Автор статті Ху Сюаньфен: директор з цифрових активів Fosun Wealth, CMO FinChain, виконавчий директор Гонконгського інституту застосування та інвестицій у блокчейн, заступник керівника Центру сприяння блокчейн-індустрії регіону Довгого Янцзи

Попередження про ризики: Цей матеріал не є рекомендацією щодо купівлі або продажу цінних паперів і не містить певних висновків щодо цін на акції будь-якої галузі чи компанії. Терміни «можливості», «переоцінка», «карта багатства», згадані в тексті, вказують лише на напрямки, якими можуть цікавитися промислові тенденції та ринки капіталу. Реальні інвестиції повинні базуватися на незалежній оцінці оцінки, результатів діяльності, замовлень, конкурентної ситуації, фінансової якості та здатності до прийняття ризиків.

Вступ: Хто буде наступним оптичним модулем?

Після того як оптичні модулі зросли в десять разів, багато людей вважають, що вже пропустили найкращу можливість у ланцюжку AI. Такі компанії-постачальники, як Zhongji Xuchuang, Xinyisheng, Tianfu Communications та Yuanjie Technology, протягом останнього року стали найяскравішою темою на фінансових ринках. Особливо Yuanjie Technology — у квітні 2026 року її ціна на фондовому ринку тимчасово перевищила ціну Kweichow Moutai, ставши новим символом найвищих цін на A-ринку. Саме це свідчить про те, що апаратне забезпечення для AI-обчислень вже перетворилося з технологічної теми на реальний подія ціноутворення на фінансових ринках. [1]

Але те, що я справді хочу обговорити, — це те, що найбільше цікавить усіх: «Хто буде наступним оптичним модулем?».

Щоб дізнатися цю відповідь, не можна дивитися поверхнево — потрібно зрозуміти базову логіку: під час кожної промислової революції ринок капіталу може надавати високу оцінку компаніям, які добре розповідають історії, але це не триває довго. Насправді довгострокову оцінку капіталу отримують ті компанії, які долають нові обмеження.

Хто зупинить новий обмежуючий фактор, той отримує нову ціноутворювальну владу; хто має нову ціноутворювальну владу, той може бути переоцінений. Цей рух у секторі оптичних модулів по суті не означає, що ринок раптово зацікавився оптичним зв’язком, а те, що AI-центри обробки даних першими висунули на передній план обмеження «високошвидкісного з’єднання».

I. Штучний інтелект — це нова революція інформаційної інфраструктури

Сьогодні багато людей дивляться на ШІ, використовуючи ідею теми: ChatGPT став популярним, тому спекулюють на оцінці великих моделей; Nvidia зросла, тому спекулюють на GPU; зросли оптичні модулі — і всі пішли за ними; поки застосунки ще не приносять масштабного прибутку, кажуть, що ШІ — це пузир.

Ця думка надто короткострокова і сприяє тенденції: що піднімається, те й ловиш. Справжнє, що слід робити — глибоко проаналізувати, чому оптичні модулі отримали підтримку капіталу та які закономірності можна виявити.

Штучний інтелект — це нова революція в інформаційній інфраструктурі. Він, як телеграф, телефон та мобільний інтернет, перетворює способи створення, передачі, обробки та монетизації інформації.

Останнім часом я пишу нову книгу «Економіка токенів: Нові шляхи розвитку в епоху інтелекту», і після глибокого дослідження я виявив, що кожна інформаційна революція спочатку породжує нову комерційну одиницю обліку.

У епоху телеграфа найважливішою одиницею був «слово»; у епоху телефону — «хвилина»; у епоху мобільного інтернету — «трафік»; у епоху ШІ найважливішою одиницею є Token, тобто токен.

Токени на поверхні є найменшими одиницями інформації, які обробляє ШІ, але за ними стоять загальні витрати на обчислювальну потужність, електроенергію, відеопам’ять, сховище, мережу, архітектуру моделі та ефективність виведення. Коли ви задаєте ШІ питання — це споживає токени; коли компанія запускає агента для виконання процесу — теж споживаються токени. У майбутньому, коли ШІ увійде в службу підтримки, інвестиційний аналіз, дизайн, програмування, освіту, медицину, фінанси та виробництво, за кожним виконанням завдання буде стояти реальна вартість токенів.

Тож розподіл довгострокового багатства в ланцюжку ІІ не може залежати лише від того, хто продаватиме GPU. Насправді важливі чотири речі: хто виробляє токени, хто зменшує вартість токенів, хто координує токени та хто перетворює токени на результати, за які користувачі готові платити.

Друге: історія — це не тло, а правила розподілу індустрії

Щоб зрозуміти майбутнє ШІ, спочатку потрібно зрозуміти історію інформаційної галузі за останні сто років.

Телеграм, телефон, інтернет — на поверхні це три різні індустрії, але в основі вони постійно повторюють один і той самий сценарій: коли нова одиниця з’являється, вона коштує дорого, і інфраструктура спочатку приносить прибуток; коли вартість одиниці знижується, на зміну приходить ефективність; і наостанок, входовий рівень повторно розподіляє комерційну вартість.

Перша сцена — епоха телеграфу.

