Как ИИ создает огромные расхождения в оценке и меняет логику ценности инвестиций

2026/09/25 14:15:00

ИИ нарушает традиционные модели оценки акций

Искусственный интеллект изменил ценообразование на рынках акций таким образом, что ставит под сомнение десятилетия традиционных подходов к инвестициям в стоимость. Традиционные фильтры, которые предпочитали низкие мультипликаторы цена/прибыль, стабильную доходность от свободного денежного потока и предсказуемую поддержку дивидендов или выкупа акций, теперь сталкиваются с компаниями, чьи отчетные мультипликаторы выглядят экстремально с обеих сторон. Некоторые фирмы торгуются по мультипликаторам в однозначных цифрах или даже ниже 2 раза прибыли, при этом демонстрируя рост выручки на сотни процентов; другие, обладающие устойчивыми денежными потоками, торгуются со скидками, которые предполагают структурную устарелость.

Результатом становится ландшафт явных несоответствий, при котором рынок оценивает ожидаемые нарушения значительно раньше, чем реальные фундаментальные показатели. Генеративный ИИ и сопутствующий бум капитальных расходов сжали традиционные рамки оценки, повысив значимость продолжительности роста и нематериальных преимуществ как основных драйверов внутренней стоимости и заставив ценовых инвесторов учитывать прогнозируемые показатели производительности, которые старые модели намеренно исключали.

Экстремальные мультипликаторы раскрывают продолжительность роста как новую ключевую дискуссию

Раньше участники рынка искали акции, торгующиеся в диапазоне от 10 до 12 раз прибыли, которые могли стабильно расти за счет генерации денежных потоков и возврата капитала. Этот подход в значительной степени утратил свою актуальность. Сейчас в качестве примеров часто упоминаются компании с коэффициентами цена/прибыль всего 1,8 раза при годовом росте выручки более 600 процентов. В таких случаях аналитический диалог почти полностью смещается в сторону устойчивости этого направления роста, а не абсолютного уровня мультипликатора. Японские промышленные группы, такие как Sumitomo Electric, торгующиеся около 16 раз прибыли, иллюстрируют аналогичную динамику: их бизнесы по оптоволокну, лазерам и связанным компонентам заключили многолетние контракты с операторами гипермасштабных облаков, что обеспечивает экспозицию к ИИ, которую традиционные методы оценки недооценивают.

Эти наблюдения, отраженные в недавних комментариях, подчеркивают более широкий среднесрочный эффект ИИ: расхождения в оценке усилились, что смещает практику ценности-инвестирования в сторону так называемых возможностей глубокой стоимости с высоким ростом. Инвесторам необходимо оценивать не только текущую прибыльность, но и продолжительность периода, в течение которого повышенный рост может сохраняться до тех пор, пока конкурентные реакции или технологическая зрелость не сожмут доходность. Практическое следствие заключается в том, что фильтры, основанные исключительно на прошлых или краткосрочных мультипликаторах, систематически пропускают компании, экономика которых перестраивается под влиянием спроса на инфраструктуру ИИ.

Расходы гипермасштабаторов на капитал перерисовывают ожидания по распределению прибыли

Капитальные расходы крупнейших облачных и вычислительных платформ достигли уровней, переопределяющих отраслевыеProfit pools. Согласованные оценки предполагают, что совокупные расходы основных гипермасштабных провайдеров в 2026 году составят от 700 до более чем 800 миллиардов долларов, при этом глобальные инвестиции, связанные с ИИ, прогнозируются на уровне более 1 триллиона долларов. Исследование Goldman Sachs отмечает, что доля технологических инвестиций США в ВВП уже превысила пиковый уровень конца 1990-х годов, а планы расходов продолжают корректироваться в сторону увеличения. Такие расходы изначально оказывают давление на показатели свободного денежного потока, даже несмотря на расширение целевых рынков для полупроводников, сетевого оборудования, энергетической инфраструктуры и специализированных материалов.

