Полтриллиона для ИИ: кто оплатит следующую фазу вычислительной гонки
Nvidia зовёт крупнейшие фонды Уолл-стрит профинансировать ИИ-инфраструктуру более чем на $500 млрд. IBM и Together AI одновременно заключили соглашение на $240 млн ради одного большого inference-кластера. Две новости очень разного масштаба рассказывают одну историю: эпоха показательных тренировок моделей заканчивается, начинается дорогая борьба за их повседневную работу.
В первые годы генеративного ИИ индустрия любила считать параметры. Затем — видеокарты, мегаватты и стоимость обучения очередной модели. Теперь у неё появилась новая любимая единица измерения: токен.
Токен — это небольшой фрагмент текста, который модель принимает или создаёт. Для пользователя он почти невидим. Для дата-центра это товар. Миллиарды вопросов, ответов, переводов, изображений, фрагментов кода и действий ИИ-агентов складываются в поток, который должен оплачивать серверы, электричество, охлаждение, сеть и проценты по кредитам.
Именно поэтому два свежих объявления стоит читать вместе.
10 августа Nvidia сообщила о меморандумах с Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs и KKR. Партнёры намерены создать финансовые платформы, способные со временем привлечь более $500 млрд стороннего капитала для ИИ-инфраструктуры. На следующий день IBM и Together AI объявили о многолетнем соглашении на $240 млн: IBM должна развернуть в своём облаке крупный кластер на системах Nvidia HGX B300, а Together AI будет использовать его для работы открытых моделей.
Первая новость отвечает на вопрос, где взять деньги. Вторая — на чём эти деньги предполагается зарабатывать.
И вот здесь начинается гораздо более интересная история, чем очередной раунд соревнования «у кого больше видеокарт».
Не фонд и не чек Nvidia на $500 млрд
Для начала важно убрать из заголовка лишний эффект.
Nvidia не объявила, что завтра потратит полтриллиона долларов. Не существует и единого готового фонда, в котором уже лежит эта сумма. Компания подписала меморандумы о взаимопонимании с шестью финансовыми гигантами. Они собираются создавать отдельные пулы капитала и предлагать деньги клиентам Nvidia: разработчикам передовых моделей, облачным провайдерам, государствам и крупным предприятиям.
Конкретные обязательства участников, ставки, сроки и график развёртывания капитала не раскрыты. Формулировка «мобилизовать более $500 млрд со временем» оставляет огромный диапазон между амбициозной платформой и реально выданными деньгами.
Тем не менее это не пустой пресс-релиз. Nvidia пытается изменить способ, которым финансируется вычислительная мощность. До сих пор крупнейшие дата-центры строили прежде всего компании с гигантским денежным потоком: Amazon, Microsoft, Alphabet и Meta. Но спрос вышел за пределы их балансов. Молодые ИИ-облака, лаборатории, промышленные корпорации и государства тоже хотят собственные кластеры — а несколько миллиардов на ускорители, здания, сеть и электричество есть далеко не у всех.
Nvidia предлагает Уолл-стрит относиться к вычислениям как к отдельному классу инвестиционных активов. Примерно так частный капитал давно финансирует электростанции, склады, самолёты, мобильные вышки или платные дороги. Инвестор даёт длинные деньги под инфраструктуру и получает доход от её использования.
Только вместо потока автомобилей здесь будет поток токенов.
По сообщению Reuters, Дженсен Хуанг допустил, что Nvidia сможет подстраховать до 25% потенциальных сделок — до $125 млрд. Это не означает уже выданной гарантии. Но даже сама возможность важна: производитель ускорителей готов помогать клиентам финансировать покупку собственных продуктов.
В этом есть безупречная коммерческая логика. И есть повод внимательно посмотреть, где заканчивается расширение рынка и начинается круговая поддержка спроса.
Почему собственных денег технологических гигантов уже недостаточно
Расходы на ИИ давно перестали быть экспериментальной строкой бюджета. По текущим оценкам, совокупные вложения крупнейших технологических компаний в инфраструктуру в 2026 году могут превысить $730 млрд.
