"AI-лопаты" захватывают рынок: кто следующий победитель? Жаркие споры между Goldman Sachs и SemiAnalysis по поводу "ключевых разногласий"

За последние два года AI-трейдинг практически доминировал на мировых фондовых рынках.

Nvidia, оборудование для производства полупроводников, HBM, передовая упаковка, дата-центры, электрооборудование, трансформаторы, системы охлаждения, газовые турбины — любые активы, которые можно включить в цепочку AI-инфраструктуры, рынком неоднократно переоценивались. Эта сделка не завершилась, наоборот, рост был настолько сильным, что инвесторы вынуждены столкнуться с еще более сложным вопросом: победители первого этапа AI-индустрии уже получили максимальное вознаграждение от рынка, а смогут ли они продолжить рост дальше?

Два отчёта от Goldman Sachs и SemiAnalysis оказались как раз на этом переломном моменте.

Мнение Джеймса Ковелло из Goldman Sachs более сдержанное:Первая стадия ценообразования AI-инфраструктуры уже в полной мере отыграла, чипы и вся "цепочка продавцов лопат" забрали слишком много гарантированной прибыли, но ROI в корпоративном сегменте по-прежнему не понятен, а давление на денежные потоки облачных провайдеров продолжает расти. Следуя этой логике, далее лучшей относительной ставкой становится не дальнейшее преследование полупроводников, а ставка на гипермасштабируемых облачных провайдеров и недооценённые полупроводники.

Ответ SemiAnalysis почти противоположный:Если Agentic AI действительно превратит token в средство производства, а маржа лабораторий моделей начнет улучшаться, у передовых моделей сохранится ценовая власть, то AI-инфраструктура далеко не исчерпала потенциал роста — она еще даже не была полностью переоценена с учётом новой волны стоимости token. Nvidia, TSMC, память, Neocloud, лаборатории моделей — у всех есть причины и дальше претендовать на дополнительную стоимость.

Это не спор о том, есть ли будущее у AI.

Капзатраты на AI продолжают расти, акции AI-инфраструктуры не охлаждаются. Главный вопрос теперь:Чипы уже зафиксировали первую волну прибыли, и теперь спор идет о том, учтена ли эта прибыль рынком полностью; если Agentic AI продолжит увеличивать стоимость token, то следующая волна дополнительной прибыли останется на уровне hardware или начнет перераспределяться в пользу лабораторий моделей, облачных провайдеров и ПО для предприятий.

Цепочка, на которую смотрит Goldman Sachs, еще не замкнута

Самое резкое место в отчёте Goldman Sachs — это не сомнения в росте числа пользователей AI, и не отрицание технологического прогресса.

Ковелло сначала признает два момента: потребители внедряют AI быстрее, чем они ожидали; облачные провайдеры не только не сокращают капитальные затраты на AI несмотря на давление на котировки, но и продолжают увеличивать вложения. AI не охлаждается, капитальные расходы не сокращаются.

Но Goldman Sachs смотрит дальше.

Многие потребители используют AI по-прежнему на бесплатном уровне. Рост пользовательской базы доказывает привлекательность продукта, но не может напрямую покрыть счета за GPU, дата-центры, электроэнергию, сеть и инференс моделей. Именно предприятия — ключ к замкнутости экономики AI: готовы ли они платить постоянно, смогут ли сэкономить с помощью AI, увеличить выручку и производительность — от этого зависит, выдержит ли вся цепочка нынешние капитальные затраты в долгосрочной перспективе.

Ответ Goldman Sachs более осторожный.

В отчёте отмечается: компании уже много инвестировали в генеративный AI, но большинство организаций пока не получили проверяемой отдачи; при этом глобальные IT-расходы все еще растут, AI не привёл к общему снижению tech-бюджетов компаний. Для инвесторов это простая реальность: бизнес покупает, тестирует и обсуждает AI, но AI пока не стал массовой частью P&L.

Это резко контрастирует с прибылью по всей инфраструктурной цепочке AI.

Чиповые компании уже зарабатывают, в то время как компании, связанные с хранением данных, энергетикой и дата-центрами, рынок переоценивает снова и снова. На другом конце облачные провайдеры несут нагрузку капзатрат. Строительство дата-центров, закупка GPU, энергоснабжение, сетевое оборудование, серверные стойки — все эти расходы ложатся в первую очередь на облако. Отчет Goldman Sachs указывает: гипермасштабируемые облака уже истратили часть свободных денежных потоков и начали финансировать строительство дата-центров за счёт долгов. В 2025 году объём долга под дата-центры удвоится до 182 млрд долларов.