Рамки оценки, которые наказывают снижение денежных потоков в краткосрочной перспективе, рискуют классифицировать эти платформы как дорогие, хотя дополнительные мощности в основе могут поддерживать многолетнее расширение прибыли. В то же время концентрация расходов создает вторичные эффекты: поставщики с ограниченными мощностями или проприетарными технологиями захватывают повышенные маржи, в то время как компании нижестоящего программного обеспечения и услуг сталкиваются с давлением на маржу из-за альтернатив, основанных на ИИ. В итоге происходит перераспределение стоимости, которое традиционные модели дисконтированных денежных потоков, настроенные на доИИ-темпы роста, с трудом могут точно учесть.

Переоценка программного сектора отражает ожидаемые, а не реализованные нарушения

Оценки корпоративного программного обеспечения существенно сократились. Перспективные мультипликаторы для многих устоявшихся компаний упали в диапазоны, последние зафиксированные в периоды неопределенности при переходе на облачные технологии, причем некоторые высококачественные компании торгуются со скидками 20–30 процентов и более по сравнению с историческими средними значениями. Аналитики компаний, включая Morgan Stanley, отметили, что средние мультипликаторы enterprise-value-to-sales для программного обеспечения вернулись к уровням, характерным для пика неопределенности при массовом внедрении публичных облаков. Рынок учитывает возможность того, что генеративный ИИ сократит количество пользовательских лицензий, сожмет ценовую власть или поглотит функциональность, которая ранее стимулировала циклы обновлений.

Тем не менее, ранее сообщенные фундаментальные показатели многих устоявшихся участников рынка продолжают демонстрировать устойчивую конверсию свободного денежного потока и рост годового повторяющегося дохода, связанного с ИИ. Расхождение между подразумеваемыми темпами роста, заложенными в текущих ценах, и фактическими или краткосрочно прогнозируемыми темпами роста создает классическое несоответствие: некоторые прибыльные программные компании кажутся недооцененными по показателям денежного потока, в то время как нарратив о структурной устарелости остается доминирующим. Таким образом, инвесторы, ориентированные на стоимость, сталкиваются с задачей различать временные снижения цен, обусловленные нарративами, и настоящее ухудшение конкурентных преимуществ.

Рост рыночной стоимости по сравнению с оценочным потенциалом прибыли от ИИ

Согласно исследованиям Goldman Sachs, компании, связанные с ИИ, добавили примерно 27 триллионов долларов рыночной капитализации с конца 2022 года. То же исследование оценивает текущую дисконтированную стоимость потенциального дополнительного дохода от повышения производительности благодаря ИИ в базовом сценарии примерно в 9 триллионов долларов при стандартных предположениях. Закрытие этого разрыва требует оптимистичных предположений о доле экономического излишка, захватываемого ИИ-компаниями, скорости внедрения и устойчивости повышенных марж. Сам по себе этот разрыв не доказывает переоцененности; на общую сумму влияет также переоценка не-ИИ-бизнесов на тех же платформах и в более широком рынке.

Тем не менее, масштаб подчеркивает, насколько сильно рыночное ценообразование сместилось по сравнению с консервативными оценками создания экономической стоимости. Инвесторы, ориентированные на стоимость, привыкшие покупать активы со скидкой к независимо рассчитанной внутренней стоимости, теперь должны решить, следует ли им учитывать более высокие предположения о доле выручки и производительности или рассматривать избыточную рыночную стоимость как сигнал повышенного риска. Аналитическое напряжение особенно остро ощущается у чистых провайдеров моделей и недавних высоко профильных листингов, чья история прибылей остается ограниченной по сравнению с их капитализацией.

Традиционные метрики с трудом учитывают нематериальные и сетевые эффекты

Коэффициенты цена/прибыль, цена/книжная стоимость и даже доходность по свободному денежному потоку были разработаны для компаний, основные активы которых отражались в балансе. Компании, ориентированные на ИИ, получают значительную стоимость из проприетарных наборов данных, весов моделей, плотности талантов и сетевых эффектов, которые усиливаются с ростом масштаба. Применение традиционных критериев к таким компаниям часто приводит к экстремальным мультипликаторам или кажущимся ловушкам стоимости. Исторический анализ предыдущих технологических сдвигов показывает, что наивные показатели стоимости часто не могли отличить будущих победителей от компаний, в конечном итоге упавших.

