Письмо сооснователей Oaktree Capital: окупаемость триллионных инвестиций в ИИ зависит исключительно от веры, а передовые лаборатории сложнее всего прогнозировать

Автор: Говард Маркс, Oaktree Capital

Перевод: TechFlow

Вводная TechFlow: В условиях ажиотажной гонки за вычислительными мощностями ИИ и невиданных масштабирований капитальных расходов партнер-основатель Oaktree Capital Говард Маркс в своём новом меморандуме от 11 ноября выделил 11 ключевых вопросов, охватывающих «чёрный ящик» технологий, экономические преимущества и риски кредитного рычага, чтобы детально разобрать глубокие неопределённости, скрытые за этой трансформацией.

Сопоставляя оценку отраслевой предсказуемости от Claude, Говард Маркс отмечает, что наиболее сложно прогнозировать перспективы ведущих лабораторий, а вопрос о том, окупятся ли ежегодные затраты в размере $1 трлн, по-прежнему во многом зависит от веры. Несмотря на это, инвесторам необходимо сохранять скромность перед лицом неопределённости и оставаться активными участниками рынка.

Следует ли нам инвестировать в искусственный интеллект? И можем ли мы делать это грамотно? Именно этим вопросом я хочу заняться в данном меморандуме.

С одной стороны, у меня нет технологического бэкграунда, и я никоим образом не претендую на сверхчеловеческое понимание искусственного интеллекта (или инвестиций в технологии).

С другой стороны, ИИ — это величайшее достижение нашей эпохи и, возможно, одно из самых подрывных явлений в истории человечества, поэтому инвесторы просто не могут позволить себе оставаться в стороне.

Исходя из этого предварительного замечания, я поделюсь своими рассуждениями, соберу в одном месте вопросы, которые я сейчас тщательно обдумываю (далеко не все из них касаются инвестиций в ИИ напрямую), и приведу свои оценки.

Хотя ограниченность моих знаний не позволяет мне давать однозначные ответы, я надеюсь сгруппировать эти проблемы вместе, чтобы предоставить читателям определённую отправную точку.

Сейчас новостной фон вокруг ИИ оглушителен, а цены на ценные бумаги компаний, связанных с ИИ и смежными концепциями, подвержены резким колебаниям. Однако я не намерен ловить каждое краткосрочное движение, поскольку моя цель — обсудить долгосрочные перспективы ИИ, а не стоимость его акций завтра.

Инвестиции в конечном итоге сводятся к одному: распределение капитала для получения прибыли от будущих событий, и подавляющее большинство инвесторов использует для этого один инструмент — прогноз. Тем не менее, не всё одинаково предсказуемо, и не все пророки одинаково точны.

Поэтому, инвестируя в ИИ, опираясь на ожидания относительно будущего (а именно на это мы и должны положиться), мы одновременно должны учитывать две вещи: как, по нашему мнению, будет развиваться будущее, и какова вероятность того, что наши догадки окажутся верными.

Ранее я писал, что инвесторы, использующие подход «сверху вниз», должны быть правы одновременно в прогнозах макэкономической ситуации, отрасли, отдельной компании и рыночной динамики.

Предположим, что результаты независимы. Даже если ваша точность в каждом измерении составляет 60% (что уже довольно оптимистично), совокупная вероятность верной оценки всех четырёх факторов составит лишь 13% (0,6 в четвёртой степени).

В контексте ИИ количество ключевых переменных необычайно велико, и каждая из них усложняет решение о том, как инвестировать.

Инвесторам в ИИ необходимо хотя бы примерно правильно судить о траектории развития технологий, спросе на вычислительные мощности, конкурентной среде, распределении выгод от технологий, доступности финансирования и сроках реализации каждого из этих этапов.

На мой взгляд, оценка этих фундаментальных элементов представляет высочайшую трудность. Если это так, какова тогда совместная вероятность того, что все отдельные инвестиционные тезисы сойдутся? Когда будете читать дальше, имейте этот вопрос в уме.

Наконец, запомните три вещи: (a) мы не можем знать абсолютно всё ни об одной инвестиции; (b) самые крупные ошибки обычно совершаются именно тогда, когда люди считают, что знают всё; (c) неполнота знаний о будущем не является оправданием для полного бездействия.

Брать на себя риск ради получения прибыли — прямая обязанность инвестора, хотя объём риска и его форма определяются индивидуально. Учитывая огромный потенциал ИИ, мы не можем отказываться от участия только потому, что перспективы ещё неясны.

Вопрос 1: Как работает ИИ?

Прежде чем переходить к более специфическим деталям, я хотел бы начать с макроэкономического нефинансового вопроса, который сам по себе мне очень интересен. Поскольку я в нём совершенно не разбираюсь, я обратился к большой языковой модели Anthropic под названием Claude, и вот часть его ответа:

Мы практически полностью понимаем, как устроен ИИ и как он создаётся, но удивительно, что мы знаем крайне мало о том, как именно он достигает своих результатов...

Мы также знаем рецепт его обучения: показываем ему огромные массивы текста, просим предсказать следующее слово, и каждый раз, когда он ошибается, делаем микроскопические корректировки миллиардов внутренних параметров, повторяя этот процесс триллионы раз...

Никто никогда не писал чётких правил, обучающих его отвечать на вопросы. Эти правила естественным образом возникли в процессе настройки параметров и распределены среди миллиардов отдельных цифр, которые сами по себе лишены смысла.

