$700 млрд на ИИ: гонка, которую нельзя остановить

Бенедикт Эванс – аналитик, который раньше других замечает сдвиги в технологической индустрии, – в мае 2026 года выпустил презентацию AI eats the world. Первое, с чего он начинает – с денег. С очень больших денег.

В 2026 году крупнейшие технологические компании мира потратят на ИИ-инфраструктуру больше, чем стоит весь мировой рынок полупроводников. Apple, Google, Microsoft, Meta и Amazon вместе направляют порядка $700 млрд на дата-центры, чипы и сопутствующую инфраструктуру. Для сравнения: вся мировая полупроводниковая отрасль зарабатывает около $600 млрд в год. Инфраструктура для потребителя ИИ-чипов теперь больше, чем рынок самих чипов.

Это заставляет задуматься: что происходит, когда инвестиции такого масштаба вкладываются в одну технологию за несколько лет?

Откуда берутся эти деньги

Nvidia – самый точный барометр того, что происходит с ИИ-инвестициями. Её выручка выросла примерно с $25 млрд до $130 млрд за два года. Рост такого масштаба – то, что в индустрии принято называть хоккейной клюшкой.

График примечателен ещё и тем, что за ним стоят корпоративные капзатраты, а пользовательский спрос пока отстаёт. Компании покупают чипы в расчёте на то, что массовое использование догонит инфраструктуру. Это ставка на будущий спрос.

Эванс приводит ещё один показательный факт: строительство дата-центров в США сейчас превышает по объёмам строительство офисных зданий. Физическая инфраструктура страны буквально перестраивается под ИИ-нагрузки. Когда инвестиционный тезис материализуется в бетоне и арматуре – это уже не тренд в презентации, это изменение ландшафта.

Что касается экономики самого использования ИИ – за два года стоимость инференса упала в 280 раз. Строить инфраструктуру дорого. Использовать то, что уже построено, становится всё дешевле.

Что говорят CEO

Когда аналитики спрашивают руководителей крупнейших компаний, не слишком ли они агрессивно инвестируют, ответы звучат примерно одинаково.

Сундар Пичаи из Google формулирует это прямо: «Риск недоинвестирования драматически выше, чем риск переинвестирования». Марк Цукерберг говорит, что Meta строит мощности заранее, до того как точно понимает, под какие задачи. Сэм Альтман из OpenAI, который публично ставит цель привлечь $1,4 трлн на инфраструктуру, описывает ИИ как новый тип коммунальной услуги – как электричество или интернет.

Это интересная риторика. Электричество стало коммунальной услугой через несколько десятилетий после того, как первые инвесторы вложились в электростанции. Большинство из них не дождались окупаемости.

Впрочем, здесь важно понимать логику: эти компании строят инфраструктуру под собственные продукты – облачные сервисы, рекламные системы, корпоративные решения. Главный вопрос для них – выживание в конкурентной среде, где все вкладывают столько же. Окупаемость вторична по отношению к конкурентному паритету.

Отдельный масштаб ставок – у независимых ИИ-компаний. Если ROI от ИИ сложно обосновать даже сейчас, то ставки Big Tech на $700 млрд предполагают, что ситуация изменится кардинально.

Пузырь или инфраструктура?

Эванс напрямую разбирает вопрос, который задаёт большинство скептиков: это пузырь?

Его ответ – не обязательно, и аргумент основан на истории. Когда в 1990-х строили телекоммуникационные сети, а потом интернет-инфраструктуру, инвесторы потеряли деньги. Но оптические кабели остались в земле. Пропускная способность интернета, созданная на пике доткома, стала фундаментом для стриминга, облачных вычислений и социальных сетей – бизнесов, которые появились через 5–10 лет после того, как их первоначальные инвесторы обанкротились.

Железные дороги XIX века – ещё более показательный пример. Оверинвестиции в рельсы привели к банкротствам и скандалам. Но дешёвые грузоперевозки, которые стали возможны благодаря этой избыточной инфраструктуре, запустили промышленную революцию. Следующая волна инноваций получила в наследство ресурс по цене, немыслимой для предыдущего поколения.

Логика применительно к ИИ: если $700 млрд в год создают избыточные вычислительные мощности, то через несколько лет эти мощности станут дешёвыми. Дешёвый ИИ – это ресурс, на котором кто-то построит что-то, чего сейчас не существует.