Акции программного обеспечения, которые ранее пользовались премиум-оценками, теперь в некоторых случаях торгуются с умеренной дисконтированностью по отношению к рынку в целом, однако нематериальные активы, поддерживающие их экономическую модель, интеграцию в рабочие процессы, затраты на смену поставщика и отраслевые данные, не полностью отражены в бухгалтерской стоимости. Инвесторы, полагающиеся исключительно на традиционные коэффициенты, рискуют как пропустить устойчивые компаундеры, так и приобрести компании, чья заявленная дешевизна скрывает реальное ослабление конкурентных позиций. Включение показателей интенсивности нематериального капитала и силы данных-сетей стало необходимым дополнением к инструментарию ценности.

Ограничения концентрации на частном рынке ограничивают доступ публичных инвесторов

Значительная доля создания стоимости в сфере ИИ продолжает происходить на частных рынках. Отчеты показывают, что более половины недавнего роста ведущих ИИ-компаний была зафиксирована до выхода на публичный рынок, причем небольшая группа частных компаний приходится на непропорционально большую долю выручки и капитализации среди топовых компаний. Таким образом, инвесторы на публичных рынках получают доступ в основном к поздним этапам цикла, после того как значительный рост уже произошел. Эта динамика изменяет набор возможностей для стратегий, направленных на создание стоимости, которые исторически фокусировались на публично торгуемых акциях.

Вторичные рынковые сделки и интервальные фонды частично сократили этот разрыв, однако ликвидность, прозрачность оценки и стандарты управления значительно отличаются от рыночных показателей публичных рынков. Инвесторы, ищущие экспозицию в ранней экономике ИИ, должны либо принять условия частного рынка, либо сосредоточиться на публичных поставщиках и пользователях, чья экономика уже видна в отчетных результатах. Структурные изменения снижают частоту классических выгодных сделок на публичных рынках на самых ранних этапах внедрения технологий.

Названия компаний полупроводников и инфраструктуры демонстрируют расходящиеся траектории прибыли

В рамках экосистемы ИИ полупроводники, сетевые и энергетические компоненты демонстрируют траектории прибыльности, резко отличающиеся от провайдеров моделей и традиционного программного обеспечения. Впереди идущие мультипликаторы прибыли для ведущих поставщиков оборудования и памяти для полупроводников снизились с пиковых уровней, но остаются поддерживаемыми долгосрочной видимостью спроса, связанной с расширением центров обработки данных. Некоторые промышленные и материаловедческие компании, предлагающие специализированные продукты, оптические компоненты, передовые субстраты или решения для управления питанием, торгуются с мультипликаторами, которые кажутся скромными по сравнению с ростом, заложенным в долгосрочных контрактах с гипермасштабируемыми платформами.

Эти названия часто выходят за пределы чисто технологических индексов и поэтому избегают полной силы переоценки, обусловленной нарративами. Рамки оценки, ориентированные на прибыльность относительно вложенного капитала и продолжительность видимого спроса, могут выявить возможности здесь, которые упускают более широкие критерии роста. Ключевой аналитический шаг — подтверждение того, что ограничения мощности или технологическая специфичность ограничивают быстрый вход конкурентов, тем самым обеспечивая устойчивость маржи за пределами начального этапа развертывания.

Риск ловушек стоимости среди явных проигравших в сфере ИИ

Не каждая компания, предлагающая программное обеспечение или услуги со скидкой, обеспечивает устойчивую выгоду. Компании, чьи основные продукты могут быть воспроизведены или организованы с помощью универсальных моделей, испытывают реальное давление на цены и объемы. Исторические паттерны технологических нарушений показывают, что традиционные метрики стоимости в значительной степени оказались неэффективными при различении временного недооцененного состояния и постоянного ущерба.

Инвесторы должны поэтому проанализировать издержки на переключение, преимущества, связанные с собственными данными, и степень, в которой инструменты ИИ дополняют, а не заменяют существующие рабочие процессы. Компании, успешно интегрировавшие ИИ в свои продукты и повысившие ценовую власть за счет улучшенной аналитики или автоматизации, могут укрепиться, в то время как компании, просто защищающие устаревшие модели на основе мест, рискуют столкнуться с длительным сжатием мультипликаторов. Различие требует детального анализа дорожных карт продуктов и данных по удержанию клиентов, а не полагаться на агрегированные мультипликаторы сектора.

