IPO Anthropic 19 ноября прошло по цене $83 за акцию и дало разработчику Claude оценку около $1,5 трлн. Для рынка это не просто рекордная сделка: она снова поставила вопрос, куда направлять инвестиции в AI, если самые громкие компании уже стоят как небольшие государства, а вся индустрия зависит от длинной цепочки поставщиков.
По данным Habr / Новости, выход Anthropic на биржу стал крупнейшим IPO в истории и обошёл прежний рекорд SpaceX. Компания существует пять лет, но её листинг уже сделал долларовыми миллионерами тысячи сотрудников; примерно у 600 человек пакеты акций оцениваются более чем в $100 млн. У каждого из семи основателей доля, по оценке автора исходного материала, стоит около $20 млрд. Такие цифры объясняют, почему рынок привычно смотрит на Nvidia, OpenAI, CoreWeave и теперь Anthropic как на очевидных победителей AI-гонки.
Проблема стратегии «купить лидеров и ждать» в том, что эти компании завязаны на один и тот же сценарий: спрос на вычисления должен продолжать расти, поставки ускорителей — не срываться, а дата-центры — получать достаточно энергии. Если один из элементов цепочки буксует, это бьёт сразу по нескольким фаворитам. Поэтому полезнее смотреть не только на чат-боты и модели, а на инфраструктуру, без которой они останутся красивой презентацией с очередью на доступ.
Первое узкое место — генерация энергии. Крупные дата-центры потребляют электричество в масштабах городов, а быстро нарастить мощности трудно: большие турбины производят считаные игроки, среди которых GE Vernova, Siemens Energy и Mitsubishi. У GE Vernova очередь заказов за квартал выросла с 83 до 100 ГВт, а портфель подписанных, но ещё не исполненных контрактов достиг $163 млрд. Турбина — не сервер, её нельзя выпустить дополнительной партией к следующему кварталу: нужны тяжёлое производство, инженерные кадры и годы на выполнение заказа.
Следующее звено — сама электроэнергия. В материале приводится пример Constellation Energy, владельца крупнейшего в США парка атомных станций. Microsoft заключила с компанией контракт на поставку электроэнергии сроком на 20 лет. Часть мощности должна дать энергоблок в Пенсильвании, который был остановлен в 2019 году и теперь готовится к возвращению в работу. Для IT-бизнеса это важный сигнал: борьба за мощности переходит из закупок GPU в долгосрочные энергоконтракты. У разработчиков и продактов это меняет экономику проектов — цена и доступность инференса всё сильнее зависят от решений, принятых далеко за пределами облачного кабинета.
Третье звено — оборудование для производства чипов. Голландская ASML выпускает литографические системы, на которых наносят структуры будущих микросхем на кремниевые пластины. В передовой литографии компания фактически не имеет равного конкурента: можно разработать ускоритель, найти финансирование для фабрики и собрать команду, но выпуск самых современных чипов всё равно требует оборудования ASML. Экспортные ограничения США усложнили продажи в Китай, однако спрос со стороны других покупателей оказался достаточно высоким, чтобы освободившиеся места в очереди быстро заняли новые заказчики; компания повысила прогноз годовой выручки.
Не менее важны контрактные производители — фабрики, которые превращают дизайн чипа в готовую продукцию. Nvidia сама не выпускает свои чипы, а проектирует их и передаёт производство фаундри. Главный пример — TSMC: её квартальная выручка, приведённая в источнике, достигла $36 млрд. Здесь AI-спрос сталкивается с физикой производства: новейшие техпроцессы дороги, очередь на мощности длинная, а перенос выпуска в другую страну не происходит по щелчку. Для стартапов это означает зависимость не только от качества модели, но и от доступности железа у облачных провайдеров.
Главный вывод для тех, кто обсуждает инвестиции в AI, довольно приземлённый: ценность создают не только лаборатории, обучающие модели. Выигрывать могут энергетики, производители турбин, ASML, фаундри и операторы дата-центров — причём часть из них получит спрос и вне AI-цикла, от электромобилей, промышленности и общей цифровизации. Но у такой диверсификации есть своя ловушка: успех всей цепочки всё равно предполагает, что AI-продукты научатся стабильно приносить новые деньги, а не только сжигать вычислительный бюджет. Именно это звено — платёжеспособный спрос на прикладные сценарии — остаётся самым интересным и самым непредсказуемым.
