Goldman Sachs и SemiAnalysis расходятся во мнениях по оценке инфраструктуры ИИ и будущим лидерам

За последние два года ИИ-трейдинг почти полностью доминировал на мировых фондовых рынках.

NVIDIA, оборудование для полупроводников, HBM, передовые упаковки, центры обработки данных, электрооборудование, трансформаторы, охлаждение, газовые турбины — все активы, которые можно включить в цепочку инфраструктуры ИИ, были повторно переоценены рынком. Эта сделка не утратила актуальность, а наоборот, выросла до такой степени, что инвесторы вынуждены снова столкнуться с более сложным вопросом: победители первого этапа цепочки ИИ уже получили от рынка максимальное вознаграждение — смогут ли они продолжить рост?

Два отчета от Goldman Sachs и SemiAnalysis как раз находятся на этом перекрестке.

Заключение Джеймса Ковелло из Goldman Sachs более осторожное: первый этап инфраструктуры ИИ уже полностью учтен в ценах; чипы и цепочка «продавцов лопат» захватили слишком много гарантированной прибыли, однако ROI для корпоративных клиентов пока не реализован повсеместно, а денежные потоки облачных провайдеров также усиливают давление. Согласно этой логике, следующая более выгодная относительная сделка — не продолжать гнаться за полупроводниками, а вместо этого быть бычьим по отношению к суперкрупным облачным провайдерам и слабооснащенным полупроводникам.

Ответ SemiAnalysis почти противоположен: если агентный ИИ действительно превратил токены в средства производства, и маржа лабораторий моделей начала улучшаться, а передовые модели сохранили ценовую власть, то инфраструктура ИИ еще не «переоценена» — она просто еще не полностью пересчитана в соответствии с новой стоимостью токенов. У NVIDIA, TSMC, памяти, Neocloud и лабораторий моделей остается основание для дальнейшего получения прироста стоимости.

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

Расходы на капитал в сфере ИИ продолжают расти, и акции инфраструктуры ИИ не охлаждаются. Реальный вопрос теперь заключается в следующем: на уровне чипов первая волна прибыли уже зафиксирована на балансе, и сейчас рынок спорит, была ли эта прибыль достаточно учтена в цене; если агентный ИИ продолжит усиливать стоимость токенов, следующая волна прироста прибыли останется на аппаратном уровне или начнет перераспределяться в сторону лабораторий моделей, облачных провайдеров и корпоративного программного обеспечения.

Самое резкое место в отчете Goldman Sachs — это не сомнение в росте числа пользователей ИИ и не отрицание технологического прогресса.

Ковелло сначала признал два факта: скорость внедрения ИИ потребителями выше, чем ожидалось; облачные провайдеры, несмотря на давление на акции, не сократили капитальные расходы на ИИ, как предполагалось, а наоборот, продолжили увеличивать вложения. ИИ не остыл, и капитальные расходы не отступили.

Но Голдман Сакс смотрит дальше.

Потребители используют ИИ, но многие всё ещё находятся на бесплатном уровне. Рост числа пользователей может подтвердить привлекательность продукта, но не может напрямую оплатить счета за GPU, центры обработки данных, электроэнергию, сеть и вывод моделей. Ключом к замыканию экономики ИИ является корпоративный сектор: готовы ли предприятия постоянно платить, могут ли они сократить расходы, увеличить доходы и повысить производительность благодаря ИИ — именно это определяет, сможет ли вся цепочка долгосрочно выдержать текущие капитальные затраты.

Ответ Goldman Sachs был осторожным.

Отчет отмечает, что компании уже значительно вложились в генеративный ИИ, но многие организации еще не получили проверяемой отдачи; в то же время глобальные расходы на ИТ продолжают расти, и ИИ пока не снизил общие технологические бюджеты компаний. Для инвесторов это означает реальную проблему: компании покупают ИИ, тестируют ИИ и обсуждают ИИ, но ИИ еще не вошел повсеместно в отчет о прибылях и убытках.

Это резко контрастирует с прибылью в цепочке инфраструктуры ИИ.

Чиповые компании уже приносят прибыль, а компании, связанные с хранением, электроэнергией и центрами обработки данных, подвергаются повторной переоценке рынком. Поставщики облачных услуг, в свою очередь, несут на себе капитальные расходы. Расходы на строительство центров обработки данных, закупку GPU, подключение к электросетям, сетевое оборудование и серверные стойки сначала ложатся на счета поставщиков облачных услуг. Согласно отчету Goldman Sachs, крупнейшие облачные провайдеры уже израсходовали часть излишков операционных денежных потоков и начали финансировать строительство центров обработки данных за счет заемных средств; объем выпуска долговых обязательств на центры обработки данных в 2025 году удвоится до 182 миллиардов долларов США.