Лучшее, что я могу сказать об этом: такие системы «вырастают», а не «разработаны». Исследователи в области «объяснимости» добиваются реального прогресса, например, обнаружив, что при создании рифмованных стихов модель сначала выбирает слова для рифмы, а затем пишет предыдущую строку, что свидетельствует о наличии способности к предварительному планированию.

Но пока учёные могут объяснить лишь небольшие фрагменты внутренней работы модели. Это похоже на то, как иметь полные записи каждой сделки на рынке, но всё равно не понимать, почему именно так колеблются цены...

Исследования показывают, что когда я объясняю, как пришёл к определённому ответу, моё объяснение зачастую не совпадает с реальным процессом вычислений внутри модели. Модель, которую спрашивают, как решить задачу сложения, может воспроизвести стандартные шаги из учебника, тогда как внутри она использует совершенно иной метод.

Таким образом, самое честное резюме таково: мы создали нечто, напоминающее человеческий мозг, мы можем досконально изучить каждую его деталь, но так и не смогли окончательно объяснить принципы работы. А когда она объясняет своё поведение, её надёжность вряд ли выше человеческого самообъяснения (интересно, что здесь Claude звучит как настоящий человек)...

Прежде чем вы попробуете ответить на следующие вопросы, задумайтесь над несколькими предварительными вопросами: действительно ли кто-то полностью понимает принцип работы ИИ? Как будет эволюционировать ИИ и какие возможности обретёт? Как пользователи будут применять его на практике и как это повлияет на их прибыльность?

Инвесторам未必 (возможно, не) нужно понимать все эти нюансы, но, насколько мне известно, немногие обладают глубоким пониманием этих проблем. Раз так, кто вообще способен дать надёжный ответ?

Вопрос 2: Что сможет делать ИИ в будущем?

Ключевое преимущество ИИ — постоянная эволюция. Лишь несколько лет назад общим описанием возможностей ИИ было следующее: запоминание всего произошедшего в прошлом, выявление исторических закономерностей, экстраполяция и выполнение задач на их основе.

Эти навыки уже вызвали радикальные изменения в таких областях, как программирование, и имеют потенциал трансформировать множество аспектов современной жизни. Однако сегодня ИИ давно вышел за эти рамки, перейдя в, возможно, справедливо называемую новую парадигму «рассуждений».

Даже это одно изменение порождает ряд захватывающих и одновременно пугающих дилемм. Реализация всего потенциала ИИ в значительной степени зависит от ответов на следующие вопросы:

• Можно ли настроить рабочий процесс ИИ таким образом, чтобы он отражал человеческие предпочтения, ценности и цели, или же он скорее начнет действовать согласно своим собственным приоритетам?
• Можем ли мы доверять ИИ, чтобы он был честным, скромным, моральным и преданным? Останется ли он объективным и точным, или легко поддастся внешнему влиянию и манипуляциям? Будет ли он честно признавать ошибки или отсутствие знаний? Приведет ли он независимые взвешенные возражения или же слепые лесть? Превратится ли он в угрозу для человечества, стремясь продвигать собственные интересы вместо наших?
• Каковы будут проявления ИИ в креативности, оригинальности, эстетике, субъективных оценках и интуиции? Сможет ли он освоить то, что я называю «мышлением второго порядка» (способностью мыслить в ином, более высоком измерении, чем массовый сознание), чтобы находить превосходные решения?
• Сможет ли он, как человек, мыслить о будущем, позволяя себе смелые творческие замыслы?
• Можно ли требовать от ИИ строго предоставлять первичные источники данных (а не полагаться только на вторичные публичные цитаты) и активно приводить контраргументы?
• Будет ли в будущем доминировать единая универсальная модель, или различные модели будут преуспевать в разных нишах? Если второе, как нам определить, какую именно использовать?
• Станет ли стандартом оценивания искусственный общий интеллект (AGI — способность выполнять любые задачи, доступные человеку)? Что именно подразумевается под AGI: (a) уровень среднего человека, (b) уровень топ-10% населения или (c) уровень самых умных людей мира? Другими словами, существуют ли уровни накопленных знаний ИИ, и есть ли вещи, которые он не знает?

Ответы на все эти вопросы напрямую определяют, каким именно работам люди в итоге доверят ИИ.

Вопрос 3: Кто конкретно извлечет выгоду?

Как отмечал Уоррен Баффетт в период пузыря доткомов, революционные технологии не обязательно принесут прибыль инвесторам. Мы знаем, что ИИ повысит эффективность, но повысит ли он прибыльность? Чью именно?

Если несколько моделей ИИ станут одинаково умными в конкретной области, превратятся ли их услуги в стандартизированный товар, конкурирующий исключительно ценовой войной? Если да, будут ли маржинальность и окупаемость инвестиций (ROI) постоянно сглаживаться, перенося экономические дивиденды больше на пользователей ИИ, чем на поставщиков технологий?

Если отрасль действительно пойдет по этому пути, что значит в итоге возвращаемость инвестиций на триллионы долларов, уже вложенные в инфраструктуру ИИ?

Или взглянем с другой стороны: некоторые ИИ-компании смогут приобрести уникальные возможности, закрепив монопольное положение и сделав свои продукты необходимыми для успеха и даже выживания корпораций? Если так, представьте, какая невероятная ценовая власть появится у них.