У 1866 році трансатлантичний підводний кабель був офіційно введений у експлуатацію, і передача інформації між Європою та Північною Америкою змінилася з тижневого на хвилинний рівень. Однак на початку телеграф був дуже дорогим: один слово коштувало 10 доларів, мінімальна довжина повідомлення — десять слів. Найкоротше трансатлантичне телеграмне повідомлення дорівнювало приблизно десяти тижневим заробіткам кваліфікованого робітника того часу. [2]

Тоді найперші гроші заробили ті, хто прокладав підводні кабелі, і ті, хто контролював міжнародну телеграфну мережу, бо вони мали доступ до інформаційної магістралі глобальних фінансів, торгівлі, мореплавства та дипломатії того часу.

Але якщо одне слово занадто дорого, це обов’язково спонукатиме до розробки технологій стиснення. Торгівці почали використовувати телеграфні коди та комерційні словники. Одне слово більше не було просто словом — воно могло означати ціле речення, інструкцію щодо угоди або специфікацію товару. Сьогодні ми говоримо про стиснення, квантування та прогнозування декодування AI-моделей — звучить дуже сучасно, але основна логіка не є новою. Люди почали робити те саме ще з епохи телеграфу: чи можна передати ту саму інформацію за допомогою меншої кількості одиниць рахунку?

Пізніше з’явився вхід. Як приклад — агентство Reuters. У 1850 році Пол Юліус Рейтер використовував 45 голубів для передачі цін на акції та новин між Брюсселем та Ахеном — швидше за залізницю приблизно на 6 годин; після прокладання кабелю під Ла-Маншем він швидко під’єднався до телеграфної мережі, продаючи фінансову інформацію, комерційні новини та ринкові дані банкам, газетам і торговцям. [3]

Сила агентства Рейтер — не в тому, що воно проклало кабелі, а в тому, що воно знає, яка інформація важлива, і хто готовий платити за швидший доступ до неї. Телеграфні компанії заробляють на оплаті за передачу символів, а Рейтер — на правах на розповсюдження інформації. Одна заробляє на каналі, інша — на цінності інформації.

Другий акт — ера телефонів.

У епоху телефонів одиницями виміру стали хвилини. У 1915 році, на початку комерціалізації міжконтинентальних телефонних зв’язків у США, перші три хвилини дзвінка з Нью-Йорка до Сан-Франциско коштували приблизно 20,70 долара США, що в сучасному еквіваленті становить сотні доларів. [4] Першими переможцями природно стали AT&T. Телефонна мережа має сильні фізичні монопольні властивості: лінії, комутатори, ретрансляційні станції та кінцеві користувачі разом утворюють величезну мережу.

Але потім автоматичні комутатори, підсилювачі сигналів та оновлення засобів зв’язку призвели до постійного зниження вартості хвилин дзвінків. Ринки капіталу почали переоцінювати компанії, що вдосконалюють ефективність систем. Пізніше на телефонних мережах з’явилися жовті сторінки. Жовті сторінки не стягують плату за дзвінки, а отримують плату від бізнесу за розміщення рекламних оголошень. Користувачі шукають бізнес, а бізнес хоче, щоб його знайшли — і так виникла комерційна точка входу.

Третій акт — ера мобільних телефонів та інтернету.

У ранній епоху бездротової зв’язку найбільшою цінністю володіли будівельники інфраструктури, потім оператори зв’язку отримали контроль над номерами, мережами, тарифами та оплатою, ставши надзвичайно популярними: повідомлення, голосовий зв’язок та трафік оплачувалися за використанням. Інтернет, побудований на основі провідної та бездротової інфраструктури, значно знизив витрати на зв’язок та підвищив ефективність, що призвело до настання ери трафіку. Зі швидким зниженням вартості одиниці трафіку інфраструктура втратила свою високу оцінку, а компанії, що керують входом для користувачів, стали все ціннішими, що привело до появи гігантів інтернет-платформ. WeChat, Taobao, Meituan, TikTok, Xiaohongshu, Pinduoduo взяли під контроль час користувачів, угоди та рішення щодо споживання.

Оператори керують байтами, а інтернет-платформи — комерційними намірами всередині цих байтів. Це закономірність, яку разом відтворюють три покоління інформаційної індустрії: інфраструктура росте першою, ефективність продовжує цей рух, а точка входу в кінцевому підсумку отримує найвищу вартість. ШІ зараз перебуває на ключовому етапі переходу від першого до другого та третього етапів.

Три: чому перша хвиля припала на GPU, HBM та оптичні модулі

За останні два роки перша хвиля ринку ШІ спочатку підняла NVIDIA, сховища та оптичні модулі — це не дивно, оскільки перший етап ШІ — це навчання великих моделей та будівництво кластерів обчислювальних потужностей.

Для навчання великих моделей потрібно багато GPU; GPU потребують пам’яті з високою пропускною здатністю, тобто HBM; для спільної роботи великої кількості GPU необхідна високоскоростна інтерконектність, тобто оптичні модулі, комутаційні чіпи, PCB, роз’єми та мережеве обладнання. Традиційний центр обробки даних подібний до групи серверів, які виконують багато звичайних завдань, тоді як AI-центр обробки даних більше схожий на величезний суперкомп’ютер. Десятки тисяч, сотні тисяч GPU повинні працювати як єдине ціле — будь-яке сповільнення на будь-якому етапі буде уповільнювати всю систему.

ГПУ дуже дорогі, і якщо мережа недостатньо швидка, ГПУ чекає на дані. Коли ГПУ чекає на дані, це означає, що дорогий актив просто простає. Тому зростання оптичних модулів має промислову основу; зростання HBM — це те, що інвестори купують на ринку як реальний обмежуючий фактор у ланцюжку поставок.