Это то, что Goldman Sachs называет дисбалансом.

В обычном полупроводниковом цикле прибыль чиповых компаний, как правило, означает, что их клиенты тоже расширяются. Когда клиенты зарабатывают деньги, они продолжают покупать чипы, и чиповые компании продолжают процветать. В этом цикле ИИ всё сложнее: прибыль в цепочке чипов очевидна, но доходы на уровне клиентов и приложений ещё не столь ясны.

Таким образом, вывод Goldman Sachs заключается не в том, что ИИ бесполезен, а в том, что текущая система распределения прибыли трудно линейно экстраполировать на долгосрочную перспективу.

Полупроводниковые компании уже обеспечили себе наиболее гарантированную прибыль на первом этапе. Проблема в том, есть ли у клиентов на нижнем уровне достаточно прибыли, чтобы продолжать финансировать такие высокие капитальные затраты и концентрацию прибыли на верхнем уровне.

Рекомендации Goldman Sachs кажутся контринтуитивными: относительно позитивный взгляд на крупнейших облачных провайдеров и снижение веса полупроводников.

За этим стоят два пути.

Первый путь: ROI от корпоративного ИИ начинает реализовываться. Когда компании доказывают, что ИИ приносит доход, повышает эффективность и обеспечивает преимущества в затратах, рынок переоценит капитальные расходы облачных провайдеров. Ранее считавшиеся обременительными для свободного денежного потока вложения станут источником будущих доходов и контроля над платформой. Оценки облачных провайдеров восстановятся, а полупроводниковый сектор также получит выгоду; однако, поскольку полупроводники уже получили значительное вознаграждение со стороны рынка, их относительная эластичность может быть не выше.

Второй путь: рентабельность инвестиций предприятий продолжает оставаться сложной. Поставщики облачных услуг сокращают капитальные расходы под давлением денежных потоков и инвесторов, и рынок вознаградит более строгую дисциплину денежных потоков. Цепочка полупроводников столкнется с корректировкой ожиданий заказов вниз.

Голдман Сакс считает, что оба сценария поддерживают позицию «облако лучше полупроводников». Настоящая причина провала этой сделки — третий сценарий: рентабельность инвестиций предприятий остается неясной, облачные провайдеры продолжают безудержно инвестировать, а полупроводники продолжают захватывать большую часть прибыли в цепочке создания стоимости.

Это именно то состояние, с которым рынок был наиболее знаком за последние два года.

Именно поэтому фокус отчета Goldman Sachs направлен не на технологию ИИ, а на рыночное ценообразование. Преимущества инфраструктуры ИИ уже достаточно учтены в ценах, как и недостатки облачных провайдеров. Следующим шагом рынок будет наблюдать, не произойдет ли разворот в этих двух направлениях.

SemiAnalysis подходит с совершенно другого направления.

Это не отрицает того, что в период с 2023 по 2025 год основная стоимость ИИ направлялась в инфраструктуру. NVIDIA, электроэнергия, центры обработки данных, хранилища — действительно крупнейшие победители первого этапа. Компании, разрабатывающие модели, и сервисы по выводу в начале испытывали трудности, и многие продукты ИИ выглядели просто как улучшенная строка поиска, а маржа прибыли отнюдь не была впечатляющей.

Однако SemiAnalysis считает, что после конца 2025 года ситуация изменилась.

Изменения от Agentic AI.

Раньше токены больше напоминали «стоимость вопроса-ответа». Пользователь задавал вопрос, модель отвечала. Это экономило время, но имело ограниченную ценность. Сегодня токены начинают использоваться в сложных рабочих процессах: написание кода, создание финансовых моделей, генерация информационных панелей, анализ отчетности, структурирование данных, создание графиков.

SemiAnalysis использует свою собственную компанию в качестве примера. Их аналитики уже ежедневно используют агентов для обработки исследований и моделирования — задачи, которые ранее требовали от младших аналитиков множество часов времени или вообще не укладывались в рабочий график. В статье сообщается, что годовые расходы SemiAnalysis на токены на платформе Anthropic Claude достигали 10,95 миллиона долларов США, что составляло примерно 30% от зарплат сотрудников.

Эти цифры, возможно, не отражают все предприятия, но они показывают изменения среди категории пользователей с низкой маржой.

