Аполлон Экономист: Рентабельность Magnificent Seven растет, в то время как остальные компании S&P 500 застывают в 2026 году

2026/10/28 16:11:00

Искусственный интеллект стал одной из крупнейших инвестиционных тем 2026 года, привлекая сотни миллиардов долларов расходов на чипы, центры обработки данных, облачные вычисления и модели ИИ. Однако все чаще возникает вопрос на финансовых рынках: приносят ли эти инвестиции измеримую экономическую отдачу за пределами компаний, предоставляющих технологии? Главный экономист Apollo Global Management Торстен Слок поднял эту проблему в исследовательской заметке от 24 октября, отметив, что выручка на работника и маржа прибыли выросли среди Magnificent Seven, оставаясь в основном неизменными у остальных 493 компаний S&P 500. Он также не обнаружил четких доказательств ускорения роста производительности труда, вызванного ИИ.

Последствия выходят за рамки традиционных акций. Если расходы на инфраструктуру ИИ продолжат расти быстрее, чем финансовая польза, получаемая корпоративными клиентами, инвесторы могут пересмотреть оценки технологических компаний, ожидания корпоративной прибыли и спрос на услуги ИИ. Тот же вопрос важен и для рынков криптовалют, где токены, связанные с ИИ, децентрализованные вычислительные сети и блокчейн-проекты в области ИИ все чаще конкурируют за внимание инвесторов. Главный вопрос — не в том, развивается ли технология ИИ, а в том, сможет ли ее коммерческая ценность распространиться за пределы относительно небольшой группы доминирующих технологических компаний.

Основные выводы

Прибыли от ИИ остаются сосредоточенными: анализ Apollo за октябрь 2026 года показывает рост выручки на работника и маржи прибыли среди Magnificent Seven, в то время как аналогичные показатели остаются в целом неизменными в S&P 493.
Внедрение ИИ в бизнес сталкивается с финансовым испытанием: подписки на модели, потребление токенов, расходы на интеграцию и человеческий контроль могут компенсировать выгоды от повышения эффективности, когда компании не могут превратить возможности ИИ в измеримые финансовые результаты.
Расходы на инфраструктуру создают как возможности, так и риски: крупные технологические компании продолжают активно инвестировать в вычислительные мощности, но устойчивость этих инвестиций зависит от спроса со стороны клиентов и будущей генерации денежных средств.
Рыночная капитализация крупных технологических компаний может поддерживать показатели индекса, даже когда рост прибыли остается неравномерным по секторам.
Крипто-связанные ИИ-проекты сталкиваются с похожей проблемой: интерес инвесторов к ИИ-инфраструктуре и цифровым активам не гарантирует устойчивый спрос на блокчейн-услуги или токены, связанные с ними.

Что анализ Apollo S&P 493 раскрывает о финансовой отдаче ИИ

Исследовательская записка Apollo от 24 октября, опубликованная Торстеном Слоком, утверждает, что финансовые выгоды от ИИ остаются сосредоточенными в крупных технологических компаниях, а не распространяются широко по корпоративному сектору США. В анализе Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia и Tesla выделены из S&P 500, а остальные компании обозначены как S&P 493. Согласно Слоку, выручка на работника и маржа прибыли выросли у Magnificent Seven, но остались в основном на прежнем уровне для остальной части индекса. Его анализ также не выявил явного ускорения роста производительности, обусловленного ИИ.

Это различие важно, потому что Magnificent Seven занимают несколько разных позиций в цепочке создания стоимости ИИ. Nvidia поставляет вычислительное оборудование, Microsoft и Alphabet управляют облачными и программными экосистемами, Amazon сочетает облачную инфраструктуру с коммерцией, а Meta и Apple получают выгоду от крупных потребительских платформ. Tesla имеет другую бизнес-модель, но остается частью той же рыночной группы. Эти компании могут монетизировать ИИ через чипы, облачные сервисы, рекламу, подписки, программное обеспечение и другие проверенные каналы дохода. Сравнительно, многие компании за пределами этой группы приобретают возможности ИИ и должны доказать, что достигнутая эффективность превышает их затраты.