Вот где Goldman Sachs видит дисбаланс.

В обычном полупроводниковом цикле, если чиповые компании зарабатывают много — значит и их клиенты расширяют бизнес. Клиенты зарабатывают — продолжают покупать чипы — отрасль процветает. В этом AI-цикле все непривычно: прибыль чиповых компаний прозрачна, а рентабельность клиентов и приложений — не так очевидна.

Таким образом, суть взгляда Goldman Sachs не в "бесполезности AI", а в том, что "нынешняя схема распределения прибыли не может быть надолго линейно продолжена".

Производители полупроводников уже забрали все самые предсказуемые прибыли первого этапа. Вопрос — хватит ли downstream-прибылей, чтобы поддерживать столь высокие upstream-капзатраты и концентрацию маржи.

Инвестиционная идея Goldman Sachs построена на принципе "возврата к среднему"

Советы к торговле от Goldman Sachs выглядят интуитивно противоречиво: ставить относительно больше на гипермасштабируемые облака, чем на полупроводники.

За этим две линии развития событий.

Первая —корпоративный ROI от AI начнёт реализовываться. Если бизнес докажет, что AI приносит доход, эффективность и снижает расходы, рынок по-новому оценит капитальные затраты облаков. То, что раньше считалось угнетением свободного денежного потока, превратится во вложение в будущий доход и контроль над платформой. Оценка облаков восстановится, а полупроводники также выиграют, но их относительная эластичность ниже, так как они уже были прилично переоценены рынком.

Вторая —сложности с ROI сохраняются. Тогда облака под давлением денежного потока и инвесторов станут сокращать капзатраты, и рынок вознаградит за лучшую дисциплину управления денежными потоками. А у полупроводников появятся негативные ожидания по заказам.

Goldman Sachs считает, обе линии играют в пользу облаков относительно полупроводников. А провал может наступить по третьему сценарию: корпоративный ROI остаётся неясным, облака, несмотря ни на что, продолжают инвестировать без оглядки на рентабельность, а полупроводники продолжают забирать большую часть прибыли цепочки.

Именно эта третья картина — самая знакомая рынку за последние два года.

Поэтому отчёт Goldman Sachs направлен не против AI-технологий, а против переоценки рынка. Все плюсы AI-инфраструктуры уже полностью учтены в ценах; всё плохое по облакам тоже учтено. Следующий шаг — ждём, поменяются ли эти тренды местами.

SemiAnalysis делает ставку на скачок стоимости token

SemiAnalysis заходит с совершенно другой стороны.

Она не отрицает, что с 2023 по 2025 год основная стоимость AI отошла инфраструктуре. Nvidia, электричество, дата-центры, память — действительно главные победители первого этапа. Модельные компании и провайдеры инференса сначала испытывали трудности, многие AI-продукты были просто продвинутым поиском, и маржа у них была слабой.

Но, по мнению SemiAnalysis, к концу 2025 года картина меняется.

Источник изменений — Agentic AI.

Ранее token были просто "стоимостью вопроса-ответа". Пользователь спрашивает, модель отвечает. Это экономит время, но имеет ограниченную ценность. Теперь token используются в сложных рабочих процессах: написании кода, финансовых моделях, дашбордах, анализе отчетов, обработке данных, создании графиков.

SemiAnalysis приводит собственную компанию как пример: их аналитики ежедневно используют агенты для ресерча и моделирования, что раньше требовало бы много рабочих часов младших аналитиков или даже не попадало в workflow. В статье говорится, что годовая трата SemiAnalysis на token у Anthropic Claude в какой-то момент составляла 10,95 млн долларов — это около 30% зарплатного фонда сотрудников.

Эти цифры, может, и не отражают всю отрасль, но демонстрируют поведение пограничных пользователей.

Для массового потребителя подписка на AI — это просто десятки долларов в месяц за инструмент. Для KNOWLEDGE WORKER-ов высокого уровня — token становится производственным ресурсом.

Потратив пару или несколько десятков долларов на token, пользователь получает не только текст, но и модели, графики, код, очистку данных, анализ отчетности — а порой и задачи, которые раньше просто не выполнялись. Пользователь теперь спрашивает не "сколько стоит миллион token", а "какую работу token заменил, сколько производительности добавил".

Это — точка расхождения между SemiAnalysis и Goldman Sachs.