Даже эта цифра требует осторожности. В одних подсчётах учитывается весь капитальный бюджет компании, в других — только серверы и дата-центры; где-то в сумму попадают финансовая аренда и долгосрочные обязательства, а где-то нет. Нельзя также просто сложить $730 млрд с будущими платформами Nvidia и объявить о $1,23 трлн новых денег: периоды различаются, а часть финансирования может обслуживать уже заявленные проекты.
Но масштаб виден и без арифметического фокуса.
Alphabet потратила во втором квартале 2026 года $44,9 млрд капитальных средств, главным образом на техническую инфраструктуру. Компания повысила прогноз на весь год до $195–205 млрд. Microsoft сообщила о квартальном CapEx в $41 млрд. При этом примерно две трети пришлись на процессоры и ускорители — активы с гораздо более коротким сроком жизни, чем здания и земля.
Nvidia за квартал, завершившийся 26 апреля, получила $81,6 млрд выручки. Из них $75,2 млрд принёс сегмент дата-центров. То есть строительный бум уже не обещание из презентации: он проходит через отчётность производителя оборудования и приносит ему вполне реальные деньги.
Однако у любого инфраструктурного цикла есть неприятный вопрос. Не сколько можно построить, а сколько построенного будет загружено и оплачено.
Гиперскейлер может финансировать риск из прибыли от рекламы, электронной коммерции, офисного программного обеспечения и традиционного облака. У специализированного ИИ-провайдера такой подушки нет. Ему нужно занимать, привлекать частный капитал, заранее подписывать крупных клиентов — а затем надеяться, что спрос не исчезнет раньше, чем закончатся платежи.
Отсюда и союз Nvidia с управляющими компаниями. Производитель микросхем хочет расширить круг покупателей. Финансовые гиганты ищут доходность на инфраструктуре, которая кажется новой электроэнергетикой. Клиенты получают доступ к мощности без необходимости сразу оплачивать весь комплекс.
Каждый участник решает свою задачу. Общий риск возникает в том случае, если все они опираются на одну и ту же уверенность: завтра токенов понадобится намного больше, чем сегодня.
Маленькая сделка, которая объясняет большие деньги
На фоне полутриллионной рамки соглашение IBM и Together AI на $240 млн выглядит почти скромно. На самом деле оно точнее показывает, ради чего строится следующая волна дата-центров.
IBM должна развернуть на IBM Cloud крупный кластер Nvidia HGX B300 с сетевой инфраструктурой Spectrum-X. Ожидаемый запуск — первый квартал 2027 года. Together AI будет использовать его для inference открытых моделей.
Inference — или инференс — начинается после обучения модели. Когда чат-бот отвечает на вопрос, сервис переводит документ, генератор создаёт изображение, а ИИ-агент проверяет базу данных и отправляет результат в рабочую систему, модель ничего не «учит» в привычном смысле. Она применяет уже найденные закономерности к новому запросу.
Обучение можно сравнить со строительством завода. Inference — это каждая смена, в которую завод выпускает продукцию.
Громкие тренировки передовых моделей могут стоить сотни миллионов и привлекать всё внимание. Но проводятся они время от времени. Работа модели начинается заново с каждым пользовательским запросом. Если продукт становится массовым, суммарные вычисления на его обслуживание способны за несколько месяцев превысить ресурсы, однажды потраченные на обучение.
Together AI сообщает, что её inference-платформа уже обслуживает 400 трлн токенов в месяц. Эта цифра не раскрывает выручку: входные и выходные токены стоят по-разному, модели имеют разную цену, а крупные клиенты получают индивидуальные условия. Но она показывает характер бизнеса. Перед нами не лаборатория, которая несколько раз в год запускает большую тренировку. Это фабрика с непрерывным потоком заказов.
