40 лет назад, 22 октября 1978 года, Дэн Сяопин впервые посетил Японию. Путь от Токио до Киото, 370 километров, он преодолел на первом в мире высокоскоростном поезде — японском синкансэне «Хикари». Когда японские сопровождающие спросили его о впечатлениях, он сказал: «Я почувствовал, что это подстегивает бежать, поэтому нам сейчас самое время ехать на таком поезде.»
ИИ тоже заставляет бежать.
За последние два года выручка NVIDIA выросла с 60 миллиардов долларов до 216 миллиардов, а ее акции выросли в десять раз. Инвестиционная волна вокруг ИИ захлестнула весь мир — оптические модули, дата-центры, системы охлаждения, роботы, ИИ-приложения, волна за волной. Каждый день появляются новые истории о росте, каждый день кто-то сожалеет, что не купил раньше.
Но заставлять бежать — это одно, а перед бегом нужно сначала увидеть дорогу.
ИИ — это самая длинная дистанция, которую может встретить наше поколение. Интернету от 1995 года до IPO Google потребовалось десять лет, до IPO Facebook — еще восемь. Посередине был крах пузыря доткомов в 2000 году, когда Nasdaq рухнул на 78%. ИИ, скорее всего, пойдет по схожему пути — сейчас мы, возможно, находимся на позиции 1998 или 1999 года, а самые большие возможности, вероятно, появятся после будущего краха пузыря или спрятаны в каком-то уголке, на который сегодня никто не обращает внимания.
Сейчас возможности моделей стремительно растут, капитал яростно вливается, оценки вышли на тревожно высокий уровень. В такой среде есть два типа людей:
Одни бросаются покупать прямо сейчас — делая ставку на правильный момент. Можно заработать, но с большей вероятностью они купят на середине склона, а потом сбросят их откатом.
Другие ждут краха — но вопрос в том, когда он случится, осмелитесь ли вы купить? Вы знаете, что покупать? Если вы ничего не знаете об этой отрасли, перед паникой вы будете еще больше паниковать.
Я выбираю третий путь: не спешить сейчас покупать акции, а сначала создать запас — «запас знаний».
Потому что независимо от того, как развивается ИИ, чтобы не упустить настоящие возможности, когда они появятся, мы должны сначала стать экспертами, разбирающимися во всей отрасли. Так называемая «интуиция убийцы» — это не что иное, как осознание, что «в голове уже есть полная картина».
Сегодня я начинаю делать тупую и медленную работу: изучать индустрию ИИ с глобального уровня, постепенно, кусочек за кусочком, полностью разобраться во всей цепочке создания стоимости ИИ. Кто зарабатывает деньги, откуда они приходят, куда утекают, кто незаменим, а кто питается объедками других.
Когда рынок предоставит нам возможность — будь то крах, коррекция или какой-то забытый уголок — я смогу за считанные секунды принять решение: «Стоит ли эта цена того, чтобы входить?»
Кроме того, я буду делать это с двумя отличительными особенностями:
Во-первых, у меня хорошая инвестиционная база. У меня есть богатый опыт и очень высокая скорость эволюции в инвестициях. Моя доходность за последние три года, как хорошо знают мои старые подписчики, достигла моего уровня, и немногие достигают аналогичных результатов. Конечно, самое важное — не доходность, потому что в ней может быть элемент удачи, а то, что все обычно признают — это моя скорость эволюции — я думаю, что в эпоху ИИ это особенно важно, дело не в том, кто круче, а в том, кто быстрее эволюционирует.
О прошлом не стоит распространяться, будущее начинается сейчас, давайте «посмотрим».
Во-вторых, я сосредотачиваюсь на одной вещи: как на этом заработать деньги? Моя высокая скорость эволюции в последние годы в основном обусловлена моей фокусировкой: я обращаю внимание только на возможности для обогащения, стоящие за явлениями. Большинство статей, которые я сейчас вижу, учат использовать новый навык, новый GitHub, ежедневно гоняются за вирусным контентом и новинками. Это, конечно, важно, но с точки зрения инвестора меня больше интересуют возможности для обогащения, стоящие за этим.
Когда вышел iPhone 4, вы, как и все, восхищались дизайном и производительностью телефона или изучали инвестиционные возможности, стоящие за этим?