Але ринок не буде завжди зосереджуватися лише на перших обмеженнях. Коли такі явні етапи, як GPU, HBM та оптичні модулі, будуть достатньо обговорені, питання перенесуться далі: як забезпечити стабільну роботу обчислювальних потужностей? Як зробити їх дешевшими? Як інтегрувати їх у корпоративні процеси? Як перетворити їх на результат, за який користувачі згодні платити?

Четверте: наступний бар’єр розвитку ШІ — електроенергія, рідине охолодження та промислова нерухомість для обчислювальних потужностей

Наступна найбільш певна лінія, на мою думку, — це електроенергія та рідинне охолодження. Причина проста: AI-центри обробки даних переходять від «бізнесу з серверних кімнат» до «бізнесу з енергією».

Раніше люди розуміли центри обробки даних як будівлі, де розміщено багато серверів. Центри обробки даних для ШІ — це інше. Основними обмеженнями центрів обробки даних для ШІ стають підключення до електромережі, потужність на стелаж, здатність до охолодження, координація енергопостачання та доставка інфраструктури. У офіційному описі GB200 NVL72 NVIDIA підкреслює, що він з’єднує 36 процесорів Grace та 72 GPU Blackwell у одній системі з рідинним охолодженням на рівні стелажу. [5]

Це означає, що конкуренція в галузі ШІ вже не є конкуренцією окремих GPU, а системною боротьбою між цілими стелажами, серверними кімнатами та цілими центрами обробки даних. У майбутньому потужність стелажів продовжуватиме зростати до десятків і навіть сотень кіловат, а рідинне охолодження та електропостачання перестануть бути фоновими компонентами — вони стануть передумовами для розгортання обчислювальних потужностей.

Ще важливішим є електрика. Міжнародне енергетичне агентство у звіті «Energy and AI» передбачає, що споживання електроенергії глобальними центрами обробки даних до 2030 року майже подвоїться і досягне приблизно 945 ТВт·год, що становитиме майже, але менше ніж 3% від загального споживання електроенергії у світі; серед основних драйверів зростання — штучний інтелект. [6]

GPU можна замовити, оптичні модулі можна розширити, сервери можна збирати, але електромережі, підстанції, лінії електропередачі, резервні джерела живлення та системи охолодження не можна створити за кілька місяців. Чим потужніший ШІ, тим вищий споживання енергії; чим щільніша обчислювальна потужність, тим більше тепла; чим більше центрів обробки даних зосереджено, тим екстремальніші вимоги до електроенергії та охолодження.

Отже, трансформатори, БЕП, розподільні шафи, блоки живлення, шинопроводи, електричні системи центрів обробки даних, рідинні охолоджувальні пластини, CDU, насоси та клапани, теплообмінники, комплексні рідинні системи охолодження шаф та загальні рішення для інфраструктури центрів обробки даних будуть переоцінені. Раніше їх усіх вважали частиною традиційної виробничої галузі, але з приходом ШІ вони перетворилися на передумови для доставки обчислювальних потужностей.

Ще крок далі: AI-центри даних перетворяться з традиційних ІДЦ у новий тип промислової нерухомості. Традиційні ІДЦ оцінюються за кількістю стелажів, рівнем завантаження, PUE, орендною платою та клієнтами; AI-центри даних оцінюються за електричними показниками, підстанціями, довгостроковими енергетичними угодами, здатністю до рідинного охолодження, підключенням до високoshвидкісних мереж, довгостроковими угодами з великих клієнтів, здатністю до обслуговування GPU-кластерів та потенціалом розширення земельної ділянки.

Це вже не просто бізнес зі «зведенням будівель та розміщенням серверів». Він більше схожий на залізничні станції епохи залізниць, причали епохи портів, аеропорти епохи авіації, транспортні вузли епохи автодоріг. Найкращі компанії з AI-центрами даних майбутнього не просто здаватимуть у оренду серверні, а об’єднають землю, електроенергію, охолодження, мережу, чіпси та довгострокові угоди з клієнтами в інфраструктурний актив із грошовими потоками, бар’єрами для входу та обмеженою пропозицією.

Цей рядок має подальшу зміну: фінансування активів центру обробки даних. Коли центр обробки даних на основі ШІ сформує стабільний грошовий потік, його можуть перетворити на REITs, RWA, інфраструктурні фонди, продукти з правом отримання доходу та довгострокові лізингові активи. У епоху хмарних обчислень центри обробки даних були фондовими активами провайдерів хмари; у епоху ШІ центри обробки даних будуть переоцінені як «індустріальна нерухомість для обчислювальних потужностей».

П’ять: після навчання починається війна за витрати на висновки

Зараз багато людей вважають, що NVIDIA занадто сильна, і що всі можливості в сфері AI-чіпів уже були захоплені NVIDIA. Це твердження правильне лише наполовину.

На етапі навчання великих моделей перевага NVIDIA дуже велика. Вона не просто має потужні GPU, але й сильну систему CUDA, екосистему розробників, мережеві рішення, цілісні системи та програмне забезпечення. Однак, коли штучний інтелект переходить до етапу масштабного висновку, логіка змінюється. На етапі навчання найважливіше — створити модель; на етапі висновку — забезпечити обслуговування мільйонів користувачів щодня. Навчання більше схоже на капітальні витрати, а висновок — на операційні витрати.