Доход на сотрудника и маржи прибыли показывают растущее расхождение

Анализ Apollo подчеркивает разницу между финансовым результатом и технологическим внедрением. Компания может внедрить инструменты ИИ, автоматизировать отдельные задачи или расширить доступ сотрудников к передовым моделям, не обеспечивая немедленного роста общей прибыльности. Преимущества могут проявляться в виде более быстрого обслуживания, меньшего количества ошибок, лучшей удерживаемости клиентов или снижения удельных затрат, но эти достижения могут быть компенсированы расходами на внедрение, ростом заработной платы, затратами на энергию и дополнительными расходами на программное обеспечение. Выручка на одного работника и маржа прибыли являются полезными агрегированными показателями, хотя ни один из них не учитывает все потенциальные преимущества внедрения ИИ.

Индикатор	Великолепная семерка	S&P 493
Доход на одного сотрудника	Рост в анализе Apollo	В основном без изменений
Маржи прибыли	Рост примерно на 30% в отчетных сравнениях	В целом без изменений около 10%
Производительность, связанная с ИИ	Более высокая финансовая эффективность, хотя причинно-следственная связь не подтверждается только этим сравнением	Четкого агрегированного ускорения не выявлено Apollo
Позиция в экономике ИИ	Включает ведущих поставщиков инфраструктуры и платформ ИИ	Включает широкий спектр клиентов ИИ и других предприятий

Цифры являются приблизительными значениями, указанными в материалах по анализу Apollo, и не являются одинаковыми измерениями для каждой компании. Они описывают различия на уровне групп и не доказывают, что именно ИИ вызвал этот разрыв.

Полученные данные не следует трактовать как доказательство того, что каждая компания вне технологий не получила выгоды от ИИ. Совокупные маржи могут скрывать индивидуальные успехи, а повышение производительности может потребовать времени, чтобы отразиться в финансовой отчетности. Тем не менее, анализ Apollo поднимает существенный вопрос для инвесторов: если ИИ ожидается, что преобразует всю экономику, когда эта трансформация должна стать видимой в финансовых результатах компаний, внедряющих ее?

Почему расходы на ИИ еще не привели к росту корпоративной прибыли

Разрыв между инвестициями в ИИ и измеримыми финансовыми результатами отражает сложность интеграции новых технологий в существующий бизнес. Приобретение доступа к передовой модели относительно просто; переустройство рабочих процессов, инфраструктуры данных, обязанностей и процессов принятия решений компании — гораздо сложнее. ИИ может сократить время, необходимое для выполнения задачи, не устраняя при этом сопутствующую работу, необходимую для проверки ее результатов, обеспечения соответствия требованиям или коммуникации результата клиентам. В результате улучшения на уровне отдельных задач не обязательно приводят к росту маржи компании в целом.

Стоимость токенов становится важной статьей расходов для предприятий

Многие AI-сервисы взимают плату в зависимости от использования модели, включая количество входных и выходных токенов, обработанных системой. По мере того как сотрудники и автоматизированные агенты выполняют все больше задач через AI-системы, потребление может значительно возрастать. Для компаний, ведущих масштабные операции, общая стоимость может включать доступ к модели, облачную инфраструктуру, подготовку данных, средства безопасности, интеграцию программного обеспечения и человеческий контроль. Более мощная модель может повысить точность при выполнении сложных задач, но ее дополнительные расходы трудно оправдать, если более дешевая модель обеспечивает достаточную точность результатов.

Слок утверждает, что массовые компании становятся более осторожными в оплате самых новых моделей, поскольку финансовые выгоды не постоянно проявляются в их конечных результатах. В то же время компании, финансируемые венчурными фондами, продолжают активно тратить средства на возможности ИИ, создавая разницу между фирмами, стремящимися к быстрому технологическому расширению, и устоявшимися бизнесами, требующими четкой экономической отдачи. Это различие особенно актуально, поскольку поставщики ИИ стремятся конвертировать растущее использование в регулярный доход, сохраняя привлекательную единичную экономическую эффективность.