Эта статья — первая в серии исследований, и ее главная задача: «осветить карту». Если сравнить систематическое изучение всей цепочки создания стоимости ИИ с игрой в масштабную open-world игру, то первый шаг — не бросаться бить босса, а сначала осветить карту: какие есть крупные зоны, какие ключевые узлы, какая основная сюжетная линия, какие есть побочные задания. Когда карта ясна, независимо от ситуации в будущем, можно принять решение за считанные секунды.
Глава 1: Зачем смотреть на ИИ с глобальной точки зрения?
Двухкратный рост NVIDIA за два года — самая яркая история инвестиций в ИИ. Но если вы видите только NVIDIA, это все равно что видеть только одно дерево — вы упускаете структуру целого леса у его ног.
При каждой крупной технологической волне деньги распространяются по цепочке создания стоимости слой за слоем. Это неоднократно подтверждалось в истории:
В эпоху интернета первая волна денег хлынула в Cisco (сетевое оборудование), вторая — в Google, Amazon (платформы), третья — в Facebook, Netflix (приложения). В эпоху мобильного интернета первая волна — это Qualcomm (чипы), вторая — Apple (устройства), третья — WeChat, TikTok (суперприложения).
ИИ не исключение. Мы можем увидеть примерную цепочку распространения:
Первый круг (2023-2024, уже полностью оценен рынком): GPU — NVIDIA. Второй круг (2024-2025, в процессе оценки): оптическая связь, блоки питания — LITE вырос в 16 раз, Vertiv вырос в 10 раз. Третий круг (2025-2026, еще не полностью оценен): системы охлаждения, накопители, специализированное производство по контракту. Четвертый круг (2026+, ожидание катализатора): ИИ-приложения, энергетическая инфраструктура, роботы. Ключевая мысль для инвесторов: чем ниже уровень инфраструктуры, тем меньше игроков, тем ниже заменяемость, тем сильнее ценовая власть.
Компаний, занимающихся ИИ-приложениями (уровень 4), могут быть тысячи, и они конкурируют. Вот почему NVIDIA зарабатывает 216 миллиардов долларов в год, а большинство компаний, занимающихся ИИ-приложениями, все еще убыточны.
Но это также означает, что во втором, третьем и даже четвертом круге инфраструктурного уровня — среди тех компаний, которые рынок еще не окрестил «концепцией ИИ» — может скрываться множество возможностей. Сначала нужно разобраться, какие есть игроки, чем они занимаются и сколько стоят.
Понимание этого важно потому, что: когда в будущем на рынке произойдет коррекция, паника или дивергенция, мы будем знать, куда смотреть.
Описанные выше четыре круга распространения описывают последовательность передачи рыночных настроений и денег — за чем деньги гонятся сначала, а за чем потом. Но чтобы по-настоящему понять бизнес-логику каждого звена, нужна другая схема: уровневая структура цепочки создания стоимости. Далее мы будем разбирать ее слой за слоем, снизу вверх.
Я разделяю всю цепочку создания стоимости ИИ на 4 уровня структуры, 4 карты основных задач.
Глава 2: Четыре уровня структуры, четыре карты основных задач
Четыре карты: Инфраструктура вычислительных мощностей, уровень моделей, промежуточное ПО, уровень приложений, а также одно абсолютное ограничение: Электроэнергия.
Первый уровень: Инфраструктура вычислительных мощностей — «двигатель» ИИ
Этот уровень — физический фундамент всей цепочки. Все деньги — независимо от того, с какого уровня они приходят — в конечном итоге оседают здесь.
(1) Дизайн чипов: Король вооружений
NVIDIA — безоговорочный лидер. В 2026 финансовом году (завершившемся в январе 2026) общая выручка составила 216 миллиардов долларов, из которых центры обработки данных принесли 193,7 миллиарда — всего два года назад это было меньше 50 миллиардов. Такие темпы роста беспрецедентны в истории полупроводниковой промышленности.
