Insights Investing
Разбираем стек ИИ: анализ узких мест, экономических рвов и накопления стоимости для долгосрочных инвесторов
Подкаст · Слушать (24 мин)
Chamath's AI Stack: Who Gets Paid From $700B Capex? | Stock Market
Содержание
- 1. Разбор стека ИИ: узкие места против накопления экономической стоимости
- 2. Инфраструктура и капиталоёмкость: промышленная революция в основе ИИ
- 3. Чипы, память и экономика моделей: коммодитизация против подвижных границ возможностей
- 4. Уровни исполнения, физический ИИ и парадокс Джевонса
- 5. Ключевые цифры
- 6. Что изменило бы нашу точку зрения
- 7. Источники
Стоимость накапливается на разных уровнях технологического стека искусственного интеллекта не просто благодаря абсолютной физической дефицитности, а там, где технологические узкие места сочетаются с ценовой властью, устойчивым ростом объёмов, издержками переключения и высокой предельной рентабельностью инвестированного капитала (ROIC). Хотя шестиуровневая модель стека Чамата Палихапитии (инфраструктура, чипы, данные, модели, исполнение, приложения) точно отражает экономическую коммодитизацию базовых моделей и возникновение критических аппаратных узких мест, долгосрочные инвесторы должны различать абсолютную техническую дефицитность и устойчивое создание стоимости для акционеров. По мере того как гиперскейлеры превращаются в капиталоёмкие промышленные предприятия, которые, согласно прогнозам, потратят более $700 млрд в 2026 году на вычислительную и электросетевую инфраструктуру, оценка внутренней стоимости требует анализа устойчивости свободного денежного потока, рисков капиталоёмкости и контуров обратной связи в собственных рабочих процессах, а не опоры исключительно на физические узкие места.
1. Разбор стека ИИ: узкие места против накопления экономической стоимости
Анализ искусственного интеллекта через многоуровневую архитектуру обеспечивает необходимую ясность для инвесторов, ориентирующихся на фундаментальные показатели. Чамат Палихапития разделяет экосистему на шесть отдельных уровней: инфраструктура (электроэнергия, земля, охлаждение, минералы, фабрики), чипы (графические процессоры/специализированные интегральные схемы, память с высокой пропускной способностью, корпусирование, сетевые технологии), данные (собственные данные, сенсорные данные, данные робототехники), модели (базовый интеллект), исполнение (агенты, оркестрация, программные интерфейсы, исполнительные механизмы) и приложения (программное обеспечение и системы для конечных пользователей). Центральная аналитическая концепция, связывающая эти уровни, — «опорный актив»: незаменимый компонент, через который должен проходить каждый вышестоящий уровень и который нельзя легко заменить.
Однако между абсолютным технологическим узким местом и высокодоходным экономическим рвом существует принципиальное различие. Актив может находиться непосредственно на критическом технологическом пути, не обеспечивая акционерам соразмерной финансовой отдачи. Для долгосрочных инвесторов, оценивающих экономические рвы в рамках подхода Грэма и Баффетта, одна лишь физическая дефицитность не гарантирует долгосрочного роста прибыли владельца по принципу сложного процента.
Эту динамику наглядно иллюстрирует сравнение ASML и NVIDIA. ASML обладает абсолютным, незаменимым технологическим узким местом в системах литографии в экстремальном ультрафиолетовом диапазоне; передовые полупроводниковые фабрики не могут заменить оборудование ASML. Тем не менее NVIDIA добилась гораздо большего прироста стоимости акционерного капитала. ASML продаёт ограниченное количество высокосложных, капиталоёмких машин узкому кругу покупателей, что ограничивает автоматическое масштабирование выручки при удвоении мирового потребления токенов. Напротив, NVIDIA сочетает узкие места в производстве кремниевых чипов с набором программных инструментов CUDA, системными архитектурами, сетевыми технологиями NVLink и глубокой интеграцией в экосистему. NVIDIA напрямую извлекает выгоду из растущей эластичности объёмов инференса и обучения ИИ.
Для оценки накопления экономической стоимости на разных уровнях стека инвесторам следует применять комплексную качественную формулу, а не измерять дефицитность изолированно:
$$\text{Value Accrual} \approx \text{bottleneck} \times \text{pricing power} \times \text{volume growth} \times \text{recurring demand} \times \text{switching costs} \times \text{incremental ROIC}$$
Устойчивая экономическая отдача возникает лишь тогда, когда операционное узкое место сочетается с эластичностью объёмов, высокими издержками переключения и высокой предельной рентабельностью инвестированного капитала.