Бизнес-суждения ограничивают то, чего можно достичь с помощью автоматизации

ИИ может суммировать информацию, генерировать код, анализировать документы и помогать с вычислениями. Однако многие бизнес-решения зависят от контекста, подотчетности, доверия клиентов, корпоративной культуры и этических соображений. Например, финансовая организация может использовать ИИ для проверки заявок, но все еще требует контроля для соблюдения норм, справедливости и решений, влияющих на клиентов. Поставщик медицинских услуг может автоматизировать документацию, сохраняя за человеком ответственность за клинические решения. В обоих случаях технология может улучшить отдельные задачи, не устраняя при этом более широких операционных расходов, связанных с предоставлением услуги.

Это помогает понять, почему показатели уровня внедрения сами по себе недостаточны для оценки коммерческого успеха. Компаниям необходимо определить, улучшает ли ИИ измеримые результаты, такие как коэффициент конверсии, время обработки, удержание клиентов или стоимость транзакции. Если эти улучшения не превышают затрат на внедрение и эксплуатацию, дополнительное использование ИИ может увеличить расходы без повышения прибыльности. Аргумент Аполлона поэтому связан не столько с отсутствием технологического прогресса, сколько с трудностями преобразования этого прогресса в широкие и измеримые финансовые выгоды.

Повышение производительности может занять некоторое время

Также существует проблема с временным интервалом. Компании часто несут расходы до того, как полностью реализуют преимущества новой технологии. Сотрудникам требуется обучение, внутренние системы нуждаются в доработке, а менеджеры должны определить, какие задачи следует автоматизировать, а какие требуют человеческого контроля. В течение этого переходного периода рост производительности может оставаться ограниченным или компенсироваться затратами на реорганизацию работы.

Главный экономист Goldman Sachs Ян Хацюс предлагает более оптимистичную интерпретацию долгосрочного экономического потенциала ИИ, утверждая, что инвестиции в конечном итоге могут поддержать более высокую производительность и расширить корпоративную прибыль. Однако Goldman также считает, что вклад роста от текущего цикла инвестиций в ИИ может достичь пика в конце 2026 или начале 2027 года. Разница между двумя экономистами заключается не просто в том, полезен ли ИИ, а в том, насколько быстро и широко проявятся его преимущества.

Для инвесторов подходящим тестом является то, подтверждают ли будущие финансовые результаты уже происходящие расходы. Задержка возврата инвестиций остается возможной, но компании все еще должны продемонстрировать, что их программы ИИ создают устойчивую ценность, а не полагаются на ожидание, что ценность появится в конечном итоге.

3. Рост инфраструктуры ИИ на 650 миллиардов долларов создает финансовый тест

Масштаб расходов на инфраструктуру ИИ делает вопрос о возврате инвестиций всё более важным. Отчёт, опубликованный The Indian Express 28 октября, ссылается на оценки, согласно которым крупные технологические компании планируют потратить около 650 миллиардов долларов на инфраструктуру ИИ в 2026 году. В том же отчёте приводится предупреждение Gartner о том, что более 3,5 триллиона долларов инвестиций в инфраструктуру ИИ могут столкнуться с риском обесценивания к 2030 году, если доходы, генерируемые ИИ, не оправдают расходы. Это прогнозные оценки и условные оценки рисков, а не подтверждённые убытки.

Бум в инфраструктуре поддерживает несколько слоев технологической экономики, включая производителей полупроводников, облачных провайдеров, операторов центров обработки данных, поставщиков сетевого оборудования и инфраструктуры электроснабжения. Эти компании могут получать доход при поставке оборудования, аренде вычислительных мощностей или использовании облачных услуг. Однако корпоративные клиенты должны компенсировать свои расходы, связанные с ИИ, за счет будущего повышения производительности, роста продаж или других экономических выгод. Это создает временной дисбаланс: поставщики инфраструктуры могут регистрировать доход до того, как компании, покупающие их услуги, продемонстрируют положительную отдачу от инвестиций.