Коли ШІ входить у службу підтримки, офісну роботу, програмування, фінанси, освіту, медицину та виробництво, щодня виникає величезна кількість викликів. Тоді люди розуміють, що логіка економіки токенів відрізняється від логіки економіки трафіку: у економіці трафіку граничні витрати зменшуються, тому можна масово привертати користувачів, а потім думати про дохід, оскільки мережеві витрати на кожного додаткового користувача постійно знижуються. Але логіка економіки токенів інша — це повністю інша економічна вартість для компаній, що розробляють великі моделі, та хмарних провайдерів: її граничні витрати залишаються незмінними або навіть зростають. Навчання — це одноразовий вклад із довгостроковою вигодою, а висновок — ні. Якщо кожен виклик ШІ для обслуговування користувача призводить до збитків, а завдання викликається кілька мільйонів або навіть сотні мільйонів разів на день, жодна компанія не зможе це витримати. Саме тому навіть велика модель DouBao компанії ByteDance має ввести платну модель.

Тоді з’являється нова можливість, і люди починають думати про зменшення витрат. Чому всі завдання мають виконуватися на найдорожчих універсальних GPU? Чи не можна використовувати спеціалізовані чіпи? Чи не можна використовувати ASIC з нижчим споживанням енергії, вищою пропускною здатністю та більш підходящий для фіксованих сценаріїв?

Ось чому випадки Broadcom, AMD, Google TPU варто враховувати.

За повідомленням Reuters, Broadcom очікує, що до 2027 року доходи від спеціалізованих чіпів для ШІ можуть перевищити 100 мільярдів доларів США, що обумовлено швидким зростанням попиту з боку великих технологічних компаній на спеціалізовані чіпи для ШІ. [7] У річному звіті за 2024 рік AMD повідомила, що щорічний дохід від бізнесу ШІ для центрів обробки даних вже перевищив 5 мільярдів доларів США, а клієнти, такі як Meta, Microsoft та Oracle, масово розгортають прискорювачі AMD Instinct MI300. [8] Google Cloud підкреслив, що TPU v5e спрямований на ефективність витрат і дозволяє отримувати більшу кількість запитів за ту саму вартість. [9]

Отже, майбутнє AI-чіпів не буде обмежене одним форматом. NVIDIA залишиться лідером, але хмарні провайдери, власні чіпи, спеціалізовані ASIC, чіпи для прискорення висновків та крайові AI-чіпи також знайдуть своє місце. Це не проста заміна NVIDIA, а розподіл частини прибутку в еру висновків. З переходом AI від ери навчання до ери висновків, оптимізація витрат стане новим джерелом ціноутворення.

Шість: Після оптичних модулів — вся AI-мережа

Багато хто вважає, що оптичні модулі вже виростали, і тому ринок ШІ завершився. Я не ділюся цією думкою. Оптичні модулі — це лише перший явний етап мережі ШІ. За ними слідують комутаційні чіпи, комутатори, DPU, SmartNIC, CPO, кремнієва оптика, кластерне планування та операційна система мережі.

Суть AI-центру обробки даних полягає в тому, щоб з’єднати велику кількість GPU в одну суперкомп’ютерну систему. Найціннішим активом тут є GPU, а найбільш неприпустимим є простої GPU. Якщо висока затримка мережі, GPU чекає на дані; якщо низька ефективність обміну, GPU чекає на дані; якщо архітектура зв’язку погана, GPU все одно чекає на дані.

Тож цінність AI-мережі полягає не лише у передачі даних, а й у підвищенні загальної використовуваності GPU-кластерів. У звичайних інтернет-центрах обробки даних повільна мережа означає лише повільне завантаження для користувачів; у AI-центрах обробки даних повільна мережа може призвести до зниження використовуваності обладнання на сотні мільйонів або навіть мільярди доларів.

Платформа NVIDIA Quantum-X800 InfiniBand зосереджена на забезпеченні енд-ту-енд мережі зі швидкістю 800 Гб/с, щоб служити моделям ШІ з трильйонами параметрів; Spectrum-X Ethernet акцентує увагу на підвищенні продуктивності мережі ШІ та підтримці масштабування великих кластерів GPU. [10] TrendForce також зазначає, що попит на оптичні трансивери 800 Гб/с та вище для з’єднання кластерів серверів ШІ швидко зростає, і ринковий розмір оптичних трансиверів для ШІ продовжить розширюватися. [11]

Отже, майбутні AI-мережі продовжуватимуть удосконалюватися: від 400 Гбіт/с до 800 Гбіт/с, а потім до 1,6 Тбіт/с; від традиційних оптичних модулів до CPO; від електронної комутації до електро-оптичного злиття; від звичайних мереж до AI fabric; від окремих пристроїв до цілих кластерів з управлінням. Ринок капіталу в майбутньому не буде зосереджуватися лише на бізнесі оптичних модулів, а звертатиме увагу на те, хто підвищує ефективність підключення AI-кластерів, хто зменшує час очікування GPU та хто забезпечує більшу стабільність кластерів з тисячами та десятками тисяч GPU.

Сім: після того як токен стає дешевшим, входи змінять власників

Справжнє масове застосування штучного інтелекту залежить від того, чи зможе вартість токенів постійно знижуватися. Чим дорожчі токени, тим складніше поширити ШІ; чим дешевші токени, тим легше інтегрувати ШІ у бізнес-процеси та повсякденне життя.

