Крупнейшие облачные компании оплачивают стройку искусственного интеллекта уже не только из прибыли, но и в долг. Смена источника денег — повод подвести промежуточный итог: что принесли триллионные вложения и чем рынок рискует на следующем этапе.
НЬЮ-ЙОРК, октябрь 2026 года. Гонка искусственного интеллекта пересекла рубеж, за которым меняется сама природа её финансирования. Microsoft, Alphabet, Amazon, Meta и Oracle — крупнейшие облачные компании, которых на Уолл-стрит называют гиперскейлерами, — ещё в 2024 году строили центры обработки данных в основном на собственные деньги. В 2026 году они платят за стройку облигациями, долгосрочной арендой и внебалансовыми схемами. По данным Bloomberg, которые приводит Columbia Threadneedle, выпуск облигаций этой пятёркой вырос с $20 млрд в 2024 году до $136 млрд в 2025-м и до $256 млрд с начала 2026 года. The Wall Street Journal подсчитал, что 49 % новых облигаций инвестиционного уровня в этом году связаны с ИИ.
На первом этапе гонки компании платили из прибыли и могли позволить себе ждать отдачи. На втором часть счёта оплачена в долг, а долг обслуживают по графику, независимо от того, окупился ли ИИ. Поэтому сейчас стоит подвести итог тому, что уже построено и кто на этом заработал, и оценить, чем закончится следующий этап.
Стройка переходит на заёмные деньги
Долг из исключения стал правилом. По оценке Goldman Sachs, в 2025 году облигации покрывали 27 % капитальных затрат облачных компаний, а в 2026 году в долг будет оплачена примерно треть стройки. Reuters со ссылкой на Goldman Sachs сообщает, что в 2027 году валовой выпуск долга этими компаниями вырастет до рекордных $420 млрд, на 60 % больше, чем в нынешнем году.
Видимые облигации — лишь часть обязательств. Компании всё чаще выносят стройку за баланс. Через специальные компании-проекты выпущено уже $70 млрд облигаций, и первым крупным примером стала сделка Meta и Beignet на $27 млрд. Moody's оценивает внебалансовые обязательства облачных компаний в $1,2 трлн, из них более $820 млрд приходится на центры обработки данных, которые ещё строятся. По подсчётам Nikkei, скрытый долг пяти американских технологических гигантов за четыре года вырос в восемь раз, до $1,65 трлн, и превысил $1,35 трлн долга на их балансах. В основном это долгосрочные контракты на покупку процессоров и серверов и аренда у операторов центров обработки данных. Бухгалтерские правила это допускают, а значительная часть такого долга перейдёт на баланс, когда центры заработают.
Moody's описывает происходящее как смену бизнес-модели. Компании, которые десятилетиями зарабатывали на программах, интеллектуальной собственности и облачных сервисах без больших вложений, превращаются в капиталоёмкий инфраструктурный бизнес. Агентство подчёркивает и другое: их балансы остаются одними из самых прочных в корпоративном мире, и рейтингам инвестиционного уровня ничто прямо не угрожает.
Итоги первого этапа: триллион вложен, отдача распределена неравно
На первом этапе гонка искусственного интеллекта попрощалась с эпохой венчурного романтизма и превратилась в самую дорогую стройку в истории корпоративного сектора. По расчётам Goldman Sachs Research, в 2026 году мировые инвестиции в ИИ достигнут около $1 трлн, или 0,9 % мирового ВВП, и больше половины этой суммы, $581 млрд, придётся на США. В эти деньги входят центры обработки данных, вычислительные мощности, исследования и разработки. С 2022 года, по оценке Goldman Sachs, мир вложил в ИИ около $1,8 трлн.
