В новом выпуске финансового подкаста Excess Returns аналитик и основатель фонда Sparkline Capital Кай Ву представляет масштабное исследование текущего бума искусственного интеллекта сквозь призму исторического опыта. Он ставит под сомнение оправданность перетока колоссальных капиталов в узкий сегмент создателей ИИ-инфраструктуры и объясняет, почему пассивные инвесторы в индекс S&P 500 оказались заложниками одной гигантской технологической ставки. По его мнению, реальную выгоду от революции получат не производители чипов, а компании традиционной экономики, сумевшие интегрировать ИИ в свои повседневные процессы.
🚀 Инфраструктурный бум ИИ: пузырь или реальный сдвиг производительности? 2:48
Дискуссия вокруг того, является ли бум искусственного интеллекта очередным спекулятивным пузырем, часто упирается в полярные мнения. Кай Ву предлагает начать анализ с концептуального ориентира, который озвучил генеральный директор Microsoft Сатья Наделла на экономическом форуме в Давосе . Наделла сформулировал четкое условие: чтобы ИИ не превратился в классический финансовый пузырь, экономический эффект от его внедрения должен распределяться максимально равномерно по всей экономике, а не замыкаться исключительно на капитальных расходах (capex) нескольких технологических гигантов .
Если через десять лет единственным результатом бума останутся взаимные инвестиции внутри узкой экосистемы (когда Nvidia поставляет чипы OpenAI, которая, в свою очередь, финансирует Microsoft), то, по мнению Наделлы, это будет классический пузырь . Однако сам глава Microsoft выражает уверенность в том, что технология быстро диффундирует в другие отрасли, повышая общую производительность труда и создавая добавленную стоимость во всем мире .
Кай Ву, опираясь на свое исследование «Выживание в буме капитальных затрат на ИИ» (Surviving the AI capex boom), подходит к этому вопросу более прагматично . Финансовый аналитик утверждает, что ключевой вопрос на триллион долларов заключается в следующем: увидят ли компании реальную, измеримую отдачу от инвестиций (ROI) в ИИ ? Если пилотные проекты не принесут прибыли, бизнес начнет массово сворачивать бюджеты, что неизбежно приведет к кризису перепроизводства инфраструктуры и схлопыванию рынка .
📈 Пять стадий технологической диффузии: где мы находимся сейчас? 6:17
Для оценки текущего положения дел Кай Ву адаптировал классическую модель диффузии инноваций Эверетта Роджерса (S-кривую) к реалиям ИИ-индустрии . Согласно этой концепции, любая прорывная технология проходит пять ключевых фаз:
- Инфраструктурная фаза (Infrastructure stage). Период строительства «рельсов» технологии — прокладки кабелей, возведения дата-центров и массовой закупки графических процессоров (GPU) .
- Раннее внедрение (Early adoption). Первые коммерческие запуски и интеграция технологии технологическими лидерами.
- Раннее большинство (Early majority). Массовый приток компаний, стремящихся не отстать от тренда.
- Позднее большинство (Late majority). Внедрение технологии консервативными участниками рынка под давлением конкуренции.
- Отстающие (Laggards). Финальная стадия насыщения рынка, когда технологию осваивают самые негибкие структуры .
Исторически на долю инноваторов и строителей инфраструктуры (таких как Nvidia, Microsoft или Alphabet) приходится лишь около 2,5% рынка . Еще 13,5% составляют ранние последователи, в то время как остальные 85% — это отстающие компании . По данным Бюро переписи населения США, в настоящее время лишь около 10% американских предприятий используют ИИ в реальном производстве . Это указывает на то, что экономика находится в самом начале фазы раннего внедрения.
По мнению Кая Ву, за последний год рыночные настроения существенно изменились . Если раньше инвесторов волновало только то, сможет ли Nvidia произвести достаточно чипов и удастся ли построить гигантские дата-центры, то теперь ключевой вопрос сместился в сторону конечного спроса .
В качестве примера смены рыночных настроений Ву приводит динамику акций Oracle . Летом прошлого года новость о крупной сделке с OpenAI спровоцировала взрывной рост котировок, однако затем последовала коррекция, отражающая растущий скептицизм инвесторов относительно того, принесут ли эти вложения реальную прибыль . Исторический опыт показывает, что на ранних этапах инфраструктурные компании всегда опережают рынок, но со временем лидерство неизбежно переходит к тем, кто эту инфраструктуру эффективно использует .