Згідно зі звітом AI Index Стенфорду за 2025 рік, вартість запитів до моделей, що досягають рівня GPT-3.5, знизилася з приблизно 20 доларів за мільйон токенів у листопаді 2022 року до приблизно 0,07 долара у жовтні 2024 року — зменшення більш ніж у 280 разів за 18 місяців; швидкість зниження цін на інференс LLM варіюється в залежності від завдання — від 9 до 900 разів на рік. [12]

Ці дані свідчать, що справжні довгострокові дефляційні сили в галузі ШІ вже почали проявлятися. Той, хто зможе виконати ту саму задачу з меншою кількістю токенів, меншим споживанням пам’яті GPU, меншою кількістю електроенергії та меншим часом виведення, має цінність.

Ці компанії я називаю підходом до стиснення токенів.

Вони можуть бути моделевими компаніями, платформами для висновків, чіпами, хмарними провайдерами або компаніями з інфраструктури корпоративного ШІ. Ключове не те, як вони називаються, а чи здатні вони знизити витрати на ту саму задачу, скоротити ланцюжок висновків, зменшити кількість непотрібних викликів та забезпечити більш стабільні результати.

Тут кілька технологій мають велике значення: MoE, квантизація, дистиляція, кешування, спекулятивне декодування та маршрутизація моделей. Зокрема, маршрутизація моделей — не всі завдання вимагають використання найдорожчої моделі. Досліджені AI-системи автоматично вибиратимуть найбільш підходящу модель та шлях, враховуючи складність завдання, бюджет, вимоги до швидкості, конфіденційності та точності. Однак маршрутизація моделей також піддається тиску з боку великих компаній, і її конкурентна перевага не є надійною.

Після зниження витрат питання входу стануть ще важливішими. Багато хто вважає, що входом у епоху ШІ стане платформа для координації моделей, подібна до Meituan у епоху ШІ. Ця аналогія має сенс, але недостатньо глибока. Справжній вхід у ШІ, ймовірно, не буде платформою, де ви обираєте модель, а скоріше системою, вбудованою у робочий процес.

Звичайні користувачі не будуть щодня активно відкривати платформу для планування моделей. Корпоративні користувачі також не будуть викликати моделі просто так. Користувачі хочуть завершити завдання, компанії — підвищити ефективність процесів, працівники — отримати результати роботи. AI врешті-решт інтегрується в Office, Feishu, DingTalk, WeCom, ERP, CRM, редактори коду, браузери, електронну пошту, пошукові системи, фінансові системи, служби підтримки та торгівельні системи. Хто керує робочими процесами, той керує правом виклику AI.

У річному звіті Microsoft за 2025 рік зазначено, що загальна кількість щомісячних активних користувачів продуктів Copilot у бізнес- та споживачському сегментах перевищила 100 мільйонів, а Microsoft 365 Copilot було додатково інтегровано до робочих процесів. [13] Це свідчить про те, що AI-вхід не обов’язково має бути окремим додатком, а може бути інтелектуальним рівнем у вже існуючих робочих потоках.

Вхід для розробників може бути редактором коду та платформою для зберігання коду; вхід для офісної роботи — Microsoft 365, Google Workspace, Feishu, DingTalk; вхід для бізнес-операцій — ERP, CRM, фінансові системи; персональний вхід — операційна система смартфона, браузер, пошукове поле, розумні окуляри. Справжній вхід у епоху ШІ — не список моделей, а вхід у робочі процеси.

Вісім: Справжня складність корпоративного ШІ полягає у впровадженні у процеси

Щоб ШІ став входом у робочий процес, потрібна ще одна умова: він повинен увійти у реальні корпоративні процеси. Найскладніше в корпоративному ШІ — не підключити чат-бота, а зрозуміти, чи може модель безпечно отримувати доступ до корпоративних даних, чи розуміє вона бізнес-процеси, чи може викликати системи, чи залишає логи, чи піддається аудиту та чи може інтегруватися з людськими механізмами схвалення.

Багато компаній сьогодні використовують ШІ лише на рівні того, що співробітники самостійно запитують, пишуть та узагальнюють. Це може підвищити особисту ефективність, але не зможе справді змінити організаційну структуру. Справжній корпоративний ШІ — це коли агенти входять у процеси.

Агент служби підтримки — це не просто відповідь на запитання, а перевірка замовлень, аналіз логістики, оцінка умов повернення коштів та виклик системи післяпродажного обслуговування; фінансовий агент — це не просто складання звітів, а читання первинних документів, перевірка звітності, виявлення аномалій та формулювання рекомендацій для схвалення; агент інвестиційних досліджень — це не просто підсумовування новин, а збір даних, побудова моделей, порівняння компаній та моніторинг ризиків; юридичний агент — це не просто складання договорів, а пошук умов, виявлення ризиків, зв’язування з прецедентами та збереження історії змін.

За цим стоїть ціла інфраструктура: бази даних, векторний пошук, управління правами доступу, управління даними, інтеграція систем, двигун робочих процесів, журнали аудиту, безпека та відповідність вимогам, підприємська база знань, платформа оркестрації агентів. Це звучить менш сексуально, ніж великі моделі, але саме вони є фундаментом, на якому реальний штучний інтелект впроваджується в бізнес. Перші гроші, які підприємство має витратити на впровадження ШІ, — це гроші на безпеку, дані, права доступу, процеси, інтеграцію та відповідність, а не на розгортання великого моделювання для виконання якихось непотрібних завдань.