Обещанная отдача выглядит соразмерной. McKinsey в докладе «Экономический потенциал генеративного ИИ» оценила вклад генеративного ИИ в мировую экономику в $2,6–4,4 трлн добавленной стоимости в год. PwC оценивает вклад искусственного интеллекта в мировой ВВП в $15,7 трлн к 2030 году. Однако расчёт на то, что эти триллионы равномерно разойдутся по отраслям, не оправдывается. Исследование PwC AI Performance Study, вышедшее в апреле, показало, что 74 % экономического эффекта от ИИ получают 20 % компаний. PwC опросила 1217 руководителей, в основном крупных публичных компаний из 25 отраслей. По размеру бизнеса разрыв ещё глубже: 52 % крупных транснациональных компаний уже масштабируют автономные алгоритмы в своих бизнес-процессах, а среди малого и среднего бизнеса доля замерла на 17,4 %.
Перестройка мировой экономики идёт тремя неравномерными волнами. Ниже разобрано по секторам, как ИИ меняет ключевые отрасли, что он им приносит и почему линейные прогнозы успеха ломаются о физические и регуляторные барьеры.
Первую волну оплачивают крупнейшие технологические компании
Информационные технологии и центры обработки данных остаются главным двигателем мировых капиталовложений. В 2026 году капитальные затраты Microsoft, Alphabet, Amazon и Meta превысят $760 млрд. Bank of America после отчётности за второй квартал оценивает их более чем в $860 млрд. Оценки на 2027 год, по данным Bloomberg и Columbia Threadneedle, выросли до $968 млрд. Сектор создаёт около $850 млрд фундаментальной ценности и закладывает технологическую основу для остальной экономики.
Сильнее всего сдвиг заметен в разработке программ. Разработчики массово отказались от ручного написания базового кода. Инженеры компаний уровня Stripe или GitHub работают как системные архитекторы: они управляют автономными ИИ-агентами, которые сами пишут, тестируют и оптимизируют модули. Следующий шаг отрасли — программы, способные без участия человека переписывать собственную архитектуру под меняющееся оборудование.
Главный риск этой волны — классический инфраструктурный пузырь. Серверы и чипы дороги и быстро устаревают, и если доходы от конечных программ отстанут от капиталовложений, рынок ждёт болезненная коррекция. Сдерживают сектор уже не алгоритмы, а энергетика: нехватка мощности электросетей для питания центров обработки данных тормозит рост сильнее дефицита полупроводников. Международное энергетическое агентство в докладе «Энергетика и ИИ» предупреждало, что из-за ограничений сетей могут задержаться около 20 % запланированных в мире центров обработки данных.
Цифровые отрасли первыми превращают ИИ в маржу
Отрасли, которые работают только с цифровыми данными, быстрее всех получают отдачу: предельные издержки у них стремятся к нулю.
Медиа и реклама вкладывают в ИИ около $45 млрд в год и рассчитывают на отдачу в $280 млрд. Киностудии сократили расходы на базовые визуальные эффекты и чистку кадра на 40–60 %. Рекламные агентства выпускают тысячи вариантов роликов под узкие аудитории без съёмок и пользуются автоматическим дубляжом, который подстраивает артикуляцию актёра под новый язык. Дальше отрасль ждёт персонализированное кино: изображение, реплики и повороты сюжета нейросеть будет создавать прямо во время просмотра, ориентируясь на эмоциональную реакцию зрителя. Обратная сторона — гиперинфляция контента. Когда качественное видео может снять каждый, цена единицы контента падает, а стоимость привлечения внимания растёт. Положение осложняют иски правообладателей к разработчикам моделей, обученных на чужих произведениях.
Ритейл и производители товаров массового спроса инвестируют около $70 млрд и рассчитывают получить $500 млрд за счёт ускорения оборачиваемости капитала. Алгоритмы динамического ценообразования пересчитывают ценники в реальном времени, а модели машинного обучения распределяют товар по региональным складам за несколько дней до местного всплеска спроса. Следующий этап — делегированные покупки: автономные агенты сами следят за запасами домохозяйства и закупают продукты по лучшей цене. Ограничители уже видны. Покупатели устают от агрессивного алгоритмического маркетинга, а ошибки моделей, приписывающих товарам несуществующие характеристики, резко увеличивают расходы на логистику возвратов.