Что означают эти цифры? Конкретный пример: обучение одной передовой большой модели только на GPU стоит сотни миллионов долларов. И обучение — это разовое мероприятие, после выхода модели ей ежедневно приходится обрабатывать сотни миллионов пользовательских запросов, каждый из которых потребляет вычислительные ресурсы — это «стоимость логического вывода». Пожизненная стоимость логического вывода для модели может в десятки раз превышать стоимость обучения. Это означает, что пока ИИ используется, NVIDIA продолжает собирать «налог».
Крепость NVIDIA — это не только железо. Ее настоящий барьер — это CUDA — экосистема ПО с более чем 5 миллионами разработчиков. Как iOS для Apple, CUDA делает так, что пользователям, попавшим в нее, трудно уйти. AMD (MI300X) и Intel (Gaudi) догоняют, но разрыв в экосистеме составляет как минимум несколько лет.
Другой путь — это специальные ИИ-чипы. Broadcom предоставляет индивидуальный дизайн для Google TPU, Amazon Trainium и других. Логика проста: технологические гиганты не хотят вечно зависеть от одной компании. Но, по крайней мере, на данный момент, собственные чипы — это дополнение, а не замена.
Ключевой вопрос: Как долго продлится монополия NVIDIA? Дуань Юнпин говорил, что он тоже этого не понимает — «Через 10 лет NVIDIA точно будет, но сохранит ли она свою текущую рыночную позицию?» Это вопрос на несколько триллионов долларов. И за этим стоит целая цепочка создания стоимости производства чипов, которая уже взлетела, и я буду уделять ей больше внимания.
(2) Производство, упаковка и память чипов: Оружейный завод
Разработанные чипы нужно кому-то производить. TSMC практически монополизировала производство самых передовых ИИ-чипов в мире. Ключевые чипы NVIDIA, AMD, Broadcom, Apple — все производятся TSMC. В гонке 3 нм и 2 нм Samsung и бизнес по контрактному производству Intel сильно отстают.
Более важное узкое место — это высокоскоростная память (HBM). Какой бы мощной ни была производительность ИИ-чипа, если данные не могут «загружаться» достаточно быстро, это бесполезно. SK Hynix лидирует в области HBM, HBM3E почти эксклюзивно поставляется NVIDIA. Samsung и Micron догоняют, но разрыв в выходе годных продуктов значителен.
Продвинутая упаковка (CoWoS) — это еще одно узкое место в производственных мощностях — дефицит предложения сохраняется уже более года.
Ключевой вопрос: Производственные мощности TSMC и SK Hynix — это и есть власть. Кто контролирует мощности, тот контролирует темпы гонки вооружений в области ИИ.
(3) Оптическая связь и сети: Нервная система
Кластеры для обучения ИИ расширились с тысяч GPU до сотен тысяч. Как чипы могут общаться друг с другом на высокой скорости? Традиционные медные кабели на скоростях выше 800 Гбит/с упираются в физические пределы — затухание сигнала, резкий рост энергопотребления, потеря контроля над температурой. Оптическая связь — единственный выход, это не проблема инженерной оптимизации, а жесткое ограничение, установленное фундаментальными законами электромагнетизма.
Ключевые игроки: Lumentum (LITE, лидер в производстве InP-лазеров, акция выросла в 16 раз), Coherent (COHR, вертикальная интеграция в области оптики), Tower Semiconductor (TSEM, контрактное производство кремниевой фотоники, я ранее писал об этом глубокий отчет), Arista Networks (ANET, коммутаторы для ИИ-центров обработки данных), Astera Labs (ALAB, чипы для соединения).
Ключевой вопрос: Оптическая связь — это возможность второго круга — рынок уже начал ее оценивать, но, возможно, еще не до конца. Ключ в том, чтобы определить, у каких компаний еще есть пространство для роста, а у каких цена уже отражает ожидания, недавно я писал несколько отчетов по этой теме.
(4) Охлаждение и питание: Городская канализация
Энергопотребление новейшего шкафа NVIDIA GB200 достигает 120 киловатт. Десятки тысяч карт вместе выделяют колоссальное тепло. Жидкостное охлаждение перестало быть «опцией» и стало «необходимостью». Двухфазная иммерсионная технология охлаждения Microsoft уже снизила энергопотребление на охлаждение серверов Azure на 95%. Vertiv (VRT) — лидер в этой области, nVent (NVT), Modine (MOD) также быстро растут.