Для IBM контракт становится способом вернуть облачную платформу в самый горячий сегмент рынка. Для Together AI — получить масштаб и надёжность, необходимые корпоративным клиентам. Для Nvidia — продать не только ускорители, но и сеть, программный стек и стандарт архитектуры.
Так выглядит вся цепочка следующей фазы ИИ в миниатюре.
После гонки моделей начинается гонка себестоимости
Пока отрасль соревновалась в качестве моделей, главной новостью была очередная таблица тестов. На рынке inference одной точности недостаточно. Ответ должен прийти быстро, а его производство — стоить меньше, чем клиент за него заплатил.
Экономику можно свести к нескольким переменным:
-
сколько полезных токенов система выдаёт за секунду;
-
сколько энергии тратит на этот поток;
-
сколько пользователей можно обслуживать одновременно без неприятной задержки;
-
насколько полно загружены ускорители;
-
сколько стоят сеть, память, охлаждение, обслуживание и капитал;
-
какую цену готов платить клиент.
Последний пункт особенно коварен. Stanford AI Index показал, что стоимость использования системы уровня GPT-3.5 с ноября 2022-го по октябрь 2024 года упала более чем в 280 раз. Аппаратное обеспечение ежегодно дешевело примерно на 30% в расчёте на сопоставимую работу, а энергоэффективность росла примерно на 40%.
Для распространения ИИ это прекрасная новость. Для владельца дорогого кластера — не обязательно.
Если себестоимость токена падает быстрее цены, маржа растёт. Если рынок заставляет снижать цену ещё быстрее, выигрыш от нового оборудования достаётся клиенту. Если более дешёвые модели решают ту же задачу на меньшем числе ускорителей, спрос на отдельную операцию сокращается. Но если из-за дешевизны компании внедряют ИИ повсюду, общий объём вычислений взлетает.
Это классический парадокс эффективности: каждая единица ресурса становится дешевле, а потребление всего ресурса растёт.
К обычному диалогу с чат-ботом добавляются длинные рассуждения, поиск по корпоративным архивам, видео, голос, персональные рекомендации и автономные агенты. Один запрос агента может породить десятки внутренних обращений к модели: составить план, найти данные, проверить результат, исправить ошибку и только потом показать ответ человеку.
Поэтому следующий большой рынок — не обязательно самая умная модель. Возможно, им станет самая эффективная система, способная дёшево и надёжно обслуживать миллиарды невидимых действий.
Токен как новый баррель — красивая, но опасная метафора
Nvidia называет центры обработки данных «фабриками ИИ» и предлагает измерять их работу стоимостью токена. Метафора сильная: вычислительный комплекс получает электричество и данные, а выпускает единицы машинного интеллекта.
Но токен не нефть и не киловатт-час.
Баррель одного сорта можно сравнить с другим. Токен дешёвой маленькой модели и токен сложной рассуждающей системы — разные товары. Один нужен для сортировки писем, другой — для анализа медицинской документации или работы программного агента. Более длинный ответ не всегда полезнее короткого. Миллиард токенов может означать огромную ценность, бессмысленный машинный разговор или неудачно настроенное приложение, которое тратит вычисления впустую.
Поэтому инвестору недостаточно увидеть растущий счётчик. Нужны ответы на более скучные вопросы: кто платит, за какую задачу, как долго действует контракт и можно ли удержать клиента после очередного снижения цен.
Именно здесь корпоративный inference выглядит привлекательнее многих потребительских экспериментов. Банк, фармацевтическая компания или производитель может подписать многолетний договор, потребовать безопасность, предсказуемую задержку и размещение данных в определённой юрисдикции. Такой клиент платит не только за сам токен. Он покупает надёжность, интеграцию и ответственность поставщика.
Together AI делает ставку ещё и на открытые модели. Для компаний это возможность не быть полностью привязанными к одному закрытому разработчику, выбирать модель под задачу, дообучать её и запускать в контролируемой среде. Если эта модель победит, спрос распределится между множеством провайдеров инфраструктуры. Если предприятия предпочтут несколько крупнейших закрытых платформ, часть новых независимых кластеров рискует остаться на периферии.
