Где деньги в AI: инфраструктура, модели и приложения

Индустрия искусственного интеллекта достигла точки, в которой абстрактные обсуждения «перспективности технологии» уступают место жёсткому вопросу: где именно генерируется выручка и прибыль? По оценкам Goldman Sachs, совокупные расходы на AI-инфраструктуру, модели и приложения превысят $1 трлн к 2027 году. Но распределение этих денег по слоям технологического стека крайне неравномерно, и понимание этой структуры — ключевое преимущество для инвестора.

Рынок AI можно разделить на три фундаментальных слоя: инфраструктуру (чипы, облака, дата-центры), модели (фундаментальные и специализированные) и приложения (вертикальные SaaS-решения, копайлоты, агенты). Каждый слой имеет собственную экономику, барьеры входа и динамику конкуренции. На март 2026 года наибольшая доля выручки сосредоточена в инфраструктурном слое, однако наиболее быстрый рост показывает прикладной уровень.

NVIDIA остаётся бесспорным лидером инфраструктурного слоя. Выручка компании от дата-центров в 2025 финансовом году (закончился в январе 2026) составила $115,2 млрд — рост на 142% год к году. Валовая маржа в этом сегменте превышает 75%, что делает NVIDIA одной из самых прибыльных компаний в истории технологической индустрии. Архитектура Blackwell (B200, GB200) обеспечила новый цикл обновления, а H100 продолжает генерировать значительный объём продаж на вторичном рынке.

AMD пытается сократить разрыв с линейкой MI300X и анонсированным MI400. Выручка AMD от дата-центров за 2025 год оценивается в $12-14 млрд — существенный рост с $6,5 млрд в 2024 году, но всё ещё менее 12% от показателей NVIDIA. Intel продолжает терять долю рынка: процессоры Gaudi 3 не смогли завоевать значительную нишу, а выручка от AI-ускорителей остаётся ниже $2 млрд.

Отдельное направление — кастомные чипы (custom silicon). Google TPU v5p и v6 используются внутри компании для обучения моделей Gemini. AWS Trainium2 предлагается клиентам как альтернатива NVIDIA. Microsoft разрабатывает чип Maia, Meta — собственный MTIA v2. По оценке Bernstein, к 2027 году на кастомные чипы придётся 15-20% рынка AI-ускорителей, однако они не заменят NVIDIA на открытом рынке.

Три крупнейших облачных провайдера — AWS, Microsoft Azure и Google Cloud — контролируют примерно 65% мирового рынка облачных вычислений. Но AI трансформирует этот рынок. Azure растёт быстрее конкурентов в AI-сегменте благодаря эксклюзивному доступу к моделям OpenAI и агрессивным инвестициям в GPU-кластеры. Выручка Azure AI Services превысила $10 млрд в годовом исчислении к началу 2026 года.

CoreWeave — наиболее агрессивный претендент на рынке GPU-облаков. Компания привлекла более $12 млрд долгового финансирования и провела IPO в марте 2026 года. CoreWeave предлагает специализированную GPU-инфраструктуру и заключила многолетний контракт с Microsoft на $10+ млрд. Lambda Labs, Crusoe Energy и Together AI также наращивают мощности, но их масштаб пока несопоставим с гиперскейлерами.

Строительство дата-центров стало одним из самых капиталоёмких направлений в AI-индустрии. Общий объём объявленных инвестиций в AI-дата-центры превысил $300 млрд к началу 2026 года. Equinix, Digital Realty и QTS Realty наращивают мощности, но сроки строительства составляют 18-24 месяца. Энергоснабжение стало критическим ограничением: один крупный AI-кластер потребляет 100-500 МВт, что сопоставимо с небольшим городом. Это создало новый инвестиционный тезис вокруг ядерной энергетики (Constellation Energy, Oklo, NuScale) и привлекло внимание к альтернативным локациям — от скандинавских стран до Ближнего Востока.

