Ця стаття допомогла мені зрозуміти AI: прикладний рівень найпопулярніший, базовий рівень найприбутковіший

Автор: Глибока рефлексія

Більшість людей вважає, що штучний інтелект — це просто чат-бот. Ви відкриваєте ChatGPT, просите його допомогти з редагуванням листа — і він це робить, наче магія. Ви задоволені закриваєте сторінку і думаєте, що зрозуміли, що таке AI. Але це все одно, що після оплати кредитною карткою в ресторані, вважати, що ви знаєте, як працює Visa — ви користувалися продуктом, але не бачили системи.

Інвестор Аніш Мунка нещодавно опублікував глибоку статтю, системно аналізуючи структуру ціннісного ланцюга AI-індустрії. Він майже рік вивчав, як рухаються гроші в цій галузі. Чесно кажучи, він зізнається, що робив багато помилок, зосереджуючись на видимих продуктах — ChatGPT, Claude, Gemini — тоді як у тіні тих продуктів тихо течуть 700 мільярдів доларів у інфраструктуру, про яку майже ніхто не знає: мікросхеми, пакувальні технології, системи охолодження, електростанції — все, що раніше ніколи не чули. Бетон заливають у Техасі, Айові та Гоа.

Ця стаття дуже мене надихнула. Вона змусила мене усвідомити, що наше розуміння AI з самого початку могло бути неправильним. Ми бачимо лише верхівку айсберга, тоді як справжнє багатство створюється під водою.

П’ятишаровий торт: чому ніхто не говорить про нижні чотири рівні

Голова Nvidia Дженсен Хуанг на форумі у Давосі в січні 2026 року описав AI як п’ятишарову систему: енергетика, мікросхеми, хмарні обчислення, моделі, застосунки. Він назвав цю систему «найбільшим у історії людства інфраструктурним проектом». Аніш Мунка називає цю модель AI Stack (технологічний стек AI) і зазначає, що кожен рівень підтримує верхні, а гроші рухаються між рівнями у двонаправленому русі.

Ця структура досить проста для розуміння. Енергетичний рівень забезпечує електроенергію — обчислювальні центри AI споживають неймовірну кількість електрики: один великий тренінг — і це еквівалент річного споживання невеликого міста. Мікросхеми — це спеціалізовані процесори для масових математичних обчислень, не звичайні ноутбуки. Хмарні обчислення — це величезні сховища з цими мікросхемами, з’єднані швидким інтернетом. Модель — це фактичне AI-програмне забезпечення, «мозок», що навчається на даних. Застосунки — це продукти, які ми використовуємо: ChatGPT, пошук Google, системи боротьби з шахрайством у банках.

Я помітив цікаву закономірність: майже всі обговорення AI зосереджені на п’ятому рівні — застосунках. Адже саме їх ми бачимо, чіпаємо і використовуємо. Але Аніш підкреслює важливий момент: зосереджуючись лише на застосунках, ми бачимо лише 20% цілого. Для інвесторів, підприємців або будь-кого, хто хоче зрозуміти тенденції світу, важливо розуміти, як гроші рухаються між цими рівнями — вони концентруються, зростають і збираються у тих місцях, про які майже ніхто не думає.

Подумайте про слово «інфраструктура». Дороги, електромережі, системи водопостачання — це те, що тримає цивілізацію на плаву, і ніхто не замислюється про них, поки вони не зламаються. AI стає саме такою інфраструктурою — невидимою, необхідною і дуже дорогою у створенні. Це пояснює, чому на коктейльних вечірках ніхто не говорить про системи охолодження дата-центрів або потужність електромереж — але саме там, у тіні, і течуть справжні гроші.

Куди йдуть гроші: несподівана правда

Аніш у статті наводить шокуючі цифри. До 2026 року чотири гіганти хмарних обчислень — Amazon, Microsoft, Google і Meta — планують витратити 650-700 мільярдів доларів на капітальні витрати (capex). Це приблизно стільки, скільки ВВП Швейцарії за рік. З них близько 75% — 450 мільярдів доларів — підуть безпосередньо на інфраструктуру AI. Не на чат-боти, не на застосунки, а на будівництво, мікросхеми, кабелі і системи охолодження.