Тут ще схований більший зміна: справжні гроші від застосунків ШІ можуть походити не з бюджету на програмне забезпечення, а з бюджету на персонал. SaaS продає інструменти, а AI Agent продає результати. Інструменти потребують людського управління, а Agent виконує завдання безпосередньо.

Система штучного інтелекту для служби підтримки, якщо вона лише продає програмне забезпечення, має обмежений потенціал — ринок програмного забезпечення для служби підтримки; але якщо вона справді замінює велику кількість людей у службі підтримки, її потенціал — це ринок аутсорсингу служби підтримки та витрати на персонал корпоративної служби підтримки. Система штучного інтелекту для юридичних послуг, якщо вона лише продає інструменти для документів, має обмежений потенціал; але якщо вона може замінити молодших юристів, перевірку договорів та підготовку діл, її потенціал — це загальний ринок витрат на юридичні послуги.

Harvey — це варто уважно спостерігати як приклад юридичного ІІ. За даними TIME за 2025 рік, оцінка Harvey становить близько 5 мільярдів доларів США, вона має понад 300 клієнтів у 53 країнах і присутня у семи з десяти найдоходніших юридичних фірм США. [14] Це свідчить, що застосування ІІ у сфері високодоходних знаньових робіт — це не просто заміна інструментів, а проникнення у сферу витрат на працю професійних послуг.

Майбутні справді видатні компанії зі штучним інтелектом не будуть лише називати себе програмними компаніями, а зазначатимуть, на скільки роботи вони можуть виконати за клієнтів, на скільки зекономити працівників, зменшити кількість помилок, підвищити коефіцієнт перетворення та скоротити терміни поставки. Ринок капіталу раніше дивився на ARR, а в майбутньому буде дивитися, наскільки велику частину витрат на працю вони зможуть зменшити.

Дев’яте: не ігноруйте місцевий ШІ та фінансування обчислювальних потужностей

Є ще дві лінії, які зараз не найпопулярніші, але їх не можна ігнорувати в середньо- та довгостроковій перспективі. Одна з них — місцевий ІШ. Зараз більшість токенів виробляються в хмарних центрах обробки даних: коли ви запитуєте модель, сутнісно це означає, що віддалений центр обробки даних виконує обчислення за вас. Але в майбутньому неможливо, щоб усі обчислення ІШ проводилися в хмарі.

Причина проста: хмарні висновки занадто дорогі, багато сценаріїв вимагають низької затримки, багато даних не можна завантажувати до хмари, а термінальні пристрої стануть все розумнішими. Тому в майбутньому частина токенів переміститься з хмари на локальний рівень, або, іншими словами, на кінцевий пристрій. Мобільні телефони будуть запускати ШІ, ПК — ШІ, автомобілі — ШІ, роботи — ШІ, розумні окуляри — ШІ, а локальні робочі станції також будуть запускати ШІ.

Запуск штучного інтелекту на термінальному рівні спричинить новий цикл розвитку апаратного забезпечення. Чіпи для штучного інтелекту на кінцевому рівні, NPU, енергоефективна пам’ять, управління живленням, охолодження, датчики, модулі камер, масиви мікрофонів, AI ПК, AI смартфони, AI окуляри, роботи та інтелектуальні обчислювальні платформи для автотранспорту увійдуть у новий етап переоцінки ланцюгів постачання.

Але цю лінію слід розглядати об’єктивно. Напрямок крайнього ІІ — це правильно, але зараз ще відсутні справжній «killer app». AI-ПК і AI-телефони зараз більше підштовхуються виробниками апаратного забезпечення, а користувачі ще не сформували потребу обов’язково замінювати свої пристрої. Тому крайнє ІІ не стане першою лінією, яка вибухне, але воно буде важливою середньо- та довгостроковою лінією.

Інша лінія — фінансування хешрейту. Інфраструктура ШІ надто витратна. GPU дорогі, центри обробки даних дорогі, договори на електроенергію дорогі, терміни будівництва довгі, великий обсяг залучених коштів. Полагоджуватися лише на баланс технологічних компаній — не обов’язково найкращий варіант.

Можуть з’явитися такі нові типи фінансових активів: контракти на оренду GPU, право на дохід від обчислювальної потужності, REITs дата-центрів, фонди інфраструктури ШІ, довгострокові угоди купівлі електроенергії, фінансування під заставу GPU, структуроване фінансування на основі доходу від висновків, а також обчислювальні активи, репрезентовані як RWA.

Команда з випуску RWA в Fosun Wealth, де я працюю, є однією з найпрофесійніших у Гонконзі. З моєї першої руки, аналіз бізнесу показує, що активи обчислювальної потужності RWA мають високу фінансову цінність і перспективу глобальної регульованої торгівлі. FinChain StarChain та StarRoad допомагають велиkim традиційним виробникам обчислювальної потужності реалізувати новий шлях комліантної фінансової токенізації — від біткоїн-обчислювальної потужності до штучного інтелекту.

За кордоном вже існують успішні приклади фінансування обчислювальних потужностей, і CoreWeave є найбільш типовим з них. У березні 2026 року CoreWeave оголосила про завершення 8,5 млрд доларів США delayed draw term loan facility, назвавши це першим інвестиційного рівня фінансування, забезпеченим GPU. [15] Це свідчить про те, що GPU, шафи та контракти на обчислювальні потужності зараз на ринку вважаються інфраструктурними активами, які можна використовувати як забезпечення та фінансувати.