Ключевой вопрос: Не секси, но незаменимо. Типичный третий круг — большинство не видят, но без этого ИИ-центры обработки данных не работают. Вскоре появятся мои отчеты на эту тему.
(5) Серверы и центры обработки данных
Dell, Supermicro интегрируют чипы, память, сети, охлаждение в ИИ-серверы. Equinix, Digital Realty предоставляют физические помещения. CoreWeave (IPO в 2025 году) представляет собой облако, состоящее исключительно из GPU.
(6) Облачные платформы: Оптовики вычислительных мощностей
AWS, Azure, GCP — это «оптовики» вычислительных мощностей — на три крупнейших облака приходится около 65% мирового рынка. Oracle неожиданно стал победителем благодаря росту своего ИИ-облака.
Второй уровень: Модели и инструменты — «Операционная система» ИИ
Это самый привлекающий внимание, с самым впечатляющим ростом, но с самой неопределенной структурой уровень в цепочке создания стоимости ИИ.
Пятерка лидеров: OpenAI (GPT), Anthropic (Claude), Google (Gemini), Meta (открытый Llama), xAI (Grok). Темпы роста выручки на этом уровне ошеломляют — ежегодная повторяющаяся выручка (ARR) Anthropic выросла с 1 миллиарда долларов в конце 2024 года до 9 миллиардов в конце 2025 года, а к апрелю 2026 года превысила 30 миллиардов.
Salesforce потребовалось 20 лет, чтобы достичь годовой выручки в 30 миллиардов, Anthropic — менее 3 лет. Текущий ARR OpenAI составляет около 24 миллиардов долларов, вместе они превышают 50 миллиардов. Компании, занимающиеся моделями, больше не «история о сжигании денег», а реальный бизнес, приносящий деньги.
Но за резким ростом выручки стоит структурное изменение, на которое стоит обратить внимание: Фокус ИИ-вычислений смещается с «обучения» на «логический вывод».
За последние два года основные ИИ-вычисления тратились на обучение больших моделей — загрузка огромных объемов данных, чтобы модель научилась понимать мир. Но как только модель обучена, следующий шаг — «логический вывод» — то есть фактическое ответы модели на вопросы, выполнение задач.
Исследование Deloitte показывает, что к концу 2025 года потребление вычислительных ресурсов на логический вывод уже превысило обучение, составив более 55% расходов на облачную ИИ-инфраструктуру. Некоторые даже отмечают, что «в прошлом 80% вычислений тратилось на обучение, 20% на логический вывод, в будущем это соотношение изменится на противоположное.»
Что это означает? Рынок логического вывода может быть намного больше рынка обучения (прогнозируется, что к 2030 году он достигнет 255 миллиардов долларов), а требования к чипам для логического вывода отличаются от обучения — больше внимания уделяется эффективности затрат и низкой задержке, а не пиковой производительности. Это может стать брешей для атаки на монополию NVIDIA: AMD, Marvell (недавно получила инвестиции в 2 миллиарда долларов от NVIDIA), а также собственные чипы различных компаний нацеливаются на рынок логического вывода.
Самый важный вопрос на этом уровне: Сформируется ли в области ИИ-моделей олигополия или они станут «товаром»?
Llama от Meta бесплатна и открыта, DeepSeek создала конкурентоспособную модель с чрезвычайно низкими затратами. В настоящее время тарифные планы API GLM-5 распроданы, открытый исходный код снижает порог входа на уровень моделей. Но «товаризация» — тоже не так проста — разрыв в возможностях между моделями сокращается, но не исчезает.
Особенно в сценариях глубокого использования разница в пользовательском опыте между моделями все еще значительна, и интеграция API компаний, настройка рабочих процессов, накопление данных создают затраты на переход. В конечном итоге структура, вероятно, будет не «победитель получает все», и не «полная товаризация», а нечто среднее — несколько моделей займут основную долю рынка, но будут сохранять дифференцированную конкуренцию между собой.
