# Кай Ву: «46% индекса S&P 500 — это гигантская и рискованная ставка на ИИ-инфраструктуру»

Источник: https://www.youtube.com/watch?v=6WeSAiimfk0
Канал: Excess Returns
Опубликовано: 10.02.2026

---

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?
[[JUMP:02:48]]

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 [03:01]. 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 [03:15]. 

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 [03:41]. 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 [04:31]. 

Кай Ву, опираясь на свое исследование «Выживание в буме капитальных затрат на ИИ» (Surviving the AI capex boom), подходит к этому вопросу более прагматично [05:10]. Финансовый аналитик утверждает, что ключевой вопрос на триллион долларов заключается в следующем: увидят ли компании реальную, измеримую отдачу от инвестиций (ROI) в ИИ [05:24]? Если пилотные проекты не принесут прибыли, бизнес начнет массово сворачивать бюджеты, что неизбежно приведет к кризису перепроизводства инфраструктуры и схлопыванию рынка [05:36].

## 📈 Пять стадий технологической диффузии: где мы находимся сейчас?
[[JUMP:06:17]]

Для оценки текущего положения дел Кай Ву адаптировал классическую модель диффузии инноваций Эверетта Роджерса (S-кривую) к реалиям ИИ-индустрии [06:30]. Согласно этой концепции, любая прорывная технология проходит пять ключевых фаз:

1.  **Инфраструктурная фаза (Infrastructure stage).** Период строительства «рельсов» технологии — прокладки кабелей, возведения дата-центров и массовой закупки графических процессоров (GPU) [06:42].
2.  **Раннее внедрение (Early adoption).** Первые коммерческие запуски и интеграция технологии технологическими лидерами.
3.  **Раннее большинство (Early majority).** Массовый приток компаний, стремящихся не отстать от тренда.
4.  **Позднее большинство (Late majority).** Внедрение технологии консервативными участниками рынка под давлением конкуренции.
5.  **Отстающие (Laggards).** Финальная стадия насыщения рынка, когда технологию осваивают самые негибкие структуры [06:57].

Исторически на долю инноваторов и строителей инфраструктуры (таких как Nvidia, Microsoft или Alphabet) приходится лишь около 2,5% рынка [07:23]. Еще 13,5% составляют ранние последователи, в то время как остальные 85% — это отстающие компании [07:35]. По данным Бюро переписи населения США, в настоящее время лишь около 10% американских предприятий используют ИИ в реальном производстве [07:48]. Это указывает на то, что экономика находится в самом начале фазы раннего внедрения.

По мнению Кая Ву, за последний год рыночные настроения существенно изменились [08:01]. 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 [08:14]. 

В качестве примера смены рыночных настроений Ву приводит динамику акций Oracle [08:51]. 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 [09:04]. 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 [09:32].

## 🔍 Систематический анализ ИИ-отдачи: методология Sparkline Capital
[[JUMP: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 [10:37]. Такие выборки нерепрезентативны и страдают от субъективности респондентов [10:50].

Чтобы получить объективную картину, Sparkline Capital применила алгоритмы машинного обучения и языковые модели (LLM) для анализа стенограмм квартальных отчетов (earnings calls) тысяч публичных компаний [11:16]. Учитывая, что руководители корпораций склонны к «ИИ-вывескам» (AI washing) ради искусственного завышения стоимости акций, исследователи разработали строгую трехступенчатую классификацию упоминаний технологии [11:41]:

*   **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) [12:07].
*   **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 [12:49]. Кай Ву подчеркивает: генерация $20 млн дополнительной выручки теряет смысл, если на создание системы было потрачено $100 млн [13:02].

## 🏢 Экономические эффекты ИИ на практике: от Estee Lauder до Public Storage
[[JUMP:13:41]]

Анализ стенограмм Sparkline Capital показал, что реальные экономические выгоды от ИИ выходят далеко за пределы Кремниевой долины [14:07]. 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% [14:20].
*   **United Healthcare** и **Phillips** сообщили о сокращении затрат на клиентскую поддержку на 80% благодаря внедрению ИИ-агентов [14:34].
*   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 [14:47].
*   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 [15:00].
*   Фармацевтический гигант **Pfizer** нацелен сэкономить до $500 млн на научно-исследовательских работах (R&D) за счет интеграции ИИ-решений [15:12].

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) [16:28]. 

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 [17:32]. Доля тех, кто заявляет о положительном ROI, выросла с нулевых значений до 7% [17:58].