(Прямо сейчас такие гиганты производства чипов, как Nvidia и TSMC, получают щедрую прибыль, что лишь подтверждает огромную ценность прочных конкурентных барьеров.)

Напоследок по этой теме: я редко слышу обсуждения того, следует ли и как облагать налогами ИИ. Учитывая, что одно из наиболее вероятных последствий ИИ — замена человеческих сотрудников, а правительствам необходимо восполнить налоговые дыры от потерянных рабочих мест, почему стоит думать, что ИИ не будут облагать налогом так же, как людей?

Сегодня совокупные ставки для многих людей с высокими доходами достигают 50% и выше. В какую налоговую категорию попадут будущие ИИ?

Вопрос 4: Какой будет будущая конкурентная среда?

Сможем ли мы заранее узнать, какие именно компании в итоге победят? Насколько уверенны в этом прогнозе? Насколько широк «экономический ров» у сегодняшних отраслевых лидеров?

Возможно, самым поразительным свойством ИИ является скорость его стремительного развития.Эта мысль глубоко меня трогает: ныне всемирно известные ведущие лаборатории больших моделей OpenAI и Anthropic были совершенно неизвестны большинству из нас всего несколько лет назад.

Если в мире ИИ компания способна настолько стремительно выйти на первый план, способны ли они столь же быстро потерять позиции, уступив место другим, или хотя бы столкнуться с серьезной конкуренцией?

Если ответ да, стоит оценить колоссальные ресурсы и потенциал так называемых «гиперскейлеров»: Amazon, Microsoft, Alphabet, Meta и Oracle. Кто из этих существующих гигантов окажется последним? Или, возможно, компания, о которой мы даже не слышали, или даже та, что еще не создана?

Вспомните 20–25 лет назад: смогли ли тогдашние технологические гиганты сохранить лидерство сегодня? Microsoft, Amazon, Apple и Google стали победителями той эпохи, тогда как Napster, Yahoo и Netscape остались позади.

Удерживать лидерство на фоне быстро меняющихся технологий непросто. В сочетании с новизной ИИ и его невероятным темпом эволюции мы вправе спросить: «Какова вероятность того, что сегодняшние лидеры в сфере ИИ сохранят первые места через пять или десять лет?»

Если конкурентная среда, как мне тревожит, может измениться в любую минуту, сколько на самом деле стоят акции нынешних лидеров?

Вопрос 5: Насколько прибыльными могут стать эти компании?

Базовая логика стоимостных инвесторов заключается в оценке будущей прибыли или денежного потока компании, приведении её к текущей стоимости и сравнении с текущей ценой акций. Для прогнозирования будущей прибыли нам нужно ответить на следующие вопросы:

• Сколько единиц продукции продаст эта компания?
• Какой будет цена за единицу?
• Каковы будут производственные затраты на единицу?
• Какую долю полученной прибыли придется реинвестировать в разработку следующего поколения продуктов?
• Какую итоговую окупаемость инвестиций (ROI) сможет достичь эта компания?

Хотя ответы на эти вопросы для любого бизнеса сопряжены с неопределённостью, при их прогностике в сфере ИИ появляются дополнительные чрезвычайно сложные факторы:

• Какие возможности обретет её продукт и как клиенты внедрят его на практике?
• Превратится ли конечный продукт в стандартный товар с рыночным ценообразованием или станет незаменимой основой спроса?
• Каков фактический срок службы чипов и как быстро необходимо амортизировать расходы на центры обработки данных?
• Сколько еще продлится эта кампания беспрецедентных затрат в рамках соревновательной гонки?
• Достаточно ли будет прибыли в будущем, чтобы обеспечить достойную отдачу от нынешних крупных капитальных расходов (Capex)?

Память может меняться, но я искренне не помню, встречал ли я когда-либо в 1970-х годах при анализе конгломератов или в 1999–2000 годах при рассмотрении волны интернета и электронной коммерции неопределённость такого масштаба.

Тогда бизнес-модели, какими бы новыми и сложными они ни казались, по сравнению с сегодняшним ИИ выглядели простыми и понятными.

В связи с этим я задаюсь вопросом: сможем ли мы действительно точно спрогнозировать прибыль крупнейших облачных провайдеров и ведущих исследовательских лабораторий в 2030 году (не говоря уже о компаниях, которые сейчас поддерживаются почти исключительно воображением)? Нужно ли нам относительно точно прогнозировать прибыль, прежде чем принимать инвестиционное решение?

Даже если мы условно составим прогноз прибыли, насколько сильно мы можем доверять этим цифрам? А если мы принципиально не можем их рассчитать, как построить логику инвестирования в ИИ-компании?

Я часто применяю такой тест: скажите, какой EPS (прибыль на акцию) вы ожидаете у конкретной ИИ-компании через пять лет.Вы готовы поспорить, что фактический результат окажется в пределах ±50% от вашей прогнозной цифры?

(Для примера: если вы предполагаете, что EPS через пять лет составит $10, насколько вы уверены, что фактическая цифра окажется между $5 и $15?)

Вопрос 6: Какие перспективы у центров обработки данных?

С исторической точки зрения центры обработки данных служили цифровыми хранилищами для хранения данных, размещения компьютерных приложений и веб-сайтов. Сегодня термин «центр обработки данных» (или «ИИ-фабрика») означает производственную площадку для создания ИИ.

Подобно автомобильным заводам, центры обработки данных являются базой для производства ИИ, отвечая за хранение информации, обучение моделей и предоставление внешнего доступа к вычислительным мощностям (так называемому compute).