Банки при капиталовложениях в $80 млрд рассчитывают на макроэкономический эффект в $350 млрд. Крупнейшие международные банки встроили большие языковые модели в разбор неструктурированной отчётности. Агенты самостоятельно оценивают кредитные заявки бизнеса: андеррайтинг, занимавший несколько недель, сокращается до минут, а издержки вспомогательных подразделений — на 20–30 %. Следующая ступень — переговоры машин, когда ИИ банка и ИИ предприятия в реальном времени согласуют кредитные линии по данным о денежных потоках. Главный риск — непрозрачность моделей. Если «чёрный ящик» откажет заёмщику из-за скрытой предвзятости, штрафы регуляторов США и ЕС способны мгновенно перекрыть всю экономию от автоматизации.
Потребитель получает больше, чем платит
Около 49 % жителей развитых стран уже пользуются инструментами ИИ. Прямые расходы пользователей достигают $88 млрд, а потребительский излишек — $412 млрд. Излишек — это разница между тем, сколько человек готов заплатить за услугу, и тем, сколько он платит на деле. Масштаб явления подтверждают независимые замеры: экономисты Стэнфордской лаборатории цифровой экономики во главе с Эриком Бриньолфссоном оценили излишек от генеративного ИИ в одних только США в $172 млрд в год на начало 2026 года.
Рынок персональных агентов оценивается в $32 млрд. Чат-боты уступают место многошаговым сценариям, в которых ИИ сам бронирует отели, стыкует перелёты и планирует семейный бюджет. Умный дом приносит $24 млрд, и к 2030 году этот рынок может вырасти до $95 млрд. Малые локальные модели позволяют домашним устройствам понимать обстановку без отправки данных в облако: система заранее охлаждает дом, когда к нему подъезжает машина хозяина, и собирает корзину продуктов по датчикам холодильника. Образовательные сервисы зарабатывают $14 млрд. Голосовые ИИ-репетиторы ведут диалог на иностранном языке без задержки, а в будущем единый «когнитивный профиль» будет подстраивать любой учебный материал под тип мышления человека. Профилактика здоровья приносит $18 млрд: нейросети в Apple Health и Google Fit замечают микроотклонения сердечного ритма за несколько дней до появления симптомов болезни.
Барьеры здесь не технологические, а человеческие. Потребители устают от подписок за $20–30 в месяц, тогда как открытые локальные модели закрывают большинство задач бесплатно. Разработчики не несут юридической ответственности за финансовые ошибки своих агентов. Дисциплина в онлайн-обучении остаётся низкой: до конца курсы доводят лишь 5–7 % пользователей. Исследователи MIT ещё в 2019 году показали в журнале Science, что доля завершивших открытые онлайн-курсы годами не растёт. Наконец, многих отпугивает видеонаблюдение внутри собственного дома.
Материальной экономике ждать отдачи 7–10 лет
Глубже всего ИИ меняет материальные отрасли, но и окупается он там дольше всего: цикл возврата инвестиций растянут на 7–10 лет.
Химия и молекулярный дизайн тратят на капиталовложения и исследования около $25 млрд, а долгосрочный экономический эффект превысит $420 млрд. Графовые нейросети и машинное обучение с учётом физических законов сократили поиск новых кристаллов, полимеров и катализаторов улавливания углерода с 5–7 лет до нескольких месяцев. Самый известный пример — модель GNoME из Google DeepMind: в работе, опубликованной в Nature, она предсказала 2,2 млн новых кристаллов, из них 380 000 наиболее устойчивых. Следующий шаг — автономные лаборатории, где ИИ сам проектирует формулу, управляет манипуляторами при синтезе и проводит физические испытания. Такую лабораторию, A-Lab, уже построила Национальная лаборатория имени Лоуренса в Беркли. Главное препятствие — разрыв между расчётом и синтезом. Модель может предсказать идеально устойчивый материал, но его производство потребует давления или катализаторов, которые лишают массовый выпуск экономического смысла. Пример GNoME показателен: сторонние лаборатории смогли получить лишь 736 из предсказанных моделью материалов.
