ИИ, капитальные расходы и иллюзия роста: золото — снова стратегически важный актив

Дискуссия уже не ограничивается только технологическими вопросами. Теперь она становится проблемой энергетики, промышленности, финансов и даже макроэкономики.

В течение многих лет инвесторы оценивали технологических гигантов как сверхмасштабируемые программные платформы: низкие предельные издержки, высокая маржа и практически бесконечный рост. Но генеративный ИИ постепенно разрушает эту модель. Большие языковые модели требуют огромного количества графических процессоров, электроэнергии, охлаждения, центров обработки данных и сетей. Чем сложнее становятся модели, тем выше резко возрастает потребление вычислительных ресурсов.

Основной оптимистичный сценарий («бычий сценарий»), на котором сейчас основывается часть оценки сектора искусственного интеллекта, — это уже не просто идея о том, что больше людей будут использовать чат-боты, такие как ChatGPT.

По-настоящему оптимистичный сценарий, предложенный Goldman Sachs в исследовании, опубликованном на этой неделе, гораздо амбициознее: сценарий автономных агентов ИИ.

В течение многих лет инвесторы оценивали технологических гигантов как сверхмасштабируемые программные платформы: чтобы понять разницу, сначала нужно понять, что сегодня представляет собой типичный чат-бот. Когда пользователь задает ChatGPT вопрос, система генерирует ответ, а затем разговор прекращается до следующего запроса. Таким образом, ИИ действует как помощник по запросу: он отвечает на вопрос, пишет текст, делает краткое изложение документа или переводит предложение.

С другой стороны, агент искусственного интеллекта будет работать гораздо более автономно и непрерывно. Вместо того чтобы просто отвечать на один вопрос, он сможет выполнять целые задачи самостоятельно. Например:

• планировать всю поездку;
• сравнивать сотни вариантов;
• бронировать билеты;
• отслеживать цены в режиме реального времени;
• составлять и отправлять электронные письма;
• анализировать документы;
• исправлять собственные ошибки;
• проверять несколько источников;
• использовать внешнее программное обеспечение;
• или даже контролировать других специализированных агентов.

На практике это означает, что ИИ-агент больше не просто выдает быстрый ответ, а «думает» гораздо дольше и выполняет огромное количество внутренних операций, невидимых для пользователя.

И именно здесь проблема становится чрезвычайно важной с экономической точки зрения.

Каждая операция, выполняемая ИИ, потребляет «токены». Токен — это просто небольшая единица текста, используемая моделями для обработки информации. Чем больше ИИ читает, пишет, проверяет, рассуждает или поддерживает длительный разговор, тем больше токенов он потребляет — и, следовательно, тем больше вычислительной мощности он использует.

Традиционный чат-бот использует относительно мало ресурсов: вопрос, ответ.

Но автономный агент может:

• считывать одну и ту же информацию несколько раз;
• проверять различные варианты рассуждений;
• выполнять проверки;
• запускать поиск;
• использовать внешние инструменты;
• поддерживать большие объемы контекста;
• непрерывно работать в фоновом режиме.

Результат: потребление вычислительной мощности резко возрастает.

Именно это Goldman Sachs считает основой оптимистичного сценария развития ИИ. Рынок больше не делает ставку исключительно на «большее количество пользователей», а в первую очередь на «гораздо больше вычислений на пользователя».

Другими словами, даже если себестоимость моделей снизится, общее количество необходимых вычислений может значительно увеличиться. По оценкам Goldman Sachs, к 2030 году глобальные потребности в вычислительных мощностях для ИИ могут более чем в 24 раза превысить текущие.

Это полностью меняет экономическую природу сектора.

До сих пор ИИ в основном представлялся чрезвычайно дорогостоящим проектом:

• строительство гигантских центров обработки данных;
• закупка тысяч графических процессоров;
• огромное потребление электроэнергии;
• масштабные инвестиции в инфраструктуру.

Проблема заключалась в том, что получаемая выручка порой казалась недостаточной для покрытия этих колоссальных расходов.

Но если агенты ИИ станут повсеместными и будут постоянно потреблять огромные объемы вычислительной мощности, то эту инфраструктуру можно будет использовать гораздо эффективнее. Центры обработки данных будут работать на полную мощность, графические процессоры будут амортизироваться более эффективно, а рентабельность может начать значительно улучшаться.

Это то, что Goldman Sachs называет «переломным моментом» для рентабельности: момент, когда ИИ перестает быть в первую очередь центром затрат и потенциально становится высокоприбыльным бизнесом.

Этот оптимистичный сценарий сразу же сталкивается с очень реальным ограничением: физическим миром.

Потому что для работы агентов ИИ в массовом масштабе требуется:

• огромное количество электроэнергии;
• тысячи дополнительных графических процессоров;
• новые центры обработки данных;
• системы охлаждения;
• модернизированные электросети.

И вот тут начинаются опасения. В некоторых регионах энергосистемы США уже демонстрируют признаки перегрузки.