Центры обработки данных несомненно являются фундаментальной основой развития ИИ. Однако их строительство и связанное с этим предложение вычислительных мощностей сталкиваются с многочисленными ограничениями на физическом уровне и в других аспектах.

Несмотря на внушительные перспективы ИИ, часть инвесторов, вероятно, предпочтет участвовать в этом рынке более осмотрительным образом. Это заставляет их обращать внимание на физическую инфраструктуру, а не на прямых разработчиков и поставщиков новых технологий, что аналогично продаже лопат и кирок шахтерам во время золотой лихорадки, вместо того чтобы гадать, кто именно найдет жилу.

Теоретически такая стратегия снижает важность угадывания окончательного победителя, поскольку независимо от того, кто выиграет, всем потребуется поддержка базовой инфраструктуры. Текущий дефицит вычислительных мощностей дополнительно повышает инвестиционную привлекательность центров обработки данных.

Тем не менее, инвесторам при размещении средств в центры обработки данных необходимо тщательно учитывать целый ряд ключевых факторов:

• При упоминании «инфраструктуры» в головах сразу возникает устойчивый образ бетона и стали, что делает центры обработки данных выглядеть самым безопасным вариантом инвестирования в ИИ. Однако сама постройка (так называемый корпус Shell) составляет лишь малую часть общих затрат; главную статью расходов формируют чипы или GPU, а риски закупок и технологического устаревания обычно несет арендатор центра, а не владелец.
• Разработчикам проектов необходимо искать и приобретать обширные земельные участки, преодолевать многочисленные регуляторные барьеры и противодействие местных жителей, выступающих против строительства объектов в своем районе.
• Необходимо наличие готовой оптоволоконной сети для обеспечения бесперебойного подключения клиентов на этапе инференса.
• Застройщики центров обработки данных также сталкиваются с потенциальными узкими местами в снабжении электроэнергией, системами охлаждения и строительными услугами.
• Ограниченная доступность финансирования для проектов центров обработки данных может замедлить общие темпы строительства, а будущая стоимость привлечения средств внезапно превысит рыночные ожидания.

Интересно, что указанные потенциальные узкие места, хотя и добавляют сложностей застройщикам, желающих построить ЦОД, и ограничивают их экспансию, имеют и обратную сторону.

Любое ограничение скорости предложения вычислительных мощностей (например, сигналы, посланные недавней серией запретов на строительство новых ЦОД) напротив, должно сделать существующие и в будущем одобренные объекты более рентабельными, повысив их стоимость.

Ключевой момент заключается в том, что центры обработки данных — это вовсе не гарантированный заработок. Рассудительные инвесторы должны искать те возможности, которые эффективно изолируют от описанных неопределённостей и защищены от избыточного строительства и дисбаланса предложений и спроса на вычислительные мощности.

Как и во всех сегментах инвестиций, в секторе ЦОД найдутся как победители, так и проигравшие. Учитывая уникальную логику функционирования индустрии ИИ, я считаю, что разрыв между успехом одних и неудачей других может быть даже более значительным, чем в традиционных отраслях инфраструктуры.

Вопрос 7: Не стоит ли опасаться чрезмерной зависимости рынка от этой отрасли?

Сегодня ИИ занимает непропорционально большую долю в всей инвестиционной среде, что создает вызовы не только для инвесторов в ИИ, но и вводит существенную степень неопределённости для всех участников рынка и всей экономики:

• Отрасль ИИ составляет небольшую долю ВВП США, однако приносит непропорционально высокий вклад в экономический рост.
• Вклад ИИ в рост ВВП в настоящее время исходит почти полностью от капитальных расходов, сконцентрированных на строительстве ЦОД. Инвестиции в эти объекты стремительно растут, в то время как строительные инвестиции в других секторах США сокращаются.
• К 30 июня текущего года рост прибыли Magnificent 7, состоящей преимущественно из крупноклаудных провайдеров, опережал остальной индекс S&P 500 на протяжении 14 кварталов подряд.
• Некоторые ИИ-компании получили рекордные нереализованные доходы благодаря портфельным вложениям в другие ИИ-компании, став главным двигателем роста общей прибыли S&P 500. По данным FactSet, только во втором квартале Alphabet и Amazon зафиксировали совокупный доход от инвестиций в долю участника на уровне $151 млрд, в основном благодаря долям в Anthropic и SpaceX (теперь объединённой с xAI).
• Влияние ИИ на совокупную прибыль общества не ограничивается рамками самой отрасли. Поставщики сопутствующих компонентов также демонстрируют блестящую отчетность; тем временем сотрудники ИИ-сектора и смежных отраслей тратят зарплаты на аренду жилья, покупку продуктов и автомобилей, не имеющих отношения к ИИ, что создает широкие волновые эффекты распространения.
• Вклад ИИ в рост американского рынка акций также крайне сосредоточен. По расчетам J.P. Morgan, с января 2024 года группа из 42 ИИ-компаний обеспечила около двух третей роста индекса S&P 500.
• Совокупность этих тенденций приводит к тому, что индекс S&P 500 сегодня невероятно сконцентрирован в руках нескольких ИИ- и технологических гигантов.

Главный вывод: двигатели, на которые в настоящее время опираются наша экономика и рынки капиталов, выглядят слишком узкими и недостаточно диверсифицированными. Риск-экспозиция к ИИ стала чрезвычайно сильной геологической разломной линией, пронизывающей портфели различных активов и способной доминировать во всех аспектах инвестиционной среды.