🔍 Систематический анализ ИИ-отдачи: методология Sparkline Capital 10:10
Главная проблема большинства аналитических отчетов о пользе ИИ, по мнению Кая Ву, заключается в методологии. Многие громкие заявления (например, широко цитируемое исследование под эгидой MIT о том, что 95% пилотных проектов в сфере ИИ терпят неудачу) строятся на опросах узкого круга топ-менеджеров . Такие выборки нерепрезентативны и страдают от субъективности респондентов .
Чтобы получить объективную картину, Sparkline Capital применила алгоритмы машинного обучения и языковые модели (LLM) для анализа стенограмм квартальных отчетов (earnings calls) тысяч публичных компаний . Учитывая, что руководители корпораций склонны к «ИИ-вывескам» (AI washing) ради искусственного завышения стоимости акций, исследователи разработали строгую трехступенчатую классификацию упоминаний технологии :
- Простые упоминания (AI Mentions). Базовый уровень, фиксирующий сам факт обсуждения ИИ на звонке.
- Подтвержденный экономический эффект (Economic Gains). Случаи, когда руководство приводит конкретные количественные показатели улучшения выручки, снижения затрат, роста производительности или маржинальности благодаря ИИ (например, сокращение штата поддержки на 20% при сохранении объема обрабатываемых запросов) .
- Подтвержденный возврат на инвестиции (AI ROI). Самый жесткий критерий, при котором компания не просто заявляет о росте доходов, но и сопоставляет этот рост с затратами на разработку и внедрение ИИ-системы . Кай Ву подчеркивает: генерация $20 млн дополнительной выручки теряет смысл, если на создание системы было потрачено $100 млн .
🏢 Экономические эффекты ИИ на практике: от Estee Lauder до Public Storage 13:41
Анализ стенограмм Sparkline Capital показал, что реальные экономические выгоды от ИИ выходят далеко за пределы Кремниевой долины . В отчетах компаний из самых разных секторов экономики фигурируют конкретные цифры:
- Estee Lauder зафиксировала рост возврата на инвестиции (ROI) от своих медиакампаний в Северной Америке на 31% .
- United Healthcare и Phillips сообщили о сокращении затрат на клиентскую поддержку на 80% благодаря внедрению ИИ-агентов .
- Ритейлер Target сократил время, необходимое роботам для сборки заказов на складах, более чем на 45%.
- Складской оператор Public Storage (инвестиционный траст недвижимости, REIT) снизил затраты на рабочую силу более чем на 30% и одновременно уменьшил текучесть кадров благодаря оптимизации рабочих смен алгоритмами ИИ .
- Оборонный гигант RTX использует ИИ для оптимизации проектирования и сборки ракетных систем.
- Логистический оператор C.H. Robinson ускорил процесс расчета коммерческих предложений клиентам, что позволило выигрывать больше тендеров .
- Фармацевтический гигант Pfizer нацелен сэкономить до $500 млн на научно-исследовательских работах (R&D) за счет интеграции ИИ-решений .
С точки зрения структуры заявляемых эффектов, наибольшую долю занимают три направления: рост выручки (Revenue growth), повышение производительности сотрудников (Productivity gains) и прямое сокращение издержек/автоматизация (Cost savings) .
Статистика Sparkline Capital подтверждает позитивный тренд: доля компаний, которые не просто упоминают ИИ, а отчитываются о конкретных экономических результатах, выросла с 10% до 32% от общего числа говорящих об ИИ за последнее время . Доля тех, кто заявляет о положительном ROI, выросла с нулевых значений до 7% .
📊 Как ИИ-зрелость влияет на доходность и оценку акций 19:42
Анализ Sparkline Capital выявил четкую закономерность между глубиной интеграции ИИ и рыночной доходностью акций . Исторический бэктест показывает следующие результаты:
- Компании, которые просто активно говорят об ИИ в своих отчетах и документах формы 10-K, опережают широкий рынок в среднем на 3,2% в годовом исчислении .