Кто здесь уже зарабатывает, а кто пока обещает
В любом буме полезно разделять доход сегодняшнего дня и надежду на доход завтра.
Nvidia уже продаёт оборудование. Её квартальная выручка от дата-центров измеряется десятками миллиардов долларов, а валовая маржа остаётся около 75%. Компания получает деньги, когда клиент строит кластер, независимо от того, станет ли конкретное ИИ-приложение прибыльным через три года.
Фонды и банки рассчитывают получать доход от финансирования. Их интересует не магия нейросетей, а качество залога, долгосрочные контракты на использование мощности, ставка, распределение риска и возможность перепродать актив.
Облачные операторы продают часы ускорителей и готовые сервисы. Им критически важна загрузка: сервер, который ждёт клиента, не перестаёт потреблять капитал и устаревать.
Разработчики моделей и приложений находятся в самой сложной позиции. Они должны платить за обучение и inference, конкурировать в цене и одновременно доказывать, что ИИ создаёт для клиента достаточно ценности. Подписка в двадцать долларов не покроет бесконечный объём дорогих запросов. Бесплатный сервис может быстро набрать аудиторию и так же быстро превратиться в огромный счёт за вычисления.
Корпоративный клиент замыкает цепь. Только его экономический результат — больше продаж, меньше ручного труда, быстрее разработка или ниже количество ошибок — превращает токены в устойчивую выручку. Всё остальное можно какое-то время поддерживать инвестициями, но нельзя бесконечно выдавать за работающую бизнес-модель.
Где может сломаться конструкция
Самый очевидный риск — не отсутствие интереса к ИИ. Интерес уже огромен. Опаснее несоответствие между темпом строительства и темпом монетизации.
Первый риск — недозагрузка. Дата-центр проектируется под спрос через несколько лет. Если корпоративное внедрение идёт медленнее или приложения становятся значительно эффективнее, часть мощности остаётся свободной. Для капиталоёмкого объекта это болезненно: проценты, обслуживание и амортизация не ждут пользователей.
Второй риск — быстрое устаревание. Здание и подключение к электросети могут служить десятилетиями. Ускоритель живёт в гораздо более коротком технологическом цикле. Microsoft прямо относит CPU и GPU к сравнительно краткоживущим активам. Получается необычная конструкция: длинные финансовые обязательства обеспечиваются оборудованием, ценность которого способна резко снизиться после выхода следующего поколения.
Третий риск — ценовая война. Новые чипы и оптимизация снижают стоимость токена. Но конкуренты тоже снижают тарифы. Провайдер может производить больше и дешевле, не получая пропорционально большей прибыли.
Четвёртый риск — круговой спрос. Производитель чипов инвестирует в клиентов, помогает им получить финансирование, клиенты покупают его чипы, а выручка производителя подтверждает историю о взрывном спросе. Такая система может быть здоровым способом запустить новый рынок. Но она требует прозрачности: какая часть спроса независима, кто несёт конечный кредитный риск и существуют ли реальные внешние покупатели вычислений.
Пятый риск — электричество. Международное энергетическое агентство ожидает, что потребление электроэнергии дата-центрами более чем удвоится к 2030 году и достигнет примерно 945 ТВт·ч. Около 20% запланированных проектов могут столкнуться с задержками, если не будут решены проблемы подключения к сетям. Передовые ускорители бессмысленны без подстанции, линий передачи, трансформаторов, воды или иной системы охлаждения.
Шестой риск — успех более компактного ИИ. Открытые модели, специализированные системы и вычисления на устройствах могут отнять часть задач у крупнейших кластеров. Это не отменит облачный inference, но изменит прогноз спроса и цену, которую рынок готов платить за универсальные мощности.
Каждый из этих рисков управляем по отдельности. Опасной конструкция становится, когда несколько срабатывают одновременно: тарифы падают, загрузка не успевает вырасти, оборудование дешевеет, а рефинансировать долг приходится уже на менее щедром рынке.