Це змусило мене переосмислити логіку всієї AI-індустрії. Перед тим, як хтось почне користуватися ChatGPT, потрібно побудувати дата-центр розміром із торговий центр, заповнити його тисячами спеціалізованих процесорів, підключити їх мережею, вартістю понад загальну вартість більшості компаній, і щодня подавати системі стільки ж електроенергії, скільки потрібно невеликому місту. Це перший і третій рівень — невидимі рівні, на яких серйозний капітал вкладається у великомасштабні проекти.

Але тут є глибший парадокс. Багато хто вважає, що компанії на кшталт OpenAI заробляють великі гроші — і це правда. У 2025 році OpenAI досягла 20 мільярдів доларів річного доходу (ARR), зростаючи з 6 і 2 мільярдів відповідно два роки тому. За два роки — десятикратне зростання, такого ніколи раніше не було.

Але Аніш розкриває важливий факт: у 2025 році OpenAI витратила близько 9 мільярдів доларів готівки, і очікує, що у 2026-му ця цифра сягне 17 мільярдів. Вартість обчислень (inference costs) — фактичних витрат на запуск AI при запитах — у 2025 році склала 8.4 мільярда, а у 2026-му — 14.1 мільярда. Вони прогнозують вихід на позитивний грошовий потік лише до 2029-2030 років.

Куди йдуть ці витрачені гроші? Аніш дає відповідь: вони тече вниз по ціннісному ланцюгу. Вони йдуть до Microsoft Azure (до 2032 року OpenAI має платити Microsoft 20% від усіх доходів), до Nvidia — для купівлі мікросхем, до компаній, що будують і обладнують дата-центри, до електроенергетичних компаній. Тут існує майже циклічний механізм: Microsoft інвестує в OpenAI, OpenAI витрачає гроші на Azure, Azure купує більше мікросхем Nvidia, Nvidia показує рекордний прибуток — і всі святкують. Гроші безперервно течуть вниз.

Це відкриває глибоке розуміння: більшість користувачів знаходяться на верху ціннісного ланцюга, а більша частина прибутку — у низу. Це розрив — основа всієї інвестиційної логіки. За словами Аніша, це перший урок ціннісного ланцюга AI: доходи йдуть вгору, капітал — вниз. А ми, інвестори або спостерігачі, захоплюємося зростанням доходів, але справжня перевага — у накопиченні капіталу.

Історія повторюється: урок від електричної революції

Аніш проводить чудову історичну аналогію. Щоб зрозуміти, що відбувається з AI, потрібно вивчити період з 1880 по 1920 роки — революцію у сфері електроенергії. Коли Томас Едісон у 1882 році побудував першу комерційну електростанцію на Першій авеню в Нью-Йорку, люди вважали, що електрика — це щось нове і розважальне, що освітлює кімнати. Навіщо це потрібно, коли газові лампи працюють добре?

Але всього за 40 років електрика змінила всі галузі — виробництво, транспорт, комунікації, медицину, розваги. Переможцями стали не ті, хто винайшов лампочку, а ті, хто будував електростанції, прокладали мідні дроти і виробляли генератори: General Electric, Westinghouse, енергетичні компанії, копальні міді, будівельні фірми.

Такий самий сценарій зараз відбувається у AI — лише за менший час. Аніш називає це «інфраструктурною гравітацією» (Infrastructure Gravity). Коли з’являється нова обчислювальна платформа, перша хвиля багатства — це «лопати і лопати». Застосунки з’являться пізніше, і отримають усю увагу ЗМІ, але прибутки зосереджені у інфраструктурі.

Цифри підтверджують цю ідею. Nvidia у 2026 фінансовому році (до січня 2026) заробила 215.9 мільярдів доларів — на 65% більше, ніж попереднього року. Лише їхній дата-центрний підрозділ за останній квартал приніс 62.3 мільярда, зростаючи на 75%. Цей підрозділ тепер становить понад 91% загального доходу Nvidia. Одна компанія за квартал отримала 68 мільярдів, з них 60 мільярдів — з однієї лінії бізнесу.

TSMC, яка виробляє майже всі головні мікросхеми, у 2025 році займала майже 70% світового ринку чипів, з продажами 122.5 мільярдів доларів. Найближчий конкурент — Samsung — лише 7.2%. Аніш коментує, що така домінантність може викликати занепокоєння навіть у стандартної нафтяної компанії.