Для Goldman Sachs средний корпоративный ROI от AI всё ещё туманен. А по SemiAnalysis — самые активные пользователи уже масштабно потребляют token и готовы платить за лучшие модели.

Почему лаборатории моделей вдруг стали важнее

Второй ключ SemiAnalysis — экономика лабораторий моделей улучшается.

Это противоречит прежним опасениям рынка.

Раньше считалось, что модельные компании зажаты между чипами и облаками: доходы растут быстро, но траты на тренировку и инференс еще быстрее; больше пользователей — больше расходов; сильнее модель — тяжелее капвложения. То есть, высокая скорость роста, но слабая маржа и огромные burn-rate.

Agentic AI меняет уравнение.

• По доходу: передовые модели могут выполнять задачи бóльшей ценности, и пользователи готовы платить премию за качество.
• По расходам: аппаратные инновации, оптимизация инференса, кэширование и программная инженерия снижают стоимость token.
• По продукту: лаборатории моделей могут дробить предложения по SKU, скорости реакции, мощности инференса — дифференцируя цены.

SemiAnalysis упоминает, что при выполнении DeepSeek на B300 комбинации оптимизаций ПО повышают throughput на одном и том же оборудовании с 1000 до 8000 и даже до 14000 tokens/c/GPU. С учетом перехода на новое железо оптимальный конфиг GB300 NVL72 в 17 раз превосходит по пропускной способности H100 (в FP8); если перейти на FP4, разница доходит до 32 раз, при этом TCO на GPU выше только на 70%.

Это означает, что лаборатории моделей одновременно могут повышать значимость каждого token и снижать затраты на их генерацию.

SemiAnalysis утверждает: ARR Anthropic вырос с $900 млн до более чем $4,4 млрд, маржа по инфраструктуре инференса — с 38% до свыше 70%. Даже если ценники на топ-модели снизятся, за счет роста доли high-end, роста hit-rate кэша и эффективности оборудования маржа может дальше расширяться.

Если это подтвердится, второй этап AI-индустрии — это уже не "чипы продолжают выигрывать" или "облака отыгрывают вниз".

Лаборатории моделей становятся уже не расходным, а новым центром прибыли.

Главный спор: среднее предприятие или крайний пользователь

Goldman Sachs и SemiAnalysis спорят не столько о ROI AI, сколько о том, какой паттерн больше описывает будущее.

Goldman Sachs смотрят на усреднённые компании.

Им свойственны сложные legacy-системы, исторические IT-долги, сложное управление доступом, требования комплаенса, процедуры согласования. Чтобы угодить рынку и совету директоров, они начинают с чат-ботов, внутренних ассистентов и пилотов. Деньги тратятся — процессы не всегда меняются. Процессы прежние — ROI не попадает в финрезультаты.

Вот почему Goldman Sachs делает акцент на data layer и orchestration layer.

Если у ритейлера нет интеграции между складом, CRM и рекомендательной системой, AI-бот порекомендует товар, которого нет в наличии. Если нет router слоев, даже простые запросы пойдут на самые дорогие модели — затраты выходят из-под контроля. Внедрение AI тормозит не сила моделей, а неготовность процессов бизнеса.

SemiAnalysis смотрит на крайних пользователей.

Исследования, кодинг, моделирование, графики, анализ отчетности — все эти задачи идеально ложатся на агентные решения: текст, цифры, структура, простая оценка результата, высокая интеграция в workflow. Такие организации раньше всех увидят ROI — и быстрее начнут увеличивать расход token.

Рынку надо решить — станет ли такой опыт массовым.

Если SemiAnalysis видит только специфические кейсы "суперюзеров", права окажется модель Goldman Sachs: затраты на AI все больше зависят от денежных потоков – полупроводники сталкиваются с неоправданными ожиданиями, облака компенсируются за счёт дисциплины и оценки.

Если же эти паттерны накануне тиражирования, нельзя судить о цепочке AI по текущим низким ROI средних компаний. Как только Agentic AI войдёт в современные рабочие процессы, вырастет спрос на token, на доходы как лабораторий, так и облаков и спрос на hardware.

Это — важнее классического "бычий/медвежий" взгляд на AI. Рынок всегда торгует не статической средней, а способностью крайних изменений стать массовыми.

Nvidia: уже заработала достаточно или потенциал роста сохраняется?

Самое острое различие между Goldman Sachs и SemiAnalysis на финансовом рынке приходится именно на Nvidia и полупроводники.