Для обычных потребителей подписка на ИИ может быть просто инструментом стоимостью десятки долларов в месяц. Для интенсивно работающих специалистов токены начинают превращаться в средства производства.

Токены за несколько долларов, десятки долларов, принесли не просто несколько строк текста, а модели, диаграммы, код, очистку данных, анализ финансовой отчетности и даже задачи, которые раньше вообще не выполнялись. Восприятие пользователей стоимости ИИ также изменится: они перестанут спрашивать только «сколько стоит за миллион токенов», а начнут задаваться вопросом: «сколько человеческого труда заменили эти токены и насколько увеличили производительность»?

Это начало расхождения между SemiAnalysis и Goldman Sachs.

Голдман Сакс видит, что средний ROI компаний еще неясен. SemiAnalysis видит, что самые сильные пользователи уже активно расходуют токены и готовы платить за более мощные модели.

Второй ключевой вывод SemiAnalysis заключается в том, что единичная экономика лабораторий моделей улучшается.

Это противоречит опасениям рынка в прошлом.

Ранее модельные компании считались находящимися между производителями чипов и облачными провайдерами. Доходы росли быстро, но затраты на обучение и вывод росли еще быстрее. Чем больше пользователей, тем выше затраты. Чем мощнее модель, тем больше капитальные расходы. Эта модель выглядела как высокий рост, низкая маржа и интенсивное расходование средств.

Агентное ИИ изменило эту таблицу.

• На стороне цен передовые модели могут выполнять задачи более высокой стоимости, и пользователи готовы платить премию за более мощные модели.
• На стороне затрат постоянное снижение стоимости на единицу токена обеспечивается за счет итераций оборудования, оптимизации вывода, кэширования и программной инженерии.
• На стороне продукта компании-разработчики моделей могут внедрить дифференцированное ценообразование за счет более продвинутых SKU, более быстрого отклика и более мощных возможностей вывода.

SemiAnalysis отмечает, что в случае запуска DeepSeek на B300 различные комбинации программной оптимизации могут увеличить пропускную способность одного и того же оборудования с примерно 1000 до 8000 и далее до примерно 14 000 токенов/сек/ГПУ. При сочетании с апгрейдом оборудования оптимизированная конфигурация GB300 NVL72 обеспечивает примерно в 17 раз более высокую пропускную способность по сравнению с H100 при FP8; при переходе на FP4, который не поддерживается нативно Hopper, разница достигает 32 раз, при этом общая стоимость владения на каждый ГПУ увеличивается лишь примерно на 70%.

Это означает, что лаборатория моделей может одновременно повышать экономическую ценность токенов и снижать стоимость их производства.

SemiAnalysis сообщает, что ARR Anthropic вырос с 9 млрд долларов до более чем 44 млрд долларов, а валовая маржа инфраструктуры для вывода увеличилась с 38% до более чем 70%. Даже при снижении цен на модели рост доли использования высококлассных моделей, повышение коэффициента попаданий в кэш и улучшение эффективности оборудования могут способствовать дальнейшему росту валовой маржи.

Если это предположение верно, второй этап цепочки создания ИИ больше не будет просто «чипы продолжают побеждать» или «восстановление облачных провайдеров».

Лаборатория моделей превратится из слоя сжигания денег в новый слой извлечения ценности.

Голдман Сакс и SemiAnalysis на поверхности спорят о ROI ИИ, но на самом деле спорят, какой образец лучше представляет будущее.

Голдман Сакс смотрит на средние компании.

Эти компании имеют сложные системы обработки данных, исторические IT-нагрузки, управление правами доступа, требования к соответствию нормам и процедуры утверждения. Многие компании, чтобы продемонстрировать стратегию ИИ рынку и совету директоров, сначала запускают чат-ботов, внутренних помощников и пилотные проекты. Деньги тратятся действительно, но бизнес-процессы могут остаться неизменными. Если процессы не изменяются, ROI сложно отразить в финансовой отчетности.

Вот почему Голдман Сакс подчеркивает важность структуры данных и уровня оркестрации.

Розничное предприятие, не интегрировавшее управление запасами, профили клиентов и системы рекомендаций, может столкнуться с тем, что ИИ-помощник предложит товар, которого нет в наличии. Предприятие без слоя маршрутизации моделей отправляет даже простые запросы на самые дорогие передовые модели, из-за чего расходы выходят из-под контроля. Проблема внедрения ИИ теперь заключается не только в недостаточной мощности моделей, а в том, что предприятия еще не готовы интегрировать модели в свои бизнес-системы.