2. Инфраструктура и капиталоёмкость: промышленная революция в основе ИИ
Базовые уровни стека ИИ переживают структурный переход от программных моделей с низкой потребностью в активах к капиталоёмкой промышленной деятельности. Критические узкие места в основании стека демонстрируют чрезвычайно высокую географическую и корпоративную концентрацию:
- Дефицит полупроводниковых материалов: Японские поставщики материалов контролируют приблизительно 78% мировых продаж фоторезистов для полупроводников по национальной принадлежности компаний; Shin-Etsu, JSR, Tokyo Ohka Kogyo и Fujifilm доминируют на отдельных рынках высокочистых химикатов.
- Высокочистый кварц: Производство кремниевых слитков полупроводникового качества зависит от тиглей из плавленого кварца, получаемого из исключительно чистого кварца, добываемого в Спрус-Пайн, Северная Каролина. Sibelco (производящая материал IOTA на двух месторождениях чистой руды) и The Quartz Corp являются единственными поставщиками, экономически эффективно производящими передовой высокочистый кварц премиального качества в промышленных масштабах.
Помимо физического сырья, электроэнергетическая инфраструктура создаёт серьёзное операционное ограничение. Международное энергетическое агентство прогнозирует, что мировое потребление электроэнергии центрами обработки данных почти удвоится, увеличившись с приблизительно 485 ТВт·ч в 2025 году до примерно 950 ТВт·ч к 2030 году. По оценкам, капитальные затраты гиперскейлеров превысят $700 млрд в 2026 году, главным образом за счёт расширения центров обработки данных.
| Область инфраструктуры | Критическое узкое место и основные поставщики | Экономическое влияние и показатели |
|---|---|---|
| Полупроводниковые материалы | Японские фоторезисты (Shin-Etsu, JSR, TOK, Fujifilm) | ~78% рынка по национальной принадлежности; незаменимые химические компоненты. |
| Высокочистый кварц | Рудные тела Спрус-Пайн (Sibelco, The Quartz Corp) | Единственный источник сырья для тиглей из плавленого кварца для кремниевых слитков. |
| Доступная мощность электросети | Трансформаторы, распределительные устройства, источники бесперебойного питания, межсетевые соединения | Ограничения возникают раньше, чем в самой генерации; 485 ТВт·ч $\rightarrow$ 950 ТВт·ч (Международное энергетическое агентство). |
| Капитальные затраты гиперскейлеров | Расширение центров обработки данных и ускорение вычислений | Прогноз >$700B в 2026 году (Международное энергетическое агентство); существенное давление амортизации. |
Важно отметить, что сама генерация электроэнергии не является главным ограничением в краткосрочной перспективе. Исследование Университета Джонса Хопкинса показывает, что оборудование для передачи электроэнергии — в частности, трансформаторы, распределительные устройства, системы бесперебойного питания, межсетевые соединения линий электропередачи и специализированная инфраструктура охлаждения — будет ограничивать строительство центров обработки данных раньше, чем генерирующие мощности сами станут основным узким местом. Непосредственно дефицитным экономическим активом является электроэнергия, доступная при требуемом напряжении, в нужном месте и с необходимой надёжностью.
С точки зрения стоимостного инвестирования этот переход оказывает серьёзное влияние на корпоративные балансы и показатели рентабельности. Когда гиперскейлеры направляют более $700 млрд в год на капитальные затраты, физические активы стоимостью в несколько миллиардов долларов отражаются в балансах как основные средства. После ввода в эксплуатацию линейная амортизация влияет на отчёты о прибылях и убытках независимо от немедленного получения выручки. Если монетизируемый спрос на токены или внедрение корпоративного программного обеспечения отстаёт от строительства физических объектов, рентабельность инвестированного капитала (ROIC) и коэффициенты конверсии в свободный денежный поток (FCF) обрушиваются под тяжестью неамортизированной инфраструктуры. Эта динамика напрямую повторяет исторические эпизоды избыточного строительства инфраструктуры, такие как крах рынка телекоммуникационных оптоволоконных сетей с участием WorldCom и Global Crossing, когда масштабные капитальные затраты создали значительный избыток мощностей и уничтожили стоимость акционерного капитала, несмотря на то что долгосрочный рост использования интернета в итоге подтвердился.