Це дуже схоже на залізниці, телекомунікації та хмарні обчислення. У епоху залізниць компанії фінансували будівництво залізниць за допомогою облігацій; у епоху телекомунікацій оператори закладали мережі за рахунок довгострокового капіталу; у епоху хмарних обчислень провайдери хмарних сервісів інвестували величезні капітальні витрати у будівництво центрів обробки даних. У епоху ШІ GPU, серверні шафи, договори на електроенергію та майбутні доходи від висновків також будуть перепаковані, оцінені та обігнані на фінансових ринках.

Десяте: найвищий рівень можливості — AI-направлені компанії перепишуть звіт про прибутки та збитки

Раніше ми розглядали ланцюжок поставок. Але найбільший довгостроковий вплив ШІ — це не лише ланцюжок поставок, а й те, що організаційні структури будуть переписані.

Раніше компанії будувалися за принципом людей, що утворюють відділи: відділ продажів, служба підтримки, фінансовий відділ, юридичний відділ, відділ інвестиційних досліджень, операційний відділ — кожен відділ мав посади, процеси, схвали, показники ефективності. Після введення AI-агентів організація зміниться: одна людина зможе керувати кількома агентами, відділ може бути стиснутий за допомогою робочих процесів агентів, позиції у тилових службах будуть автоматизовані, діапазон управління збільшиться, і компанія перетвориться з трудомісткої організації на організацію з людино-машинною співпрацею.

Це означає, що майбутній ринок капіталу переоцінить компанії: AI-native компанії. Це не просто купівля кількох інструментів ШІ чи використання співробітниками ChatGPT для написання текстів, а перепроектування організаційної структури з самого початку з урахуванням ШІ. Менше людей, вищий дохід, вищий вихід на працівника, нижчі граничні витрати, швидші терміни доставки.

Отже, найбільший вплив ШІ на ринковий капітал — це не лише «хто зросте в ланцюжку поставок ШІ», а й «хто з усіх галузей зможе за допомогою ШІ переписати свою звітність про прибутки». Майбутній ринок нагородить дві категорії компаній: перша — це компанії, що продають інфраструктуру ШІ та його здібності; друга — це компанії, що за допомогою ШІ реконструють свою структуру витрат і доходів. Останні зовні можуть не бути ШІ-компаніями, але їхня організаційна ефективність, рентабельність та продуктивність на працівника зазнають фундаментальних змін.

Закінчення: Штучний інтелект перетворює рідкісність

На цьому етапі, якщо ви бачите лише GPU, оптичні модулі, електроенергію, рідинне охолодження, ASIC, центри обробки даних та пристрої на краю, ви все ще сприймаєте ШІ як одну технологічну ланцюжку. Глибші зміни полягають у тому, що ШІ перевизначить, що є рідкісним.

Раніше дефіцитним було GPU, тому NVIDIA зросла; пізніше дефіцитними стали HBM та оптичні модулі, тому зросли сектори зберігання та оптичних модулів; далі дефіцитними будуть електроенергія, рідинне охолодження, AI-мережі, чіпи для висновків, дані-канали, точки входу в робочі процеси, корпоративні дані та організаційна виконавча здатність.

Якщо розбити цей AI-ринок на етапи, то на першому етапі купували інфраструктуру обчислень, на другому — здатність обчислень працювати стабільно та недорого, а на третьому — можливість інтеграції обчислень у бізнес-процеси для отримання реального доходу та прибутку.

Оптичні модулі зросли в десять разів — це не кінець історії, а перший раз, коли ринковий капітал чітко побачив фізичні обмеження інфраструктури ШІ. Наступна, більша переоцінка відбудеться на наступному наборі нових обмежень, які ще не були повністю враховані в цінах.

Електроенергія, рідинне охолодження, AI-центри обробки даних, кастомні ASIC, AI-мережі, стиснення токенів, маршрутизація моделей, підприємські дані, входи до робочих процесів, AI на кінцевих пристроях, фінансування обчислювальних потужностей, AI-направлені компанії — ці напрямки разом сформують наступну карту багатства для ланцюжка AI.

Звичайно, це не означає, що кожна компанія зростатиме, чи що кожна ідея варта покупки. Під час кожної промислової революції багатство не розподіляється рівномірно. Тільки ті компанії, які вирішують ключові обмеження, мають клієнтів, замовлення, технологічні бар’єри, переваги у витратах та позицію в екосистемі, отримуватимуть тривалу винагороду з боку ринків капіталу.

Одним реченням: перша хвиля можливостей у сфері ШІ — це той, хто зможе побудувати обчислювальну потужність; наступна хвиля можливостей — це той, хто зможе підтримувати, оптимізувати, планувати обчислювальну потужність і перетворювати її на реальні бізнес-результати.

Примітки та джерела

Наведені дані підтверджують історичні факти, публічні дані та галузеві випадки, згадані в тексті. Для зручності редагування фінансовими ЗМІ пріоритет надається офіційним організаціям, оголошенням компаній, авторитетним ЗМІ або первинним джерелам.