Если прибыль на уровне моделей будет сжата открытым исходным кодом, реальная стоимость сместится на верхний и нижний уровни: на верхний, то есть уровень инфраструктуры, потому что всем нужно запускать модели, спрос на вычислительные мощности не уменьшится, а, наоборот, возрастет; на нижний, то есть на уровень приложений, потому что стоимость вызовов снизится, и ИИ-приложениям будет легче зарабатывать деньги. Этот процесс перераспределения прибыли, возможно, является одним из самых важных переменных в цепочке создания стоимости ИИ в ближайшие несколько лет.
Третий уровень: Промежуточное ПО и платформы — «Склеивающий» слой
Промежуточный слой, соединяющий модели и приложения. Представители: Scale AI (разметка данных и оценка ИИ, оценка 13,8 миллиарда долларов), LangChain (фреймворк для разработки приложений на основе LLM), Hugging Face (платформа для обмена моделями, GitHub для ИИ).
Большинство компаний на этом уровне еще не публичны, их масштаб невелик. Но как только взорвется слой ИИ-приложений, эти «склеивающие» компании могут пережить взрывной рост — подобно тому, как Shopify и Stripe выросли с бумом электронной коммерции. Стоит продолжать наблюдение.
Четвертый уровень: Вертикальные приложения — Вход для денег
Место, где ИИ напрямую создает ценность для конечных пользователей. Несколько направлений:
Корпоративные ИИ-платформы: Palantir продает операционную систему на основе ИИ правительствам и предприятиям. ServiceNow, Salesforce добавляют ИИ к традиционным SaaS.
Инструменты для программирования: GitHub Copilot — де-факто стандарт, Cursor бросает вызов. Логика ясна — если ИИ может удвоить производительность программиста, каждая компания будет платить.
Медицинский ИИ: Isomorphic Labs (дочерняя компания Alphabet, наследница AlphaFold) — возможно, самый перспективный объект для долгосрочных инвестиций, может провести IPO в 2027 году.
Робототехника и физический интеллект: Направление с наибольшим потенциальным общим адресным рынком (TAM) в долгосрочной перспективе. Tesla Optimus, Figure AI, Unitree. Но пока это очень ранняя стадия.
Автономное вождение: Waymo наиболее коммерчески зрелый, Tesla FSD догоняет с использованием визуального подхода.
Уровень приложений — это разнообразие, но и самый сложный для выбора победителей уровень. Однако стоит отметить тенденцию: к 2026 году мировой рынок ИИ-приложений, как ожидается, впервые превысит рынок вышестоящей инфраструктуры — деньги перемещаются от «строительства города» к «открытию магазинов». В то же время, AI Agent (автономный агент) становится новой формой корпоративных приложений; ожидается, что к концу 2026 года более 40% корпоративных приложений будут иметь встроенные функции AI Agent, тогда как в 2025 году этот показатель был менее 5%.
Поперечное измерение: Энергия — Абсолютное ограничение ИИ
Все уровни упираются в один вопрос: откуда брать электричество?
Потребление электроэнергии ИИ-центрами обработки данных растет экспоненциально. У Microsoft есть заказы на Azure на 80 миллиардов долларов, которые не могут быть выполнены из-за нехватки электроэнергии. Это вызвало волну инвестиций в энергетику: Constellation Energy (атомная энергия), NuScale и Oklo (малые модульные ядерные реакторы), GE Vernova (газовые турбины).
ИИ будет продолжать расширяться, энергетическая инфраструктура — это производный сегмент с очень высокой определенностью.
Глава 4: Четыре вопроса за пределами консенсуса
После создания карты самое ценное — не подтверждение консенсуса, а выявление того, что рынок, возможно, упускает. В настоящее время я уделяю внимание 4 вопросам, и последующие исследования начнутся в первую очередь с этих углов.
Вопрос 1: Как переход от обучения к логическому выводу изменит чью-то судьбу?
За последние два года основной спрос на ИИ-вычисления приходился на обучение больших моделей. Но сейчас логический вывод (заставляющий модели реально работать) уже превысил обучение и стал более крупным рынком. Логический вывод предъявляет другие требования к чипам, чем обучение — больше внимания уделяется соотношению цены и качества, а не максимальной производительности.
Это может открыть окно возможностей: монополию NVIDIA на рынке обучения практически невозможно поколебать, но рынок логического вывода более фрагментирован, у AMD, Marvell, Broadcom, а также у собственных чипов различных компаний есть шанс. В то же время, «постоянное потребление» характеристик логического вывода означает, что спрос на вычислительные мощности не разовый, а растет по мере распространения ИИ-приложений — это хорошая новость для всей цепочки поставок.
