За пределами хайпа: почему бум расходов Big Tech на ИИ меняет наш взгляд на

На протяжении многих лет анализ крупных технологических акций США в сезон отчётности следовал знакомой схеме: когда лидер рынка объявлял о масштабных финансовых вложениях в технологии нового поколения, инвесторы в целом положительно воспринимали новость. Крупные расходы рассматривались как явный сигнал доминирования на рынке, агрессивных инноваций и будущего роста выручки.

Сегодня эта динамика изменилась.

Во время недавних квартальных отчётов участники рынка наблюдали повторяющуюся картину: технологический гигант с мегакапитализацией превышает прогнозы по выручке, сообщает о солидной операционной прибыли, объявляет об очередных вложениях в размере от 50 до 80 млрд долларов США в инфраструктуру искусственного интеллекта, а затем видит, как цена его акций падает за ночь.

Что стоит за этим сдвигом? Чтобы понять, почему технологические акции США демонстрируют такую нестабильность, розничным трейдерам нужно заглянуть за пределы программных заголовков и изучить физические и балансовые реалии, скрытые за кулисами.

Сдвиг к «тихой гавани»: как технологические гиганты изменили свои балансы

Чтобы понять текущую волатильность технологических акций США, для начала стоит рассмотреть, как крупные технологические компании — в частности, облачные гиганты вроде Microsoft, Amazon, Alphabet, Meta и Oracle — изменили подход к управлению своими балансами.

В десятилетие после мирового финансового кризиса 2008 года инвесторы рассматривали крупные технологические компании как надёжные, малорисковые активы для размещения капитала в периоды экономической неопределённости. В то время как традиционные защитные активы обеспечивали стабильность, технологические лидеры предлагали нечто уникальное — огромные денежные резервы. Такие компании, как Apple, Alphabet, Microsoft и Meta, накопили сотни миллиардов долларов наличных средств, при этом управляя высокомаржинальными программными платформами. Во время общих спадов на рынке инвесторы покупали эти акции, поскольку денежные резервы компаний обеспечивали надёжную финансовую подушку.

Однако нынешнее наращивание мощностей в сфере искусственного интеллекта полностью изменило эту динамику. Эти облачные гиганты больше не просто сидят на своих денежных запасах.

По прогнозам рынка, суммарные годовые капитальные расходы пяти крупнейших технологических гигантов (Amazon, Alphabet, Microsoft, Meta и Oracle) приближаются к отметке от 660 до 750 млрд долларов США. Такой масштаб расходов составляет от 38% до 57% их общей годовой выручки —

уровень капиталоёмкости, исторически характерный для нефтепроводов, тяжёлой промышленности и электроэнергетических компаний, а не для лёгких программных бизнесов.

Чтобы финансировать это расширение, технологические компании больше не полагаются исключительно на денежные резервы — они активно занимают средства. Совокупный объём выпуска корпоративных облигаций среди крупнейших облачных гигантов превысил отметку от 175 до 200+ млрд долларов США. Обменивая свои денежные подушки на долгосрочный долг, физическую недвижимость и тяжёлое оборудование, технологические компании с мегакапитализацией взяли на себя значительно более высокие операционные издержки.

Скрытое узкое место: быстрое оборудование против медленных энергосетей

Помимо баланса, расходы технологических гигантов сталкиваются с физическим препятствием: тем, что именно покупают эти компании и куда это оборудование подключается. Создание современных систем искусственного интеллекта требует значительных вычислительных мощностей, которые опираются на два основных типа оборудования:

• GPU (графические процессоры): специализированные чипы, впервые созданные такими компаниями, как Nvidia, которые обрабатывают тысячи вычислений одновременно, выступая основными «двигателями» для обучения моделей ИИ.
• TPU (тензорные процессоры): чипы собственной разработки, создаваемые внутри технологических компаний, таких как Google, для выполнения специализированных задач и снижения зависимости от внешних поставщиков. Чтобы непрерывно эксплуатировать десятки тысяч таких мощных чипов, компаниям приходится строить огромные дата-центры. Но в отличие от традиционного облачного ПО, которое можно запустить по всему миру онлайн за считаные секунды, строительство современных ИИ-дата-центров упирается в жёсткое физическое ограничение: электроэнергетическую сеть.

Один высокоплотный дата-центр для ИИ может потреблять столько же электроэнергии, сколько пригород среднего размера. По всей Северной Америке и Европе энергетические компании сообщают технологическим гигантам, что подключение таких масштабных объектов к высоковольтным линиям электропередачи предполагает лист ожидания от 4 до 7 лет.

Эта задержка создаёт серьёзную проблему со сроками для прибыли компаний:

1. Короткий срок службы оборудования: продвинутые чипы для ИИ быстро устаревают. Партия чипов, купленная сегодня, устареет всего через 2–3 года, поскольку появятся новые, более быстрые чипы.
2. Отложенное получение выручки: Когда технологическая компания тратит десятки миллиардов долларов на чипы сегодня, но не может запустить эти серверы на полную мощность в течение нескольких лет из-за ожидания подключения к электросети, оборудование теряет ценность, простаивая без дела.

