Основной нарратив инвестиций в инфраструктуру ИИ сталкивается с серьезными вызовами на уровне единичной экономики. Цена токенов падает быстрее, чем ожидалось: индекс расходов на токены LLM от Goldman Sachs Silicon Data упал на 29% за август до примерно 0,97 доллара, впервые опустившись ниже отметки в 1 доллар за миллион токенов. В то же время использование платформы OpenRouter выросло на 47%, но расходы в долларах увеличились лишь на 7%. Разрыв между ростом объема и падением цены раскрывает основное противоречие: доходы на фондовом рынке измеряются в долларах, а не в количестве токенов. Это означает фундаментальное подрывание логики доходов, которая в течение двух последних лет поддерживала оценку сектора ИИ, и кредитные рынки уже дали первые предупреждения.

Автор статьи, источник: Wall Street Journal

Основной нарратив инвестиций в инфраструктуру ИИ сталкивается с серьезными вызовами на уровне единичной экономики. Скорость падения цен на токены превысила ожидания рынка, что привело к фундаментальному подрыву логики доходов, которая поддерживала оценку сектора ИИ за последние два года.

Согласно последнему отчету Рича Приворотского, руководителя торговой площадки One-Delta от Goldman Sachs, индекс расходов на токены LLM Silicon Data (код: SDLLMTK), измеряющий среднюю взвешенную цену на каждый миллион токенов, в августе упал на 29% и закрылся на уровне около 0,97 доллара США, установив новый исторический минимум — снижение более чем на 50% по сравнению с максимумом в мае, составлявшим около 2,05 доллара США. Это первый раз, когда индекс опустился ниже отметки в 1 доллар за миллион токенов.

В то же время, согласно отчету центра обработки данных JPMorgan, использование токенов на платформе OpenRouter в августе выросло примерно на 47% по сравнению с предыдущим месяцем, однако расходы в долларах США увеличились лишь примерно на 7%. Разрыв между ростом объема и падением цены напрямую раскрывает основное противоречие текущей логики инвестиций в ИИ: доходность на фондовом рынке измеряется в долларах, а не в количестве токенов, а капитальные затраты на сверхкрупные центры обработки данных рассчитываются исходя из ожидаемого дохода в долларах.

Приворотский в отчете четко указал: «Больший спрос при более низких ценах не автоматически является положительным фактором, если скорость падения цен превышает темпы роста потребления».

Обвал цены токена: не исчезновение спроса, а разрушение единичной цены

Индекс расходов на токены LLM от Silicon Data не является показателем спроса на токены, а представляет собой индекс цен с весами по объему использования. Сама компания уже предупредила рынок, что падение этого индекса может быть вызвано снижением цен, переходом пользователей на недорогие открытые модели или обоими факторами одновременно, и не означает сокращения объема использования ИИ.

Однако именно в этом и заключается проблема. Объем маршрутизации OpenRouter значительно вырос, но цена аренды GPU H100 снизилась — это противоречит нарративу о резком росте спроса на токены. Приворотский отметил, что данные за август демонстрируют четкую картину: объем значительно вырос, но падение цен было еще более значительным, а расходы в долларах практически не изменились.

Заключение Goldman Sachs заключается в том, что ценообразование акций за последние два года основывалось на предположении, что «больше токенов = больше дохода», а данные за август впервые четко опровергли это предположение.

Усиление конкуренции и локальные вычисления: структурное размывание модели ценообразования за токен

Приворотский прямо заявил в отчете, что он скептически относится к модели монетизации по количеству токенов как устойчивому бизнес-модели. Логика ценообразования облачных выводов за миллион токенов зависит от одновременного выполнения трех предпосылок: модель слишком велика для локального запуска, пользователи не могут заменить ее открытыми альтернативами, и рабочая нагрузка настолько всплескообразна, что самостоятельная сборка вычислительных ресурсов невыгодна. И все три предпосылки в настоящее время одновременно разрушаются.

