 16 стратегических соглашений с клиентами, охватывающих 20% объема продаж DRAM и треть объема NAND, зачастую со сроком действия пять лет.

Коммодитизация моделей ИИ

Еще одним фактором давления на экономику премиальных западных поставщиков ИИ является стремительная коммодитизация больших языковых моделей (LLM). Появление высококачественных и недорогих моделей — особенно из Китая — бросает вызов доминированию американских компаний.

Например, запуск модели GLM-5.2 от Z.ai описывают как почти равную Anthropic для корпоративного использования, но при этом стоимость одного токена в четыре раза ниже. Данные OpenRouter демонстрируют значительный сдвиг в объемах: в конце июня ведущие китайские модели ИИ обработали 21,37 трлн токенов, что значительно превышает 5,76 трлн токенов, обработанных ведущими американскими моделями. Этот приток дешевых и способных альтернатив оказывает огромное давление на маржу прибыли компаний, лидирующих в гонке ИИ.

Основные выводы

  • Основной риск: Конец бума ИИ, скорее всего, будет вызван осознанием «неэффективного инвестирования» и низкой окупаемости капитальных затрат, а не традиционным избытком полупроводников.
  • Структурный сдвиг в производстве памяти: Поставщики DRAM и памяти на данный момент являются наиболее защищенными бенефициарами стратегии «лопат и кирок», используя долгосрочные стратегические соглашения для сохранения возможности диктовать цены.
  • Угроза коммодитизации: Стремительное появление недорогих и высокопроизводительных моделей ИИ (особенно из Китая) превращает рынок LLM в товар широкого потребления, угрожая высокомаржинальным моделям западных лидеров ИИ.