Goldman Sachs прямо: полупроводники забрали максимальную, самую гарантированную первую волну прибыли. После того, как рынок "логику лопат" вложил в цену, риск/доходность ухудшилась. Как только облачные капзатраты ослабеют — на полупроводниках отразится и падение оценки, и спроса по заказам.

SemiAnalysis считает: Nvidia и TSMC контролируют самые дефицитные ресурсы AI-эры — и ещё не переоценены в полной мере.

К примеру, память за год подорожала почти в 6 раз; годовой лизинг H100 от Neocloud с октября 2025 года подорожал на 40%. Однако Nvidia и TSMC не индексировали свои ценники так же быстро, как вверх пошла ценность token down the chain.

SemiAnalysis называет Nvidia "центробанком" AI-экосистемы.

Сравнение удачное: Nvidia управляет ликвидностью вычислений. Они могут повышать цены, но боятся "пересушить систему". Если цены будут слишком высокими, клиенты ускорят автономную разработку ASIC/TPU/Trainium — а ещё появится давление регуляторов. TSMC действует похоже: её ценный узел редок, но компания ценит долгосрочные связи и эко-стабильность — не хочет за один цикл выбить всю маржу.

Сдержанность не значит — нет потенциала роста.

Rubin VR NVL72 — ключ для SemiAnalysis: чтобы Neocloud достиг IRR 15,6% по проекту VR NVL72, аренда должна быть около $4,92/ч/GPU; если приравнять к lease для GB300, теоретический потолок — $12,25/ч/GPU; даже если взять более скромные $0,55/PFLOP, получится $9,63/ч/GPU — почти вдвое выше себестоимости.

Смысл ясен: пока downstream-ценность token растет, новая система Nvidia может и дальше повышать цены, Neocloud может зарабатывать, а конечный пользователь — соглашаться.

Вот здесь разногласие между Goldman Sachs и SemiAnalysis обостряется до предела.

Goldman Sachs уверен: монополия чипов не может быть вечной — downstream еще не наращивает маржу.
SemiAnalysis считает: "пруд" прибыли растет, значит hardware еще не до конца монетизирована на всю свою стоимость.

Вопрос победы — только в этом: сможет ли новый AI-пруд выручки одновременно прокормить лаборатории моделей, облака, Neocloud, Nvidia, TSMC, память и энергетическую цепочку.

Если пирог не вырастет — победит Goldman Sachs.

Если продолжит расти — победит SemiAnalysis.

Облачные провайдеры — на тонкой грани

Облачные провайдеры — самая двусмысленная прослойка этого спора.

С одной стороны, они оплачивают больше капитальных расходов всех; с другой, именно они реализация AI-спроса как платформы. Облака поджаты Nvidia, памятью, энергетической цепочкой, но обладают доступом к клиентам, API, собственным чипам и программным экосистемам.

Goldman Sachs ставит на облака потому, что рынок уже учёл все известные минусы: капзатраты сдавили денежный поток, инвесторы не верят в ROI от AI, оценка акций страдает. Как только появится либо профит по AI, либо начнут урезать капзатраты — потенциал для восстановления облаков.

SemiAnalysis оценивает облака с точки зрения спроса: если токенизация потребления продолжит расти, лаборатории моделей и B2B-клиенты будут нуждаться в новых вычислениях. Основная проблема уже не в цене, а в возможности доступа к вычислениям.

То есть, облака — не только жертва и не автоматический бенефициар.

Они должны доказать, что инвестиции в AI превращаются в доход, прибыль и удержание клиента. Будет ли ускоряться облачный рост, смогут ли облака раскрывать выручку по AI, возрастет ли загруженность инференса, снизят ли собственные процессоры зависимость от Nvidia, перейдут ли B2B-клиенты от пилотных проектов к постоянным, стабилизируется ли денежный поток — эти метрики становятся ключевыми.

Если метрики улучшатся — сценарий Goldman Sachs усилится.

Если нет — облака останутся посередине — прослойкой сжатия капзатрат между Nvidia и корп-клиентом.

Слой ПО решает, сможет ли ROI стать массовым

Тезис Goldman Sachs о значении "data structure" и "orchestration" — пожалуй, самый приближённый к реальности предприятий.

Корпоративный AI не может вечно оставаться на уровне чат-бота. Левел прибыли начинается, когда AI проникает в поддержку клиентов, продажи, финансы, снабжение, R&D, риск-менеджмент, логистику, IT. Везде есть свои данные, права, комплаенс, согласования, Legacy и разграничения ответственности.

Даже самая продвинутая модель не может обойти эти моменты.

