Расходы на ИИ-капитал децентрализуются: происходит вторая реконструкция технологической инфраструктуры.

2026 год — инвестиции в глобальную ИИ-инфраструктуру находятся на критическом структурном переломе.

За последние три года основное повествование гонки ИИ-вычислений было предельно однородным: гиперскейлеры (Hyperscaler) расширяли центры обработки данных и закупали GPU почти без оглядки на затраты, доводя капитальные расходы до исторических максимумов. В 2026 году совокупные капитальные расходы четырех крупных облачных провайдеров — Amazon, Microsoft, Google (Alphabet) и Meta — ожидаются на уровне 725 миллиардов долларов, что на 77% больше по сравнению с 410 миллиардами в 2025 году. Если включить NVIDIA, Apple, Tesla и других в категорию Magnificent Seven, эта цифра приблизится к 754,2 миллиарда долларов. Gartner прогнозирует, что в 2026 году общие мировые расходы на ИИ достигнут 2,59 триллиона долларов, увеличившись на 47% в годовом исчислении.

Однако масштаб сам по себе перестает быть единственным центром внимания. Происходит более глубокий сдвиг: капитальные расходы на ИИ переходят от высокой концентрации к распределению. DIGITIMES определяет ключевое слово 2026 года в технологиях как «распыление» — символ того, что рынок ИИ и цепочки поставок переживают двойную трансформацию децентрализации. Это не только географическое рассредоточение, но и полная реструктуризация субъектов инвестиций, технологических архитектур и отраслевых структур.

Конец концентрации: «счет» в 725 миллиардов долларов и тревога по поводу окупаемости

Чтобы понять отправную точку децентрализации, нужно сначала увидеть пик концентрации.

В 2026 году совокупные капитальные расходы четырех крупнейших гиперскейлеров оцениваются в 650–700 миллиардов долларов, что составляет около 40% от общих капитальных затрат индекса Russell 1000, что вдвое превышает уровень 2024 года. Конкретные цифры по каждой компании: Amazon — около 200 миллиардов долларов, Microsoft — 190 миллиардов долларов, Alphabet — от 175 до 185 миллиардов долларов, Meta — от 125 до 145 миллиардов долларов.

Скорость корректировки этих цифр сама по себе является важным сигналом. Всего за последние шесть месяцев рыночные ожидания капитальных расходов облачных провайдеров на 2026 год выросли почти на 80%. Barclays прогнозирует, что капитальные расходы крупных облачных провайдеров достигнут 919 миллиардов долларов в 2027 году и 1,16 триллиона долларов в 2028 году. CreditSights оценивает, что около 75% совокупных капитальных расходов гиперскейлеров в 2026 году будет направлено на ИИ-инфраструктуру, то есть около 450 миллиардов долларов целевых расходов на ИИ.

Но масштабное расширение концентрации сталкивается с вопросами о рентабельности. В июне 2026 года акции Microsoft упали почти на 20% за месяц, а рыночная капитализация сократилась почти на 1,3 триллиона долларов за последние восемь месяцев. В центре внимания инвесторов оказались капитальные расходы Microsoft на 2026 год в размере около 190 миллиардов долларов, из которых около двух третей направлено на краткосрочные активы, такие как GPU и CPU, которые амортизируются быстрее и напрямую привязаны к краткосрочной выручке. Валовая рентабельность Microsoft Cloud уже скорректирована до 64%, что на 4 процентных пункта ниже по сравнению с прошлым годом. В отчете Goldman Sachs от июня отмечается, что доля технологических инвестиций США в ВВП выросла примерно до 4,9%, превысив пик периода пузыря доткомов около 2000 года.

Предельная отдача от концентрированных инвестиций снижается, что обеспечивает наиболее прямой стимул для децентрализации.

Поворотный момент в инференсе: почему вычислительные мощности должны стать распределенными

Основополагающая логика децентрализации капитальных расходов на ИИ — это прежде всего изменение самой структуры спроса на вычислительные мощности.