Повышение производительности и сроки экономической отдачи

Принятие ИИ корпоративным сектором остается неравномерным. Опросы генеральных директоров показывают, что подавляющее большинство сообщают лишь о частичной реализации запланированных результатов от программ трансформации с использованием ИИ, несмотря на широкую активность. Рост числа применений без дисциплинированной приоритизации снизил доходность во многих компаниях портфеля. Для инвесторов на публичных рынках это означает, что повышение прибыли в краткосрочной перспективе может отставать от капитальных расходов на несколько лет.

Модели оценки, учитывающие отложенные преимущества от повышения производительности, дают более низкую приведенную стоимость по сравнению с моделями, предполагающими быстрое расширение маржи. Аналитическая сложность заключается в оценке задержки между внедрением инфраструктуры и измеримым улучшением свободного денежного потока в различных отраслях. Отрасли с высокой долей знаниевого труда или повторяющимися аналитическими задачами могут получить выгоды раньше; капиталоемкие или жестко регулируемые отрасли могут отставать. Точные допущения по срокам становятся ключевыми для избежания как преждевременного оптимизма, так и чрезмерной осторожности.

Риск концентрации и последствия для построения портфеля

Доходности рынка акций в последние периоды были сильно сосредоточены на небольшом числе компаний, связанных с ИИ. Пять или менее акций обеспечили большую часть роста индекса в некоторых интервалах, в то время как остальная часть рынка продемонстрировала более скромную динамику. Премии за риск сократились, а в некоторых измерениях впереди-ориентированные премии за риск акций приблизились к исторически низким уровням.

Стратегии ценности, которые исторически делали акцент на диверсификации по секторам и стилям, теперь сталкиваются с рынком, на котором активы, не связанные с ИИ, могут длительное время показывать худшие результаты, если капитал продолжит перемещаться в сторону лидеров инфраструктуры и моделей. Поэтому построение портфеля должно балансировать желание сохранить классические характеристики ценности с достаточной экспозицией к сегменту ИИ, чтобы избежать хронического относительного отставания. Один из практических подходов заключается в выявлении публичных компаний, экономика которых выгодно зависит от спроса на ИИ, при этом их оценка остается на уровне, обеспечивающем маржу безопасности по сравнению с независимо рассчитанной внутренней стоимостью.

Эволюция роли анализа свободного денежного потока при высоких капитальных затратах

Значительные капитальные расходы временно снижают доходность свободного денежного потока, даже когда дополнительные инвестиции приносят доход выше стоимости капитала. Анализы рентабельности дополнительных вложенных средств гипермасштабируемыми компаниями показали пики, значительно превышающие взвешенную среднюю стоимость капитала, за которыми следует ожидаемое смягчение, остающееся добавляющей ценность при базовых предположениях.

Таким образом, инвесторы, ориентированные на стоимость, должны различать снижение денежных потоков, вызванное чрезмерными инвестициями, разрушающими стоимость, и теми, которые отражают временные несоответствия между расходами и монетизацией. Показатели, такие как рентабельность дополнительного вложенного капитала, срок окупаемости активов центров обработки данных и доля расходов, направленных на краткосрочные по сравнению с долгосрочными активами, дают более глубокое понимание, чем статические показатели свободного денежного потока. Компании, сохраняющие высокую рентабельность дополнительных инвестиций при масштабировании мощностей, могут оправдать повышенные мультипликаторы в краткосрочной перспективе; те, кто этого не делает, рискуют постоянной потерей капитала после завершения фазы расширения.

Будущее расчета внутренней стоимости

Модели дисконтированных денежных потоков требуют явных предположений о темпах роста в перспективе, уровне конкуренции и устойчивости высоких марж. ИИ вносит большую неопределенность в каждый из этих параметров. Темпы роста в перспективе, которые ранее казались консервативными, теперь могут недооценивать структурные улучшения производительности, а конкурентные реакции как устоявшихся игроков, так и новых участников могут сжимать маржи быстрее, чем предполагали исторические закономерности.