Время подключения стремительно увеличивается, наблюдается нехватка трансформаторов, местные сообщества иногда выступают против проектов центров обработки данных, а стоимость энергии растет.

Другими словами, сценарий, при котором ИИ становится действительно прибыльным, также сопряжен с риском доведения мировой энергетической инфраструктуры до физических пределов.

В этом заключается фундаментальный парадокс цикла ИИ: единственный сценарий, при котором масштабные инвестиции действительно окупаются, также сопряжен с риском доведения физической системы до предела.

Текущие прогнозы предполагают десятки гигаватт новых электроэнергетических мощностей, тысячи дополнительных графических процессоров и значительное ускорение строительства центров обработки данных. Тем не менее, узкие места уже начинают появляться повсюду: недоступность трансформаторов, очереди на подключение, нехватка турбин, нехватка меди, ограничения в водоснабжении, местное противодействие, перегрузка сети и административные задержки.

В своих исследованиях Goldman Sachs прямо признает, что чем дольше сроки строительства центров обработки данных, тем ниже вероятность того, что эти проекты действительно будут введены в эксплуатацию. Иными словами, часть будущей выручки, которая в настоящее время учитывается при оценке рыночной капитализации технологических гигантов, может быть основана на проектах, которые еще фактически не запущены, а в некоторых случаях могут так и не увидеть свет в объявленные сроки.

Это чрезвычайно важный момент, но его часто неправильно понимают инвесторы, не являющиеся специалистами в данной области.

Сегодня такие крупные компании, как Microsoft, Amazon, Google и Meta, много говорят о своих портфелях заказов — то есть о будущих обязательствах по доходам, уже подписанных с клиентами или ожидаемых в рамках инфраструктурных проектов.

В теории это успокаивает рынки: чем больше растет портфель заказов, тем больше инвесторы считают будущий рост «видимым» и относительно надежным.

Проблема в том, что наличие портфеля заказов не обязательно означает, что фактические мощности уже существуют.

В случае с ИИ значительная часть будущих доходов по-прежнему зависит от инфраструктуры, которая должна:

• быть построена;
• получить необходимые разрешения;
• быть подключена к электросети;
• получать достаточное количество графических процессоров;
• иметь доступ к водоснабжению и системам охлаждения;
• фактически функционировать на полную мощность.

Однако сегодня многие из объявленных проектов центров обработки данных все еще находятся на:

• этапе приобретения земли;
• этапе административного рассмотрения;
• этапе утверждения разрешений;
• имеют неподтвержденную мощность электроснабжения.

Другими словами, рынок иногда оценивает будущие доходы так, как если бы они уже были практически гарантированы, даже если необходимая физическая инфраструктура еще не существует.

Рассмотрим простой пример.

Представьте, что компания объявляет о строительстве огромного завода, способного приносить миллиарды евро дохода в течение трех лет. Инвесторы могут немедленно начать учитывать этот будущий доход в своих оценках.

Но что, если тем временем будет наблюдаться:

• задержка получения экологических разрешений;
• резкий рост затрат;
• нехватка электроэнергии;
• непоставка оборудования;
• затруднения с финансированием.

В таком случае строительство завода может быть, отложено, сокращено или иногда даже заброшено.

Именно на этот риск начинает обращать внимание Goldman Sachs в отношении центров обработки данных для ИИ.

В настоящее время рынок ведет себя так, как будто «все, что объявлено, будет реализовано».

Но история крупномасштабных инфраструктурных проектов показывает, что это почти никогда не соответствует действительности.

Чем дальше в будущее проект, тем выше риски:

• инфляции цен;
• ограничений в энергоснабжении;
• политического противодействия;
• трудностей с финансированием;
• технологических изменений;

В случае с ИИ эти риски особенно высоки, поскольку физические требования огромны.

Для крупного современного центра обработки данных для ИИ требуется больше, чем просто компьютеры. Ему также необходимы высоковольтные линии электропередачи, трансформаторы, турбины, системы охлаждения, а иногда столько же электроэнергии, сколько потребляет целый город.

Проблема в том, что западные энергосистемы не были рассчитаны на такой резкий рост спроса.

Именно поэтому Goldman Sachs объясняет, что чем дальше от запланированного срока ввода в эксплуатацию центра обработки данных, тем ниже фактическая вероятность его начала работы.

Другими словами, часть проектов, представленных инвесторам в настоящее время, может представлять собой скорее теоретическую цель, чем гарантированную мощность.

И это кардинально меняет наше понимание текущих оценок.

Потому что сегодня рынки учитывают будущие доходы, ожидаемую прибыль, требования к графическим процессорам и даже потребности в энергии, как если бы вся эта инфраструктура работала идеально и по графику.

Но если строительство отстает от графика, подключение к электросети становится невозможным, стоимость энергии резко возрастает или технологии развиваются быстрее, чем ожидалось, то некоторые проекты могут принести гораздо меньше дохода, чем прогнозирует рынок.