Отсюда новый смысл слоя бизнес-софта. Задачи с низким риском и высокой частотой можно отдать легким или открытым моделям; задачи высокого риска и ценности — бензиновым. Между ними — прослойка, определяющая тип задачи, доступ к данным, права, подбор модели, отслеживание затрат, возврат результата.

• Плюсы традиционных SaaS — отраслевой опыт, клиенты, доступ к данным, устоявшиеся рабочие процессы. Минусы – "технический долг" и медленное обновление.
• Плюсы AI-native — скорость, конструктор моделей, структура затрат. Минус — слабый доступ к крупным заказчикам и отраслевому контексту.
• Плюсы front-моделей — максимальный интеллект. Минус — нет доступа к контролю процессов бизнеса.

Слой ПО не исчезнет по воле AI. Компании без контроля за данными и процессами будут обесценены до уровня модели. А те, кто сохраняет контроль над данными, процессами и маршрутизацией моделей, только выиграют — перейдя от "продажи рабочих мест" к "продаже производительности".

Сможет ли вышеупомянутый опыт SemiAnalysis масштабироваться до массовых компаний — это во многом вопрос к ПО-слою.

Что будет определять тренды на рынке в ближайшее время

Вопрос прошлого: кто ближе к вычислительным мощностям?

Сегодня он слишком примитивен.

Теперь рынок пойдет глубже.

Во-первых, останется ли рост стоимости token? Если Agentic AI выйдет за рамки ресёрча/аналитики в белые офисные работы — цепочка лабораторий моделей и инференса ждёт новая оценка.

Во-вторых, будет ли улучшаться маржа лабораторий моделей? Одного роста выручки мало — критики теперь: стоимость инференса, эффективность кэширования, upgrade SKU, ценовая власть моделей-лидеров.

В-третьих, смогут ли облака превратить капзатраты в доход? AI capex больше не считается плюсом — теперь рынок платит только за OPEX, отражённый в облачной выручке, марже инференса и B2B контракте.

В-четвертых, способна ли Nvidia дальше повышать цены за счёт системного контроля. GPU — только первая ступень: Rubin, SOCAMM, сеть, стойки, софт и логистика закупок теперь определяют долю Nvidia.

В-пятых, смогут ли TSMC и память диктовать цену редкости? Если bottleneck для advanced-узлов, HBM, DRAM, SOCAMM, передовой упаковки сохранится — весь value останется "наверху".

В-шестых, смогут ли компании ПО отхватить точку входа для AI в бизнес-процессы? Те, кто без интеграции — сожмутся; с доступом к данным и управлению процессами — вырастут в стоимости.

После "бума лопат" в AI споры только начинаются

AI-инфраструктурный трейдинг не исчез.

Рост был настолько бурным, что породил противоположные взгляды — Goldman Sachs и SemiAnalysis.

Goldman Sachs напоминает рынку: все плюсы чиповых компаний давно учтены. Если не будет массового корпоративного ROI — денежный поток облаков ударит по капзатратам, и монополии полупроводников будет конец.

SemiAnalysis напоминает рынку: невозможно судить о потенциале Agentic AI образца 2026 года по опыту AI из 2024 года. token становятся ресурсом производства, лаборатории моделей прибавляют по марже, supply crunch вычислений не исчез — а Nvidia и TSMC ещё не конвертировали весь value.

Вкупе эти оценки означают, что центр тяжести AI-трейдинга меняется.

Два года назад рынок платил за редкость активов. Теперь он будет платить за возможность сохранять ценность AI в отчете о прибылях.

Если SemiAnalysis права, AI-цепочка продолжит расти, а value будут получать все — лаборатории моделей, облака, Nvidia, TSMC, память, энергетика.

Если Goldman Sachs права, то сначала капзатраты упрётся в денежный поток, полупроводники будут корректироваться, а облака выиграют за счёт оценки и контроля затрат.

Скорее всего, истина между этими крайностями.

Самые активные уже тратят на token, средние компании ещё считают. Рынок сперва отыграет изменения на краю, потом подождёт валидации в отчётах средних компаний. Чем быстрее последует эта валидация, тем ближе окажется сценарий SemiAnalysis; чем медленнее — выиграет стратегия Goldman Sachs.

Пока "лопаты" AI остаются на троне рынка. Но вопрос уже не в том, кто их продает — а кто заработал достаточно, кто может и дальше поднимать цену, а кто станет следующим настоящим арендодателем прибыли.

~~~~~~~~~~~~~~~~~~~~~~~~