Любые негативные новости о сроке службы чипов, стратегическом пересмотре корпораций или реальной потребности в вычислительных мощностях могут вызвать далеко идущие каскадные реакции.

Безусловно, чрезмерная зависимость от одного сектора делает экономику и фондовый рынок более уязвимыми по сравнению с распределенной структурой.

В 1977–1978 годах Майкл Милкен новаторски стимулировал выпуск необеспеченных облигаций (доходных облигаций), установив в инвестиционном сообществе консенсус: рынок готов принимать риски, если потенциальная компенсация достаточно высока.

Его основная теория базировалась на двух фундаментах: (a) возмещение убытков от дефолта отдельных облигаций за счет более высокой купонной доходности; (b)достаточная диверсификация портфеля, гарантирующая, что единичные дефолты не обрушат общую производительность.

Однако в сегодняшних условиях как фондовый, так и долговой рынки сделали огромную ставку на одну ключевую переменную: удастся ли ИИ добиться успеха.

Вопрос 8: Что это значит для кредитного рынка?

По данным Goldman Sachs, в этом году объём выпуска облигаций, связанных с ИИ, в глобальном масштабе приблизился к $600 млрд, охватывая займы крупноклаудных провайдеров, финансирование проектов ЦОД и другие связанные с ИИ заемщики.

Из них около $400 млрд поступило на рынок инвестиционного уровня (IG) США, составив более пятой части общего объема выпуска в тот же период, увеличив вес ИИ-облигаций в индексе Bloomberg US Investment Grade Corporate Bond Index примерно до 12%.

На рынке высокодоходных облигаций США, куда крупноклаудные провайдеры не выходят с прямыми выпусками, доля ИИ-облигаций тоже достигла около 6%. Очевидно, эмиссия ИИ-долга стала одним из важнейших событий на рынках капитала в этом году.

Глядя вперед, индустрия ИИ, вероятно, будет нуждаться в новых инвестициях на уровне около $1 трлн ежегодно в течение некоторого времени, из которых сотни миллиардов долларов будут продолжать привлекаться через выпуск облигаций.

Какое влияние окажет столь масштабная потребность в долговом финансировании на уровни процентных ставок?

Поскольку расширение производственных мощностей вычислительных устройств и разработка новых продуктов стали вопросом выживания для крупноклаудных провайдеров и ведущих лабораторий, а они не желают упускать конкурентов, эти компании едва ли смогут замедлить инвестиции в ИИ, даже если ставки окажутся выше ожидаемых.

Это означает, что даже при жесткости кредитных условий и росте стоимости заимствований они неизбежно будут вынуждены выступать пассивными ценополучателями денег.

Раньше экономисты часто обсуждали эффект вытеснения, при котором масштабное госдолговое финансирование затрудняет привлечение кредитов для частного сектора.

Но сейчас ситуация выглядит противоположной: бесчувственные к ставкам крупноклаудные провайдеры, готовые платить любую цену за заимствования, создают такой объем спроса, который наоборот может подтолкнуть вверх ставки по государственным займам. Разве наблюдаемый нами рост ставок не частично вызван этим?

Аналогично, способна ли фондовая экономика ежегодно предоставлять сотни миллиардов долларов дополнительных новых капиталов помимо собственных денежных потоков компаний? В восемь из последних десяти годов общий объем сборов на традиционном рынке IPO в США составлял менее $50 млрд (лишь в 2020 году близко к $80 млрд, а в период бума 2021 года достиг $140 млрд).

Я подозреваю, что общий объем доступных новых капиталов в любом случае ограничен; следовательно, прожорливый спрос ИИ на долговые и equity-средства неизбежно начинает конкурировать в одном и том же пуле ликвидности.

Когда-то высокоприбыльные основные не-IИ бизнесы крупноклаудных провайдеров непрерывно генерировали огромные свободные денежные потоки, обеспечивая им почти нулевую задолженность, щедрую наличность и высшие кредитные рейтинги.

Но времена изменились. Сейчас эти гиганты не только стремительно расходуют запасы наличности и операционные денежные потоки, но и наращивают долги. Несмотря на то, что сегодня благодаря сильным инвестиционным рейтингам им всё ещё легко финансировать экспансию в ИИ, изменится ли их кредитное качество или сам рейтинг по мере затягивания этой дорогостоящей гонки?

Что это может означать для кредиторов, которые сегодня щедро дают деньги под высокий рейтинг, а затем видят, как должник наращивает leverage?

Сегодня часть финансирования ЦОД реализуется за счет кредитных гарантий крупных облачных провайдеров-арендаторов, часть долга обеспечена залогами самих чипов.

Однако инвесторы должны проявлять высокую осторожность к скрытым разрывным условиям в контрактах аренды некоторых ЦОД, позволяющим арендаторам или поручителям освобождаться от обязательств при определенных условиях (например, если надежность объекта не достигает 99,9%); а также избегать потенциального несоответствия срока службы залоговых чипов и сроков погашения долга.

Посмотрим также на так называемые круговые транзакции в отрасли, когда компании напрямую финансируют клиентов для покупки их собственной продукции — какие здесь кроются риски?

Мы часто видим, как производители чипов, крупноклаудные провайдеры, передовые лаборатории и строители ЦОД кредитуют друг друга и совершают взаимосвязанные закупки. Иногда средства идут от A к B и возвращаются обратно к A; иногда от A к B, затем через финансирование передаются C, и наконец тратятся обратно у A.

