Goldman Sachs: $500+ млрд инвестиций в ИИ за 2026 год — пузырь или фундамент

В конце 2025 года Goldman Sachs опубликовал прогноз, который стал одним из самых цитируемых в финансовом мире: совокупные инвестиции компаний в ИИ — не только Big Tech, но и enterprise-сектора в целом, включая средний бизнес — превысят $500 миллиардов в 2026 году. Это число включает капитальные расходы на инфраструктуру (дата-центры, GPU, сетевое оборудование), расходы на ИИ-софт и сервисы (подписки, API, лицензии), затраты на найм и обучение персонала (от data scientists до ИИ-грамотности для всех сотрудников), M&A-сделки в ИИ-секторе. Полтриллиона долларов за один год на одну технологию. Мы в Aravana AI считаем, что эта цифра заслуживает не только внимания, но и серьёзного, многоуровневого критического анализа — потому что за ней стоят как огромные возможности, так и не менее значительные риски, и способность различить одни от других определит победителей следующего десятилетия.

Для начала — масштаб, потому что человеческий мозг плохо оперирует числами с девятью нулями. $500 миллиардов — это больше, чем ВВП 170 из 195 стран мира. Это больше, чем ВВП Норвегии ($580 млрд), Австрии ($480 млрд) или Израиля ($520 млрд) — развитых, процветающих экономик с миллионами жителей. Это больше, чем мировые расходы на фармацевтические исследования и разработки ($250 миллиардов), больше, чем глобальные расходы на рекламу в интернете ($450 миллиардов), сопоставимо с годовым военным бюджетом Китая и составляет половину военного бюджета США. Когда такая сумма направляется в одну технологию за один год, это не тренд, не волна и не очередной хайп-цикл — это тектонический сдвиг в распределении мировых ресурсов, сравнимый с индустриализацией XIX века или электрификацией XX века.

Goldman Sachs разбивает $500 миллиардов на несколько категорий, и эта декомпозиция критически важна для понимания того, куда реально идут деньги. Крупнейшая категория — инфраструктура: дата-центры, GPU и специализированные чипы, сетевое оборудование, системы охлаждения и электроснабжения. На это приходится около 45% расходов, или $220–230 миллиардов. Это физическая основа ИИ — бетон, медь, кремний, оптоволокно и электричество. Вторая категория — ИИ-софт и сервисы: подписки на облачные ИИ-платформы (Azure OpenAI, Vertex AI, AWS Bedrock), лицензии, API-доступ к моделям, специализированные SaaS-решения с ИИ-функциями (от Copilot до Jasper). Это около 25%, или $120–130 миллиардов. Третья — кадры: найм ИИ-специалистов, обучение существующих сотрудников, реорганизация. Около 15%, или $70–80 миллиардов. Четвёртая — M&A: приобретение ИИ-компаний и стартапов. Около 10%. Остальное — фундаментальные исследования, гранты, академические партнёрства.

Неизбежный вопрос, который задаёт каждый здравомыслящий наблюдатель, каждый инвестор и каждый CFO: это пузырь? Goldman Sachs считает, что нет, и приводит четыре аргумента. Первый: в отличие от доткомов, ИИ уже генерирует реальную, измеримую выручку. Рынок ИИ-софта и сервисов в 2025 году составил $180–200 миллиардов и растёт на 35–40% ежегодно. Второй: инфраструктурные инвестиции создают долгосрочные активы — дата-центры не исчезают, GPU не обесцениваются мгновенно. Третий: в отличие от крипто, NFT или метавселенных, ИИ имеет очевидные, доказанные применения в каждой отрасли. Четвёртый: компании, инвестирующие в ИИ, — не стартапы без выручки, а крупнейшие корпорации мира с триллионными балансами.

Мы в целом согласны с этими аргументами, но с важными оговорками, которые считаем интеллектуально нечестным замалчивать. Да, ИИ не пузырь в том смысле, что технология реальна и применима. Но это не исключает возможности локального, секторального или временного перегрева.