3. Чипы, память и экономика моделей: коммодитизация против подвижных границ возможностей
Хотя теоретические модели предполагают, что аппаратные узкие места со временем естественным образом исчезают по мере нормализации производственных мощностей, ограничения предложения полупроводников остаются острыми. Память с высокой пропускной способностью и передовое корпусирование представляют собой многолетние структурные узкие места, а не временные препятствия. Международное энергетическое агентство прогнозирует сохранение дефицита такой памяти как минимум до конца 2027 года. Рыночные доли остаются высококонцентрированными; по данным Counterpoint за Q2 2026, доли выручки на рынке памяти с высокой пропускной способностью оцениваются следующим образом:
- SK Hynix: 50%
- Samsung: 33%
- Micron: 18%
Современные аппаратные экономические рвы опираются не на отдельные вычислительные кристаллы, а на полную интеграцию на уровне системы: кристаллы графических процессоров/специализированных интегральных схем, интегрированные с памятью с высокой пропускной способностью через интерпозеры, передовое корпусирование, высокоскоростные сетевые технологии (такие как NVLink), подачу питания и специализированное охлаждение. Такая системная интеграция становится ещё важнее по мере смещения рабочих нагрузок от обучения моделей к инференсу. McKinsey прогнозирует, что к 2030 году на инференс будет приходиться приблизительно 60% совокупного спроса на ИИ. Следовательно, конкурентная борьба смещается непосредственно в сторону пропускной способности памяти, её ёмкости, задержек, тепловой эффективности и энергопотребления на каждый полезный выходной токен, укрепляя структурные экономические рвы поставщиков интегрированного аппаратного обеспечения.
Одновременно экономика базовых интеллектуальных моделей демонстрирует быстрое снижение затрат. Данные Стэнфордского индекса ИИ показывают, что стоимость эксплуатации модели с результатами на уровне GPT-3.5 по тесту MMLU снизилась с приблизительно $20 за млн токенов в ноябре 2022 года до примерно $0.07 в октябре 2024 года — снижение затрат в 280 раз за 18 месяцев. Кроме того, исследования ОЭСР показывают, что цены языковых моделей с поправкой на качество снизились почти на 80% между январём 2024 года и апрелем 2026 года.
| Показатель / предмет измерения | Исторический базовый уровень | Недавний / прогнозируемый уровень | Аналитическое значение |
|---|---|---|---|
| Стоимость токенов GPT-3.5 при результатах по MMLU | $20.00 / млн токенов (ноябрь 2022 года) | $0.07 / млн токенов (октябрь 2024 года) | Снижение удельной стоимости интеллекта в 280x (Стэнфорд). |
| Цены языковых моделей | Базовый уровень (январь 2024 года) | Снижение на ~80% (апрель 2026 года) | Быстрое падение цен на результаты с поправкой на качество (ОЭСР). |
| Разрыв в результативности закрытых и открытых моделей | Значительный разрыв (2023) | Разрыв 3.3%–3.4% (март 2026 года) | Коммодитизация базовых возможностей (Стэнфордский индекс ИИ 2026 года). |
| Доля корпоративных расходов | 35% на передовые модели (Q3 2025) | 63% на передовые модели (Q3 2026) | Готовность платить премию за самые современные способности к рассуждению (Menlo). |
Несмотря на это обрушение цен, базовые модели ещё не стали полностью взаимозаменяемым товаром. Базовый интеллект коммодитизируется: Стэнфордский индекс ИИ 2026 года показывает, что ведущие передовые модели (Anthropic, xAI, Google, OpenAI) разделяют лишь 25 баллов Arena Elo, а закрытые модели опережают альтернативы с открытыми весами всего на 3.3%–3.4% по состоянию на март 2026 года. Однако корпоративные клиенты продолжают платить премию за передовые возможности. Исследование Menlo показывает, что доля передовых моделей в корпоративных расходах на ИИ выросла с 35% в Q3 2025 до 63% в Q3 2026.
Уровень моделей функционирует как подвижная экономическая граница: базовые возможности быстро коммодитизируются, тогда как самые современные способности к рассуждению сохраняют ценовую власть, вынуждая разработчиков моделей постоянно нести масштабные капитальные затраты лишь для поддержания паритета с передовым уровнем.
4. Уровни исполнения, физический ИИ и парадокс Джевонса
По мере превращения базовых моделей в массовый стандартизированный продукт экономическая ценность смещается к уровню исполнения и управления. Этот слой промежуточного программного обеспечения охватывает динамическую маршрутизацию моделей, долговременное хранение состояния, управление идентификацией, назначение прав доступа, оценку, интеграцию инструментов и оркестрацию. С точки зрения корпоративных балансов покупатели корпоративного программного обеспечения приобретают не необработанные токены базовых моделей, а завершенные бизнес-результаты. Уровень исполнения выступает институциональным «промежуточным программным обеспечением» — аналогом Kubernetes, управления идентификацией и доступом и средств наблюдаемости в облачных вычислениях, — закрепляя издержки переключения для корпоративных клиентов и защищая рентабельность прибыли даже при изменениях лежащих в основе базовых моделей. Опрос LangChain за 2026 год об использовании ИИ в промышленной эксплуатации подтверждает, что корпоративные архитектуры с несколькими моделями уже стали стандартом, а основные узкие места внедрения смещаются от удельной стоимости токенов к надежности исполнения, безопасности и завершению задач.