Практики поэтому расширяют сценарный анализ, включая более широкий спектр темпов внедрения, регуляторных исходов и траекторий стоимости технологий. Цель — не идеальное предвидение, а более надежный диапазон оценок внутренней стоимости, которые можно сравнить с рыночными ценами. Когда рыночные цены предполагают рост или предположения о марже за пределами правдоподобного диапазона, сгенерированного фундаментальным анализом, несоответствия в оценке становятся инвестиционными возможностями, при условии, что временной горизонт и толерантность к риску инвестора учитывают неопределенность.

Практические корректировки, которые сегодня вносят ценности-инвесторы

Ведущие специалисты начали интегрировать специализированные источники данных ИИ, картографирование цепочек поставок и прогнозируемые оценки производительности в традиционные процессы оценки. Некоторые акцентируют внимание на анализе узких мест, выявляя ограниченные ресурсы, такие как специализированные оптические компоненты, мощности передовой упаковки или энергетическая инфраструктура, где рыночная власть, вероятно, сохранится. Другие сосредоточены на программном обеспечении для рабочих процессов, которое успешно монетизирует функции ИИ за счет повышения среднего дохода на пользователя, а не за счет простого увеличения числа лицензий.

Эти корректировки не отказываются от основных принципов запаса прочности и независимой оценки внутренней стоимости. Они расширяют набор информации, необходимый для проведения такой оценки в среде, где технологические изменения ускоряют изменение траекторий денежных потоков и конкурентной среды. Компании, которые адаптируют свои аналитические рамки, сохраняя дисциплину в отношении соотношения цены и стоимости, лучше подготовлены к эффективному управлению текущим режимом несоответствия, чем те, кто полагается исключительно на критерии отбора до появления ИИ.

🔥 За кадром новостей: что значит KuCoin 5.0 для вас

Новости рынка движутся быстро — но то, где вы на них реагируете, имеет не меньшее значение. В этом октябре KuCoin запускает KuCoin 5.0, превращая KuCoin в перестроенную платформу. Вот что реально изменится для вас:

Один аккаунт для всего. Старые платформы разделяли ваши средства между отдельными аккаунтами «спот», «маржа» и «фьючерсы» и ожидали, что вы поймете почему. Единый аккаунт KuCoin 5.0 полностью устраняет это — сделайте депозит один раз, и всё будет просто доступно (на данный момент доступно только для VIP-пользователей).
Акции, индексы и товары. KuCoin 5.0 расширяется за пределы криптовалют на глобальные рынки. Когда криптовалюты движутся боком, а акции растут (или наоборот), вы переключаетесь за минуты, вместо того чтобы открывать брокерский аккаунт и ждать дней для вывода фиата.
Реальные активы (RWA). Токенизированная экспозиция к традиционным активам, таким как сырьевые товары, прямо в вашем криптоаккаунте. Один из самых быстрорастущих сегментов мировой финансов не больше ограничен для институциональных инвесторов — вы получаете к нему доступ с того же баланса, с которым торгуете.
Зарабатывайте, пока учитесь. Еще не готовы торговать? KCUSD позволяет вашим стейблкоинам получать ежедневный автокомпаундный доход. Самый спокойный способ заставить ваши неиспользуемые депозиты работать с доходностью 4%.
ИИ-помощник на простом языке. Задавайте вопросы, получайте контекст рынка, понимайте, что вы видите — всё интегрировано в платформу, без жаргона.
Приложение, которое не перегружает. Быстрее, чище и последовательно — интуитивно понятно с первого касания, а не после обучения.
Безопасность, которую можно проверить, а не просто доверять. Европейская организация с лицензией MiCAR, Proof of Reserves , которую вы можете проверить самостоятельно, и международно сертифицированная безопасность (SOC 2 Type II, ISO 27001:2022).

Создайте аккаунт за несколько минут — и начните работать на платформе, созданной для того, куда движется криптовалюта, а не туда, где она была.

ЧаВо

Как соотносятся прирост рыночной стоимости, связанный с ИИ, с оценочной экономической прибылью?

