Инвестиционная стратегия в сфере искусственного интеллекта претерпевает изменения: фокус смещается от празднования повышения эффективности к гонке вооружений в области вычислительных мощностей. Модель Kimi K3 с 2,8 триллионами параметров стала поворотным моментом, сравнимым с моментом DeepSeek 2.0.
Изменение парадигмы инвестиций
После того как DeepSeek-R1 вызвал панику на рынках, предположив, что более дешевое обучение обесценит инвестиции в вычисления, ситуация изменилась. Парадокс Джевонса демонстрирует, что повышение эффективности приводит к увеличению общего потребления вычислительных ресурсов, а не к снижению спроса.
Масштабы капитальных затрат
Объем капитальных расходов превышает прежние ожидания. Google увеличил свои прогнозы CapEx на 2026 год на 15 миллиардов долларов, доведя их до диапазона 195–205 миллиардов долларов. Руководство компании предупреждает, что расходы на инфраструктуру продолжат оказывать давление на маржу из-за роста амортизации и операционных затрат центров обработки данных, а в 2027 году они увеличатся значительно.
Аналитики прогнозируют, что совокупные капитальные затраты пяти крупнейших мировых поставщиков облачных услуг превысят 800 миллиардов долларов в 2026 году, а к 2027 году могут достичь 1–1,2 триллиона долларов. При этом топ-14 поставщиков демонстрируют годовой рост CapEx, превышающий 90%, поскольку дисбаланс между спросом и предложением вычислительных мощностей в сфере ИИ сохраняется, несмотря на достижения в области эффективности.
Дифференциация рынка и акции
Рынок четко разделился между разработчиками моделей ИИ и поставщиками инфраструктуры ИИ. В июне 2026 года акции гиперскейлеров упали в совокупности на 18%, что стало худшим месячным показателем с момента IPO Meta в 2012 году, поскольку инвесторы ставили под сомнение возможность получения пропорциональной прибыли от огромных капитальных вложений. Даже отчетность Google, превзошедшая ожидания, спровоцировала падение на 4% после закрытия торгов исключительно из-за новостей о CapEx.
В противоположность этому, акции производителей оборудования для ИИ выросли на 16% за тот же период, создавая зеркальное отражение тенденции. Наиболее очевидными победителями стали акции производителей памяти и полупроводников, поскольку спрос на HBM, DRAM и GPU остается структурно недопокрытым.
Технические требования и узкие места
Модель K3 с параметрами 2,8 триллиона требует использования не менее 10 графических процессоров GB300 для локального развертывания. Даже если стоимость обучения снизится на 40%, удвоение частоты тренировок в рамках гонки вооружений приведет к увеличению чистого спроса на вычисления на 20%. Таким образом, эффективность стимулирует больше конкуренции, а не ее уменьшение.
Наиболее острым узким местом является память: предложение HBM от SK Hynix ограничено на ближайшие два-три года. Инференс ИИ способствует возрождению центральных процессоров, прогнозируется рост которых на 4–5 раз. Пример китайского ответа демонстрирует дата-центр Zhipu AI мощностью 1 ГВт, показывая, что даже компании, ориентированные на эффективность моделей, теперь активно инвестируют в масштабирование вычислительной мощности.