Генеральный директор NVIDIA Дженсен Хуанг на GTC 2026 четко заявил, что объемы ИИ-инференса в десять миллиардов раз превысят объемы обучения, и эра инференса наступила в полной мере. IDC прогнозирует, что к 2027 году задачи инференса будут занимать более 70% общего спроса на интеллектуальные вычислительные мощности. Данные TrendForce более конкретны: в 2026 году темпы роста вычислительных мощностей для ИИ-инференса составят 122%, что значительно превышает 56% роста вычислительных мощностей для обучения.

Требования к инфраструктуре для обучения и инференса принципиально различаются. Обучение — это централизованная, высокоплотная и длительная вычислительная задача, которая естественным образом подходит для развертывания в гипермасштабных центрах обработки данных. Инференс — это распределенная, малозадержковая, высокопараллельная задача реального времени. Когда ИИ-агенту необходимо выполнить инференс и вернуть результат за десятки миллисекунд, физическая задержка передачи данных от периферийного устройства в централизованный ЦОД и обратно становится непреодолимым узким местом.

Архитекторы Akamai отмечают, что в игровых сценариях задержка первого токена должна быть менее 15 миллисекунд, в рекомендациях электронной коммерции — около 20 миллисекунд, а сетевая задержка между традиционным централизованным ЦОД и конечным пользователем, составляющая десятки миллисекунд, уже является непреодолимым узким местом для сценариев взаимодействия в реальном времени. При централизованном развертывании для вычислительной мощности в 1 ГВт требуется 75 Тбит/с исходящей пропускной способности (Blackwell), а для следующего поколения Vera Rubin — 135 Тбит/с. После распределения по 20 узлам на каждый узел потребуется всего 3,75 Тбит/с. Это арифметическая задача, продиктованная законами физики, а не выбор бизнес-стратегии.

В то же время мультимодальное взаимодействие порождает огромные объемы исходящего трафика, а высокие затраты на пропускную способность в публичных облаках становятся «скрытым убийцей» прибыльности ИИ-бизнеса. В сочетании с постоянно ужесточающимися законами о локализации данных, такими как GDPR в Европе, а также в Юго-Восточной Азии и на Ближнем Востоке, централизованное развертывание все чаще оказывается в ловушке, где невозможно одновременно обеспечить производительность, затраты и соответствие требованиям. Вычислительные мощности ИИ больше не сосредоточены только в ядерном облаке, а начинают эволюционировать в трехуровневую распределенную архитектуру «ядро — регион — периферия».

От большой четверки ко всей цепочке поставок: расширение круга участников капитальных расходов

Второе измерение децентрализации — это диверсификация субъектов инвестиций.

За последние три года инвестиции в ИИ-инфраструктуру практически полностью определялись четырьмя крупными облачными провайдерами и NVIDIA. Но в 2026 году эта картина меняется. По расчетам Zhongtai Securities, совокупные капитальные расходы MAG7 на ИИ в 2026 году составят около 754,2 миллиарда долларов, а местные капитальные расходы на ИИ в Китае — около 805,8 миллиарда юаней (примерно 110 миллиардов долларов). В сумме по двум направлениям вклад капитальных расходов на ИИ Китая и США в ВВП Китая в 2026 году составит около 1,0076 триллиона юаней, что эквивалентно 0,68% ВВП, а маржинальный вклад в рост ВВП — около 0,33 процентного пункта. Верхняя и нижняя части цепочки ИИ уже обогнали цепочку городских инвестиций и стали маржинальным драйвером роста ВВП.

Участие корпоративного сектора ускоряется. Последний опрос RBC показывает, что компании ускоряют внедрение ИИ, и большинство из них перешли от экспериментов к полноценному производству. Опрос по использованию ИИ японскими компаниями показывает, что 47,8% компаний достигли уровня «полноценного запуска» (本番稼働), а среди крупных компаний этот показатель составляет 62,7%. Хотя уровень внедрения среди малых и средних предприятий все еще ограничен (около 12% в Японии), показатель в 64,7% среди крупных компаний свидетельствует о том, что корпоративное развертывание ИИ перешло от проверки концепции к масштабированию.