Исследование Goldman Sachs показало, что компании, связанные с ИИ, добавили примерно 27 триллионов долларов рыночной капитализации с ноября 2022 года, а текущая дисконтированная стоимость потенциального дополнительного дохода от повышения производительности благодаря ИИ составляет базовую величину около 9 триллионов долларов при стандартных допущениях. Закрытие этого разрыва требует более оптимистичных оценок доли выручки, захватываемой ИИ-компаниями, скорости внедрения и устойчивости маржи. Не вся прибавка рыночной капитализации обусловлена исключительно ИИ, поскольку многие платформы включают значительные не-ИИ-бизнесы, однако этот разрыв остается центральным пунктом дискуссии для инвесторов, оценивающих, не закладывают ли текущие цены чрезмерный оптимизм.

Почему оценки программного обеспечения так резко сжались?

Рынки учли возможность того, что генеративный ИИ снизит потребность в традиционных лицензиях программного обеспечения, ослабит ценовую власть или поглотит функциональность, которая ранее стимулировала апгрейды. Перспективные мультипликаторы для многих устоявшихся компаний снизились до диапазонов, характерных для более ранних периодов технологической неопределенности. В то же время некоторые прибыльные компании, работающие с рабочими процессами, продолжают сообщать о росте маржинальной свободной денежной наличности и увеличении повторяющегося дохода, связанного с ИИ, что создает расхождение между ценами, обусловленными нарративами, и краткосрочными фундаментальными показателями, которые инвесторы-ценности должны оценивать отдельно для каждого случая.

Какую роль капитальные расходы гипермасштабировщиков играют в несоответствиях оценки?

Совокупные капитальные расходы основных гипермасштабируемых платформ на 2026 год прогнозируются в диапазоне от 700 до более чем 800 миллиардов долларов, при этом глобальные инвестиции в ИИ, как ожидается, превысят 1 триллион долларов. Эти расходы изначально снижают доходность свободного денежного потока, даже когда дополнительная доходность остается выше стоимости капитала. Традиционные методы оценки стоимости, которые наказывают за слабость денежного потока в краткосрочной перспективе, могут неправильно классифицировать платформы, нацеленные на расширение мощностей, как дорогие, пропуская при этом поставщиков, чьи ограниченные мощности поддерживают устойчивые маржи.

По-прежнему ли полезны традиционные метрики стоимости на рынке, управляемом ИИ?

Коэффициенты P/E, P/B и статическая доходность по свободному денежному потоку остаются актуальными в качестве отправных точек, но должны дополняться анализом нематериальных активов, сетевых эффектов, продолжительности роста и рентабельности дополнительного вложенного капитала. Исторические примеры технологических потрясений показывают, что наивное применение этих показателей часто не позволяло отличить окончательных победителей от постоянных ловушек для стоимости. Расширенные рамки, учитывающие интенсивность данных, издержки на переключение и временные характеристики производительности, повышают вероятность выявления настоящих несоответствий.

Как концентрация на частном рынке влияет на общественную стоимость и инвесторов?

Значительная часть создания стоимости в сфере ИИ происходит до выхода компаний на публичные рынки. Поэтому публичные инвесторы, как правило, получают доступ к более поздним этапам цикла, после того как уже произошло значительное удорожание. Эта структурная особенность снижает частоту классических публичных выгодных сделок на ранних этапах и требует от стратегий поиска стоимости либо принятия условий частного рынка, либо фокусировки на публичных поставщиках и пользователях, экономика которых уже видна в отчетных результатах.

Чем отличается временная скидка от ловушки стоимости в программном обеспечении?

Временные скидки часто появляются у компаний, успешно интегрировавших ИИ в существующие рабочие процессы, что повышает ценовую власть и удержание клиентов. Ловушки стоимости более вероятны среди компаний, чьи основные продукты могут быть воспроизведены или организованы с помощью универсальных моделей при низких затратах на переключение или отсутствии преимуществ, связанных с проприетарными данными. Для различения этих двух категорий требуется детальный анализ дорожных карт продуктов, метрик удержания клиентов и прогресса в монетизации ИИ.

Отказ от ответственности: Этот материал предназначен исключительно для информационных целей и не является инвестиционной рекомендацией. Инвестиции сопряжены с риском. Проведите собственное исследование (DYOR).

Отказ от ответственности: Эта страница была переведена для вашего удобства с использованием технологии искусственного интеллекта. Для получения наиболее точной информации обратитесь к оригинальной английской версии.