Капитальные расходы, амортизация и денежные потоки имеют значение

Анализ Reuters Breakingviews, опубликованный 23 октября, изучил, как инвестиции в инфраструктуру ИИ влияют на корпоративную прибыль и финансовые риски. Отмечается, что поставщики оборудования могут признавать выручку при продаже продукции, в то время как покупатели, как правило, признают капитальные затраты постепенно через амортизацию. Для центров обработки данных, которые еще строятся, амортизация может начаться только после ввода объектов в эксплуатацию. Такое временнóе распределение учета может сделать краткосрочные финансовые выгоды от цикла инвестиций более выраженными, чем конечные экономические результаты.

Тот же анализ подчеркнул рост выпуска долговых обязательств и обязательств, связанных с оборудованием, среди крупных технологических компаний. Эти обязательства не означают автоматически финансовых трудностей, особенно для компаний с устойчивыми потоками доходов и сильными балансами. Однако они повышают значимость будущих коэффициентов использования, ценовой власти и спроса со стороны клиентов. Если мощности по обработке данных растут быстрее, чем готовность клиентов платить, поставщики могут столкнуться с давлением на маржу и денежные потоки, даже если базовая технология продолжает совершенствоваться.

Что произойдет, если спрос на ИИ не будет соответствовать предложению инфраструктуры?

Основной риск заключается не только в замедлении внедрения ИИ, но и в том, что финансовые допущения, лежащие в основе расширения инфраструктуры, окажутся слишком оптимистичными. Центры обработки данных требуют значительных первоначальных инвестиций, долгосрочных договоров на энергоснабжение, покупки оборудования и постоянного обслуживания. Если уровень загрузки окажется ниже ожидаемого или цены на модели снизятся быстрее, чем операционные расходы, некоторые инвестиции могут принести более низкую доходность, чем предполагалось изначально. Меньшие операторы инфраструктуры с ограниченными денежными резервами могут быть более уязвимы к условиям финансирования, чем устоявшиеся технологические платформы.

Для рынка ключевыми показателями являются поэтому не только общие расходы. Инвесторы должны отслеживать капитальные расходы относительно выручки, свободный денежный поток, обязательства по долгам, расходы на амортизацию и признаки повторного спроса со стороны клиентов. Постоянные расходы могут поддерживать краткосрочные доходы поставщиков, но устойчивый долгосрочный рост требует, чтобы клиенты получали достаточную экономическую выгоду от услуг ИИ, чтобы оправдать повторные расходы.

Что означает разрыв в прибыльности ИИ для индекса S&P 500 и технологических акций

Сильная эффективность «Великолепной семерки» может влиять на более широкий фондовый рынок, поскольку S&P 500 взвешен по рыночной капитализации. Когда растут крупнейшие компоненты, они могут поддерживать основной индекс, даже если многие более мелкие компании испытывают слабый рост прибыли или ограниченное расширение маржи. Это делает показатели индекса неполной мерой того, насколько широко экономические выгоды распространяются по корпоративному сектору.

Результаты Apollo показывают, что инвесторам следует различать производительность поставщиков ИИ и финансовые результаты компаний, внедряющих ИИ. Полупроводниковая компания может получить выгоду от увеличения расходов на инфраструктуру, в то время как ретейлер, использующий ИИ для прогнозирования запасов, может потребовать несколько отчетных периодов, чтобы продемонстрировать измеримую экономию. Обе компании могут быть связаны с одной и той же технологической тенденцией, но их модели доходов, структура затрат и степень зависимости от спроса на ИИ кардинально различаются.

Оценки ИИ зависят от будущей прибыли

Инвестиционный случай для акций, связанных с ИИ, частично зависит от ожиданий, что текущие расходы будут поддерживать рост прибыли в будущем. Если спрос на вычислительные услуги продолжит расти, а поставщики сохранят ценовую власть, инвестиции в инфраструктуру могут принести привлекательную доходность. Если клиенты сократят использование, перейдут на более дешевые модели или отложат проекты, ожидания прибыли могут ослабнуть, даже если внедрение ИИ продолжит расти.

Анализ Reuters за октябрь также подчеркнул, что инвестиции, связанные с ИИ, внесли непропорционально большой вклад в рост корпоративной прибыли, одновременно вызывая вопросы о затратах на финансирование и будущем генерировании денежных потоков. Это не означает, что акции ИИ обязательно переоценены. Напротив, это подчеркивает, почему инвесторам необходимо сравнивать оценки с устойчивой прибылью и денежными потоками, а не полагаться исключительно на прогнозируемый рост.