OpenAI доминирует по выручке среди разработчиков фундаментальных моделей. Годовая повторяющаяся выручка (ARR) компании превысила $11 млрд к началу 2026 года — рост с $3,4 млрд годом ранее. Основные источники: подписки ChatGPT Plus/Pro/Team/Enterprise и API-доступ. Однако OpenAI остаётся убыточной: расходы на вычисления и R&D значительно превышают доходы. По данным из раунда на $110 млрд (февраль 2026), компания оценивается в $300 млрд при прогнозе выручки $29 млрд на 2026 год.

Anthropic — второй по масштабу игрок. Claude 3.5 и Claude 4 (ожидается в 2026) конкурируют с GPT-4o и o3. ARR Anthropic оценивается в $2-3 млрд на начало 2026 года. Компания привлекла в совокупности более $15 млрд, включая крупные инвестиции от Amazon ($4 млрд) и Google ($2 млрд). Оценка превысила $60 млрд.

Google DeepMind и Google AI развивают модели Gemini (1.5 Pro, Ultra, 2.0). Google монетизирует AI через интеграцию в Search (AI Overviews), Workspace и Cloud. Meta с линейкой Llama (3, 3.1, 4) выбрала стратегию open-source, монетизируя AI через рекламную платформу. Mistral из Франции привлёк более $1 млрд и оценивается в $6-7 млрд, предлагая модели Mistral Large и Le Chat.

Ключевой вопрос слоя моделей — устойчивость бизнес-модели. Проприетарные модели (OpenAI, Anthropic) зарабатывают через API и подписки, но open-source альтернативы (Llama, Mistral, DeepSeek) постоянно сокращают разрыв в качестве. Модель DeepSeek-V3, выпущенная в январе 2025 года, показала производительность уровня GPT-4 при стоимости обучения менее $6 млн — на два порядка дешевле конкурентов. Это создаёт давление на маржу API-провайдеров: стоимость токена GPT-4-уровня упала в 20 раз за 18 месяцев.

Для инвесторов это означает, что чистые модельные компании — рискованная ставка, если у них нет дистрибуции (ChatGPT), эксклюзивных данных или вертикальной интеграции. Маржинальность слоя моделей в среднем составляет 30-50%, что ниже, чем у инфраструктуры (70%+), и имеет тенденцию к снижению по мере коммодитизации.

Наиболее коммерчески успешные AI-приложения — горизонтальные инструменты для разработки, написания текстов и поиска. GitHub Copilot (Microsoft) генерирует более $500 млн ARR и используется миллионами разработчиков. Cursor (AI-редактор кода) стал единорогом с ARR более $100 млн менее чем за два года. Grammarly, Jasper, Writer.com обслуживают рынок AI-контента. Perplexity (AI-поиск) привлёк $500 млн+ и оценивается в $9 млрд.

Glean (корпоративный поиск, оценка $4,6 млрд), Notion AI, Canva AI, Intercom Fin (AI для поддержки клиентов) — примеры компаний, интегрирующих AI в существующие продукты. Ключевое конкурентное преимущество здесь — не модель (большинство используют API OpenAI или Anthropic), а данные пользователей и качество UX.

Вертикальные AI-приложения — наиболее перспективный сегмент для венчурных инвесторов. Harvey (юридический AI, оценка $3 млрд) автоматизирует юридические исследования и подготовку документов для крупнейших юридических фирм. Abridge и Hippocratic AI работают в медицине. Sierra AI (Брет Тейлор) создаёт AI-агентов для клиентского сервиса. Writer.com обслуживает маркетинговые команды предприятий.

Маржинальность вертикальных AI-решений потенциально самая высокая в стеке: 70-80% валовой маржи при подписочной модели. Однако CAC (стоимость привлечения клиента) в enterprise-сегменте остаётся высоким, а цикл продаж — длинным. Для инвесторов критически важно отличать компании с настоящим moat (уникальные данные, регуляторные барьеры, сетевые эффекты) от тонкой обёртки над GPT.

AI-агенты — программы, способные автономно выполнять задачи — стали главным инвестиционным тезисом 2025-2026 годов. Cognition Labs (Devin, AI-инженер, оценка $2 млрд), Adept AI, MultiOn, Induced AI разрабатывают агентов для различных задач. Microsoft Copilot Studio, Google Agentspace, Salesforce Agentforce — корпоративные платформы для создания агентов.