Аналогичным образом общедоступные веб-данные для обучения превращаются в массовый стандартизированный ресурс по сравнению с собственными контурами обратной связи, основанными на результатах. Устойчивые экономические рвы возникают, когда программные приложения непосредственно встраиваются в отраслевые операционные процессы, в которых действия дают проверяемые оценки результатов в реальном мире.
Яркий пример этой динамики — Harvey в юридическом секторе. Harvey не конкурирует в качестве уязвимой надстройки над базовой моделью, продающей универсальную генерацию токенов. Вместо этого компания непосредственно встраивается в юридические рабочие процессы, объединяя юридические системы учета, каналы распространения, соблюдение регуляторных требований, доверие клиентов и собственные контуры обратной связи (анализ договора $\rightarrow$ правки юриста $\rightarrow$ окончательная подача документов в суд/разрешение дела). Поскольку Harvey контролирует сквозной рабочий процесс и данные о его результатах, компания создает высокие издержки переключения и защищает свою ценовую власть, делая выбор базовой модели второстепенным по отношению к достигнутому бизнес-результату. Аналогичные контуры обратной связи, основанные на результатах, возникают в специализированных областях, таких как программирование (исправление $\rightarrow$ результат тестирования $\rightarrow$ результат развертывания), медицина (диагноз $\rightarrow$ терапия $\rightarrow$ результат для здоровья пациента) и финансы (счет $\rightarrow$ клиринг $\rightarrow$ разрешение спора).
В системах физического ИИ динамика распределения капитала принципиально отличается от экономики исключительно программных корпоративных решений. Программное обеспечение масштабируется при почти нулевых предельных затратах, тогда как физическая робототехника требует значительных капиталовложений в комплектующие. По оценке McKinsey, прецизионные приводы составляют от 40% до 60% стоимости комплектующих человекоподобного робота, тогда как аккумуляторные модули — от 5% до 10%. Кроме того, по оценке CRU, каждому человекоподобному роботу требуется от 2 до 3 кг редкоземельных магнитов NdFeB (неодим-железо-бор). Хотя компоненты физического ИИ предоставляют стратегические возможности на долгосрочную перспективу, вычислительные мощности и память центров обработки данных уже сегодня генерируют непосредственные, проверяемые денежные потоки.
| Аппаратный компонент физического ИИ | Оценочная доля в стоимости комплектующих / потребность в ресурсах | Основные экономические факторы и факторы цепочки поставок |
|---|---|---|
| Прецизионные приводы | 40% – 60% общей стоимости комплектующих (McKinsey) | Высокоточные шарниры, коробки передач, двигатели и редукторы. |
| Аккумуляторные модули | 5% – 10% общей стоимости комплектующих (McKinsey) | Относительно меньшие капиталовложения по сравнению с приводами. |
| Редкоземельные магниты NdFeB | 2 – 3 кг на человекоподобного робота (CRU) | Структурный фактор спроса на тяжелые редкоземельные элементы. |
Для понимания этого структурного расширения капитальных затрат необходимо применить парадокс Джевонса. Снижение удельной стоимости токенов в 100 раз не сокращает совокупные расходы на вычисления; напротив, более низкие удельные цены вызывают взрывной рост совокупного потребления токенов. По мере замены отдельных взаимодействий «запрос — ответ» многоагентными циклами рассуждений, выполняющими непрерывные фоновые симуляции и автоматизированные вызовы инструментов, совокупный спрос на аппаратные вычислительные мощности ускоряется, несмотря на обвал удельных цен.
Для долгосрочных фундаментальных инвесторов, оценивающих распределение капитала, устойчивое извлечение ценности требует отказа от ставки исключительно на физический дефицит в пользу компаний с высоким приростным ROIC, ценовой властью и встроенными в рабочие процессы контурами обратной связи. Инвесторы, заинтересованные в более глубоких моделях оценки и фундаментальных расчетах прибыли владельца, могут ознакомиться с нашими исследованиями компаний в открытом доступе на сайте DeepValues Research или оценить внутреннюю стоимость и запас прочности любой акции с помощью приложения DeepValues.
