Давайте вернемся к началу этого обвала и посмотрим, что же на самом деле произошло? Это лопнувший пузырь или чрезмерная паника? Коррекция или завершение?

1 июля новость в заголовках сообщила, что Meta может продать свои избыточные вычислительные мощности для AI, создав бизнес-модель, похожую на NeoCloud. Рынок интерпретировал это как первый реальный сигнал "избытка вычислительных мощностей". В сочетании с предыдущими опасениями по поводу слишком высокой доли памяти в общих CapEx началось системное падение.

1️⃣ Meta проигрывает в гонке AI
Это уже должно быть общеизвестным фактом. Помимо отставания в моделях, крупные инвестиции в AI также истощают денежный поток Meta. Если ничего не изменить, свободный денежный поток Meta в ближайшие годы будет оставаться отрицательным.

В настоящее время загрузка вычислительных мощностей H100/H200 во внутренней инфраструктуре Meta составляет около 65%, а оставшиеся 35% простаивающих мощностей предоставляют Meta, испытывающей нехватку денег, способ монетизации.

Это немалые деньги.

2️⃣ Градация вычислительных мощностей
Meta в основном сдает в аренду кластеры GPU поколения H100/H200, а новейшее "лучшее тренировочное вычислительное оборудование GB300" в основном используется для собственных нужд.

В настоящее время Meta планирует две модели аренды вычислительных мощностей:
1) Аренда сырых вычислительных мощностей, позволяющая клиентам проводить обучение/инференс на дата-центрах Meta (аналогично CoreWeave);
2) Открытие доступа к моделям AI, размещенным на инфраструктуре Meta.

Спрос на карты для инференса и карты для обучения будет расходиться: старые карты для инференса, новые карты для обучения — это основная линия.

Лучшие тренировочные вычислительные мощности по-прежнему в дефиците. Срок поставки высококлассных тренировочных вычислительных мощностей по-прежнему составляет 6–9 месяцев и более.

3️⃣ Замедлился ли спрос на AI?
SemiAnalysis привела конкретные цифры: только в первой половине 2026 года Meta подписала контракты на более чем 5 ГВт мощностей дата-центров, включая облачную аренду и colocation, и это не учитывает все进度 строительства собственных проектов.

Ранее упоминалось, что 35% вычислительных мощностей простаивают, так зачем же постоянно покупать новые?

Разработка больших моделей в Meta Superintelligence Lab (MSL) является приоритетным направлением использования вычислительных мощностей, поддерживая итеративное обучение следующего поколения серии Llama и мультимодальных моделей, пытаясь догнать OpenAI/Anthropic.

Рекомендательная система рекламы (RecSys): потенциал расширения в 10 раз.

SemiAnalysis считает, что Meta верит в возможность увеличения сложности системы рекомендаций рекламы более чем в 10 раз, чтобы ускорить рост доходов. Это требует одновременных инвестиций в вычислительные мощности как для инференса, так и для обучения. Более крупные и дорогие модели RecSys уже заставляют рекламодателей платить более высокие цены, сохраняя при этом сильную окупаемость рекламы.

Несмотря на это, продолжаем держать позиции с болью, но сохраняем оптимизм.