Денежные средства покидают баланс компании немедленно, но новая выручка от ПО материализуется с многолетней задержкой. Когда публичные рынки пересчитывают эту многолетнюю задержку, ожидаемая рентабельность сжимается, что приводит к падению цен акций.

Следуя за деньгами: куда перетекает капитал

В то время как масштабные расходы создают краткосрочное давление на разработчиков ПО, эта волна расходов в сотни миллиардов долларов напрямую поступает в карманы компаний, поставляющих физическое оборудование.

1. Поставщики электросетей и коммунальных услуг: Дата-центрам требуется непрерывное, бесперебойное базовое электроснабжение. Независимые производители электроэнергии и производители оборудования, выпускающие высоковольтные трансформаторы и оборудование для электросетей, такие как Constellation Energy, Vistra Corp, GE Vernova и Eaton Corporation, сталкиваются с многолетними задержками по заказам.
2. Специалисты по жидкостному охлаждению и терморегулированию: Высокопроизводительные чипы ИИ выделяют интенсивное тепло, с которым традиционные вентиляторы не справляются. Компании, создающие системы жидкостного охлаждения и точную инфраструктуру охлаждения для серверных стоек, такие как Vertiv Holdings, Schneider Electric и Modine Manufacturing, наблюдают резкий рост структурного спроса.
3. NAND-память и архитектура памяти: Современные ускорители ИИ не могут функционировать изолированно без огромной пропускной способности и хранилища высокой плотности. Обучение и запуск сложных моделей создаёт серьёзные узкие места по памяти, поскольку GPU простаивают, если данные не передаются достаточно быстро. Это физическое ограничение вызвало масштабную переоценку акций специалистов по памяти и хранению данных, таких как Micron Technology (MU) и SanDisk (SNDK). Исторически Уолл-стрит оценивал эти акции как волатильных, низкомаржинальных поставщиков потребительских товаров, зависящих от циклов ПК и смартфонов. Однако, когда облачные гиганты разместили масштабные многолетние заказы на DRAM/память высокой пропускной способности (HBM) и корпоративные твердотельные накопители (eSSD) на базе NAND-флеш-памяти, мультипликаторы оценки выросли. С учётом того, что мощности серверного NAND и HBM распроданы на годы вперёд, а операционная маржа резко растёт, публичные рынки переоценили поставщиков памяти и флеш-накопителей как незаменимые узкие места высокомаржинальной инфраструктуры ИИ.
4. Заказные чипы и партнёры-полупроводники: Чтобы снизить зависимость от отдельных поставщиков, технологические гиганты разрабатывают собственные внутренние чипы (например, TPU от Google и чипы Trainium от Amazon). Это создаёт долгосрочный бизнес для специализированных партнёров по разработке чипов и производству, таких как Broadcom, Marvell Technology, Taiwan Semiconductor Manufacturing Company (TSMC) и ARM Holdings. Вместо того чтобы рассматривать искусственный интеллект исключительно через призму потребительских приложений, «умные деньги» всё активнее направляются в физическую цепочку поставок, необходимую для работы этих дата-центров.

Заключение: анализ взаимосвязанности между классами активов

Чтобы ориентироваться в текущем рыночном цикле, нужно смотреть дальше громких заявлений о ПО и понимать, как физические ограничения переоценивают риски на глобальных рынках.

Рынок не отвергает ИИ — он просто корректирует цены акций с учётом более высокого долга, немедленных денежных расходов и задержек с физической инфраструктурой. В предыдущих технологических циклах инвесторы реагировали на капитальные расходы с прямолинейным оптимизмом, исходя из предположения, что более высокие инвестиции автоматически приведут к более высокой будущей прибыли. Сегодня рынок оценивает расходы через гораздо более критическую призму. Когда облачный гигант выделяет десятки миллиардов на инфраструктуру без чёткого срока получения новой выручки от ПО, рынок фокусируется на немедленной финансовой нагрузке: сужении операционной маржи, сокращении денежных резервов и росте расходов на обслуживание долга.

Этот структурный сдвиг фундаментально меняет то, как технологические акции взаимодействуют с более широкой экономикой. Исторически мегакапитализированные технологические компании держали значительные денежные резервы, которые защищали их от более широких экономических изменений. Сейчас, когда для строительства дата-центров и обеспечения линий электропередачи выпущены корпоративные облигации на сотни миллиардов долларов, прибыль технологических компаний стала намного более чувствительной к процентным ставкам, спредам доходности облигаций и стоимости заимствований.

Одновременно с этим границы между классами активов размываются. Сроки выпуска программных продуктов больше не определяются скоростью написания кода разработчиками — их диктуют мощности электросетей, задержки в производстве трансформаторов и очереди на подключение к энергосистемам. В результате энергетические товары, такие как природный газ, и акции коммунальных энергетических компаний становятся ключевыми опережающими индикаторами для реализации технологических проектов.

В конечном счёте, поскольку крупнейшие технологические компании занимают доминирующую долю в основных индексах, таких как S&P 500 и Nasdaq 100, объявления о расходах отдельных компаний отражаются далеко за пределами Кремниевой долины. Отслеживая долговую нагрузку по балансам, время ожидания подключения к энергосетям и потоки физического капитала, участники рынка получают гораздо более чёткое представление о том, что на самом деле определяет ценообразование на рынках акций, товаров и мировых индексов.