Участие суверенных государств также нельзя игнорировать. Дженсен Хуанг на собрании акционеров в июне 2026 года (по пекинскому времени) сообщил, что почти 40 стран и регионов, представляющих в совокупности 50 триллионов долларов ВВП, строят ИИ-фабрики на базе инфраструктуры NVIDIA. Инвестиции в ИИ-инфраструктуру превращаются из «внутреннего дела технологических компаний» в «стратегическую конкуренцию на уровне государств».

Распределение капитальных расходов также отражается в структуре финансирования. Zhongtai Securities отмечает, что капитальные расходы американских ИИ-гигантов перешли в фазу, движимую долговым финансированием. Капитальные расходы гиперскейлеров больше не полностью зависят от свободного денежного потока, а используют долговое финансирование для увеличения рычагов. Это изменение модели финансирования означает, что устойчивость капитальных расходов больше не зависит исключительно от денежного потока отдельной компании, а связана с более широкими условиями на кредитном рынке.

Периферия — это передовая: реализация распределенной ИИ-инфраструктуры

Наиболее конкретное проявление тенденции децентрализации — в области периферийных вычислений.

В 2026 году периферийный ИИ переходит от концепции к масштабному развертыванию. «ИИ-сетка» (AI grid), совместно созданная Akamai и NVIDIA, уже внедрена, превращая глобальную сеть из более чем 4400 периферийных узлов в распределенную платформу для ИИ-инференса. Akamai трансформируется из ведущего мирового поставщика услуг облачного распределения контента в крупнейшую в мире распределенную платформу для ИИ-инференса, в настоящее время развертывая NVIDIA Blackwell RTX 6000 PRO GPU в глобальном масштабе.

Эта трансформация не единична. В июне 2026 года (по пекинскому времени) компания периферийного интеллекта Skyland IoT завершила раунд финансирования серии E на сумму более 1 миллиарда юаней, возглавляемый Китайским интернет-инвестиционным фондом. Компания также объявила о полном повышении статуса с «поставщика услуг периферийного интеллекта» до развертывания стратегии «сети реального времени для вычислений в реальном времени» в эпоху AGI. Antimatter получила 300 миллионов евро на развертывание первых 100 распределенных микроцентров обработки данных Policloud в 2026 году. NXP усиливает свой портфель периферийных ИИ-решений через приобретение Kinara, добавляя независимые NPU.

IDC прогнозирует, что к 2027 году более 80% предприятий будут развертывать распределенную периферийную инфраструктуру. Темпы строительства периферийной инфраструктуры превысят темпы строительства ядерных центров обработки данных. Это означает, что периферия перестает быть дополнением к облаку, а становится ключевым компонентом ИИ-инфраструктуры.

Бизнес-логика периферийного ИИ ясна: задачи инференса гораздо более чувствительны к задержке, чем задачи обучения, а периферийные узлы естественным образом расположены ближе к источникам данных и пользователям. Для предприятий периферийное развертывание также решает множество проблем, таких как соблюдение требований к данным (данные не покидают страну), стоимость пропускной способности (снижение передачи в облако) и надежность (локальное резервирование). Эти проблемы трудно решить одновременно в централизованной архитектуре, но они находят работоспособные решения в распределенной архитектуре.

Эра многоуровневой инфраструктуры: структурный сдвиг в инвестиционной логике

ИИ-инфраструктура переходит от «единой централизованной» к «многоуровневой распределенной» структуре. Этот сдвиг имеет глубокие последствия для инвестиционной логики.

Во-первых, меняется структура спроса на чипы. На стороне обучения по-прежнему доминируют GPU от NVIDIA — в 2026 финансовом году доход NVIDIA от центров обработки данных составил 193,7 миллиарда долларов, увеличившись на 68% в годовом исчислении. Но разнообразие потребностей в инференсе создает растущий рынок для ASIC и периферийных чипов. По оценкам, в 2026 году поставки ASIC-чипов составят около 7,7 миллиона единиц, что составит 45% доли, а в 2027 году они превысят долю GPU, достигнув 58%. Ожидается, что Broadcom займет около 60% рынка ASIC для вычислений на серверах ИИ к 2027 году.