SemiAnalysis рассматривает маргинальных пользователей.

Исследования, кодирование, моделирование, графики, анализ финансовой отчетности — эти задачи естественно подходят для агентов. Они высоко текстуализированы, цифровизированы и структурированы, результаты легко оцениваются, а пользователи могут легко интегрировать ИИ в свои рабочие процессы. Такие организации увидят ROI раньше обычных компаний и будут более склонны увеличивать расходы на токены.

Рынок капитала должен определить, распространится ли этот лидирующий образец.

Если SemiAnalysis видит лишь выбросы небольшого числа суперпользователей, то рамки Goldman Sachs будут преобладать. Капитальные затраты в области ИИ будут все больше ограничиваться денежными потоками, цепочка полупроводников должна переработать высокие ожидания, а облачные провайдеры могут получить относительную доходность благодаря дисциплине расходов и сжатию оценок.

Если SemiAnalysis видит опережающий индикатор перед началом распространения, рынок не может отвергнуть цепочку ИИ на основе низкой рентабельности инвестиций сегодняшних средних компаний. Как только агентный ИИ войдет в больше рабочих процессов офисных сотрудников, спрос на токены, доходы от моделей, облачные доходы и спрос на аппаратное обеспечение вырастут одновременно.

Это суждение важнее, чем «быть бычьим по отношению к ИИ или медвежьим». Рынок всегда торгует не статическими средними значениями, а тем, может ли маргинальное изменение стать доминирующим.

Крупнейшее расхождение между Голдман Сакс и SemiAnalysis в сфере капитальных рынков в конечном итоге сосредоточено на NVIDIA и полупроводниковом секторе.

Взгляд Goldman Sachs прост: полупроводники уже извлекли наибольшую и наиболее определенную прибыль на первом этапе. После того как рынок заложил логику «продажи лопат» в цену, соотношение риска и доходности начало ухудшаться. Как только расходы облачных провайдеров на капитальные вложения ослабнут, цепочка полупроводников столкнется с двойным давлением со стороны оценок и заказов.

SemiAnalysis считает, что NVIDIA и TSMC контролируют самый дефицитный ресурс эпохи ИИ, но еще не оценили его по полной стоимости.

Статья отмечает, что цены на память за последний год выросли примерно в 6 раз, а цена на одногодичный контракт на аренду H100 от Neocloud увеличилась примерно на 40% по сравнению с минимумом октября 2025 года. В то же время NVIDIA и TSMC не пересматривали свои цены так быстро, как стоимость соответствующих токенов на нижнем уровне.

SemiAnalysis называет NVIDIA «центробанком» экосистемы ИИ.

Эта аналогия очень точна. NVIDIA управляет ликвидностью вычислительных мощностей. Она способна повышать цены, но не может полностью опустошить всю систему. Слишком резкое повышение цен стимулирует клиентов ускорить переход на собственные ASIC, TPU и Trainium, а также вызывает давление со стороны регуляторов. То же самое относится и к TSMC. Передовые узлы чрезвычайно дефицитны, но компания долгосрочно уделяет приоритетное внимание отношениям с клиентами и стабильности экосистемы, не стремясь полностью монетизировать всю свою дефицитность в период подъема.

Сдержанность не означает отсутствие пространства.

Rubin VR NVL72 является ключевым аргументом SemiAnalysis в пользу сохранения NVIDIA контроля над ценообразованием. Согласно их модели, для достижения IRR в 15,6%, аналогичного проекту GB300, аренда VR NVL72 должна составлять около 4,92 доллара в час на GPU; если исходить из цены аренды за PFLOP, как в проекте GB300, теоретический потолок для VR NVL72 составляет около 12,25 доллара в час на GPU; даже при более консервативной ставке 0,55 доллара за PFLOP это соответствует примерно 9,63 доллара в час на GPU — почти вдвое выше порога цен, основанного на затратах.

Здесь все ясно: пока стоимость нижестоящего токена продолжает расти, у новой системы NVIDIA остается пространство для повышения цен, Neocloud все еще может получать прибыль, а конечные пользователи могут продолжать принимать ее.

Разногласия между Goldman Sachs и SemiAnalysis стали острыми.

Голдман Сакс считает, что высокая прибыльность полупроводников не может сохраняться, так как нижестоящие отрасли еще не имеют достаточной прибыли.
SemiAnalysis считает, что нижестоящий поток прибыли растет, поэтому на аппаратном уровне не зарабатывают слишком много, а просто еще не полностью компенсируют свою стоимость.

