Три уровня преобразования AI-нарратива

С 2026 года глобальный нарратив об ИИ переживает важные сдвиги, и мы наблюдаем как минимум три уровня изменений в повествовании.

Первый уровень: начинают появляться разногласия по поводу Закона масштабирования (Scaling Law).

В последние годы основным драйвером инвестиций в ИИ оставались эмпирические закономерности Scaling Law: чем больше модель, чем больше данных и мощнее вычислительные ресурсы — тем лучше её показатели. Однако эта закономерность начинает трещать по швам:

1. физические ограничения, такие как электроснабжение, трансформаторы и другие компоненты;

2. узкое место данных — исчерпание публичных высококачественных текстовых данных для предобучения;

3. снижение эффективности дополнительных вложений — хотя направление Scaling Law сохраняется и есть основания продолжать увеличивать инвестиции, прирост модели (эффективность на единицу вложений) может снижаться.

Поэтому, помимо расширения вычислительных мощностей, алгоритмическое развитие становится всё более важным, например, переход к расширению inference-time (Test-TimeCompute) — такие как цепочки мышления (CoT), расширение inference-времени, постобучение (Post-Training), новые архитектуры (линейное внимание LinearAttention, модели пространственного состояния SSM) и интеллектуальные решения на краю (SLMs).

Второй уровень: от «капитальных затрат» (CAPEX) к «беспокойству о возврате инвестиций».

По последним данным, крупные американские технологические компании объявили, что в 2026 году капиталовложения в ИИ превысят 700 миллиардов долларов, однако рынок уже переключился с «поощрения» капитальных затрат на опасения, что монетизация идёт слишком медленно. Рассмотрим масштаб инвестиций по двум ориентирам:

(1) Историческая база: в 2025 году доля капитальных затрат американских технологических компаний в ВВП достигла примерно 1,9%, и в 2026 году ожидается рост выше 2%, что почти сравнимо с масштабом крупнейших инфраструктурных проектов XX века: в начале века национальная широкополосная сеть составляла около 1,2% ВВП, в 1949 году масштаб электроснабжения, программа «Аполлон» и межштатные автодороги 1960-х — около 0,6%. В настоящее время инвестиции в инфраструктуру ИИ в США находятся на крайне высоком уровне в истории страны.

(2) Собственный денежный поток компаний — главный источник опасений. По оценкам, пять крупнейших облачных провайдеров США в 2026 году направят около 90% операционного денежного потока на капиталовложения (в 2025 году — 65%). Некоторые компании даже планируют превышать операционный денежный поток, что может привести к отрицательному свободному денежному потоку в 2026 году, что более реалистично отражается в финансовых отчетах. Также быстро растёт долговая нагрузка: рынок ожидает, что общий объём облигационных выпусков американских технологических гигантов в 2026 году достигнет 400 миллиардов долларов, а выпуск облигаций на сотни лет вызывает дополнительное внимание.

Третий уровень: более глубокие опасения связаны с возможной революционной ролью ИИ, которая уже влияет на многие отрасли.

Эволюция этого нарратива идёт по ясной линии: от изменения способов поиска и получения информации — к трансформации программных приложений и бизнес-процессов — и далее к макроскопическим моделям и гипотезам, тесно связанным с этапами развития ИИ.

Первый этап — эпоха Chat, изменение способов поиска и получения информации. С появления ChatGPT до начала 2025 года ИИ в основном выступал в роли диалогового помощника — отвечал на вопросы, генерировал тексты, помогал в поиске. Влияние этого этапа было умеренным, он не заменил напрямую конкретные бизнес-программы или рабочие места. Основной нарратив рынка был сосредоточен на вопросах: «Кто сможет обучить лучшую модель?» и «Кто предоставит базовые вычислительные ресурсы?».

Второй этап — эпоха Агентов, изменение программных приложений и бизнес-процессов. В феврале 2023 года Anthropic запустила ClaudeCowork, что ознаменовало переход ИИ от «генеративных ответов» к «самостоятельному выполнению межфункциональных рабочих потоков». Это вызвало массовую распродажу акций со стороны софтверных компаний (так называемый «SaaSpocalypse» — страх конца SaaS), а также распространилось на финансовые услуги, альтернативное управление активами, юридические услуги, коммерческую недвижимость и транспорт.

Третий этап — эпоха полного внедрения ИИ, моделирование будущего. Статья на Substack «THE 2028 GLOBAL INTELLIGENCE CRISIS» не содержит новых идей, но хорошо читается, остроумна и поднимает вопросы «Ghost GDP» и замещения белых воротничков, вызывая дискуссии о макроскопических моделях. Когда ИИ начнёт заменять не отдельные отрасли или вспомогательные функции труда, а саму рабочую силу — производственный фактор, существующие макроэкономические парадигмы могут оказаться под угрозой.

Традиционная модель — «производство → распределение → потребление → повторное производство» — образует замкнутый цикл, где человек одновременно является и производителем, и потребителем, — то есть источником и спросом. В эпоху полного внедрения ИИ, если он полностью заменит рабочую силу, возможны последствия:

① С точки зрения факторов производства — важность труда снизится, а модели, данные и вычислительные ресурсы (по сути, капитал) станут ключевыми.

② С точки зрения предложения — кардинально изменится кривая предложения: себестоимость снизится, эластичность предложения возрастёт, масштабные экономики достигнут пика.