5. Ключевые цифры
- 78%: Приблизительная рыночная доля японских компаний в продажах полупроводниковых фоторезистов по национальной принадлежности компаний.
- >$700 млрд: Оценочные капитальные затраты гиперскейлеров в 2026 году, по данным Международного энергетического агентства, преимущественно на расширение центров обработки данных.
- От 485 ТВт·ч до ~950 ТВт·ч: Прогнозируемый рост потребления электроэнергии центрами обработки данных с 2025 по 2030 год (Международное энергетическое агентство).
- Конец 2027 года: Ожидаемый срок сохранения дефицита поставок памяти с высокой пропускной способностью (HBM) (Международное энергетическое агентство).
- 50% / 33% / 18%: Оценочные доли SK Hynix, Samsung и Micron в выручке рынка HBM в Q2 2026 соответственно (Counterpoint).
- От $20 до $0.07 за млн токенов: Снижение стоимости достижения результатов уровня GPT-3.5 в MMLU с ноября 2022 года по октябрь 2024 года, что соответствует сокращению в 280 раз (Стэнфордский индекс ИИ).
- ~80%: Снижение цен на языковые модели с поправкой на качество с января 2024 года по апрель 2026 года (Организация экономического сотрудничества и развития).
- 25 баллов рейтинга Эло на Arena: Небольшой разрыв в результатах передовых моделей Anthropic, xAI, Google и OpenAI по состоянию на март 2026 года (Стэнфордский индекс ИИ за 2026 год).
- 3.3%–3.4%: Разрыв в результатах между лучшей моделью с закрытым исходным кодом и лучшей моделью с открытыми весами в марте 2026 года (Стэнфордский индекс ИИ).
- От 35% до 63%: Рост доли передовых моделей в корпоративных расходах на ИИ между Q3 2025 и Q3 2026 (исследование Menlo).
- 40%–60% против 5%–10%: Оценочная доля приводов и аккумуляторных модулей соответственно в стоимости комплектующих человекоподобного робота (McKinsey).
- 2–3 кг: Оценочная потребность в редкоземельных магнитах NdFeB на одного человекоподобного робота (CRU).
6. Что изменило бы нашу точку зрения
- Быстрое устаревание архитектур CUDA и HBM: Ускоренное развитие альтернативных межсоединений или архитектур памяти, способных успешно вытеснить HBM и NVLink, подрывая экономические рвы сетевой инфраструктуры на системном уровне до 2027 года.
- Сокращение капитальных затрат гиперскейлеров: Резкий пересмотр вниз траектории ежегодных капитальных затрат гиперскейлеров на уровне >$700 млрд из-за разочаровывающей рентабельности инвестированного капитала (ROIC) или серьезных задержек подключения к электросетям.
- Быстрая монетизация и стагнация моделей с открытыми весами: Исчезновение разрыва в результатах передовых моделей на уровне 3.3–3.4%, побуждающее корпоративных клиентов отказаться от премиальных закрытых моделей в пользу локально развернутых дешевых моделей с открытыми весами.
- Ускоренное внедрение физического ИИ: Массовая коммерциализация и крупносерийное производство человекоподобных роботов, достигающее миллионов единиц задолго до 2030 года и смещающее непосредственное извлечение ценности денежных потоков в цепочки поставок приводов и магнитов.
7. Источники
Расшифровка ценности ИИ, Чамат Палихапития (ежегодное письмо за 2025 год и связанная аналитическая концепция) Стэнфордский индекс ИИ (Стэнфордский университет, данные за 2024–2026 годы) Отчеты Международного энергетического агентства об электроэнергии и капитальных затратах Counterpoint Research (анализ рынка полупроводников и HBM за Q2 2026) Исследование McKinsey & Company стоимости комплектующих робототехники Исследование CRU Group материалов и редкоземельных элементов Исследования Организации экономического сотрудничества и развития цен на языковые модели (2024–2026) Исследование Menlo Ventures корпоративных расходов на ИИ (2025–2026) Исследование Университета Джонса Хопкинса инфраструктуры и электроснабжения центров обработки данных Опрос LangChain об использовании ИИ в промышленной эксплуатации (2026)
Смотреть
Ссылки на источники
- Decoding AI Value
Смотреть и слушать
- Chamath's AI Stack: Who Gets Paid From $700B Capex? YouTube · EN
- 輝達vs艾司摩爾:7000億美元AI資本支出 YouTube · 中文
- Chamath's AI Stack: Who Gets Paid From $700B Capex? | Stock Market Подкаст · EN
- 輝達vs艾司摩爾:7000億美元AI資本支出|美股市場 Подкаст · 中文