Единственная переменная, определяющая победу или поражение: сможет ли новый прибыльный поток, созданный ИИ, быть достаточно большим, чтобы одновременно поддерживать лабораторию моделей, облачных провайдеров, Neocloud, NVIDIA, TSMC, хранилища и цепочку электропитания.

Торт недостаточно большой, Goldman Sachs выигрывает.

Торт продолжает расти, SemiAnalysis побеждает.

Облако-провайдеры — самый неловкий уровень в этом споре.

Они являются как крупнейшими покупателями капитальных затрат, так и платформами, на которых спрос на ИИ наиболее вероятен для монетизации. Они испытывают давление со стороны NVIDIA, хранилищ и цепочек электропитания, но при этом обладают корпоративными клиентами, облачными сервисами, API моделей, собственными чипами и программной экосистемой.

Голдман Сакс позитивно настроен по отношению к облачным провайдерам, поскольку рынок уже учел многие негативные факторы: капитальные расходы сдерживают свободный денежный поток, инвесторы сомневаются в рентабельности инвестиций в ИИ, и оценки находятся под давлением. В дальнейшем у облачных провайдеров есть путь к восстановлению при наступлении одного из двух сценариев: реализация доходов от корпоративного ИИ или сокращение капитальных расходов.

SemiAnalysis рассматривает облачных провайдеров с точки зрения спроса. Пока спрос на токены продолжает расти, лаборатории моделей и корпоративные клиенты нуждаются в большем объеме вычислительных мощностей. Вычислительные мощности ограничены передовыми технологическими процессами, памятью, электропитанием и системами на уровне стойки. Главная опасность покупателей — не высокая цена, а невозможность получить их.

Таким образом, облачные провайдеры — это не просто жертвы, а не и автоматические победители.

Они должны подтвердить отчетностью о прибылях и убытках, что капитальные расходы на ИИ могут быть преобразованы в доход, прибыль и лояльность клиентов. Восстановится ли ускоренный рост облачного бизнеса, станет ли раскрытие доходов от ИИ более прозрачным, удастся ли повысить загрузку инференса, смогут ли собственные чипы снизить зависимость от NVIDIA, перейдут ли корпоративные клиенты от пилотных проектов к долгосрочному развертыванию, стабилизировался ли свободный денежный поток — эти показатели станут важнее, чем раньше.

Улучшение этих показателей усилит логику Голдман Сакса о относительном оптимизме в отношении облачных провайдеров.

Эти показатели долго не улучшаются, и облачные провайдеры остаются слоем, испытывающим давление на капитальные расходы между NVIDIA и корпоративными клиентами.

Подчеркивание «структур данных» и «уровня оркестрации» в отчете Goldman Sachs, возможно, является наиболее близким к реальности корпоративной среды.

Корпоративный ИИ не будет оставаться на уровне, когда сотрудники просто открывают чат-окно, чтобы задать вопрос. Настоящий ИИ, оказывающий финансовое влияние, должен интегрироваться в службы поддержки, продаж, финансы, закупки, исследования и разработки, управление рисками, цепочку поставок и IT-поддержку. Каждый процесс имеет свои данные, права доступа, требования соответствия, процедуры утверждения, исторические системы и границы ответственности.

Независимо от того, насколько сильна модель, она не может обойти эти вещи.

Вот здесь снова становится важным уровень корпоративного программного обеспечения. Малорисковые, высокочастотные задачи можно поручить легковесным или открытым моделям; только высокорисковые и высокоценные задачи требуют передовых моделей. Между ними необходима система, которая определяет тип задачи, вызывает данные, управляет правами доступа, выбирает модель, контролирует затраты и записывает результаты обратно.

• Преимущества традиционных SaaS-компаний — это отраслевой опыт, клиентские отношения, доступ к данным и накопленные рабочие процессы. Недостатки — технический долг и скорость итераций.
• Преимущества AI-натуральных компаний — это скорость продукта, способность вызова моделей и структура затрат. Недостатки — отсутствие корпоративных точек входа и отраслевого контекста.
• Преимущество компании-разработчика передовых моделей — наивысший интеллект. Недостаток — отсутствие контроля над корпоративными процессами.

Программный слой не будет просто поглощен ИИ. Компании, не владеющие данными и контролем над процессами, могут быть абстрагированы моделями. Компании, контролирующие структуру данных, рабочие процессы и маршрутизацию моделей, наоборот, получат возможность превратить ИИ в более крупный рынок — от продажи мест к продаже производительности.

