По законам революции: почему обвал рынка не остановит развитие ИИ

Распродажи в 2026 году шли волнами. В июле 20 самых дорогих чиповых компаний за несколько дней потеряли $1,3 трлн капитализации. В середине октября ИИ-сектор лишился больше $1 трлн за неделю. В конце месяца Nasdaq пережил худший день с июня, а октябрь стал для индекса худшим месяцем с марта 2025 года.
С 6 по 30 октября 47 акций ИИ- и чиповых компаний потеряли около $5 трлн, а остальные 625 крупнейших американских компаний за то же время подорожали на $1,3 трлн. Инвесторы не бегут с рынка, они переоценивают конкретную ставку.
Поводы распродаж при этом не связаны с технологией: доходность американских облигаций выше 5%, из-за чего дорожает долговое финансирование строительства, в том числе и дата-центров. Годовая выручка OpenAI оказалась около $50 млрд вместо ожидавшихся $68 млрд, Amazon объявил о рекордных расходах на инфраструктуру. Ни один из этих триггеров не говорит, что ИИ «не работает». Все они про деньги: кто платит и когда вложения окупятся. Цена акции отражает не то, что технология делает сегодня, а то, сколько инвесторы готовы заплатить за ожидания.
Майкл Берри, основатель фонда Scion Asset Management, прославился тем, что заранее предсказал крах рынка ипотеки в 2008 году. Теперь он предупреждает о другом: крупнейшие облачные компании, которые строят дата-центры для ИИ, слишком оптимистично оценивают сроки службы дорогих графических чипов. Компании исходят из того, что чипы работают пять-шесть лет, а Берри уверен, что реальный срок — всего два-три года, потому что новые модели быстро делают прежние устаревшими. Если чипы изнашиваются быстрее, то расходы на них в отчетности занижены, а прибыль выглядит больше, чем есть на самом деле. По его расчетам, за 2026–2028 годы эта разница составит около $176 млрд. Все эти оценки заслуживают внимания, но каждая из них — про деньги: сколько стоит компания, как честно считать износ чипов, кто выдержит долговую нагрузку.
Судьба прорывной технологии
Реализация многих прорывных идей проходила стадию рыночного пузыря, причем по похожему сценарию. Сначала появляется технология, способная изменить экономику. В нее начинают вкладывать деньги, капитализация компаний растет быстрее выручки, а у многих прибыли нет и не намечается. Потом пузырь лопается. Слабые компании умирают, сильные выживают и строят следующую систему уже на подешевевшей инфраструктуре. Для меня это не повод паниковать, а привычная фаза цикла.
Достаточно оглянуться назад. С железными дорогами все было именно так: британцы в 1840-х вложили в них почти половину годового ВВП и потеряли примерно треть. Но почти все линии продолжили работать, и страна получила лучшую транспортную сеть в мире. То же и с интернетом. Nasdaq с марта 2000 по октябрь 2002 года упал на 78% и вернулся к рекорду только через 15 лет. За пять лет после 1996 года американские компании вложили больше $500 млрд в оптоволокно и сети, а к 2002 году, по оценке FDIC, работали лишь 2–5% проложенного волокна. Казалось бы, провал. Но по этой же оптике потом пошел широкополосный интернет, появились стриминг и облака. Деньги инвесторов сгорели, а инфраструктура осталась.
Экономист Карлота Перес, изучающая технологические революции, сказала об этом коротко: «Я не видела золотого века, которому не предшествовал бы крах». Мне близок этот взгляд. Такое происходит примерно раз в десятилетие, и сейчас мы просто находимся в очередной такой фазе.
Что в этот раз по-другому
Но аналогия не идеальна, и лучше помнить о ее пределах. Первый — износ. Оптоволокно служит десятилетиями, а графические ускорители устаревают примерно за пять лет. Если пузырь лопнет, чипы подешевеют, и вычисления станут доступны университетам, стартапам и небольшим компаниям, но через несколько лет их придется менять. Зато останется другое: здания, подключения к энергосетям, новые электростанции, открытые модели и люди, которые научились работать с ИИ. Миллиардер Джефф Безос называет это «промышленным пузырем», в отличие от финансового.
