ИИ-инфраструктура перестала быть просто технологической гонкой: к 2027 году крупнейшие гиперскейлеры могут вложить в дата-центры почти $1,1 трлн. Если эти мощности не начнут быстро приносить деньги и повышать производительность экономики, отрасль рискует получить не «новую нефть», а крупнейшую ошибку распределения капитала в истории.
Такой сценарий разбирает MIT Technology Review со ссылкой на расчеты Джессики Вахтер, профессора финансов Wharton School при Университете Пенсильвании. Вахтер, бывший главный экономист SEC и экс-директор подразделения экономического и риск-анализа регулятора, решила не гадать, насколько полезными окажутся ИИ-модели. Вместо этого она задала более приземленный вопрос: насколько должны вырасти доходы гиперскейлеров, чтобы оправдать уже запланированные расходы на ИИ-дата-центры.
Ответ получился нервным даже по меркам рынка, который привык к большим ставкам. По оценке Вахтер и ее соавтора, компании должны увеличить собственную производительность в 2,7 раза, чтобы выйти в ноль к 2030 году. В расчет включены стоимость капитала, амортизация оборудования и доходность 15%. Вахтер не называет такой рывок невозможным: примерно такую прибавку экономика США получила во время IT-бума, который начался в середине 1990-х и растянулся примерно на десятилетие. Разница в сроках. Здесь тот же масштаб роста должен поместиться в несколько лет.
Список участников понятен: Alphabet, Microsoft, Amazon, Meta и Oracle, работающая в связке с OpenAI. По некоторым прогнозам, их совокупные капитальные вложения в ИИ могут превысить $5 трлн за ближайшие четыре года. Только в этом году, по данным из материала, гиперскейлеры потратят около $750 млрд на строительство дата-центров. Для сравнения: совокупная выручка ИИ-направлений в 2026 году оценивается примерно в $150-200 млрд. Гэри Генслер, бывший глава SEC и теперь профессор MIT Sloan School, формулирует проблему без украшений: расходы уже есть, сопоставимых доходов пока нет.
Пока это не смертельная угроза для большинства игроков. Big Tech по-прежнему зарабатывает огромные деньги и имеет доступ к дешевле организованному финансированию, чем почти кто угодно на рынке. Но даже у них баланс начинает скрипеть. MIT Technology Review приводит пример Alphabet: в последнем квартале компания показала почти $120 млрд выручки, но расходы на ИИ-инфраструктуру привели к дефициту свободного денежного потока примерно на $5,9 млрд. Это первый такой провал с момента выхода Google на биржу в 2004 году.
Главная неприятность в том, что дата-центр — не облачная версия недвижимости, которую можно спокойно держать десятилетиями. Значительная часть стоимости приходится на ускорители: в материале говорится, что вычислительная электроника составляет около 60% затрат. При этом производительность дорогих GPU примерно удваивается раз в два года. То есть объекты, введенные в эксплуатацию в 2026-2027 годах, к концу десятилетия могут потребовать новых миллиардных вложений в чипы, иначе они начнут проигрывать более свежим кластерам. Михир Кширсагар из Princeton’s Center for Information Technology Policy предупреждает: без обновлений такие дата-центры рискуют превратиться в stranded assets — дорогие активы, которые стоят на балансе, но уже не дают конкурентного преимущества.
Для рынка это не только история про акции Big Tech. Чем больше компании занимают на строительство, тем шире риск расползается по финансовой системе: кредиты упаковываются, перепродаются, становятся частью чужих портфелей. Если спрос на вычисления окажется ниже ожиданий, гиперскейлеры останутся с долгами, амортизирующимися чипами и объектами, которые нужно кормить электричеством, охлаждением и обслуживанием. Вахтер прямо говорит: если нужного роста прибыли не будет, у компаний могут начаться проблемы с процентными платежами, вплоть до риска банкротства для слабых участников.
Ставка состоит из трех частей. Первая: гиперскейлеры должны нарастить выручку до масштабов, которые пока выглядят очень далекими. Вторая: ИИ должен дать реальный прирост производительности по всей экономике, а не только красивые пилоты и презентации для советов директоров. Третья: дорогие frontier-модели должны удержать спрос, хотя бизнес может выбрать более дешевые модели, если они окажутся «достаточно хорошими» для типовых задач.
Особенно важна вторая часть. Несколько лет компании могут покупать подписки, токены и корпоративные лицензии просто потому, что «нам тоже нужен ИИ». Но дальше финансовые директора начнут задавать скучные и правильные вопросы: где экономия, где рост продаж, где сокращение цикла разработки, где снижение нагрузки на поддержку. Для русскоязычных IT-команд это означает, что экспериментальная фаза быстро заканчивается. Поставщикам придется доказывать окупаемость, разработчикам — встраивать ИИ в реальные процессы, а CIO — считать не только стоимость модели, но и стоимость зависимости от чужой инфраструктуры.
Есть и более приземленный вывод для стартапов. Если ИИ-инфраструктура строится с расчетом на триллионные будущие доходы, рынок будет агрессивно искать приложения, которые способны загрузить эти мощности. Но это не гарантирует легких денег. Наоборот, инвесторы станут внимательнее смотреть на валовую маржу, стоимость инференса и способность продукта пережить снижение цен на модели. Стартап, который просто перепродает API с тонкой оберткой, в такой экономике выглядит не как будущий единорог, а как строка расходов в чужом дата-центре.
Расчеты профессора Columbia Business School Стейна Ван Ньивербурга добавляют масштаба. В сценарии, где с 2025 по 2032 год будет построено около 183 гигаватт ИИ-вычислительных мощностей, каждый гигаватт оценивается примерно в $41 млрд. При минимально приемлемой для инвесторов доходности 10% требуемая годовая выручка должна приблизиться к $3,7 трлн к 2032 году. Это уже не вопрос «станет ли чат-бот умнее». Это вопрос, сможет ли экономика поглотить ИИ-инфраструктуру такого размера без болезненного похмелья. Подробный разбор опубликован в .