Я особливо погоджуюсь з думкою Аніша: запитайте будь-кого про революцію в інтернеті — і скажуть Google, Amazon і Facebook. Але якщо запитати, де насправді заробляли гроші на початку — відповідь буде Cisco, Corning і компанії, що прокладали оптоволокно. Та сама історія, лише з іншим десятиліттям. Інфраструктура завжди перша перемагає, питання — скільки ця можливість триватиме.

Карта інвестора: поетапний розбір можливостей

Аніш у статті багато уваги приділяє поетапному аналізу інвестиційних можливостей. Це дуже цінно, бо перетворює абстрактні концепції у практичний інвестиційний каркас.

Перший рівень: енергетика. Споживання електроенергії дата-центрів AI — неймовірне. До 2026 року воно сягне близько 90 ТВт-год на рік, у 10 разів більше, ніж у 2022. Це створює прямий інвестиційний аргумент: компанії, що виробляють, передають і забезпечують стабільне електропостачання, отримають вигоду. Хуанг у жовтні 2025 сказав: «Дата-центри можуть генерувати електроенергію швидше, ніж підключатися до мережі». Це означає, що технологічні компанії стають власними енергетичними постачальниками, обходячи традиційні мережі. Ця тенденція робить інвестиції у енергетичну інфраструктуру більш привабливими, ніж здається.

Другий рівень: мікросхеми. Це найвідоміший рівень — Nvidia. Але Аніш підкреслює, що мікросхемний рівень — це набагато більше, ніж одна компанія. Є підрівні: дизайнери (Nvidia, AMD, Broadcom), виробники (TSMC — 70% ринку), постачальники обладнання (ASML — єдина у світі компанія, що виробляє EUV-літографічні машини), постачальники пам’яті (SK Hynix, Samsung, Micron), технології пакування. Концентрація дуже висока: Nvidia контролює близько 92% ринку GPU для AI дата-центрів. TSMC виробляє майже всі головні чипи. ASML — єдиний постачальник EUV-літографії. Це — «скупчення» ризиків і можливостей.

Третій рівень: хмарні обчислення і дата-центри. Тут домінують Amazon Web Services (31%), Microsoft Azure (24%) і Google Cloud (11%). Але не лише вони. Foxconn збирає близько 40% серверів для AI у світі, Arista Networks і Credo створюють мережеву інфраструктуру, Vertiv — системи охолодження, REIT-інвестори володіють землею і будівлями. Навіть бетон для заливки — це частина цієї індустрії.

Аніш наводить шокуючу цифру: за оцінками Bank of America, у 2026 році ці компанії витратять 90% операційного грошового потоку на capex, тоді як у 2025 — 65%. Morgan Stanley прогнозує, що цього року вони позичать понад 400 мільярдів доларів — удвічі більше, ніж у 2025. Це — рекордний масштаб залучення коштів для будівництва дата-центрів.

Четвертий рівень: моделі. Це «мозок» — OpenAI (GPT, ARR понад 20 мільярдів), Anthropic (Claude, за даними, 2026 — 190 мільйонів), Google DeepMind (Gemini), Meta AI (Llama). Аніш оцінює цей рівень як найперекрученіший і найменш прибутковий. Структурні проблеми: витрати на обчислення зростають швидше за доходи. Це схоже на ресторан, де кожна страва — дорожча, а ціна залишається незмінною — прибуток стискається.

П’ятий рівень: застосунки. Це те, що ми бачимо щодня — ChatGPT, Google Search, Microsoft Copilot. Це найширший і найзаповненіший рівень, але й найменш прибутковий і найризикованіший. Аніш підкреслює, що ключовий фактор — дані. Компанії з унікальним доступом до даних отримають довгострокову перевагу: Salesforce — CRM, Bloomberg — фінансові дані, Epic — медичні записи.

Я цілком погоджуюсь з Анішем: у найближчі 3-5 років найкращі повернення — у інфраструктуру, а потім — у застосунки. Найрозумніший капітал вже так і позиціонується. Ті, хто виграє в застосунковому рівні, — це ті, що мають унікальні дані, і багато з них навіть не називають себе AI-компаніями.

Це бульбашка? Необхідно відповісти на запитання

Аніш прямо у статті відповідає на головний скепсис: «Чи не повторюється це з інтернет-бульбашкою? Величезні інфраструктурні витрати без прибутку, всі захоплені ілюзіями?» Його відповідь переконлива.