Второй предел — долг. Доткомы были пузырем акций, а нынешняя стройка все больше идет в кредит: только за первое полугодие 2026-го крупнейшие облачные компании и связанные с ними структуры разместили облигаций на $225 млрд. Поэтому «технология останется» не означает «никто не пострадает». Пострадают кредиторы и самые закредитованные строители, как в 2001 году пострадали операторы связи.
А если пострадают лидеры?
Главный тест близко: Anthropic готовится к размещению, и это первый случай, когда мы видим полную отчетность одной из ведущих ИИ-лабораторий. Как следует из опубликованного к IPO проспекта, выручка за первое полугодие 2026-го составила $16,3 млрд, против $1,16 млрд годом ранее, рост примерно в 14 раз. В II квартале компания впервые получила операционную прибыль. Так что спрос на технологию не придуман.
Но признаки перегрева в проспекте тоже видны. Фиксированные и минимальные обязательства Anthropic по закупке вычислительных мощностей выросли за полгода с $54,6 млрд до $265,6 млрд — это данные на 30 июня, без учета лизинга и более поздних контрактов. Прогнозы меняются стремительно: если в сентябре ориентиром по стоимости компании после IPO были $2 трлн, то при диапазоне $70–78 за акцию, объявленном 10 ноября, компания стоит около $1 трлн по акциям в обращении и до $1,4 трлн с учетом опционов. Экспертные оценки при этом расходятся почти в 10 раз: экономист Асват Дамодаран в своем базовом сценарии получает $1,475 трлн, а исследовательская компания New Constructs оценивает Anthropic примерно в $150 млрд. Такой разброс сам по себе не доказывает пузырь, но показывает главное: спор не о том, нужна ли технология, а о том, сколько за нее платить сегодня.
Даже если рынок накажет Anthropic или OpenAI, я не вижу в этом катастрофы. Во-первых, у них мощнейшие фундаментальные модели, и, по моей оценке, они опережают то, что мы видим публично. Во-вторых, убытки у таких компаний в основном связаны с капитальными вложениями в дата-центры. В крайнем случае они перестанут строить новые мощности и обучать новые модели, сократят расходы и станут операционно прибыльными. Ценой такого сценария будет отставание в гонке моделей, а не остановка сервисов, на которых работают компании.
Конечно, есть политические риски. Трудностями с финансированием ИИ-отрасли в США воспользуются китайские игроки, уже показавшие, что конкурентные модели можно делать при заметно меньших затратах на обучение. Но это не проблема пользователей: уверен, что уже обученные модели продолжат работать, а сервисы на их основе останутся доступными, ведь само использование существующих моделей, в отличие от обучения новых, способно приносить операционную прибыль.
Компаниям, которые применяют ИИ как инструмент не стоит привязывать процессы к одному поставщику. Решение лучше проектировать так, чтобы модель можно было заменить, не пересобирая все с нуля. Тогда любая смена лидеров станет для бизнеса возможностью выбрать лучшее, а не источником риска.
Эффект в задачах виден, в статистике пока нет
Скептики справедливо замечают, что в макроэкономической статистике эффект от ИИ почти не виден: по расчетам ФРБ Сент-Луиса, 95% заявлений руководителей о росте производительности касаются будущего, а не полученного результата. Но так было и с компьютерами: в 1987 году Роберт Солоу написал, что компьютерную эпоху видно везде, кроме статистики производительности труда. Через несколько лет производительность в США ускорилась.
На уровне конкретных задач эффект ИИ измерен: в службах поддержки операторы с ИИ-ассистентом решают на 14% больше обращений, а новички — на 34%. Гендиректор JPMorgan Джейми Даймон сказал об этом точнее всех: ИИ в целом окупится, как окупились автомобили и телевидение, но большинство участников не преуспеют.
Защита от пузыря
Самое ценное в нынешнем моменте для бизнеса: нет жесткой привязки к одной модели. Допустим, вы работаете на Claude, и аккаунт заблокировали или сервис отключился. Вы переходите на Codex, потом пробуете китайскую модель, а ваша инфраструктура работает так же, как работала. Китайские модели на 60–90% дешевле ведущих американских и занимают от 30% до 46% корпоративного трафика на агрегаторе OpenRouter, а западные стартапы, вроде Harvey, уже переходят на открытые модели, чтобы снизить зависимость от Anthropic и OpenAI.