Параллель убедительна, хотя у неё есть очевидный изъян: перечень нереализовавшихся технологических параллелей с железными дорогами тоже существует.

Это не уникальная для ИИ ситуация. Парадокс между 88% внедрением и 62% поверхностным использованием как раз и показывает: инфраструктура строится раньше, чем формируются устойчивые паттерны применения.

Что это означает для бизнеса: три следствия

Из инвестиционной гонки такого масштаба для менеджеров и руководителей вытекает несколько практических выводов.

Первый: конкурентная ИИ-гонка в вашей отрасли, скорее всего, неизбежна. Если компании с рыночной капитализацией в триллионы долларов делают ставку на то, что ИИ изменит их конкурентное преимущество, то предположить, что вашу отрасль это не затронет, – оптимистично. Вопрос только в горизонте.

Второй: стоимость доступа к ИИ-возможностям будет продолжать падать. Чем больше инфраструктуры строится, тем дешевле становится API. Уже сейчас токены обходятся в доли цента, а конкуренция между провайдерами только усиливается. Через три года доступ к передовым моделям по нынешним меркам будет практически бесплатным.

Третий: инфраструктурные инвестиции этого масштаба создают давление на скорость применения. Когда в технологию вложено $700 млрд в год, акционеры ждут результатов. Это означает, что давление на компании – внедрять ИИ быстрее, глубже, в большем числе процессов – будет нарастать извне, независимо от внутренней готовности.

Последний пункт – парадокс. Microsoft WTI 2026 показывает, что организационная готовность к ИИ определяет 67% эффекта от его применения. Но скорость, с которой компании вынуждены действовать из-за конкурентного давления, часто опережает возможности организационной перестройки.

Три следствия сводятся к одному: инфраструктура создаёт возможность, но конкурентное преимущество формирует навык применения. Открытый модуль курса позволяет проверить это на практике.

Что остаётся за кадром у Эванса

Эванс – аналитик, который умеет видеть большие структурные тренды. Его презентация сильна именно этим: данные приведены точно, исторические параллели убедительны, логика инфраструктурного аргумента выстроена.

Что остаётся за кадром – это вопрос о распределении. Когда железные дороги создали дешёвый транспорт, выиграли не те, кто строил рельсы, а те, кто успел перестроить логистику. Когда телеком создал дешёвую полосу пропускания, выиграли Netflix и AWS, а не Worldcom. Технологическая аналогия на уровне «инфраструктура -> использование» обычно верна. Но кто именно выигрывает от использования – это отдельный вопрос.

Исследования о внедрении AI в крупных компаниях показывают: 95% организаций не добираются до системного применения. Инфраструктура есть. Навыков и процессов – нет. Это разрыв, который не закрывается автоматически при падении цены API.

Части 2 и 3 этой серии будут посвящены другим разделам презентации Эванса: фреймворку «Задача vs Должность» (Task vs Job) – о том, что именно автоматизируется в реальности, – и модели «Поглощение – Инновация – Разрушение» (Absorb–Innovate–Disrupt) о волнах внедрения ИИ в бизнесе.

Почему это важно прямо сейчас

Обычная реакция на новости об инвестициях такого масштаба – «это про большой бизнес, не про меня». Это понятная реакция. И частично верная.

Но инфраструктурные сдвиги работают иначе, чем продуктовые. Когда Amazon строит склады, это конкурентное преимущество Amazon. Когда весь рынок строит ИИ-инфраструктуру, дешёвые вычисления становятся доступны всем – включая стартапы, малый бизнес и отдельных специалистов.

Именно поэтому то, что происходит сейчас на уровне капзатрат Big Tech, скоро появится в ценнике ИИ-инструментов, которыми пользуется менеджер среднего звена в компании с 50 сотрудниками. Горизонт – два-три года.

Вопрос не в том, будет ли доступный ИИ. Вопрос в том, что вы сделаете с ним, когда он появится.

Промпты – только начало. Разница между тем, кто использует ИИ для разовых задач, и тем, кто выстраивает систему, – это навык структурирования задач, верификации результатов и встраивания инструмента в процессы. Его не формирует масштаб инвестиций Big Tech. Его формирует практика.

Другие части серии

Часть 2

Задача vs профессия: что на самом деле автоматизирует ИИ

Часть 3

Поглотить, перестроить, разрушить: три фазы AI в компании