Во-вторых, меняется географическое распределение инвестиций в инфраструктуру. Гипермасштабные центры обработки данных продолжают расширяться — совокупные глобальные инвестиции в центры обработки данных, как ожидается, достигнут 1,6 триллиона долларов к 2030 году, — но строительство периферийных узлов растет более быстрыми темпами. Вычислительные мощности ИИ больше не сосредоточены только в ядерном облаке, а распространяются на трехуровневую архитектуру «ядро — регион — периферия».

В-третьих, меняется период оценки окупаемости инвестиций. Период окупаемости централизованных центров обработки данных долгий, высокая капиталоемкость, требуется несколько лет для возврата затрат. В то время как периферийные развертывания ИИ обычно меньше по масштабу, имеют более короткие циклы и более тесно связаны с конкретными бизнес-сценариями, что позволяет более детально оценивать окупаемость. Это различие меняет логику оценки ИИ-инвестиций на рынке капитала — с «кто тратит больше всего» на «кто тратит наиболее эффективно».

Согласно данным Research and Markets, объем мирового рынка инфраструктуры искусственного интеллекта вырастет с 71,88 миллиарда долларов в 2025 году до 90,91 миллиарда долларов в 2026 году. Но эта цифра охватывает только узкий рынок аппаратного обеспечения инфраструктуры. Если включить корпоративные развертывания ИИ, периферийные вычисления, отраслевые решения и т. д., масштаб децентрализации капитальных расходов на ИИ значительно превышает эту цифру.

Риски и ограничения: децентрализация — это не легкий путь

Тенденция децентрализации капитальных расходов на ИИ ясна, но не лишена ограничений.

Узкие места на стороне предложения остаются острыми. Поставки серии продуктов Blackwell от NVIDIA находятся в напряженном состоянии, спрос превышает предложение в течение нескольких кварталов. Мощности ключевых компонентов, таких как HBM, уже заблокированы крупными клиентами до 2026 или даже 2027 года. Исследования Bernstein указывают, что только рост цен на HBM может увеличить общие капитальные расходы гиперскейлеров на ИИ примерно на 30%.

Энергетическая инфраструктура является еще одним ограничением. Энергопотребление ИИ-центров обработки данных приближается к пределу несущей способности существующих электросетей. Подключение централизованного кластера вычислительных мощностей в 1 ГВт к электросети само по себе является многолетним проектом. Хотя распределенная архитектура снижает энергопотребление на один узел, она предъявляет новые требования к возможностям распределенного подключения к электросети.

Геополитические риски также нельзя игнорировать. Экспортные ограничения США на передовые ИИ-чипы продолжают влиять на глобальные цепочки поставок. NVIDIA в своем финансовом отчете за первый квартал 2027 финансового года прямо исключила влияние доходов от китайского центра обработки данных. Хотя взаимное отражение капитальных расходов на ИИ между Китаем и США тесно, политическая неопределенность увеличивает издержки трения в цепочке поставок.

Наконец, терпение рынка капитала к окупаемости ИИ-инвестиций сужается. Goldman Sachs прямо указывает, что основное противоречие в цикле ИИ усиливается — фундаментальные показатели по-прежнему сильны, но рынок уже заложил слишком много будущих доходов. С ноября 2022 года рыночная капитализация компаний, связанных с ИИ, резко выросла на 27 триллионов долларов, что значительно превышает 9 триллионов долларов, рассчитанных по макроэкономическому базовому сценарию. Если децентрализованные инвестиции не смогут быстрее конвертироваться в доходы и прибыль, отношение рынка капитала может сместиться с «сомнения в масштабе» на «сомнения в логике».

Заключение

Децентрализация капитальных расходов на ИИ — это не отрицание централизации, а ее дополнение и расширение.