В России это видно по данным нашего исследования: в июне доля DeepSeek в поисковом интересе россиян к ИИ выросла примерно до 40% при среднем показателе за предыдущие два года около 20%. Рынок капитала может рухнуть, но рынок самих ИИ-моделей уже конкурентный, и это лучшая страховка для компаний. Китай, кстати, уже прошел через обвал: технологический индекс STAR 50 упал примерно на 40% от июльского пика, а модели при этом продолжили выходить. К осени Z.ai выпустила GLM-5.3, в сентябре DeepSeek представила V4.1-Flash с мультимодальностью и сниженными ценами, MiniMax запустила M3.1 Flash 19 октября, а Moonshot AI представила Kimi K3.1 Pro 23 октября.
Так что падение котировок бьет по инвесторам, но не по доступности технологий: даже после обвала в Китае модели продолжали выходить, а цены на них снижались. Выигрывают компании, которые строят процессы так, чтобы модель можно было заменить, не пересобирая все решение.
Что делать бизнесу
Начну с того, как мы поступили у себя: в мае мы сделали в «Зерокодере» обязательный курс по вайбкодингу для всей команды. Вайбкодинг — это способ создавать программы без навыков программирования: человек описывает задачу обычными словами, а ИИ сам пишет код, запускает его и исправляет ошибки. Каждому сотруднику отвели месяц, чтобы освоить Claude Code и собрать рабочего агента под собственную задачу.
Первые результаты появились быстрее, чем я рассчитывал. Продюсеры начали собирать гайд на 36 страниц (с версткой, дизайном и текстом) одним запросом, хотя раньше на это уходило минимум три рабочих дня. PR-директор развернула агента, который отслеживает запросы журналистов, собирает контакты и складывает публикации в отчеты. Директор по маркетингу собрал агента для рекламных кампаний полного цикла. Я за 20 минут сделал дашборд, который каждый день сводит аналитику по 60 с лишним каналам. Но мы не являемся разработчиками. А большая часть людей даже не имеет технического бэкграунда.
Вывод, который оказался для меня важнее цифр: скорость внедрения ИИ определяет не инструмент, он доступен всем одинаково, а управленческое решение. Поэтому мой ответ на вопрос «что делать, пока пузырь сдувается» такой:
- Вкладываться в людей. Макроэффект ИИ запаздывает не потому, что технология слабая, а потому, что компании еще не перестроили процессы. Навыки сотрудников — единственный ИИ-актив, который не обесценится, даже если обанкротится ваш поставщик. На нашем опыте это видно особенно ясно: люди, которые научились ставить задачу ИИ, остаются сильными, какой бы инструмент ни стоял под ними.
- Не ждать краха. Если пузырь лопнет, подешевеют вычисления, модели и оборудование, как после 2001 года подешевела полоса пропускания. Выиграют те, у кого к этому моменту будут обученные люди и готовые процессы, а не те, кто «переждал». Мы начали обучать команду до всякого обвала, и именно поэтому не зависим от того, что произойдет на бирже.
- Строить на сменяемых моделях. Закладывайте в архитектуру возможность перейти с одного поставщика на другого, в том числе на открытые модели. Для российского бизнеса это самый доступный путь к передовому ИИ.
- Мерить эффект в процессах, а не в лицензиях. По данным MIT, большинство корпоративных ИИ-пилотов не дают ощутимого результата, а решения, внедренные вместе со специализированными поставщиками, срабатывают примерно в двух случаях из трех. Главная метрика: насколько быстрее растет выручка, чем штат. Мы смотрим не на то, сколько подписок куплено, а на то, какие задачи реально ушли в агентов.
Все рекомендации выше сводятся к одной мысли: готовиться нужно не к тому, что рухнет, а к тому, что останется. Через 10 лет крах 2026 года будут вспоминать так же, как сейчас вспоминают 2000-й: как момент, когда рынок протрезвел, а технология только начала работать по-настоящему. Я уверен, что выиграют те, кто использовал этот момент не для того, чтобы переждать, а для того, чтобы научить свою команду.
Мнение редакции может не совпадать с точкой зрения автора