Вопрос 2: Где отдача от инвестиций в 600 миллиардов долларов?
Капитальные расходы пяти крупнейших технологических гигантов в 2026 году превысят 600 миллиардов долларов, но доходы, генерируемые ИИ-приложениями, составляют лишь малую часть этой суммы. Подобный разрыв между вложениями и отдачей в истории наблюдался только однажды — в конце 1990-х годов в телекоммуникационной инфраструктуре. Итогом тогда стало банкротство множества волоконно-оптических компаний.
Конечно, ключевое отличие в том, что тогда телекоммуникационные компании брали кредиты, а сегодняшние технологические гиганты используют собственную прибыль, и их коэффициенты долговой нагрузки находятся на исторических минимумах. Но если скорость монетизации ИИ-приложений не успевает, темпы роста капитальных расходов неизбежно замедлятся — и это передастся по всей цепочке поставок, создавая риски для некоторых компаний.
Вопрос 3: Как выглядит карта второго и третьего кругов?
NVIDIA — это первый круг, уже полностью изученный и оцененный рынком. Оптическая связь и блоки питания — второй круг, рынок заново их осознает. А что насчет третьего круга? Охлаждение, специализированное контрактное производство, ИИ-безопасность, чипы для логического вывода на периферии — какие компании есть в этих звеньях? Какова их бизнес-модель? Какова конкурентная среда? Если не разобраться в этих вопросах сейчас, когда появятся реальные возможности, будет уже поздно. Именно этим и предстоит заняться в следующих послойных исследованиях.
Вопрос 4: Как геополитика влияет на цепочку создания стоимости?
Экспортный контроль США в отношении китайских ИИ-чипов делит глобальную цепочку создания стоимости ИИ на две части. NVIDIA H20 запрещена, Китай строит собственную независимую ИИ-инфраструктуру. Это означает, что инвестиции идут в две параллельные цепочки создания стоимости, и общий объем может быть больше ожидаемого. Но также означает, что некоторые поставщики сталкиваются с риском «выбора стороны».
Глава 5: Как двигаться дальше
Карта нарисована, теперь — основные задачи.
Я начну с первого уровня, углубляясь в каждое звено одно за другим. Как в игре — сначала проходишь основную сюжетную линию (самые важные компании и логика каждого уровня), затем побочные задания (крайние, но потенциально интересные уголки).
На каждой остановке нужно разобраться в трех вещах: Какова бизнес-модель этого звена? Какова конкурентная среда? На каком уровне находится оценка? Разобравшись в этих трех вещах, независимо от будущих изменений на рынке, у нас будет основа для суждений.
Несколько слов в заключение
Во время написания этого обзора цепочки создания стоимости я вспомнил историю с LITE.
Я ранее подробно разбирал историю Lumentum (LITE) в своем блоге: «Как другие поймали рост LITE в 20 раз за год?» Это пример из учебника: в середине 2024 года рынок все еще считал ее «циклической акцией телекома», по 50 долларов за акцию, и никто не хотел. Но по сути это «нервная система» ИИ-центров обработки данных, 50-60% мировой доли рынка InP-лазеров, физические пределы медных кабелей, руководство расширяло производство в убыточный период, балансовая стоимость активов превышала рыночную капитализацию.
Вся информация была публично доступна, просто у меня в голове не было карты цепочки создания стоимости, чтобы распознать это.
Все упущенные возможности, в конечном счете, не из-за «медленной реакции», а из-за «недостаточного исследования».
Вот почему я создаю «запас знаний». ИИ — достаточно длинная дистанция — настолько длинная, что не нужно беспокоиться о том, что вы еще не сели в поезд, но и нельзя просто ждать, ничего не делая. Само по себе понимание каждого уровня, каждого звена цепочки создания стоимости — это лучшая подготовка. Когда рынок предоставит нам возможность — будь то руины после краха пузыря или неожиданно появившаяся точка перелома — имея на руках карту, можно принять решение за считанные секунды.
«Интуиция убийцы» — это не врожденное качество, а результат тысяч часов исследований.
