Посмотрев на эти данные, которые собрал J.P. Morgan, можно увидеть, что у четырех облачных гигантов — Microsoft, Oracle, Google и Amazon — накопленная просроченная задолженность по невыполненным заказам уже достигла 2,1 трлн долларов. Еще интереснее то, что обязательства двух AI-лабораторий, OpenAI и Anthropic, по закупкам вычислительных мощностей составляют почти 1 трлн — то есть примерно половину.
Эта структура очень наглядно показывает суть: скорость и масштаб «сжигания» денег в передовых AI-лабораториях уже достигли уровня, достаточного, чтобы потянуть значительную часть выручки облачных провайдеров. С точки зрения распределения капитала это типичная циклическая ставка — ставка на то, удастся ли в ближайшие годы реализовать коммерческую ценность нарратива про AGI.
В истории было немало похожих кейсов: прокладка оптоволокна в конце 1990-х, закупки телекоммуникационного оборудования в начале 2000-х, капитальные расходы на сланцевую нефть в 2010-х. Каждый раз — огромные предварительные вложения: ставка на то, что будущий спрос сможет «переварить» созданные мощности. Кому-то это удавалось, а у кого-то выходили излишние мощности и появлялись плохие долги.
И эти 1 трлн долларов в заказах на вычислительные мощности по сути означают, что денежные потоки на несколько будущих лет заранее «запираются». Для облачных провайдеров это стабильный прогноз выручки, а для AI-лабораторий — давление, без которого нельзя запустить и доказать рабочую бизнес-модель. Кто первым выведет масштабируемые прикладные решения, тот сможет поглотить эти издержки; если не получится, это будет классический пример неверного распределения капитала.
С макроциклической точки зрения такая высокая концентрация капзатрат (половина приходится на две лаборатории) — рискованная история. Если темпы монетизации AI окажутся ниже ожиданий или у какой-то лаборатории возникнут проблемы с финансированием, вся цепочка денежного потока и логика оценки будут пересмотрены. Это не технологическая проблема — это проблема капитальных циклов и управления ликвидностью.
Как говорится, «очередь заказов — это хорошо», но при условии, что клиенты смогут продолжать платить. В этой игре сейчас выигрывает тот, кто быстрее превратит AI-приложения в реальные «живые» деньги.
Эта структура очень наглядно показывает суть: скорость и масштаб «сжигания» денег в передовых AI-лабораториях уже достигли уровня, достаточного, чтобы потянуть значительную часть выручки облачных провайдеров. С точки зрения распределения капитала это типичная циклическая ставка — ставка на то, удастся ли в ближайшие годы реализовать коммерческую ценность нарратива про AGI.
В истории было немало похожих кейсов: прокладка оптоволокна в конце 1990-х, закупки телекоммуникационного оборудования в начале 2000-х, капитальные расходы на сланцевую нефть в 2010-х. Каждый раз — огромные предварительные вложения: ставка на то, что будущий спрос сможет «переварить» созданные мощности. Кому-то это удавалось, а у кого-то выходили излишние мощности и появлялись плохие долги.
И эти 1 трлн долларов в заказах на вычислительные мощности по сути означают, что денежные потоки на несколько будущих лет заранее «запираются». Для облачных провайдеров это стабильный прогноз выручки, а для AI-лабораторий — давление, без которого нельзя запустить и доказать рабочую бизнес-модель. Кто первым выведет масштабируемые прикладные решения, тот сможет поглотить эти издержки; если не получится, это будет классический пример неверного распределения капитала.
С макроциклической точки зрения такая высокая концентрация капзатрат (половина приходится на две лаборатории) — рискованная история. Если темпы монетизации AI окажутся ниже ожиданий или у какой-то лаборатории возникнут проблемы с финансированием, вся цепочка денежного потока и логика оценки будут пересмотрены. Это не технологическая проблема — это проблема капитальных циклов и управления ликвидностью.
Как говорится, «очередь заказов — это хорошо», но при условии, что клиенты смогут продолжать платить. В этой игре сейчас выигрывает тот, кто быстрее превратит AI-приложения в реальные «живые» деньги.