$725 млрд CapEx на ИИ, у 90% компаний — нулевой прирост производительности: что этот парадокс означает для инвесторов

Семьсот двадцать пять миллиардов долларов. Таков совокупный объём обязательств по капиталовложениям в ИИ от Microsoft, Google, Meta и Amazon только в 2026 году — рост на 77% с $410 млрд в 2025 году. Теперь сопоставьте эту цифру с другой: согласно февральскому исследованию 2026 года Национального бюро экономических исследований, 90% компаний сообщают об отсутствии измеримого влияния ИИ на производительность. Наши аналитики провели последние две недели, оценивая, является ли это самым безрассудным циклом распределения капитала в современной истории — или просто ранней главой истории, на завершение которой уйдёт десятилетие.

Ставка на $725 млрд: что на самом деле покупают Microsoft, Google, Meta и Amazon

Итоговая цифра раскладывается следующим образом: Microsoft обязался на $190 млрд, Google — на $180–190 млрд, Meta ориентируется на $125–145 млрд, Amazon лидирует с $200 млрд. Это не расплывчатые устремления — это контрактные графики CapEx, которые потекут в GPU, специализированные чипы, оптоволокно, охладительную инфраструктуру и недвижимость для центров обработки данных.

Чтобы понять, что именно покупается, наши аналитики вышли за рамки совокупных цифр. Azure вырос на 33% год к году в Q1 2026, при этом ИИ обеспечил 16 процентных пунктов этого роста. Google Cloud достиг $20 млрд в Q1 — рост на 63% год к году. AWS отчитался о $37,59 млрд за тот же период с ростом 28% год к году — самым быстрым квартальным темпом за 15 кварталов. Это не теоретические попутные ветры от ИИ. Корпоративные клиенты запускают производственные рабочие нагрузки на ИИ, и облачная инфраструктура, поддерживающая эти нагрузки, — первый уровень монетизации.

То, что закупается в масштабе, — это опциональность и структурная позиция. $190 млрд Microsoft обеспечивают ему приоритетный доступ к GPU NVIDIA, расширение мощностей Azure в недостаточно охваченных регионах и физическую инфраструктуру для обслуживания инференс-трафика OpenAI по мере его роста. Расходы Google покупают развёртывание TPU 8 в масштабе — собственные чипы, избавляющие его стек от ценовой власти NVIDIA. $125–145 млрд Meta финансируют как обучение модели Llama, так и собственный чип MTIA (Meta Training and Inference Accelerator) с развёртыванием по 500 единиц, долгосрочное хеджирование от зависимости от сторонних чипов. $200 млрд Amazon — самые широкоохватные: центры обработки данных AWS, пользовательские чипы Trainium 2 и спутниковая наземная инфраструктура через проект Kuiper.

Есть второй уровень, который рынок недооценивает: электроэнергия. Команда оценила дефицит в 7 гигаватт запланированных мощностей центров обработки данных в США на 2026 год, при этом сроки ввода 30–50% запланированных мощностей сдвинулись на 2028 год. Это не спекулятивное ограничение — это физическое. Компании, обязывающиеся на $725 млрд, покупают не просто вычислительные мощности; они покупают место в очереди в условиях ограниченной цепочки поставок.

Общий контекст ещё масштабнее: Gartner оценивает глобальные расходы на ИИ в ПО, услугах и инфраструктуре в $2,52 трлн в 2026 году. $725 млрд CapEx гиперскейлеров — хребет этой цифры.

Парадокс производительности NBER: 90% нулевого результата и почему эта цифра вводит в заблуждение

Данные NBER от февраля 2026 года реальны и заслуживают серьёзного отношения: в широком опросе компаний 90% сообщают об отсутствии измеримого влияния ИИ на производительность. Для инвесторов, купивших ИИ-нарратив в расчёте на краткосрочную трансформацию корпоративных прибылей, это цифра — холодный душ.

Однако наши аналитики отмечают, что данные NBER интерпретируются неверно в обоих направлениях. Корректное прочтение более нюансировано, и история предлагает для него точную систему отсчёта.

Когда электричество появилось в масштабе на производственных предприятиях США в 1880-х годах, компании немедленно начали закупать двигатели и генераторы. Производительность не последовала незамедлительно. На протяжении двух десятилетий заводы продолжали организовываться вокруг модели распределения мощности через центральный вал и ремень, созданной для воды и пара, — только с электродвигателем в центре вместо прежнего. Трансформация материализовалась лишь тогда, когда заводы отстраивались с нуля под новую технологию. Лаг производительности от внедрения электричества составил примерно 10–20 лет после начала использования.