Это пузырь или новая инфраструктура?
Очень хочется выбрать одно слово. Но история обычно не делает нам такого подарка.
Железнодорожные мании создавали лишние линии и разоряли инвесторов — и одновременно оставляли стране железные дороги. Интернет-пузырь уничтожил множество компаний, но не отменил интернет. Избыточное строительство оптоволокна оказалось финансовой катастрофой для одних владельцев и дешёвой основой следующего цифрового роста для других.
С ИИ возможны обе правды одновременно.
Инфраструктура действительно нужна. Уже сейчас модели обслуживают поиск, программирование, рекламу, поддержку клиентов, научные расчёты и работу с документами. Inference становится постоянной нагрузкой, а не редкой демонстрацией. Nvidia показывает реальную выручку, Microsoft и Alphabet — реальный рост облачных контрактов, Together AI — реальный объём токенов.
Но из этого не следует, что каждый построенный дата-центр будет прибыльным, любая цена оправдана, а все долговые схемы безопасны. Технология может изменить мир и одновременно уничтожить капитал тех, кто слишком дорого купил её будущий спрос.
Вопрос «пузырь или революция?» поставлен неверно. Правильнее спросить: какая часть инфраструктуры окажется необходимой, кто сумеет удержать маржу и на ком останется долг, когда рынок отделит нужные мощности от лишних.
Пять показателей, за которыми стоит следить
В ближайшие кварталы красивые суммы будут появляться регулярно. Чтобы понимать, движется ли индустрия к устойчивой экономике, полезнее смотреть не на размер очередного соглашения, а на пять более прозаических признаков.
Загрузка ускорителей. Чем ближе кластер к непрерывной полезной работе, тем легче окупить его стоимость. Средняя загрузка важнее рекордной производительности на тесте.
Цена и себестоимость миллиона токенов. Само снижение себестоимости ничего не гарантирует. Важно, сохраняется ли разница между ней и тарифом клиента.
Доля inference в выручке. Обучение даёт большие, но нерегулярные заказы. Production-inference создаёт повторяющийся поток и лучше подтверждает реальное использование ИИ.
Срок контрактов и качество клиентов. Многолетний договор с платёжеспособной корпорацией лучше десятков громких пилотов без обязательств.
Амортизация, проценты и энергия. Эти расходы способны расти даже при красивой динамике выручки. Alphabet уже предупреждает, что инфраструктурный бум давит на свободный денежный поток через амортизацию и эксплуатационные затраты.
Есть и шестой показатель, хотя его труднее свести к таблице: создаёт ли ИИ измеримую пользу для конечного бизнеса. Если ответ положительный, токены найдут покупателя. Если нет, вся финансовая инженерия лишь отложит момент выяснения отношений с реальностью.
Следующая битва — не за самую умную модель
Объявления Nvidia, IBM и Together AI фиксируют важный переход.
ИИ уже стал большой индустрией. Доказывать это суммой инвестиций больше не требуется. Теперь отрасли предстоит доказать другое: что она способна превращать вычисления в повторяющуюся выручку быстрее, чем накапливаются дата-центры, долги и счета за электричество.
Полтриллиона долларов — не призовой фонд победителю гонки моделей. Это попытка построить финансовую систему для массового производства машинного интеллекта. А контракт на $240 млн показывает, как будет выглядеть её рабочая единица: конкретный кластер, конкретный провайдер и бесконечный поток запросов после того, как модель уже обучена.
Первая фаза ИИ принадлежала исследователям и чипмейкерам. Следующая будет принадлежать инженерам, энергетикам, банкирам и тем компаниям, которые научатся считать не параметры, а экономику каждого полезного ответа.
Именно поэтому главная интрига теперь не в том, сможет ли ИИ стать огромным рынком. Он уже стал.
Главная интрига — хватит ли в мире оплачиваемых задач, чтобы все эти фабрики токенов работали почти без остановки.