Вот аналогия, которую мы считаем наиболее точной и исторически обоснованной: железные дороги в XIX веке. Железные дороги не были пузырём — они трансформировали экономику, логистику, расселение людей и саму структуру общества навсегда. Каждый фунт, вложенный в железнодорожную инфраструктуру, в конечном счёте окупился — на уровне экономики в целом. Но это не помешало десяткам конкретных железнодорожных компаний обанкротиться, конкретным инвесторам потерять состояния, а рынку пережить несколько болезненных коррекций — «железнодорожная мания» 1840-х в Британии, паника 1873 года в США. Технология была правильной, но многие конкретные ставки на конкретные компании оказались ошибочными. Мы полагаем, что с ИИ будет аналогично: технология трансформирует мир, но конкретные инвестиции в конкретные компании и проекты покажут весь спектр результатов — от фантастических до катастрофических.

Мы видим несколько конкретных зон риска. Первая: переинвестирование в инфраструктуру. $220 миллиардов на дата-центры предполагает определённый уровень будущего спроса. Если рост спроса замедлится — из-за прорыва в эффективности моделей (DeepSeek показал, что конкурентоспособные модели можно обучать с значительно меньшими ресурсами), появления принципиально новых архитектур, или просто более медленного роста рынка ИИ-сервисов — мощности окажутся невостребованными. Аналогия с телеком-пузырём 2000-х уместна: миллионы километров оптоволокна стояли тёмными годами.

Вторая зона риска, которую нельзя игнорировать: ИИ-стартапы. По данным Goldman Sachs и PitchBook, в 2025 году в мире было создано более 15 000 ИИ-стартапов — каждый день появлялось более 40 новых компаний, заявляющих об использовании ИИ. Суммарный объём венчурного финансирования в ИИ-секторе превысил $100 миллиардов — это больше, чем совокупные венчурные инвестиции во все секторы десять лет назад. Впечатляющие цифры. Но давайте будем честны с собой и с нашими читателями: исторически 90% стартапов терпят неудачу — и нет убедительных оснований полагать, что ИИ-стартапы станут исключением из этого статистического закона. Если пропорция сохранится, мы увидим колоссальную волну банкротств, разочарований и потерянных инвестиций в ближайшие два-три года. Тысячи талантливых людей потратят годы жизни на проекты, которые не выживут. Инвесторы потеряют десятки миллиардов. Но те 10%, которые выживут, могут создать компании масштаба следующего Google, Amazon или Anthropic — компании, которые определят следующие двадцать лет технологического развития. И это — единственная причина, по которой венчурная экосистема готова принять 90% потерь.

Третья зона риска: корпоративные ИИ-проекты в крупных компаниях. Мы уже подробно обсуждали данные McKinsey — только 6% компаний получают от ИИ значимые, измеримые бизнес-результаты. Это создаёт опасную динамику: компании продолжают тратить миллиарды на ИИ, потому что «все так делают» и потому что инвесторы и совет директоров требуют ИИ-стратегию, но реальная отдача остаётся ниже ожиданий. Рано или поздно — мы думаем, к 2027–2028 году — наступит то, что аналитики называют «AI fatigue»: разочарование, усталость, скептицизм. CFO начнут задавать неудобные вопросы: «Мы три года инвестируем в ИИ — покажите мне P&L-эффект». И если ответа не будет — бюджеты будут урезаны резко и безжалостно. Мы видели аналогичный цикл с «big data» в 2015–2019 годах: сначала бесконечный энтузиазм и гонка бюджетов, потом тихое разочарование, потом — выживание только тех проектов, которые доказали ROI. С ИИ будет похоже, но в гораздо большем масштабе.