Ширина рынка может стать более важным сигналом

Инвесторы также могут проанализировать, распространяется ли рост прибыли за пределы крупнейших технологических компаний. Производительность равновесновзвешенных индексов по сравнению с капитализационно-взвешенными индексами, количество компаний, сообщающих о расширении маржи, и пересмотр доходов в различных секторах могут помочь выявить, расширяется ли рыночная устойчивость. Если производительность, обусловленная ИИ, начнет проявляться в таких отраслях, как здравоохранение, финансы, производство и потребительские услуги, это будет подтверждать более широкую экономическую отдачу.

Напротив, если доходы и прибыль, связанные с ИИ, останутся сосредоточенными среди поставщиков инфраструктуры, а корпоративные клиенты продолжат поглощать растущие расходы, рынок может стать более чувствительным к руководящим указаниям по капитальным расходам и эффективности расходов. В такой среде даже компании с сильной экспозицией к ИИ могут испытывать большие различия в производительности, поскольку инвесторы будут различать компании, продающие мощности ИИ, и те, которые генерируют устойчивую прибыль от их использования.

Что означает предупреждение ИИ Apollo для проектов в области криптовалют и блокчейна

Для криптовалютных рынков та же дискуссия поднимает вопросы о токенах ИИ, децентрализованных вычислениях и сервисах ИИ на основе блокчейна. Проекты, которые соединяют поставщиков вычислительных ресурсов с разработчиками ИИ, координируют децентрализованную инфраструктуру или используют токены для вознаграждения участников сети, могут извлечь выгоду из спроса на ресурсы ИИ. Однако более широкий урок анализа Apollo заключается в том, что внедрение технологий и создание финансовой стоимости — это отдельные вопросы. Растущий интерес к ИИ не автоматически создает устойчивый спрос на каждый проект, связанный с этой темой.

AI-токены требуют реальной полезности и измеримого спроса

Токен, связанный с проектом ИИ, может использоваться для оплаты вычислительных ресурсов, вознаграждения поставщиков услуг, координации участия в сети или доступа к определенным функциям платформы. Важный вопрос заключается в том, нужны ли пользователям токены для получения ценного сервиса и сохраняется ли этот спрос за пределами спекулятивной торговли. Проект может сообщать о росте активности в кошельках или вовлеченности сообщества, не генерируя при этом достаточного объема платного использования для покрытия своих операционных расходов.

Инвесторы должны различать технологические возможности проекта, реальное внедрение клиентами и экономическую роль его токена. Полезными индикаторами могут быть платный спрос на вычислительные ресурсы, постоянные клиенты, загрузка сети, доход от услуг, эмиссия токенов и соотношение между предложением токенов и реальной активностью сети. Эти показатели помогут определить, развивает ли AI-связанный криптопроект жизнеспособный сервис или в основном получает выгоду от общего энтузиазма на рынке.

Децентрализованные вычисления сталкиваются со своими собственными проблемами стоимости и использования

Децентрализованные GPU-сети и другие распределенные вычислительные проекты стремятся соединить пользователей, которым нужны вычислительные ресурсы, с поставщиками, имеющими свободное оборудование. Их потенциальные преимущества могут включать гибкий доступ, альтернативные каналы поставок и новые способы координации инфраструктуры. Однако эти сети все еще сталкиваются с практическими вопросами, связанными с качеством оборудования, временем безотказной работы, задержками, конфиденциальностью данных, верификацией и ценообразованием.

Децентрализованная сеть должна предлагать убедительную причину для клиентов использовать её вместо традиционного облачного провайдера. Если она не может обеспечить предсказуемую производительность при конкурентной общей стоимости, спрос может оставаться ограниченным, даже когда потребности в вычислениях ИИ растут. Кроме того, токен-стимулы могут привлекать провайдеров до появления достаточного спроса со стороны клиентов, создавая дисбаланс между доступной мощностью и оплачиваемыми рабочими нагрузками. Более широкое предупреждение Apollo о разрыве между инвестициями в ИИ и коммерческой отдачей здесь уместно, хотя его анализ S&P 493 напрямую не измеряет децентрализованные сети ИИ.

