Деньги ИИ осели в инфраструктуре. Пока рынок спорит о качестве новых моделей и чат-ботов, наиболее понятную прибыль получают компании, продающие чипы, память, сети, системы охлаждения и электроэнергию для вычислительного бума.
К такому выводу приходит Турал Алиев, аналитик Freedom Finance Global. В своем обзоре от 20 августа 2026 года он разбирает всю цепочку ИИ-рынка — от NVIDIA и TSMC до Microsoft, OpenAI, дата-центров и энергетической инфраструктуры.
«Самые известные продукты ИИ пока не стали его самым прибыльным бизнесом», — пишет Турал Алиев.
NVIDIA получает деньги раньше остальных
На вершине нынешней цепочки стоят производители вычислительного оборудования.
Для NVIDIA рынок ИИ-ускорителей уже стал зрелым высокомаржинальным бизнесом. Для покупателей этих ускорителей экономика гораздо сложнее: после покупки чипов им еще приходится оплачивать здания дата-центров, сети, системы охлаждения и электричество.
Преимущество NVIDIA держится не только на спросе на GPU. Ее ускорители работают вместе с сетевым оборудованием, библиотеками и программной платформой CUDA.
Технически клиент может сменить поставщика. Практически такой переход требует перестройки части программной среды и перенастройки вычислительных нагрузок.
Еще один фактор — распространение моделей рассуждения. Если раньше огромные мощности прежде всего требовались для обучения ИИ, теперь все дороже обходится и использование уже обученных моделей: сложный ответ может потребовать значительно больше вычислений.
TSMC зарабатывает независимо от того, чей чип победит
У TSMC другая позиция.
Компания не обязана делать ставку исключительно на NVIDIA. Она производит чипы как для нынешнего лидера рынка ускорителей, так и для компаний, которые создают собственные процессоры.
Поэтому даже переход крупных облачных платформ от универсальных GPU к заказным ускорителям не обязательно выбивает TSMC из цепочки доходов.
Значительная часть таких процессоров все равно должна быть физически произведена на фабриках контрактных производителей.
Broadcom получает выгоду от той же тенденции с другой стороны: облачные гиганты заказывают специализированные решения, пытаясь снизить зависимость от универсальных ускорителей.
Конкуренция между чипами пока не сделала ИИ-инфраструктуру дешевой. Она лишь увеличила число компаний, которым приходится платить за ее строительство.
У оборудования есть главный риск — цикл может развернуться
Нынешний бум не гарантирует производителям вечного дефицита.
Когда мощностей недостаточно, клиенты бронируют производство заранее и могут заказывать больше, чем им потребуется в спокойном рынке. После того как предложение догоняет спрос, часть таких заказов способна исчезнуть, а цены — оказаться под давлением.
NVIDIA защищена своей программной экосистемой сильнее многих традиционных производителей полупроводников.
Но и для нее критично, чтобы строительство вычислительной инфраструктуры продолжалось достаточно быстро, а уже проданное дорогостоящее оборудование не устаревало быстрее, чем клиенты успевают его окупить.
Память превратилась в еще одного победителя ИИ-гонки
Рост спроса на ускорители потянул за собой соседние компоненты.
По данным, приведенным Алиевым, выручка Micron от HBM, высокоемких DIMM и серверной LP DRAM достигла $10 млрд в 2025 финансовом году, увеличившись более чем в пять раз.
Причина находится внутри самой архитектуры современных ИИ-систем.
Модели постоянно перемещают огромные массивы данных между процессором и памятью. Если память работает медленно, дорогой ускоритель начинает простаивать — экономить на этом компоненте становится трудно.
Arista, Vertiv и Eaton зарабатывают без собственного чат-бота
Следующий уровень ИИ-рынка заметен пользователю еще меньше.
Arista продает сетевую инфраструктуру. Vertiv занимается системами электропитания и охлаждения. Eaton поставляет электротехническое оборудование.