Різниця — у часі попиту. У період бульбашки інфраструктура будувалася для ще неіснуючого попиту. Оптоволокно і сервери з’явилися, але користувачі ще користувалися модемами. Попит зростав через 5-7 років — і тоді все знецінювалося.

Зараз же попит на AI вже існує і швидко зростає. Nvidia не може швидко виготовити мікросхеми, TSMC вже не має вільних потужностей, ціни на оренду хмарних сервісів зростають, а OpenAI у період з березня по жовтень 2025 року залучила 400 мільйонів активних користувачів. Моделі працюють, обчислення витрачаються, клієнти платять.

Але Аніш чесно називає три головні ризики. Неправильне розподілення капіталу — якщо доходи від AI не зростуть швидко, витрати понад 650 мільярдів стануть нерентабельними, і компанії зазнають серйозних збитків. Концентрація — TSMC виробляє майже 70% мікросхем, ASML — єдиний постачальник EUV-літографії, Nvidia — 92% GPU для AI. Будь-який геополітичний або природний катаклізм може зірвати весь ланцюг. І проблема DeepSeek — китайська лабораторія, яка у січні 2025 року досягла передових результатів із меншими витратами, кидає виклик ідеї, що «більше витрат — краще AI».

Я вважаю, що чесність Аніша щодо ризиків робить його аналіз більш переконливим. Він не приховує проблеми, а відкрито їх називає. Навіть з урахуванням ризиків, за оцінками McKinsey, до 2030 року глобальні інвестиції у дата-центри можуть сягнути 6.7 трильйонів доларів, а за даними PwC AI може додати 15.7 трильйонів до світового ВВП. Навіть якщо ці цифри зменшити на 50%, ми все одно говоримо про найбільшу технологічну трансформацію з часів Інтернету.

Мені особливо імпонує його слова: «Можна сумніватися у моделях, можна сумніватися у термінах, але не можна бути неосвіченим щодо ланцюга поставок. Це — різні речі. Одне — здоровий інтелектуальний підхід, інше — втрата грошей.»

Грати за правильним рівнем

Аніш використовує гру як метафору для інвестиційної стратегії. Уявіть AI — це п’ять рівнів відеогри, кожен з яких має свою складність і винагороду. Енергетичний рівень — навчальний, низький ризик і стабільний дохід. Мікросхеми — боса, найвищий прибуток, але й найскладніше. Хмарні обчислення — багатокористувацький сервер, де домінують гіганти. Моделі — PvP-арена, жорстка конкуренція, більшість гравців вибуває. Застосунки — відкритий світ, безмежні можливості, але й без гарантій.

Його головна стратегія — не обов’язково проходити всі рівні. Більшість намагається грати на п’ятому рівні, бо він найвидимий, але розумні гроші інвестують у другий і третій рівні — там зараз найбільше досвіду.

Ця модель допомагає зрозуміти, що позиція у ціннісному ланцюгу визначає, що саме потрібно фокусувати. Для нефахівця — не потрібно розуміти, як працює GPU, достатньо знати, що його потрібно зробити, розмістити і забезпечити енергією — цим займаються публічні компанії. Для технаря — модель прогресує, але фізичні обмеження швидко стають вузьким місцем. Для інвестора — ціннісний ланцюг — це різні угоди з різними ризиками і доходами, і не варто вважати AI однорідною галуззю, як у 1998 році з технологіями.

Аніш наголошує, що переваги інфраструктури не триватимуть вічно. У якийсь момент інфраструктура дозріває, застосунки інтегруються, і цінність переходить до верхніх рівнів — так, як це було з Інтернетом: компанії Google, Facebook і Amazon з часом отримали більшу частку цінності, ніж виробники оптоволокна і серверів. Але поки що ми у фазі інфраструктури, у «лопатно-кирковій» стадії. І саме тут — справжні гроші.

Після прочитання цієї статті я зрозумів просту, але глибоку істину: споживач дивиться на продукт, інвестор — на ланцюг поставок, а найкращі інвестори бачать цю ланцюг ще до того, як продукт з’явиться на ринку. Через п’ять років назва переможця стане очевидною — так і завжди. Головне — бачити структуру раніше за інших.

Через десять років розуміння AI-технологічного стеку стане таким самим базовим, як розуміння балансового звіту. Вивчайте цю структуру, малюйте рівні, слідуйте за капіталом. Це — гра.