На аппаратном уровне ноутбуки класса RTX Spark, рабочие станции DGX Spark, Mac Studio, запускающие модели с параметрами до 70 миллиардов, а также NPU с производительностью от 40 до 75+ TOPS снизили предельную стоимость токенов до уровня стоимости электроэнергии. Как только ежемесячный счет за API компании превышает амортизационные затраты на устройство стоимостью от 5000 до 15000 долларов США, эта компания переходит от потребителя токенов к покупателю оборудования в один этап, а не остается постоянным подписчиком программного обеспечения с прибыльностью 40%.

На стороне конкуренции моделей Meta, начиная с 2 сентября, выпустила Muse Spark 1.3, которая на независимых тестах оказалась на одном уровне с GPT-5.6 Sol и Claude Opus 5, особенно выделяясь в задачах агентов и генерации кода. Приворотский отметил: «Первое преимущество измеряется в неделях и не создает защитного барьера — это просто жизненный цикл продукта». Когда менее оптимальные модели становятся достаточно близкими по качеству и дешевле, компании начинают обходить премиальные уровни, а индекс цен на токены как раз является агрегированным отражением этого решения.

Давление на логику капитальных расходов: рынок кредитов уже предупредил

Отчет Goldman Sachs указывает, что нынешний цикл капитальных вложений в ИИ не является гибкими операционными расходами, а представляет собой уже зафиксированные обязательства по тяжелым активам. Согласно отчету, совокупные капитальные затраты пяти рейтинговых супермасштабных облачных провайдеров в 2026 году прогнозируются на уровне около 737 миллиардов долларов США, что составляет примерно 38% от их выручки. Moody’s предупредил о сжатии свободного денежного потока, трансформации баланса от легких активов к тяжелым, а также о скрытых, но фактически ограничивающих эмитентов обязательствах по аренде, не отраженных в виде облигаций.

Рынок кредитов отреагировал раньше, чем фондовый рынок. Согласно статистике по соответствующим облигациям, из 91 облигации крупнейших облачных провайдеров, выпущенных в 2026 году, уже 78 упали ниже цены выпуска до конца августа. Приворотский называет это «переоценкой кредитного риска» и отмечает, что мультипликаторы оценки акций являются отстающим индикатором.

Его логическая цепочка ясна: падение цены токена на 30%, рост использования на 20% — вывод: снижение доходов от обработки; снижение доходов от обработки при одновременном росте амортизации и процентных расходов в течение строительного цикла 2025–2027 годов приводит к краху рентабельности инвестиций; после краха рентабельности инвестиций рынку не требуется драматичная история о «раздувании пузыря» — достаточно просто скорректировать мультипликаторы оценки до уровня, отражающего состояние коммунального предприятия с большим количеством активов, но ограниченной ценовой властью.

GPT-6 Astra: единственный оставшийся переменный фактор сюжетного поворота

В отчете Приворотский рассматривает следующее поколение моделей OpenAI — Astra — как единственный возможный краткосрочный катализатор, способный изменить ситуацию. 1 сентября OpenAI заявила, что Astra достигла ключевого порога кибербезопасности в рамках своей рамки готовности и стала первой моделью, включенной в эту категорию.

Однако торговый отдел Goldman Sachs сохраняет осторожность. Агрессивная модель с ограничениями доступа, требующая мониторинга и сопряженная с высоким уровнем трения, не автоматически пополняет пулы токенов. Если высоконагруженные рабочие нагрузки постоянно остаются в контролируемой тестовой среде и не попадают в публичную систему оплаты, Astra может даже сократить количество токенов для оплаты.

Вывод отчета: Astra — последний ближайший фактор, способный перенаправить доходную структуру в сторону более высоких уровней прибыльности. До этого данные о цене токена за август являются наиболее достоверным сигналом текущего состояния рынка: спрос может расти бесконечно, но если цена при бесконечном спросе не покрывает стоимость долга, выпущенного для строительства центров обработки данных, акции все еще могут падать.