Возможность распространения ROI предприятия на обычные компании от такого сильного пользовательского выбора, как SemiAnalysis, во многом зависит от этого уровня.

В прошлом при AI-трейдинге задавали вопрос: кто ближе всего к вычислительной мощности?

Этот вопрос сейчас слишком общий.

На следующем этапе рынок будет задавать вопросы по более детальным переменным.

Во-первых, будет ли продолжаться рост стоимости токена. Если агентный ИИ распространится на более широкие рабочие процессы офисных сотрудников, модели лабораторий и цепочки рассуждений будут продолжать переоцениваться.

Во-вторых, продолжит ли валовая прибыль лаборатории моделей улучшаться. Рост выручки уже недостаточен — рынок будет смотреть на стоимость инференса, эффективность кэширования, апгрейд SKU и ценовую власть над передовыми моделями.

В-третьих, могут ли облачные провайдеры превратить капитальные расходы в доход. Само по себе AI-капитальные расходы больше не считаются автоматически положительным фактором; рынок вознаграждает только те капитальные расходы, которые попадают в облачный доход, маржу по инференсу и корпоративные контракты.

В-четвертых, сможет ли NVIDIA продолжать повышать цены из-за системных узких мест. GPU — это только первый уровень; способность NVIDIA продолжать извлекать прибыль определяется Rubin, SOCAMM, сетями, системами на уровне стойки, программным стеком и возможностями закупок в цепочке поставок.

Пятое, могут ли TSMC и хранилища переоценить дефицит. Передовые узлы, HBM, DRAM, SOCA MM и передовые упаковки, если продолжат оставаться узкими местами в поставках, не уйдут легко от верхнего уровня.

В-шестых, смогут ли корпоративные программные решения получить доступ к внедрению ИИ. Компании, не имеющие входных точек в процессы, будут сжиматься, а компании, обладающие входными точками, данными и возможностями оркестрации, могут стать дороже.

Торговля инфраструктурой ИИ не прекращена.

Он вырос слишком резко, что вызвало разногласия между Goldman Sachs и SemiAnalysis.

Голдман Сакс предупреждает рынок, что преимущества цепочки чипов уже полностью учтены. Если окупаемость инвестиций компаний не наступит в ближайшее время, денежные потоки облачных провайдеров начнут негативно влиять на капитальные расходы, и ситуация, при которой полупроводники приносят исключительную прибыль, будет скорректирована.

SemiAnalysis напоминает рынку, что опыт использования ИИ в 2024 году нельзя использовать для оценки агентного ИИ в 2026 году. Токены становятся средствами производства, лаборатории моделей начинают улучшать валовую прибыль, предложение вычислительных ресурсов остается напряженным, и NVIDIA и TSMC, возможно, еще не полностью оценили свою стоимость.

Совмещение этих двух суждений показывает, что фокус AI-трейдинга изменился.

За последние два года рынок вознаграждал дефицитные активы. Далее рынок будет смотреть, кому удастся удержать экономическую ценность, созданную ИИ, в отчете о прибылях и убытках.

Если SemiAnalysis видит точку перелома, то пирог цепочки ИИ将继续 расти, и у лабораторий моделей, облачных провайдеров, NVIDIA, TSMC, цепочки хранения и энергоснабжения есть основания продолжать распределять прибыль.

Если Голдман Сакс видит реальность, близкую к среднему уровню предприятий, капитальные расходы столкнутся с ограничениями по денежным потокам, цепочка полупроводников должна переработать завышенные ожидания, а провайдеры облачных услуг, напротив, получат лучшую относительную доходность благодаря сжатию оценок и потенциальному соблюдению дисциплины расходов.

Сейчас наиболее вероятное состояние — между двумя крайностями.

Сильнейшие пользователи уже активно покупают токены, а обычные компании еще не завершили учет. Рынок капитала сначала отреагирует на маргинальные изменения, вызванные сильнейшими пользователями, а затем будет ждать подтверждения со стороны средних компаний через отчеты. Чем быстрее произойдет подтверждение, тем ближе мир SemiAnalysis; чем медленнее — тем выше вероятность успеха сделок Goldman Sachs.

AI-лопаты по-прежнему доминируют на рынке, но вопрос изменился с «кто продает лопаты» на другую книгу: кто уже заработал достаточно, кто еще может поднять цену и кто станет следующим настоящим собственником ренты.