Стейблкоины и платежи на блокчейне могут поддерживать AI-торговлю

Стейблкоины и блокчейн-платежные системы могут играть роль в автоматизированных цифровых сервисах, включая платежи между программными агентами, международные расчеты и машина-к-машине транзакции. Однако расширение деятельности ИИ не приводит автоматически к росту использования стейблкоинов, комиссий за транзакции или спроса на нативные токены блокчейна. Экономический результат зависит от того, примут ли бизнесы эти системы, будут ли платежи закрываться на цепочке и создаст ли возникающая активность устойчивый доход для сети.

Для инвесторов в криптовалюты практический урок заключается в оценке проектов, связанных с ИИ, на основе доказательств спроса со стороны клиентов, экономики транзакций и полезности токена, а не только тематической экспозиции. Сектор ИИ может продолжать расширяться, в то время как отдельные проекты испытывают трудности с созданием устойчивых бизнес-моделей. Так же как финансовые результаты Magnificent Seven не доказывают, что каждая инвестиция в ИИ прибыльна, рост более широкой экономики ИИ не гарантирует, что каждый криптоактив, связанный с ИИ, получит выгоду.

Что следует отслеживать инвесторам дальше

Следующий этап дискуссии об инвестициях в ИИ будет зависеть от того, начнут ли компании демонстрировать измеримую финансовую отдачу. Квартальные отчеты о прибылях, руководящие указания и объявления о капитальных расходах предоставят важные доказательства. Инвесторам следует искать компании, которые объясняют, как ИИ влияет на операционные расходы, привлечение клиентов, производительность на одного сотрудника, качество обслуживания и рост выручки. Общие утверждения о внедрении ИИ менее информативны, чем измеримые результаты, связанные с конкретными бизнес-процессами.

Индикатор	Что отслеживать	Почему это важно
Маржи прибыли и выручка на одного работника	Распространятся ли улучшения за пределы Magnificent Seven	Проверяет, расширяются ли преимущества ИИ
Капитальные расходы на ИИ	Рост расходов по сравнению с выручкой и денежными потоками	Помогает оценить устойчивость расширения инфраструктуры
Расходы по корпоративной модели	Удержание клиентов, использование и готовность платить	Указывает, обеспечивают ли услуги ИИ достаточную ценность
Амортизация и расходы на финансирование	Рост расходов по мере ввода инфраструктуры в эксплуатацию	Раскрываются запоздалые расходы, связанные с инвестиционным бумом
Криптоактивность, связанная с ИИ	Платное использование, загрузка сети, эмиссия токенов и повторяющийся спрос	Помогает отличить практическую полезность от спекулятивного интереса

Особо важным сигналом было бы устойчивое улучшение рентабельности компаний за пределами крупнейших технологических платформ. Такое развитие укрепило бы аргумент о том, что ИИ генерирует экономические выгоды для всей экономики, а не в первую очередь поддерживает поставщиков инфраструктуры и устоявшиеся платформы. С другой стороны, продолжение роста расходов без соответствующего улучшения финансовых показателей предприятий может заставить инвесторов более тщательно пересмотреть инвестиционные бюджеты.

Инвесторам также следует сравнивать различные экономические интерпретации, а не воспринимать оценку Apollo как окончательный прогноз. Слок подчеркивает отсутствие видимой финансовой отдачи за пределами технологий, в то время как Ян Хатзиус из Goldman Sachs остается более оптимистичным в отношении долгосрочного потенциала производительности ИИ. Итоговый результат будет зависеть от масштабов внедрения, качества реализации, цен, условий финансирования и способности бизнеса осуществлять конвертацию технических возможностей в прибыльные продукты и услуги.