Рынок AI-агентов оценивается в $5-8 млрд в 2026 году с прогнозом роста до $50+ млрд к 2030 году. Ключевой вызов — надёжность: агенты должны работать безошибочно в 99.9%+ случаев для применения в критических бизнес-процессах. Это пока не достигнуто, что ограничивает монетизацию.

Эта таблица отражает парадокс текущего рынка AI: инфраструктурный слой генерирует наибольшую долю выручки и прибыли, но прикладной слой растёт быстрее и потенциально имеет более высокую маржу в долгосрочной перспективе. Слой моделей зажат между ними: высокие расходы на вычисления давят на маржу, а конкуренция с open-source снижает pricing power.

Классический инвестиционный тезис «кирок и лопат» (picks and shovels) гласит: во время золотой лихорадки лучше продавать инструменты старателям, чем искать золото самому. В контексте AI это означает ставку на инфраструктуру: NVIDIA, поставщики серверов (Dell, Super Micro Computer), облачные провайдеры.

Тезис остаётся актуальным, но с оговорками. Во-первых, акции NVIDIA торгуются с форвардным P/E около 25-30x, что закладывает продолжение экспоненциального роста. Во-вторых, кастомные чипы и open-source модели могут подорвать доминирование NVIDIA в среднесрочной перспективе. В-третьих, по мере созревания индустрии большая доля стоимости может мигрировать от инфраструктуры к приложениям — аналогично тому, как это произошло в мобильной индустрии, где Apple и Google забрали большую часть стоимости у поставщиков чипов (Qualcomm) и операторов связи.

Для инвестора оптимальная стратегия — диверсифицированная экспозиция по всем слоям стека с перевесом в сторону инфраструктуры в ближайшей перспективе (2026-2027) и постепенным увеличением доли прикладного слоя по мере появления компаний с доказанной бизнес-моделью.

США доминируют в AI-индустрии: более 70% венчурных инвестиций и более 80% выручки топ-50 AI-компаний приходится на американские компании. Китай — второй по значимости рынок, но санкционные ограничения на экспорт чипов (NVIDIA A100/H100 запрещены с 2022 года, далее ограничения ужесточились) создают структурный разрыв в инфраструктурном слое.

Европа концентрирует усилия на регулировании (EU AI Act, вступил в силу поэтапно с февраля 2025) и отдельных модельных компаниях (Mistral, Aleph Alpha, Stability AI — хотя последняя практически прекратила деятельность). Ближний Восток (Саудовская Аравия, ОАЭ) инвестирует в инфраструктуру и привлечение талантов. Индия фокусируется на AI-сервисах и разработке.

Первый риск — переоценка. Совокупная оценка частных AI-компаний превысила $1 трлн, а мультипликаторы выручки (50-100x для лидеров) не имеют аналогов даже в истории доткомов. Коррекция неизбежна — вопрос лишь в масштабе и сроках.

Второй риск — технологический. Достижение AGI (или, напротив, замедление прогресса — scaling plateau) может радикально изменить конкурентный ландшафт. Если scaling laws перестанут работать, текущие инвестиции в инфраструктуру окажутся избыточными.

Третий риск — регуляторный. Антимонопольные расследования против Google, Apple и Meta, возможные ограничения на обучение моделей на защищённом контенте (судебные иски от New York Times, Getty Images, авторов), ужесточение правил экспортного контроля — всё это может повлиять на операционную деятельность AI-компаний.

Рынок AI — не монолитный. Это сложная экосистема с различной экономикой на каждом уровне. Инфраструктурный слой предлагает высокую маржу и доказанный спрос, но торгуется с премией. Слой моделей — самый рискованный из-за конкуренции и давления на маржу. Прикладной слой потенциально наиболее привлекателен для венчурных инвесторов, но требует тщательного отбора компаний с подлинным конкурентным преимуществом. Понимание этой структуры — первый шаг к формированию инвестиционного тезиса в AI.