Здравоохранение и биотехнологии при капиталовложениях в $80 млрд оценивают макроэкономический эффект в $300 млрд. Поиск и моделирование биомаркеров для новых лекарств сократились с 4–5 лет до 12–18 месяцев. Insilico Medicine прошла путь от найденной ИИ мишени до кандидата в лекарство — препарата рентосертиб против идиопатического лёгочного фиброза — примерно за 18 месяцев, а результаты второй фазы испытаний опубликовала в Nature Medicine. Компьютерное зрение стало стандартом «второго мнения» в радиологии. Следующий рубеж — экспресс-синтез препаратов, спроектированных под геном конкретного пациента за считанные дни. Слепая зона здесь экономическая: патентная модель фармацевтических гигантов превращает экономию на исследованиях не в дешёвые лекарства, а в маржу акционеров.
Промышленность, энергетика и логистика вкладывают $120 млрд и рассчитывают на отдачу свыше $400 млрд. Цифровые двойники заводов и анализ данных с датчиков сократили простои тяжёлого оборудования на 30–40 %. Алгоритмы перестраивают логистику в реальном времени с учётом погоды и геополитики. Следующий этап — «тёмные заводы», полностью автономные предприятия, которые работают без света и людей от приёмки сырья до отгрузки продукции. Ограничение здесь простое: оцифровка не создаёт материальных ресурсов. Алгоритм построит идеальный маршрут, но бессилен перед дефицитом редкоземельных металлов или перекрытием морских проливов.
Робототехника и воплощённый ИИ привлекли $110 млрд инвестиций в исследования и производство компонентов, а потенциальный эффект оценивается более чем в $650 млрд в год. Модели, которые связывают зрение, язык и действие, вывели гуманоидных роботов на конвейеры автоконцернов — на сортировку и сборку в меняющейся обстановке. Следующий шаг — гибкая автоматизация без программирования, когда робот осваивает новый навык, просмотрев видеоинструкцию. Физический мир, однако, не прощает трения и износа редукторов. При цене робота в $30 000–50 000 полная стоимость владения с учётом ремонта и обслуживания часто сводит на нет экономию на зарплате линейных рабочих. Оценки отрасли сходятся на этом диапазоне: Bank of America Institute оценивает комплектующие гуманоида китайской сборки примерно в $35 000, а Goldman Sachs Research — себестоимость производства в $30 000–150 000 за единицу.
Рынок долга начинает выставлять счёт
Первые признаки усталости кредиторов уже видны. S&P Global подсчитала, что облачные компании и близкие к ним эмитенты вроде Nvidia к середине года выпустили облигаций на $225 млрд, более чем в десять раз больше, чем годом ранее, и до конца года могут выйти на $400 млрд. Агентство предупредило, что участники рынка всё настороженнее смотрят на быстро растущую долговую нагрузку компаний, которые прежде славились надёжным денежным потоком. Премия к безрисковой доходности для этих заёмщиков уже выросла.
Деньги дорожают. По данным Reuters, Goldman Sachs и ICE BofA, к сентябрю премия по облигациям эмитентов, связанных с ИИ, достигла около 115 базисных пунктов, тогда как для рынка инвестиционного уровня в целом она составляла около 78. Спрос на новые выпуски слабеет. По данным Apollo, на которые ссылается Reuters, в феврале заявки инвесторов превышали объём размещения облигаций облачных компаний примерно в пять раз, а в июле — только в два. Облигации Meta по сделке Beignet, по данным FT Alphaville, торгуются с доходностью около 6,95 %, а при размещении она была 5,65 %.
Облачным компаниям приходится делить кредиторов с государством. Дефицит федерального бюджета США в этом финансовом году приближается к $2 трлн, а Федеральная резервная система больше не выкупает казначейские облигации в прежних объёмах. Главный экономист RSM Джозеф Бруселас предупреждает, что спрос на государственный и корпоративный долг не будет вечным и со временем кредиторы потребуют от всех заёмщиков более высокую премию.