Спросим себя: являются ли эти сделки нормальным обменом на основе справедливых коммерческих принципов, или это косвенные субсидии со стороны поставщиков для поддержки спроса и защиты доли рынка? Какую системную опасность таит в себе такая тесно взаимосвязанная экосистема?

Более того, как финансовые схемы с использованием специальных целей (SPV), оставляющие долг за балансом, влияют на реальное кредитное состояние гигантов? Действительно ли материнская компания обеспечивает эту внелимитную задолженность или нет?

Наконец, каковы последствия масштабных заимствований в периоды горячих настроений вокруг захватывающих технологических прорывов? В конечном итоге, мы сталкиваемся с сочетанием следующих факторов:

• Чрезвычайно огромный спрос ИИ-компаний на заимствования;
• Особенно щедрая готовность инвесторов кредитовать ИИ из-за сильного возбуждения;
• Как упоминалось ранее, высокая концентрация ставок капитальных рынков на одном ИИ-секторе;
• Запутанные круговые транзакции между всеми участниками цепочки ИИ.

Институции, предоставляющие ИИ-сектору кредитование, входят в новую эру: долг высоко сконцентрирован в одном промышленном кластере, фундаментальные показатели отрасли мгновенно меняются, и критически важна реализация будущих доходов от продаж вычислительных мощностей.

Кредиторы должны сохранять феноменальную бдительность относительно кредитоспособности своих заемщиков, а также структуры сделок и договорных условий.

Вопрос 9: Насколько предсказуем ИИ? Можно ли вообще ответить на эти вопросы?

В прошлых меморандумах и моей книге Mastering the Market Cycle: Getting the Odds on Your Side я неоднократно писал: одного лишь наличия прогнозов недостаточно для тех, кто стремится подготовиться к будущему.

Помимо самого прогноза, вы должны оценить вероятность того, что ваш прогноз окажется верным. По моему мнению, учитывая чрезвычайную сложность самой технологии ИИ, беспрецедентный разрушительный характер и невероятные темпы эволюции, вероятность точных прогнозов в этой области аномально низка.

Я хотел количественно оценить предсказуемость ИИ, но опасался, что это выходит за рамки моих способностей. Поэтому я попросил Claude помочь, выставив оценку отрасли ИИ по шкале от 1 балла (полная неизвестность) до 10 баллов (полная предсказуемость).

Его ответ оказался крайне показательным. Оперируя упомянутыми ранее факторами неопределённости, Claude сделал следующее резюме (жирным шрифтом выделены мной):**

Моя общая оценка: предсказуемость всей отрасли ИИ составляет примерно 3 балла. Этот общий балл скрывает внутреннюю дифференциацию. Общее направление технологической эволюции прогнозируется относительно хорошо, получая 6–7 баллов: технология будет непрерывно совершенствоваться и проникать во все сектора экономики.

Но ключевые факторы, определяющие прибыль инвесторов, предсказать гораздо сложнее, получая лишь около 2 баллов: как быстро это происходит, каков итоговый объем прибыли и кому именно она достанется.

Я также попросил Claude отдельно оценить предсказуемость каждого сегмента цепочки создания ИИ и найти сравнимые отрасли в неколевых секторах, где он считает прогнозы сопоставимыми. Вот его собственные субъективные оценки:

Рис.: Сравнение основных показателей по сегментам ИИ, оценкам предсказуемости и сопоставимым отраслям

Больше всего меня удивило, что ведущие лаборатории набрали всего 2 балла, что по моей оценке почти означает практически неизвестно. На мой взгляд, это прекрасные компании с огромным лидерским преимуществом.

Однако оценка Claude была весьма холодной: Итог этого бизнеса близок к бинарной игре (победа или провал). Капитальные требования исключительно велики, цена за единицу мощности быстро падает, и ясно ли, существует ли устойчивое конкурентное преимущество?*

(С учетом того, что Claude принадлежит Anthropic, не кажется ли это ироничным?) Примечательно, что именно эти наименее определенные активы, по оценке Claude, часто получают завышенные премии при оценках в частном капитале.

OpenAI и Anthropic уже подали заявки на IPO, и то, как они будут оценены на открытом рынке и как поведут себя котировки после листинга, определенно стоит наблюдать.

Кроме того, не забывайте, что огромные прибыли от портфельных инвестиций, значительно поднявшие прибыль S&P 500 во втором квартале, в значительной степени прибыли именно из этого сегмента, названного самым непредсказуемым; насколько продолжительными останутся эти book-прибыли?

Что касается предсказуемости, я также хочу воспользоваться случаем затронуть геополитику, которая в контексте ИИ чаще всего обозначает фактор Китая. В настоящее время весь самый передовой чипсет производится в Тайване компанией TSMC, а правительство США ограничило экспорт новейших чипов на материковый Китай, что спровоцировало Пекин запустить чрезмерно дешевые модели больших языков с привлекательной стоимостью, бросая вызов продажам более мощных американских моделей.

Что произойдет с конкурентным преимуществом США, если этот расклад изменится? Смогут ли китайские автономные чипы однажды догнать или превзойти нынешних мировых лидеров?

Сможет ли материковый Китай в будущем блокировать или полностью перерезать поставки тайваньских чипов в США? Кроме того, не ослабит ли обеспокоенность геополитическими намерениями Китая решимость Америки устанавливать безопасные ограждения и регулирующие нормы для ИИ?