- Компании, способные подтвердить экономический эффект от ИИ конкретными цифрами, демонстрируют избыточную доходность (excess return) в размере 4,8% годовых .
- Лидеры, декларирующие четкие показатели окупаемости инвестиций (ROI), показывают опережение рынка на 5,2% в год .
Данная закономерность сохраняется даже при исключении технологического сектора из выборки, что подтверждает ее универсальность для традиционной экономики.
С точки зрения отраслевого распределения, лидерами по внедрению ИИ остаются разработчики ПО, производители полупроводников, медиакомпании и финансовый сектор . В то же время аналитики Sparkline Capital выявили неожиданных аутсайдеров. Региональные банки и фармацевтические компании демонстрируют крайне низкий уровень реальной интеграции ИИ, несмотря на огромный теоретический потенциал автоматизации в этих сферах . Кай Ву предполагает, что главной причиной этого отставания является жесткое регуляторное давление в данных секторах .
Внутри каждой отрасли наблюдается выраженный «длинный хвост»: около 85% компаний практически ничего не делают в сфере ИИ, в то время как оставшиеся 15% пионеров активно забирают рыночную долю и повышают свою эффективность .
Комментируя недавний масштабный обвал акций поставщиков программного обеспечения по модели SaaS (который в прессе окрестили «бойней софта»), Кай Ву отмечает, что это движение рынка фундаментально оправдано . Доступность и удешевление написания кода с помощью ИИ лишают многие SAS-компании их технологического преимущества . Однако внутри сектора будет наблюдаться сильное расхождение. Системы учета (systems of record), владеющие уникальными историческими данными клиентов, окажутся гораздо более устойчивыми к автоматизации, чем простые интерфейсные надстройки (wrappers) .
⚖️ Инфраструктура, ранние последователи и аутсайдеры: дисбаланс рынка 25:56
Для более точного позиционирования активов Sparkline Capital разделяет весь рынок на три группы:
- Инфраструктура (Infrastructure). Компании, поставляющие вычислительные мощности, чипы, системы хранения данных и базовые модели (Nvidia, ASML, Oracle, Microsoft, OpenAI, Anthropic) .
- Ранние последователи (Early Adopters). Представители реального сектора, которые активно и успешно внедряют ИИ для оптимизации собственного бизнеса.
- Отстающие (Laggards). Компании, игнорирующие технологический сдвиг .
На долю отстающих приходится около 80% фондового рынка, а инфраструктурные компании и ранние последователи делят оставшиеся 20% примерно поровну .
Анализ финансовых мультипликаторов выявляет глубокий рыночный парадокс (Exhibit 13). Наблюдается полное отсутствие статистической связи между объемами инвестиций компаний реального сектора в ИИ и их рыночной оценкой . Другими словами, инвесторы оценивают «ранних последователей» и «отстающих» по одинаково низким мультипликаторам, полностью игнорируя тот факт, что первые уже сегодня создают технологический задел на 3–5 лет вперед .
В то же время сектор инфраструктуры переоценен чрезвычайно высоко. Если в 2015 году инфраструктурные ИИ-компании торговались с небольшой премией к рынку в 20–25%, то сегодня эта премия превышает 75% . Инвесторы закладывают в оценку производителей чипов бесконечный рост спроса, игнорируя риски перепроизводства.
🏛️ Исторические параллели: железные дороги, оптоволокно и субсидирование потребителей 38:49
Кай Ву призывает извлечь уроки из прошлых инфраструктурных бумов. Во время железнодорожной лихорадки 1860-х годов в США сотни компаний привлекали капиталы для строительства путей . В итоге почти все строители железных дорог обанкротились из-за избыточных мощностей и ценовых войн, а вся колоссальная экономическая выгода от сокращения времени перевозок досталась потребителям и торговым компаниям, отправлявшим грузы .
Аналогичный сценарий реализовался во время пузыря доткомов в конце 1990-х. Телекоммуникационные гиганты привлекли триллионы долларов и проложили миллионы километров оптоволоконного кабеля . В результате перепроизводства 85% мощностей остались невостребованными, цены на передачу данных упали на 90%, а телекоммуникационный индекс обвалился на 95%, так и не восстановившись до прежних пиков .