Поэтому риск заключается не обязательно в том, что ИИ «провалится».

Реальный риск может заключаться в том, что рынки уже заложили в цены будущую инфраструктуру, которая еще фактически не существует в физическом мире.

Эта проблема становится еще более тревожной, если мы посмотрим на саму структуру финансирования, лежащую в основе бума ИИ. Сами гипермасштабные компании, похоже, не хотят брать на себя эти масштабные инвестиции в одиночку.

Частные кредитные структуры и специальные проектные компании (SPV) множатся, чтобы переложить часть финансового риска на внешние стороны. Например, Meta недавно структурировала несколько механизмов финансирования центров обработки данных совместно с Blue Owl, постепенно превращая инфраструктуру ИИ в настоящий структурированный кредитный продукт.

Рынок инвестиционных облигаций США также становится все более зависимым от развития ИИ. На долю гипермасштабных компаний и структур финансирования центров обработки данных сейчас приходится огромная доля новых выпусков облигаций, взвешенная по дюрации.

Проблема очевидна: кредиторы финансируют чрезвычайно капиталоемкий сектор с ограниченным потенциалом роста, в то время как акционеры получают основную часть потенциальной прибыли в случае успеха ИИ.

Но самый недооцененный риск сегодня парадоксальным образом может исходить от самого технологического прогресса.

Новые архитектуры ИИ стремятся сделать модели гораздо более эффективными, избегая ненужных вычислений.

Сегодня такие модели, как ChatGPT, анализируют огромное количество связей между словами в тексте, даже когда многие из этих связей на самом деле бесполезны. Это требует огромных вычислительных мощностей.

В противоположность этому, так называемые системы «разреженного внимания» пытаются обрабатывать только действительно важную информацию, подобно человеку, который сосредотачивается исключительно на ключевых фрагментах книги.

Если эта технология будет работать в больших масштабах, она может значительно снизить потребность в графических процессорах, электроэнергии и центрах обработки данных, необходимых для ИИ.

Если эти подходы будут работать в больших масштабах, они могут разорвать нынешний цикл хронической нехватки графических процессоров и электроэнергии.

Другими словами, рынок может создавать огромное количество инфраструктуры, исходя из предположения, что потребности в вычислительных ресурсах будут продолжать расти линейно. Однако история технологий часто показывает обратное: повышение эффективности программного обеспечения в конечном итоге резко снижает ожидаемые потребности в оборудовании.

Параллели с телекоммуникациями конца 1990-х годов становятся все более поразительными. Интернет-революция была реальной. Спрос был реальным. Но прогнозы прибыльности и инвестиции в инфраструктуру оказались в значительной степени чрезмерными. Результатом стало масштабное разрушение капитала, несмотря на долгосрочный технологический успех.

Пример Alphabet прекрасно иллюстрирует этот растущий риск разрыва между оценкой и экономической реальностью.

В настоящее время акции Alphabet торгуются примерно по 133-кратному показателю свободного денежного потока, по сравнению с примерно 20-кратным показателем до COVID-19.

Однако с 2021 года свободный денежный поток компании практически не вырос. Более того, несколько крупных институциональных инвесторов начинают открыто выражать обеспокоенность по поводу этой тенденции.

• Первая проблема: ИИ представляет прямую угрозу традиционной модели получения дохода Google. Все большая доля поисковых запросов теперь завершается без клика по рекламе. А без клика нет показа рекламы — а значит, нет и соответствующего дохода.
• Вторая проблема: взрывной рост капитальных затрат. Google прогнозирует капитальные затраты в размере от $175 до $185 миллиардов долларов к 2026 году, хотя Google Cloud принес всего около $59 миллиардов долларов дохода в 2025 году. Экономика системы начинает больше напоминать экономику энергоемкой коммунальной компании, чем экономику высокорентабельного издателя программного обеспечения.
• Третья проблема: цикличность рекламы. Когда экономика замедляется, рекламные бюджеты исторически сокращаются одними из первых. В 2022 году Alphabet уже потеряла почти 40% на фоне замедления рекламного рынка.

Alphabet, конечно же, остается исключительной компанией. Однако при таких уровнях оценки рынок практически не оставляет места для ошибок, даже несмотря на одновременное нарастание рисков: стремительный рост капитальных затрат, давление на маржу, зависимость от энергии, конкуренция в сфере ИИ, потребность в рефинансировании и неопределенность в отношении реальной будущей доходности инвестированного капитала.

В этом контексте золото постепенно восстанавливает свою традиционную роль актива-убежища перед лицом чрезмерных оценок, долговых циклов и серьезных финансовых дисбалансов. Если бум ИИ продолжит подталкивать систему к увеличению заемных средств, зависимости от энергии и кредитной нестабильности, драгоценные металлы могут снова стать одним из немногих активов, способных защитить инвесторов от потенциального разворота технологического цикла и кредитного рынка.