Интернет предлагает более тесную аналогию. С 1993 по 1999 год американские компании агрессивно тратились на интернет-инфраструктуру. Крах доткомов в 2000–2002 годах был реальным и болезненным. Но выжившие компании — Amazon, Google, позднее Salesforce — построили инфраструктуру, сгенерировавшую реальные приросты производительности в 2000-х и 2010-х.

ИИ следует той же кривой. Цифра 90% нулевой производительности отражает компании, которые развернули чат-боты, внутренние копайлоты или базовую автоматизацию — но ещё не перестроили процессы под реальные возможности ИИ. Юридическая фирма, давшая сотрудникам доступ к инструменту обобщения документов, но оставившая неизменными модель выставления счетов, рабочий процесс проверки и структуру партнёрского рычага, не изменила своей производительности; она купила дорогую поисковую систему.

Позиция наших аналитиков: цифра 90% будет выглядеть совсем иначе в 2028 году. Компании, находящиеся сегодня в 10% — первые последователи, перестроившие рабочие процессы, а не просто добавившие инструменты, — строят прочные конкурентные рвы. Для инвесторов вывод ясен: производительность ИИ — это не история 2026 года на макроуровне. Это история 2027–2030 годов.

NVDA, шок от H20 и как позиционироваться в цикле CapEx на ИИ

Ни одна компания не стоит ближе к центру этого цикла, чем NVIDIA. Выручка сегмента центров обработки данных в Q1 FY2026 достигла $39,1 млрд, рост 73% год к году. Гейминг показал рекордные $3,8 млрд. Но шок от экспортных ограничений на H20 ввёл материальный риск, которого не существовало три квартала назад.

Чипы H20 — совместимый с экспортным законодательством продукт NVIDIA, разработанный специально для китайского рынка, — теперь подпадают под ограничения Министерства торговли США. Финансовый удар прямой: NVIDIA прогнозирует убыток $8 млрд во Q2 по запасам H20 и обязательствам перед клиентами, которые не могут быть выполнены.

Наши аналитики видят три вывода для позиционирования из этого.

Первое, NVDA остаётся доминирующей позицией в ИИ-инфраструктуре — но профиль риска изменился. Шок от H20 — это реализация регуляторного риска, а не сигнал спроса. Спрос американских гиперскейлеров на Blackwell и архитектуры следующего поколения не пострадал. Убыток в Q2 реален; долгосрочная кривая спроса — нет.

Второе, пользовательский чип — это формирующийся структурный вызов NVDA, заслуживающий портфельного хеджирования. TPU 8 Google, MTIA Meta при развёртывании 500 единиц и недавно объявленное соглашение AMD на $60 млрд с Meta представляют собой связный сдвиг. Гиперскейлеры не отказываются от NVIDIA — они строят пользовательские альтернативы для инференс-нагрузок, где ценовая власть NVIDIA наиболее высока.

Третье, концентрационный риск в ИИ-акциях — это системный фактор, который большинство инвесторов недооценивает. Топ-6 компаний с экспозицией к ИИ в настоящее время составляют около 30% веса S&P 500. Этот уровень концентрации исторически аномален. Инвесторы, индексированные к S&P 500, уже сделали большую ставку на ИИ — понимают они это или нет.

Наш тезис для позиционирования на Q2 и Q3 2026: сохраняем базовую экспозицию к NVDA и гиперскейлерам, поскольку инфраструктурный цикл работает ещё годами. Добавляем избирательную экспозицию к энергетической инфраструктуре — коммунальным предприятиям с экспозицией к центрам обработки данных и производителям оборудования для передачи электроэнергии, где дефицит 7 ГВт создаёт устойчивый сигнал спроса. Следим за AMD как наиболее достоверным краткосрочным бенефициаром контрактов на пользовательские чипы.

$725 млрд — это не ошибка. Это ставка на то, что электрический момент для ИИ наступит — и что компании, владеющие сетью в этот момент, соберут прибыль. Разрыв производительности в 90% — не свидетельство против этой ставки. Это свидетельство того, что мы находимся в ранней фазе цикла внедрения, который история говорит нам занимает десятилетие.