## 📊 Как ИИ-зрелость влияет на доходность и оценку акций
[[JUMP:19:42]]

Анализ Sparkline Capital выявил четкую закономерность между глубиной интеграции ИИ и рыночной доходностью акций [19:55]. 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 [19:55].
*   Компании, способные подтвердить экономический эффект от ИИ конкретными цифрами, демонстрируют избыточную доходность (excess return) в размере **4,8%** годовых [20:08].
*   Лидеры, декларирующие четкие показатели окупаемости инвестиций (ROI), показывают опережение рынка на **5,2%** в год [20:08].

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 [20:51]. 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 [22:05]. Кай Ву предполагает, что главной причиной этого отставания является жесткое регуляторное давление в данных секторах [22:31].

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 [23:20]. 

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 [24:12]. Доступность и удешевление написания кода с помощью ИИ лишают многие SAS-компании их технологического преимущества [25:56]. 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) [25:03].

## ⚖️ Инфраструктура, ранние последователи и аутсайдеры: дисбаланс рынка
[[JUMP:25:56]]

Для более точного позиционирования активов Sparkline Capital разделяет весь рынок на три группы:

1.  **Инфраструктура (Infrastructure).** Компании, поставляющие вычислительные мощности, чипы, системы хранения данных и базовые модели (Nvidia, ASML, Oracle, Microsoft, OpenAI, Anthropic) [26:08].
2.  **Ранние последователи (Early Adopters).** Представители реального сектора, которые активно и успешно внедряют ИИ для оптимизации собственного бизнеса.
3.  **Отстающие (Laggards).** Компании, игнорирующие технологический сдвиг [26:49].

На долю отстающих приходится около 80% фондового рынка, а инфраструктурные компании и ранние последователи делят оставшиеся 20% примерно поровну [28:07]. 

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 [33:25]. 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 [33:38].

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% [37:03]. Инвесторы закладывают в оценку производителей чипов бесконечный рост спроса, игнорируя риски перепроизводства.

## 🏛️ Исторические параллели: железные дороги, оптоволокно и субсидирование потребителей
[[JUMP: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 [39:02]. 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 [39:14].

Аналогичный сценарий реализовался во время пузыря доткомов в конце 1990-х. Телекоммуникационные гиганты привлекли триллионы долларов и проложили миллионы километров оптоволоконного кабеля [39:28]. 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 [40:33]. 

Однако именно эта дешевая инфраструктура создала условия для появления таких гигантов, как Meta, Alphabet и Netflix, которые забрали себе всю экономическую ренту [39:53]. По мнению Ву, инвесторы в ИИ-инфраструктуру сегодня фактически субсидируют будущих пользователей этих технологий [39:02].

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» [41:24]. 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 [42:28].

Риск избыточных мощностей нарастает. Заявления руководства Nvidia о неограниченном спросе напоминают Ву риторику телекомов в 1999 году [43:08]. Проекты строительства дата-центров еще на $5 трлн уже запущены [43:48], но если конечные пользователи не увидят от них финансовой отдачи, они начнут массово отменять заказы [44:14]. Показательно, что у феноменально растущего ChatGPT лишь 5% пользователей приобретают платную подписку, остальные пользуются продуктом бесплатно [44:40].

Кроме того, технологический ров (moat) создателей базовых моделей стремительно размывается [45:05]. Если в конце 2022 года OpenAI обладала фактической монополией благодаря GPT-3.5, то сегодня на рынке наблюдается жесткая конкуренция [45:32]. 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 [47:16].

## 🎯 Индексный тупик: как S&P 500 превратился в скрытую ставку на ИИ
[[JUMP: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%** [48:58]. 

Таким образом, почти половина пенсионных накоплений рядовых американцев оказалась вложена в одну узкую и крайне рискованную технологическую ставку на устойчивость капитальных затрат ИИ [49:10]. 

Попытки уйти от этого риска через стандартные альтернативные индексы приводят к другой крайности:

*   В индексе стоимости Russell 1000 Value доля «отстающих» (laggards) составляет **44%** [49:49].
*   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 [50:01].

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 [50:14].

В качестве альтернативы Sparkline Capital предлагает концепцию «ИИ-доходности» (AI Yield), построенную по аналогии с дивидендной доходностью [54:36]. Модель ищет компании с высокими показателями ИИ-интеллекта (число патентов, товарных знаков, доля профильных сотрудников в штате), но торгующиеся по разумным ценам [55:03]. 

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%) [51:47]. 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 [58:17].

Кай Ву подчеркивает, что скорость изменения технологий требует от инвесторов постоянного практического тестирования продуктов [1:00:27]. 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 [1:01:06].