Однако именно эта дешевая инфраструктура создала условия для появления таких гигантов, как Meta, Alphabet и Netflix, которые забрали себе всю экономическую ренту . По мнению Ву, инвесторы в ИИ-инфраструктуру сегодня фактически субсидируют будущих пользователей этих технологий .
Финансовый аналитик спорит с популярным аргументом о том, что «в этот раз все иначе», поскольку ИИ — это не просто кабель или рельсы, а «встроенный интеллект» . По его мнению, базовый сценарий предполагает, что ИИ останется мощным, но вполне стандартным инструментом повышения производительности (как в свое время калькулятор или таблицы Excel), а не приведет к созданию сверхизобильного общества с безусловным базовым доходом под управлением сверхразума .
Риск избыточных мощностей нарастает. Заявления руководства Nvidia о неограниченном спросе напоминают Ву риторику телекомов в 1999 году . Проекты строительства дата-центров еще на $5 трлн уже запущены , но если конечные пользователи не увидят от них финансовой отдачи, они начнут массово отменять заказы . Показательно, что у феноменально растущего ChatGPT лишь 5% пользователей приобретают платную подписку, остальные пользуются продуктом бесплатно .
Кроме того, технологический ров (moat) создателей базовых моделей стремительно размывается . Если в конце 2022 года OpenAI обладала фактической монополией благодаря GPT-3.5, то сегодня на рынке наблюдается жесткая конкуренция . Модели Gemini от Google и Claude от Anthropic не уступают лидеру, а появление эффективных открытых моделей (таких как китайская DeepSeek от квантового хедж-фонда) превращает ИИ-модели в коммодити, лишая создателей ценовой силы .
🎯 Индексный тупик: как S&P 500 превратился в скрытую ставку на ИИ 48:21
Главный вывод исследования Sparkline Capital имеет критическое значение для пассивных инвесторов. Покупая индекс S&P 500, люди полагают, что приобретают диверсифицированный портфель американской экономики. Однако из-за высокой капитализации технологических гигантов вес «Великолепной семерки» достиг 33%, а с учетом всех сопутствующих инфраструктурных компаний совокупная доля ИИ-инфраструктуры в S&P 500 составляет беспрецедентные 46% .
Таким образом, почти половина пенсионных накоплений рядовых американцев оказалась вложена в одну узкую и крайне рискованную технологическую ставку на устойчивость капитальных затрат ИИ .
Попытки уйти от этого риска через стандартные альтернативные индексы приводят к другой крайности:
- В индексе стоимости Russell 1000 Value доля «отстающих» (laggards) составляет 44% .
- В равновзвешенном индексе S&P 500 Equal Weight отстающие занимают 52%.
- В международном индексе MSCI EAFE до половины портфеля (66%) приходится на компании, которые полностью игнорируют ИИ-революцию .
Кай Ву называет это ложным выбором. Инвестор вынужден либо брать на себя огромные инфраструктурные риски S&P 500, либо фактически открывать короткую позицию по научно-техническому прогрессу, покупая индекс отстающих .
В качестве альтернативы Sparkline Capital предлагает концепцию «ИИ-доходности» (AI Yield), построенную по аналогии с дивидендной доходностью . Модель ищет компании с высокими показателями ИИ-интеллекта (число патентов, товарных знаков, доля профильных сотрудников в штате), но торгующиеся по разумным ценам .
Руководствуясь этим bottoms-up подходом, фонд ITAN сократил долю переоцененной инфраструктуры с 40% в 2021 году до 22% сегодня, перенаправив капитал в «ранних последователей» реального сектора (рост с 37% до 59%) . На международных рынках (через фонд DTAN) эта стратегия позволяет находить недооцененных лидеров внедрения в европейском здравоохранении, промышленности и потребительском секторе, где акции стоят значительно дешевле американских аналогов .
Кай Ву подчеркивает, что скорость изменения технологий требует от инвесторов постоянного практического тестирования продуктов . Недавний прорыв в кодинг-ассистентах, который произошел буквально за несколько месяцев, доказывает, что технологическая S-кривая продолжает круто изгибаться вверх, и победу в этой гонке одержат те, кто научится конвертировать новые инструменты в чистую прибыль .