③ С точки зрения спроса — возможна искажение доходов и структуры потребления, традиционные связи спроса и предложения, инвестиции и сбережения могут нарушиться. Это может привести к революции в экономическом цикле, перераспределении ресурсов и даже к перестройке финансовой системы и социальных контрактов.

Эти сдвиги в нарративах делают рынок всё менее склонным верить «историям»: с одной стороны, начинают опасаться, что ИИ не оправдает ожиданий (медленная монетизация), с другой — что он разрушит всё (революционные изменения). Как понять эти противоречивые настроения?

Логика такова: все три уровня проблем, о которых идёт речь, — реальные и логически обоснованные. Они ставят перед нами важные вопросы. Но ключевым остаётся вопрос о сроках и границах изменений, которые очень трудно предсказать заранее. В текущей панической атмосфере рынок склонен к линейным прогнозам, закладывая худшие сценарии.

Одной из причин этого может быть переоценка и уязвимость торговых структур, что усиливает панику. Перед этим циклом оценки стоимости AI-компаний находились на исторически высоком уровне, а оценки в сегменте бизнес-программ тоже были высоки. В результате, в условиях нарратива, эти оценки резко выросли.

При этом фундаментальные показатели компаний остаются устойчивыми: крупные софтверные фирмы показывают стабильный рост доходов и улучшение рентабельности, у них есть глубокая интеграция с клиентами, высокие издержки на переключение и барьеры в данных и соблюдении нормативов. Если ИИ станет частью добавленной стоимости, это может принести им выгоду.

Что касается макроскопических моделей, есть и противоположные мнения. Например, «парадокс Джевонса» — повышение эффективности часто вызывает рост спроса, а не его сокращение. Даже при значительном росте производительности ИИ снижение цен на товары и услуги может стимулировать новые потребности и отрасли. Также ИИ может создать новые профессии, которых сейчас невозможно представить, и общество может адаптироваться быстрее, чем прогнозируют модели. В задачах регулирования, взаимодействия с физическим миром, сложных межличностных отношениях и нестандартизированных решений стоимость замещения ИИ зачастую выше, чем предполагает паника, а законы и социальные нормы создают тормоза.

Итак, изменения в нарративах об ИИ требуют серьёзного отношения, но процесс трансформации, вероятно, не будет мгновенным. Время, границы и неопределённости — это возможности для дифференциации и структурных преимуществ. В динамике и структуре инвестиций важно перейти от «покупки корзины ИИ» к «более точному отбору целей». После преодоления паники и снижения оценок важно понять: какие изменения скорее всего произойдут, а какие — нет? Какие раньше, а какие позже? Что будет заменой, а что — дополнением? Разделение возможностей и рисков будет только усиливаться.

Рекомендуемые критерии для отбора инвестиций:

(1) Аппаратный уровень — искать «сильные ограничения». При уже высоких ожиданиях по капиталовложениям, получение сверхприбыли на аппаратном уровне становится сложнее. Необходимо сосредоточиться на сегментах с самыми жёсткими ограничениями и сильной ценовой властью, особенно там, где расширение мощностей было медленным, а циклы расширения — долгими, а альтернативы — мало. Например, хранение данных, электросети, трансформаторы, передовые упаковочные мощности, оптоволокно — узкие места, дающие сильную рыночную власть.

(2) Конкуренция на уровне моделей — более жесткая. Помимо веса модели, стоит обращать внимание на наличие уникальных данных для обучения, низкозатратной инфраструктуры для inference и способность быстро превращать модельные возможности в практические решения. Ищите «комплекс» — модель + данные + бизнес-барьеры. С середины 2025 года акции крупных американских технологических компаний начали сильно разъединяться, и эта тенденция продолжится.

(3) Применение — фокус на быстро реализуемых проектах, уже показывающих ценность ИИ. В первую очередь — те, что позволяют быстро снизить издержки и повысить эффективность, а также те, что легко интегрируются в ключевые бизнес-процессы и в вертикальные ниши.

Особое внимание стоит уделять сегментам SaaS, где рынок может различать «тонкие SaaS, подверженные замещению ИИ» и «незаменимые базы данных и инфраструктура». В тех сферах, где ИИ уже является неотъемлемой частью (безопасность, соответствие, обработка данных, транзакции), есть шанс на «перекупку».

(4) Различия в стратегиях развития ИИ в Китае и США — ещё один важный аспект. В Китае больше акцента на «эффективность вычислений», развитие алгоритмов, открытых экосистем и инженерных решений, несмотря на дефицит мощностей. В США — более развитая сервисная экономика, высокая стоимость труда белых воротничков, что усиливает эффект замещения и дефляции. В долгосрочной перспективе, Китай ориентируется на использование ИИ для повышения производительности и трансформации производственных секторов, а не только на замену труда. Это создаёт уникальные возможности для инвестиций в индустриальные решения и интеграцию «железа и софта».

За последние годы отслеживание и понимание ИИ-цепочек дало инвесторам значительный «когнитивный альфа». ИИ остаётся ключевой темой эпохи, но с ростом оценок и приближением IPO новых лидеров, нарративные изменения могут ускориться, что создаст новые вызовы для инвестиций.

Источник: Huatai Securities

Риск-менеджмент и отказ от ответственности

Рынок подвержен рискам, инвестировать следует осторожно. Настоящий материал не является индивидуальной рекомендацией и не учитывает ваши личные цели, финансы или потребности. Перед инвестированием подумайте, соответствуют ли приведённые мнения вашей ситуации. Ответственность за инвестиционные решения — только ваша.