Очевидно, существует слишком много неизвестных инвесторам и непредсказуемых переменных в сфере ИИ.Главный вопрос сводится к следующему: какой риск вы готовы принять и в какой форме?

Цепочка создания ИИ включает множество звеньев, и, согласно оценке Claude, ее предсказуемость варьируется в огромном диапазоне: от полностью непрозрачных передовых лабораторий до дата-центров с прочными долгосрочными договорами аренды и поставщиков электроэнергии, чья предсказуемость в целом сопоставима с тяжелыми промышленными предприятиями и регулируемым коммунальным сектором.

Вопрос 10: Является ли ИИ пузырем?

Последние недели начали постепенно выходить на поверхность опасения, связанные со множеством вопросов, изложенных выше.

В макроинвестиционной среде появляется синергия нескольких отрицательных факторов, фокусируясь на липкости инфляции, федеральном бюджетном дефиците и госдолге, вызванном росте процентных ставок, и казалось бы зашедшем в тупик иранском кризисе. Сверху накладывается ряд специфических опасений по ИИ, например:

• Жесткая конкуренция со стороны новых моделей, функции которых упрощены, но цена дешевле, а также доступные низкой цене китайские большие модели и open-source модели, доступные бесплатно;
• Постоянное снижение стоимости за единицу token (единица расчета при использовании модели);
• Возможность замедления темпов потребления вычислительных мощностей;
• Раскрытие компаниями роста выручки, оказавшегося ниже ожиданий рынка;
• Тревога рынка по поводу высоких уровней leverage (кредитного плеча) некоторых предприятий и их сильной зависимости от будущих внешних источников финансирования.

Когда настроения хороши, сомнения часто встречаются улыбкой, но при малейшей колебании настроений эти вопросы становятся достаточно тяжелым грузом для инвесторов. Так мы вновь видим то, о чем я часто говорю: реальности колеблются между довольно неплохо и не впечатляет, но в голове инвесторов это часто мгновенно прыгает от совершенно идеально до абсолютно безнадежно.

Все проблемы, беспокоящие сегодня ИИ-инвесторов, на самом деле ничего нового; просто общее охлаждение макроинвестиционного климата оказалось достаточно сильным, чтобы эти старые страхи брожение и полностью омрачить настроения рынка.

Хотя эту тему уже бурно обсуждают круглый год (включая меня лично), люди снова и снова спрашивают: ИИ — это пузырь? Прежде всего, определим определение пузыря, которым я пользуюсь: иррациональный эйфорийный подъем, ведущий к безрассудным действиям, чрезмерным инвестициям и переоцененному входному билету.

Я полагаю, что для оценки пузыря ИИ (как и любой потенциальной пузырчатости вокруг технологических прорывов) следует рассмотреть минимум три измерения:Сильно ли hype (ажиотаж) вокруг технологии, ведущий к разочарованию? Достаточно ли scale (масштаб) капитала, вложенного в него, чтобы обречен на невозвратность разумной отдачи? Приняли ли инвесторы чрезмерный риск и заплатили за это слишком дорого?

Чтобы прийти к выводам по этим вопросам, во многом зависят ответы на вопросы выше. С момента публикации моего прошлого меморандума об ИИ в феврале, я чувствую, что следующие три оценки существенно не изменились:

• Я по-прежнему считаю, что сам ИИ непременно продемонстрирует мощь и окажет глубокое воздействие: от корпоративных операций, макродоэкономики до широко круга человеческой жизни, произойдут трансформации, которые мы сегодня даже не в состоянии вообразить. Следовательно, сама технология —绝非 (отнюдь не) mirage (мираж).
• Сегодня вокруг вопроса сколько именно revenues (выручки) должно быть создано в будущем, чтобы оправдать текущие гигантские capital expenditures (capital expenditures)? кипят ожесточенные дискуссии. Но пока мы не поймем, как именно ИИ будет внедряться и кто реально извлечет из этого прибыль, мы никак не можем assert, оправданно ли сегодня тратить деньги.
• А пока наше понимание не позволит нам reasonably (относительно разумно) просчитать будущие прибыли соответствующих компаний и рентабельность инфраструктуры, мы также не сможем оценить, fair (справедлива) ли текущая price (цена) покупок акций secondary market (вторичного рынка) или yields (доходности) предлагаемых облигаций.

Несмотря на myriad (множество) вопросов, окружающих ИИ (часть из которых я привел выше), ядро всех противоречий можно свести к одному сложному финальному вопросу:

Может ли ИИ предоставить пользователям достаточно большую practical value (практическую ценность), чтобы поддержать достаточный volume (объем) продаж вычислительных мощностей и sufficiently high pricing (достаточно высокую цену) на них, ultimately (в конечном итоге) обеспечивая desired return (желательную отдачу) на вложенные сегодня триллионы долларов (и кто именно получит эту отдачу)?**

Объединяя разговоры со мной и рядом senior (опытных) специалистов отрасли, я делаю вывод: глядя в настоящую точку времени, ответить на этот финальный вопрос во многом приходится на вере. Это напоминает слова американского экономиста и писателя Стюарта Чейса:

Для верящих никакие доказательства не нужны; для неверящих любые доказательства бесполезны.

Я ломал голову, не найдя более точного комментария, чтобы завершить все сомнения вокруг ИИ.