[1] Про те, як ціна акцій Yuanjie Technology під час торгів перевищила ціну Kweichow Moutai й стала новим лідером найвищих цін на ринку A: Sina Finance, 17 квітня 2026 року, «Перевищивши Moutai, з’явився новий король акцій ринку A». https://finance.sina.com.cn/wm/2026-04-17/doc-inhuupte2305062.shtml

[2] Про тарифи на трансатлантичний телеграф 1866 року: PBS American Experience, «Як використовували ранній кабель», зазначає, що початкова тарифна ставка на трансатлантичний телеграф у 1866 році становила 10 доларів за слово, мінімум 10 слів, що приблизно дорівнювало заробітній платі кваліфікованого робітника за десять тижнів. https://www.pbs.org/wgbh/americanexperience/features/cable-how-early-cable-was-used/

[3] Про випадок з голубами Reuters: Reuters, «Довга історія швидкості у Reuters», згадує, що Рейтер раніше використовував голубів для передачі фінансової інформації. https://www.reuters.com/article/business/the-long-history-of-speed-at-reuters-idUSKBN2761WD/

[4] Про вартість міжконтинентального телефонного дзвінка в США 1915 року: JSTOR Daily, «AT&T: Народження першої соціальної мережі», зазначає, що вартість 3-х хвилинного дзвінка з одного узбережжя на інше в 1915 році становила 20,70 долара США. https://daily.jstor.org/birth-first-social-network/

[5] Про NVIDIA GB200 NVL72: Офіційна сторінка NVIDIA, де зазначено, що GB200 NVL72 з’єднує 36 процесорів Grace та 72 GPU Blackwell, використовуючи дизайн масштабу стелажу з рідинним охолодженням. https://www.nvidia.com/en-us/data-center/gb200-nvl72/

[6] Щодо електроспоживання глобальними центрами обробки даних: Міжнародне енергетичне агентство, «Енергоспоживання штучним інтелектом», передбачає, що електроспоживання глобальними центрами обробки даних до 2030 року складе близько 945 ТВт·год, що становить менше 3% від загального глобального електроспоживання. https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai

[7] Про спеціалізовані AI-чіпи Broadcom: Reuters, 2026-03-04, «Broadcom прогнозує другий квартальний дохід вище очікувань», повідомляє, що Broadcom очікує, що дохід від AI-чіпів до 2027 року перевищить 100 мільярдів доларів США. https://www.reuters.com/technology/broadcom-forecasts-second-quarter-revenue-above-estimates-2026-03-04/

[8] Щодо бізнесу AMD у сфері штучного інтелекту для центрів обробки даних: Річний звіт AMD за 2024 рік, у якому повідомляється, що річний дохід від бізнесу штучного інтелекту для центрів обробки даних перевищив 5 мільярдів доларів США, а також згадуються Meta, Microsoft, Oracle та інші, які впровадили прискорювачі AMD Instinct MI300. https://ir.amd.com/financial-information/sec-filings/content/0001193125-25-067185/0001193125-25-067185.pdf

[9] Про ефективність витрат Google TPU v5e: Google Cloud Blog, «Productivnist za dollara GPU та TPU для AI-інференсу», зазначає, що TPU v5e забезпечує більшу кількість запитів за ту саму вартість. https://cloud.google.com/blog/products/compute/performance-per-dollar-of-gpus-and-tpus-for-ai-inference

[10] Про платформу NVIDIA AI Network: Офіційна сторінка NVIDIA Quantum-X800 зазначає, що це енд-ту-енд 800 Гб/с InfiniBand-мережа. https://www.nvidia.com/en-us/networking/products/infiniband/quantum-x800/

[11] Щодо ринку AI-оптичних трансиверів: TrendForce, 2026-04-20, «Глобальний ринок AI-оптичних трансиверів досягне 26 мільярдів доларів США», зазначає швидке зростання попиту на оптичні трансивери 800G та вище. https://www.trendforce.com/presscenter/news/20260420-13017.html

[12] Щодо зниження вартості AI-виведення: Stanford HAI, «AI Index 2025: State of AI in 10 Charts», показує, що вартість запиту до моделі рівня GPT-3.5 знизилася більше ніж у 280 разів за 18 місяців. https://hai.stanford.edu/news/ai-index-2025-state-of-ai-in-10-charts

[13] Щодо масштабу користувачів Microsoft Copilot: Щорічний звіт Microsoft 2025, у якому зазначено, що сімейство продуктів Copilot має понад 100 мільйонів активних користувачів на місяць у бізнес- та споживчому сегментах. https://www.microsoft.com/investor/reports/ar25/index.html

[14] Про юридичний ІІ Harvey: TIME 2025 — список найвпливовіших компаній світу повідомляє, що оцінка Harvey становить близько 5 мільярдів доларів США, клієнтів понад 300, охоплено 53 країни. https://time.com/collections/time100-companies-2025/7289586/harvey/

[15] Щодо фінансування CoreWeave з підтримкою GPU: оголошення для інвесторів CoreWeave, у березні 2026 року було оголошено завершення 8,5 мільярда доларів США delayed draw term loan facility, яке було названо першим фінансуванням з підтримкою GPU з інвестиційним рейтингом. https://investors.coreweave.com/news/news-details/2026/CoreWeave-Closes-Landmark-8-5-Billion-Financing-Facility-Achieving-First-Investment-Grade-Rated-GPU-backed-Financing/default.aspx

Примітка: Ця стаття містить галузеву аналітику; примітки використовуються для посилань на джерела фактів і не є рекомендаціями щодо інвестування.