Отдельно стоит обсудить географическое распределение $500 миллиардов, потому что оно определяет будущую расстановку сил в мировой экономике на десятилетия вперёд. По оценке Goldman Sachs, около 60% из $500 миллиардов инвестиций приходится на США — $300 миллиардов. Около 20% — на Китай ($100 миллиардов). Около 12% — на Европу ($60 миллиардов). Около 5% — на остальную Азию (Япония, Южная Корея, Индия, Сингапур — $25 миллиардов). Остальной мир — менее 3%, или $15 миллиардов. Это создаёт де-факто ИИ-дуополию США-Китай, в которой Европа играет роль серьёзного, но второстепенного участника, Индия — быстрорастущего нового игрока, а все остальные — наблюдателей и потребителей чужих технологий. Мы считаем это одним из наиболее значимых, но недостаточно обсуждаемых геополитических последствий ИИ-революции. Страна, не имеющая собственной ИИ-экосистемы, в будущем будет зависеть от чужих технологий так же, как страна без нефти зависит от нефтяных экспортёров — только зависимость от ИИ будет глубже и труднее преодолимой.

Мы в Aravana AI хотим обратить особое внимание на менее очевидный, но чрезвычайно важный аспект: как $500 миллиардов влияют на рынок труда и на глобальное распределение талантов. ИИ-специалисты стали одними из самых высокооплачиваемых профессионалов в мире. Средняя зарплата ML-инженера в Кремниевой долине превышает $350 000 в год. Старшие исследователи в OpenAI, Google DeepMind, Anthropic получают $500 000 — $3 000 000, включая акции. Даже junior ML-инженер зарабатывает $150 000–200 000 — больше, чем профессор с двадцатилетним стажем в большинстве университетов мира. Это создаёт мощнейшее «перетекание мозгов» из других важнейших областей: физики-теоретики уходят из лабораторий в ИИ-компании, потому что там платят в десять раз больше. Математики бросают академию. Биологи переквалифицируются в биоинформатиков. Лингвисты становятся специалистами по NLP. Для ИИ-индустрии это хорошо — приток талантов ускоряет прогресс. Но для фундаментальной науки, образования, медицинских исследований и других сфер, от которых зависит долгосрочное развитие человечества, последствия могут быть разрушительными. Кто будет преподавать физику в университетах, если лучшие физики мира зарабатывают в Google DeepMind? Кто будет исследовать ядерный синтез, если исследователь может зарабатывать вдесятеро больше, оптимизируя рекламные алгоритмы?

Есть также вопрос концентрации власти и контроля, который нас серьёзно беспокоит. $500 миллиардов — это огромная сумма, но большая их часть контролируется ограниченным числом игроков. Десять крупнейших компаний (Microsoft, Google, Amazon, Meta, Apple, NVIDIA, Oracle, Salesforce, SAP, Tencent) тратят больше, чем все остальные компании мира вместе взятые. Это означает, что ИИ-ландшафт — какие модели создаются, какие данные используются, какие этические стандарты применяются, какие задачи считаются приоритетными — формируется решениями нескольких CEO и советов директоров. Демократизация ИИ — идея, что каждая компания и каждый человек может использовать ИИ — безусловно реальна на уровне применения: любой может использовать ChatGPT, Midjourney или Claude. Но на уровне создания фундаментальных моделей, контроля над данными и определения направления развития ИИ — мы наблюдаем беспрецедентную концентрацию. Это заслуживает серьёзной общественной и политической дискуссии — дискуссии, которой пока недостаточно.

Goldman Sachs делает ещё один прогноз, который часто цитируется и который заслуживает критического рассмотрения: к 2030 году ИИ добавит $7–10 триллионов к мировому ВВП. Если это окажется правдой, $500 миллиардов инвестиций в 2026 году — это разумная, даже скромная цена за создание инфраструктуры для такого роста. Возврат 14–20x за четыре года — блестящая инвестиция по любым стандартам, которая оправдала бы даже значительные потери на отдельных проектах. Но «если» — это ключевое слово, и к нему нужно относиться с уважением и интеллектуальной честностью. Прогнозы Goldman Sachs о влиянии технологий на ВВП имели очень разную точность в прошлом. Прогноз по интернету в конце 90-х оказался заниженным — реальное влияние интернета на экономику превысило самые оптимистичные оценки. Прогноз по блокчейну и криптовалютам (Goldman Sachs в 2017 году прогнозировал, что крипто-рынок достигнет $5 триллионов к 2025 году) оказался значительно завышенным, как минимум по срокам. Прогноз по зелёной энергетике — примерно верным по конечному масштабу, но с отклонением по срокам на 5–7 лет. ИИ, вероятнее всего, окажется где-то в этом спектре — и мудрость в том, чтобы инвестировать с учётом этой неопределённости, а не в слепой вере в один конкретный прогноз.