Заключение

Анализ экономиста Apollo Торстена Слока за октябрь 2026 года подчеркивает растущий разрыв между компаниями, предоставляющими технологии ИИ, и более широким корпоративным сектором, который должен извлечь из них выгоду. «Великолепная семерка» продолжает демонстрировать более высокую выручку на работника и маржу прибыли, в то время как S&P 493 пока не показала сопоставимого совокупного улучшения. В то же время значительные капиталовложения в инфраструктуру усиливают важность спроса со стороны клиентов, денежных потоков и устойчивой доходности.

Для инвесторов в акции и криптовалюты ключевой вопрос заключается в том, могут ли растущие технические возможности ИИ превратиться в постоянную экономическую ценность. Следующий этап инвестиционного цикла будет оцениваться не столько по объявлениям о расходах и утверждениях о внедрении, сколько по измеримому улучшению производительности, прибыльности и готовности клиентов платить. ИИ в конечном итоге может принести широкие экономические выгоды, но инвесторам потребуются доказательства того, что эти выгоды распространяются не только на относительно небольшую группу ведущих технологических компаний.

ЧаВо

Что означает термин S&P 493?

S&P 493 — это 493 компании, оставшиеся в индексе S&P 500 после исключения Magnificent Seven: Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia и Tesla. Аналитики используют эту группировку для сравнения производительности крупнейших технологических компаний с показателями более широкого индекса.

Измеряет ли доход на одного сотрудника производительность напрямую?

No. Доход на сотрудника измеряет сумму дохода, генерируемую на каждого сотрудника, но он может быть受影响 ценовой политикой, приобретениями, аутсорсингом, структурой бизнеса и изменениями в штате. Показатели производительности обычно оценивают выходные данные относительно входных ресурсов и требуют дополнительного контекста для определения, улучшилась ли операционная эффективность.

Почему внедрение ИИ может увеличиться, пока корпоративные маржи остаются неизменными?

Расходы, связанные с ИИ, могут расти вместе с его распространением, включая платы за модели, инфраструктуру, обучение, интеграцию и человеческий контроль. Повышение эффективности также может быть передано клиентам в виде более низких цен или компенсировано ростом затрат в других областях бизнеса. В результате более активное использование ИИ не обязательно приводит к немедленному расширению маржи.

Могут ли более мелкие ИИ-модели принести больше пользы бизнесу, чем самые передовые модели?

Да, в зависимости от задачи. Меньшие или менее дорогие модели могут обеспечивать достаточную точность для рутинной классификации, извлечения документов, поддержки клиентов или других узко определённых рабочих процессов. Подходящая модель зависит от сложности задачи, требований к надёжности, задержке и общей стоимости, а не только от возможностей модели.

Как инвесторам отличить бизнес, связанный с ИИ, от бизнеса, основанного на ИИ?

Бизнес, связанный с ИИ, может продавать продукты или услуги, связанные с ИИ, тогда как ИИ-ориентированный бизнес может продемонстрировать, что ИИ существенно улучшает его бизнес-модель или генерацию дохода. Доказательствами могут быть более низкие затраты на транзакцию, более высокая производительность на сотрудника, улучшенная удержание клиентов, повторяющийся доход от ИИ или измеримый рост производительности.

Гарантируют ли расходы на инфраструктуру ИИ сохраняющийся спрос на GPU?

Нет. Спрос зависит от экономики услуг ИИ, эффективности моделей, уровней использования, бюджетов клиентов и доступности альтернативных вычислительных ресурсов. Более эффективные модели могут снизить объем вычислений, необходимых для определенных задач, даже при росте общего объема использования ИИ, что делает долгосрочный спрос на аппаратное обеспечение зависимым от нескольких конкурирующих факторов.

Отказ от ответственности: Данная общая информация о рынке, возможно, из сторонних, коммерческих или спонсорских источников, предоставлена исключительно в справочных и образовательных целях и не является финансовой или инвестиционной консультацией, предложением, запросом или гарантией. Мы отказываемся от ответственности за ее точность, полноту, надежность и любые возникшие потери. Инвестиции/торговля сопряжены с риском; прошлые результаты не гарантируют будущих. Пользователи должны проводить собственное исследование, принимать взвешенные решения и нести полную ответственность. Для получения дополнительной информации ознакомьтесь с Условиями использования и Раскрытием рисков KuCoin.

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.