У этих компаний нет необходимости выпускать собственную языковую модель, чтобы получить доступ к ИИ-буму.
GE Vernova, по данным аналитика, получила более $2 млрд прямых заказов для дата-центров, что втрое превышает показатель годом ранее.
Здесь выручка привязана не к популярности конкретного чат-бота, а к более простому показателю: сколько новых вычислительных площадок строится.
Дата-центрам к 2030 году понадобится около 945 ТВт·ч
Самым жестким ограничением постепенно становится электричество.
Согласно приведенному Алиевым прогнозу Международного энергетического агентства, мировое энергопотребление дата-центров может увеличиться с 415 ТВт·ч в 2024 году примерно до 945 ТВт·ч в 2030-м.
Это более чем двукратный рост за шесть лет.
Проблема не сводится к тому, хватит ли электроэнергии планете в целом. Мощность нужна в конкретном месте, где строится дата-центр, вместе с доступом к сетям, подстанциям и системам передачи.
Из-за этого готовое подключение к энергосистеме в перегруженных регионах становится почти таким же ценным активом, как подходящий земельный участок.
И здесь появляется принципиальная разница между сервером и энергетической инфраструктурой. Ускоритель через несколько лет сменит новое поколение, тогда как подстанция, линия электропередачи или система охлаждения способны обслужить несколько поколений вычислительного оборудования.
Microsoft уже считает ИИ-выручку десятками миллиардов
Облачные гиганты тоже быстро монетизируют ИИ, но находятся по другую сторону инфраструктурных контрактов.
По данным обзора, годовой темп выручки ИИ-бизнеса Microsoft в III квартале 2026 года превысил $37 млрд.
Amazon во II квартале сообщала, что годовой темп бизнеса собственных чипов, включая Graviton, Trainium и Nitro, превысил $25 млрд. Продажи связанных с генеративным ИИ продуктов Google Cloud в одном из последних отчетных кварталов росли почти на 400%.
Цифры огромные. Но вместе с выручкой растут и расходы на ее получение.
Облакам приходится заранее строить дата-центры, поскольку подключение электричества, строительство и монтаж оборудования занимают годы.
Отсюда неприятный выбор: построить слишком мало и потерять клиентов либо построить слишком много и получить дорогостоящие простаивающие GPU.
Пустующий ускоритель остается дорогим металлом
Ключевой показатель для облачного бизнеса — загрузка.
Дата-центр, где клиенты стоят в очереди за вычислительными ресурсами, способен оправдать даже очень большие первоначальные инвестиции.
Пустующие ускорители продолжают амортизироваться, хотя не приносят соответствующей выручки.
Дополнительный риск создает скорость обновления чипов. Новое поколение может выполнять ту же работу значительно дешевле в расчете на одно вычисление, заставляя владельца старого оборудования снижать тарифы или переводить его на менее сложные задачи.
От того, сколько лет сервер действительно сможет приносить конкурентоспособную выручку, зависит реальная доходность миллиардных вложений облачных платформ.
Amazon, Google и Microsoft делают собственные чипы
Крупнейшие облачные компании пытаются сократить инфраструктурные расходы самостоятельно.
Amazon, Google и Microsoft разрабатывают собственные процессоры, что при их масштабе может снизить зависимость от внешних поставщиков.
Но собственный чип тоже не бесплатен.
Компания получает расходы на проектирование, поддержку программной среды и риск недозагрузки специализированного оборудования. Заказной ускоритель особенно выгоден при огромном потоке однотипных задач.
Для более небольшого клиента универсальная платформа зачастую остается проще.
OpenAI и Anthropic создали спрос, но вопрос маржи остается
У разработчиков ИИ-моделей ситуация еще сложнее.
Выручка OpenAI и Anthropic растет, но одновременно увеличиваются затраты на обучение моделей, исследователей и обработку пользовательских запросов.