Мы считаем, что наиболее вероятный сценарий — промежуточный, как это обычно и бывает с технологическими переходами. ИИ действительно трансформирует экономику, но медленнее и неравномернее, чем прогнозируют оптимисты из Кремниевой долины. Одни отрасли (технологии, финансы, медиа, юридические услуги) будут трансформированы быстро и глубоко — в ближайшие 3–5 лет. Другие (производство, строительство, сельское хозяйство, государственный сектор) — значительно медленнее, с большим сопротивлением и с результатами, видимыми через 7–10 лет. Часть из $500 миллиардов создаст колоссальную стоимость и определит экономику следующего поколения. Часть будет потеряна — как минимум в краткосрочной перспективе. И отличить одно от другого на этапе инвестирования, когда решения принимаются в условиях максимальной неопределённости, — практически невозможно. Это нормально для любого крупного технологического перехода: период избыточных инвестиций и эйфории, за которым следует болезненное «отрезвление» (Gartner называет это «trough of disillusionment»), а затем — устойчивый, зрелый рост на основе того, что действительно работает и создаёт измеримую ценность.

Для компаний, которые принимают решения об ИИ-инвестициях прямо сейчас — а это, по сути, все компании мира — мы предлагаем три принципа, проверенных опытом предыдущих технологических циклов. Первый: инвестируйте в то, что можете измерить. Если вы не можете определить ROI ИИ-проекта до его начала — хотя бы приблизительно, с допустимой погрешностью — значит, проект не готов к запуску. Подождите или переформулируйте его так, чтобы метрика стала ясной. «Повысить эффективность» — это не метрика. «Сократить время обработки заявки с 4 часов до 30 минут при сохранении качества на уровне 95%» — это метрика, с которой можно работать. Второй: не пытайтесь конкурировать с Big Tech в масштабе — это заведомо проигрышная стратегия. Ваше преимущество — в глубоком, уникальном знании своей отрасли и своих клиентов. Google может построить лучшую в мире языковую модель, но она не знает специфику вашего производственного процесса, вашей клиентской базы, ваших регуляторных ограничений так, как знаете вы. Третий: будьте готовы к тому, что первый проект не сработает, и второй, возможно, тоже. Это не неудача — это обучение. Закладывайте бюджет на три-четыре итерации и воспринимайте первые два эксперимента не как «потери», а как инвестиции в организационное знание, которое невозможно получить никаким другим способом.

$500 миллиардов — это не абстрактная цифра из аналитического отчёта, предназначенная для впечатления на конференциях. Это конкретные решения конкретных людей — CEO, CFO, CTO, членов советов директоров — о том, как распорядиться ресурсами, временем и талантом. Некоторые из этих решений окажутся блестящими и создадут компании, которые будут определять следующие десятилетия экономического развития. Некоторые окажутся катастрофическими — и мы будем изучать их в бизнес-школах как примеры стратегических ошибок. И способность отличить одни от других на этапе принятия решения, когда будущее неопределённо, а давление действовать — огромно, — это, пожалуй, главный навык стратега в 2026 году. Навык, которому, к слову, пока не учат ни в одной бизнес-школе мира — потому что предмета «стратегия в условиях ИИ-революции» ещё не существует.

Вопрос, который не даёт нам покоя: исторически каждый большой инвестиционный цикл заканчивался коррекцией — доткомы, недвижимость, крипто — но каждый раз мы верим, что «на этот раз всё иначе». Действительно ли ИИ-инвестиции качественно отличаются от предыдущих волн — или мы снова переоцениваем скорость трансформации и недооцениваем её глубину?