Обучение по-прежнему требует гипермасштабных центров обработки данных, инференс переходит на периферию; гиганты продолжают наращивать усилия, предприятия и суверенные государства входят в игру; GPU остаются основной силой обучения, ASIC и периферийные чипы открывают новый фронт. Это эра многоуровневой инфраструктуры — разные уровни выполняют разные функции, разные участники занимают разные ниши.

2026 год является ключевым узлом этого структурного сдвига. DIGITIMES прогнозирует, что темпы роста капитальных расходов на мировом рынке ИИ замедлятся с 66% в 2025 году до 31% в 2026 году, но замедление не означает стагнацию. Напротив, замедление темпов роста часто означает переход отрасли от «экстенсивного расширения» к «фазе тонкой настройки». ИИ-инфраструктура эволюционирует от концентрированного рынка «победитель получает все» к экосистеме «иерархического сотрудничества».

Для инвесторов понимание этого структурного изменения может быть более важным, чем отслеживание цифр капитальных расходов следующего квартала. Децентрализация капитальных расходов на ИИ перестраивает долгосрочную инвестиционную логику облачных вычислений, проектирования чипов, корпоративных ИТ-архитектур и даже национальной промышленной политики. Конечная точка этого изменения пока неизвестна, но его направление уже достаточно ясно.

FAQ

Q1: Каков ключевой драйвер децентрализации капитальных расходов на ИИ?

Взрывной рост спроса на инференс является ключевым драйвером. В 2026 году годовые темпы роста вычислительных мощностей для ИИ-инференса составили 122%, что значительно превышает 56% роста обучения. Требования к низкой задержке и высокой параллельности задач инференса создают физические узкие места для централизованных центров обработки данных, делая распределенные периферийные узлы неизбежным выбором. В то же время такие факторы, как соответствие требованиям к данным и стоимость пропускной способности, также способствуют смещению вычислительных мощностей на периферию.

Q2: Каковы точные капитальные расходы четырех крупных облачных провайдеров в 2026 году?

Amazon — около 200 миллиардов долларов, Microsoft — около 190 миллиардов долларов, Alphabet — от 175 до 185 миллиардов долларов, Meta — от 125 до 145 миллиардов долларов. Совокупно около 725 миллиардов долларов, что на 77% больше по сравнению с 2025 годом. Около 75% из них направляется на ИИ-инфраструктуру.

Q3: Как соотносятся периферийный ИИ и облачные вычисления?

Это взаимодополняющие, а не замещающие отношения. Ядерное облако отвечает за обучение больших моделей и сложные инференсы, периферийные узлы — за ответы в реальном времени с низкой задержкой, предварительную обработку данных и локализованное обеспечение соответствия. Вычислительные мощности ИИ эволюционируют в трехуровневую распределенную архитектуру «ядро — регион — периферия», образуя экосистему иерархического сотрудничества.

Q4: Как децентрализация капитальных расходов на ИИ влияет на индустрию чипов?

На стороне обучения по-прежнему доминирует NVIDIA с доходами от центров обработки данных в 193,7 миллиарда долларов в 2026 финансовом году. Но спрос на стороне инференса создает растущий рынок для ASIC и периферийных чипов: ожидается, что в 2026 году поставки ASIC составят около 7,7 миллиона единиц, а к 2027 году их доля может превысить долю GPU. Спрос на чипы переходит от «единоличного лидера» к «множественному сосуществованию».

Q5: Как долго может продолжаться высокий рост инвестиций в ИИ-инфраструктуру?

Barclays прогнозирует, что капитальные расходы крупных облачных провайдеров достигнут 919 миллиардов долларов в 2027 году и 1,16 триллиона долларов в 2028 году. Руководство NVIDIA повысило верхнюю границу годовых отраслевых расходов на ИИ до 4 триллионов долларов к 2030 году. Однако сами темпы роста замедляются — с 66% в 2025 году до 31% в 2026 году, — отрасль переходит от «экстенсивного расширения» к «фазе тонкой настройки».