Бесплатная аудитория помогает быстро распространять продукт, однако каждый запрос все равно требует вычислительных ресурсов.
Получается необычная экономика: огромная пользовательская база одновременно является конкурентным преимуществом и крупной статьей расходов.
Снижать стоимость вычислений тоже недостаточно. Как только один запрос становится дешевле, пользователи начинают активнее применять длинный контекст, режимы рассуждения и ИИ-агентов.
Одна пользовательская задача превращается в цепочку обращений к модели. Цена единичного вычисления падает, а их количество растет.
Деньги внутри ИИ-рынка могут ходить по кругу
Алиев отдельно обращает внимание на проблему кругового финансирования.
Производитель оборудования может инвестировать в разработчика модели. Разработчик покупает мощности облачной платформы. Облачная компания заказывает новые ускорители.
Продажи в такой цепочке реальны, но часть капитала продолжает вращаться внутри одной инвестиционной экосистемы.
Настоящий тест начнется тогда, когда конечный независимый клиент сможет показать: расходы на ИИ окупаются прибылью, которую технология помогла получить в его основном бизнесе.
Accenture уже получила $2,7 млрд выручки от генеративного ИИ
Деньги постепенно появляются и на уровне прикладного бизнеса.
Accenture получила $2,7 млрд выручки от генеративного и агентного ИИ за 2025 финансовый год, а новые заказы достигли $5,9 млрд.
Американская коммерческая выручка Palantir удвоилась, а повторяющаяся выручка Salesforce Agentforce превысила $1 млрд.
Однако аналитик предупреждает: подобные показатели нельзя механически складывать.
Один корпоративный ИИ-проект может одновременно попасть в отчетность облачного провайдера, разработчика программного обеспечения и консультанта по внедрению. Каждый из них назовет эту выручку связанной с искусственным интеллектом.
Для инвестора полезнее другой вопрос: увеличил ли ИИ цену продукта, привел ли новых клиентов или реально снизил расходы.
Рост производительности еще не равен росту прибыли
Лабораторные и прикладные исследования показывают заметный эффект.
Как отмечает Алиев со ссылкой на Stanford AI Index, применение ИИ давало прирост производительности порядка 14–15% в клиентской поддержке, 26% в разработке программного обеспечения и до 50% в отдельных маркетинговых задачах.
Но на уровне всей компании результат выглядит гораздо скромнее.
По приведенным в обзоре данным McKinsey, лишь около 6% организаций одновременно связывали с искусственным интеллектом более 5% прибыли до процентов и налогов и сообщали о значимой ценности технологии.
Проблема в конвертации сэкономленного времени в деньги.
Если сотрудник выполняет прежнюю работу быстрее, но компания не меняет процессы, загрузку или структуру затрат, рост производительности еще не превращается автоматически в дополнительную прибыль.
На ИИ сегодня больше всех получают поставщики инфраструктуры
Наиболее понятная экономика пока сложилась там, где покупатель платит еще до того, как сам начнет зарабатывать на искусственном интеллекте.
«Сегодня больше всего на ИИ зарабатывают NVIDIA, TSMC и Broadcom», — резюмирует Турал Алиев.
Следом располагаются производители памяти, сетевого оборудования, систем питания и охлаждения, а также компании энергетического сектора.
Облачные платформы уже формируют многомиллиардную ИИ-выручку, но одновременно финансируют масштабное строительство инфраструктуры. Разработчики моделей обеспечили спрос практически всей этой цепочке, однако вопрос устойчивой маржинальности для них еще не закрыт.
Для инвестора граница проходит довольно четко: поставщики дефицитной инфраструктуры получают деньги при продаже оборудования, тогда как значительная часть остальных участников рынка пока покупает возможность заработать на ИИ в будущем.
Ранее мы подробно разбирали, почему инфраструктура для искусственного интеллекта стала одним из главных трендов мировой экономики.