Вопрос 11: Как думать об инвестициях в ИИ?

На мой взгляд, искусственный интеллект — самая глубокая трансформация для инвесторов за, по крайней мере, целое поколение, и одновременно самая сложная для прогнозирования.Но инвесторам категорически не нужно отвергать проект и бежать прочь только потому, что он полон неопределённостей.

Правильный путь —绝非 (отнюдь не) паралич бездействия, а достижение двух вещей: (a) сохраняйте калибруемую скромность в выборе стратегии, аллокации позиций и принятия рисков; (b) будьте смелы в действиях, даже находясь в поле неопределенности.

Инвестирование в различные звенья цепочки ИИ требует ответа на совершенно разные задачи. Equity investor (акционер) передовой лаборатории, возможно, должен угадать одновременно скорость технологического прогресса, позиционирование, power定价 (ценообразование), future profitability (будущую прибыльность) и even даже valuation levels (уровни оценки).

Напротив, кредитор, финансирующий ЦОД на основе долгосрочного lease (арендного договора), может faced (столкнуться) с меньшим количеством переменных для угадывания, но dimensions (измерения), решающие успех и провал, совершенно иные: кредитоспособность арендатора, contractual clauses (договорные условия), обеспечение energy supply (энергоснабжением) и residual values (остаточная стоимость активов).

Таким образом, ключевой追问 (вопрос) состоит в следующем: Среди множества вопросов, какие именно я или мой институт действительно擅长 (компетентны) answering (отвечать)? И в каких областях lacking (не имея) deep expertise (глубокой экспертизы), я готов主动 (actively) брать на себя какую-то portion (часть) uncertainty (неопределённости)?**

При прочих равных условиях, если цена покупки инвестиции достаточно low (низова) по отношению к intrinsic value (внутренней стоимости), высокая степень неопределенности для инвестора абсолютно приемлема.

По крайней мере теоретически, если высоко рисковые сегменты с низкой оценкой предсказуемости от Claude priced (оценены) достаточно cheap (дешево), significantly (значительно) ниже, чем высоко предсказуемые сегменты, первые могут offer (предложить) лучшую risk-adjusted return (отношение риска и прибыли). In the end (в конечном итоге), мудрое инвестирование — это во многом искусство pricing (ценообразования).

Однако необходимо отметить, что применительно к треку ИИ описанные выше difficult (трудные) problems (проблемы) делают estimation (оценку) intrinsic value (внутренней стоимости) и determination (определение) cheapness (дешево ли это) аномально сложными.

Чтобы связать эти мысли воедино, я оставляю вам контрольный список вопросов, возможно помогающий при принятии инвестиционных решений. Следует отметить, что эти вопросы применимы ко всем инвестициям, а не только к ИИ:

• Сколько prerequisites (условий) должно выполниться simultaneously (одновременно), чтобы получить приемлемую отдачу?
• Если мои core assumptions (базовые предположения) окажутся ложными, каков maximum loss (максимальный убыток)?
• Из всех принимаемых рисков, какие именно compensated (оплачены) мне reasonable premium (разумной премией), а какие я взял blindfolded (вслепую) даром?
• How much optimism (сколько оптимизма) уже embedded (заложено) в текущей asset price (цене актива)?
• Как эта инвестиция изменит risk profile (профиль риска) моего общего портфеля? Она увеличивает мою existing exposure (существующую экспозицию) или serves (служит) для diversification/hedging (диверсификации/хеджирования)?

Старая пословица особенно подходит для инвестиций в ИИ: Существует два типа инвесторов, теряющих крупные деньги: те, кто ничего не понимают, и те, кто считает, что понимают всё. При подходе к ИИ я думаю, особенно важно прямо признать, что вы не omniscient (всезнающи).

В будущем ИИ несомненно приведет к бесконечным неожиданностям, но эти unexpected events (неожиданности)未必 (не всегда) будут unbearable (невыносимыми). Действительно стоит взвешивать это: какова вероятность disappointment (разочарования) от ИИ-инвестиции и какова вероятность того, что она exceeded expectations (превзошла ожидания)?

В заключение, позвольте мне закончить замечательной цитатой, случайно найденной недавно:

Существует мнение, что ближайшее будущее полно too many unknowns (многих неизвестных): разве не более prudently (осторожно) действовать, когда картина немного прояснится? Вы наверняка знакомы с той well-worn (протертой) cliché (клише): сохраняйте cash dry powder (сухой пороховой запас / резервы капитала), ждите устранения current uncertainties (текущих неопределенностей), затем действуйте.

Но прежде чем схватиться за эту psychological crutch (психологическую костыль), посмотрите прямо в two uncomfortable facts (два неудобных факта): future никогда не будет completely clear (полностью ясным); на фондовом рынке вы often (часто) платите extremely high price (чрезвычайно высокую цену) за ожидание unanimous bullish consensus (единодушного бычьего консенсуса). On the contrary, uncertainty is true friend (настоящий друг) long-term value buyers (инвесторов в длинную стоимость). (**Жирный шрифт — мой**)

Идеальное завершение меморандума об ИИ, не так ли?

Но кстати, эта цитата из my old files (моих старых файлов): это timeless wisdom (вечная мудрость) от Warren Buffett, опубликованная в журнале Forbes еще 6 августа 1979 года.

Я всегда с удовольствием оставляю final summary (финальное резюме) Воррену.

11 ноября 2026 года