Доходы растут, но обязательства пока растут быстрее
Отдача от вложений уже не гипотеза. Bank of America подсчитал, что портфель заключённых облачных контрактов четырёх крупнейших провайдеров достиг $2,3 трлн и за квартал вырос на 16 %. У Microsoft он составил $678 млрд, у Oracle — $638 млрд. Amazon Web Services сообщает, что её годовые доходы от ИИ и от собственных чипов превысили по $25 млрд каждый. По данным Moody's, в первом квартале 2026 года облачные доходы AWS, Microsoft Azure и Google Cloud росли быстрее, чем когда-либо с середины 2021 года.
Слабое место — сроки и концентрация. По оценке, прозвучавшей в сентябре на отраслевой конференции AI Infra Summit, четыре крупнейшие облачные компании до 2028 года вложат $1,8 трлн. Это примерно на $600 млрд больше, чем заработают их основные бизнесы за то же время. Значительная часть контрактного портфеля привязана к одному клиенту. S&P называет OpenAI ключевым кредитным риском для Oracle: способность OpenAI оплатить свои обязательства, по оценке агентства, зависит от роста отрасли, доступа к внешнему капиталу и лидерства её моделей. Расходы на стройку и купоны по долгу компании несут уже сегодня, а выручка по контрактам придёт, только когда новые мощности заработают.
Следующий этап решит скорость окупаемости
Ёмкость для долга у облачных компаний ещё большая. J.P. Morgan Asset Management считает, что они могут занять дополнительно $1,5 трлн, прежде чем их долговая нагрузка с учётом аренды сравняется со средней по промышленным компаниям инвестиционного уровня. По оценке управляющего, выпуск долга будет расти в 2027 году и может достичь пика около 2028 года. Масштаб вложений тоже пока не выходит за исторические рамки. Goldman Sachs ожидает, что инвестиции в ИИ в США вырастут с 1,8 % ВВП в 2026 году до 2,8 % в 2028-м, а прежние стройки технологий общего назначения на пике забирали 2–5 % ВВП.
Следовательно, исход следующего этапа определит не размер балансов, а скорость, с которой контракты превратятся в выручку. Если портфель в $2,3 трлн будет исполняться в срок, построенные в долг мощности начнут приносить деньги, а нынешняя премия по облигациям окажется временной. В Columbia Threadneedle уже называют ситуацию редкой: фундаментально прочные заёмщики торгуются с широкой премией только из-за объёма предложения. Если же доходы ключевых клиентов отстанут, у облачных компаний останутся фиксированные платежи по аренде и купонам, а скрытый долг будет переходить на балансы по мере ввода центров в строй. Первыми удар примут самые закредитованные участники цепочки: компании, у которых контракты сосредоточены на одном клиенте, и проекты, финансируемые высокодоходными облигациями.
За следующим этапом инвестору удобно следить по четырём признакам. Первый — премия по облигациям эмитентов, связанных с ИИ, по сравнению с рынком в целом. Второй — насколько спрос превышает объём новых размещений. Третий — доля капитальных затрат, оплаченная в долг. Четвёртый — скорость, с которой контрактный портфель облачных компаний превращается в выручку.
ИИ не отменяет законов экономики
Нынешний цикл показывает, что искусственный интеллект подчиняется тем же законам, что и прежние технологические революции. Первую волну сверхприбылей забрали производители чипов, энергии и инфраструктуры. Вторую осваивают цифровые отрасли с готовой базой данных. Третья, самая глубокая волна разворачивается в материальном мире: в химии, фармацевтике и робототехнике. Её полный макроэкономический эффект будет набирать силу 7–10 лет, по мере того как отрасли преодолевают физические и энергетические ограничения планеты.
На втором этапе к этим законам добавляется ещё один — кредитный цикл. Пока стройку оплачивала прибыль, ошибка в оценке спроса стоила акционерам упущенной доходности. Теперь, когда треть счёта оплачена в долг, такая ошибка обойдётся дороже: кредиторы потребуют более высокую цену за деньги, и платить её придётся всем заёмщикам, связанным с ИИ.