Крупнейшие технологические компании мира вкладывают колоссальные средства в развитие искусственного интеллекта. Microsoft, Amazon, Google и Meta* закупают серверы, графические процессоры и сетевое оборудование, строят новые центры обработки данных и заключают долгосрочные контракты на поставку электроэнергии. Однако масштабные закупки не всегда означают, что приобретённые вычислительные мощности уже работают и приносят доход.
Как сообщает испанское издание Xataka в своём материале о закупках NVIDIA, аналитики обращают внимание на разрыв между объёмом приобретённого оборудования и возможностями компаний ввести его в эксплуатацию. Часть дорогостоящих ускорителей искусственного интеллекта может оставаться на складах или в дата-центрах, где пока не хватает электрической мощности для полноценного запуска серверов.
Проблема заключается не обязательно в отсутствии спроса на ИИ. Компании могут иметь заказы на облачные вычисления и одновременно не располагать готовой инфраструктурой для их выполнения. В результате деньги уже потрачены на оборудование, но соответствующая вычислительная мощность ещё не начала приносить ожидаемую выручку.
Почему компании закупают больше ускорителей, чем могут сразу использовать
Гиперскейлерами называют операторов крупнейших облачных платформ и распределённых вычислительных систем. К этой категории относятся Microsoft, Amazon, Google и Meta*. Они развивают инфраструктуру, которая обслуживает собственные продукты, корпоративных клиентов, облачные сервисы и приложения на основе генеративного ИИ.
Для таких компаний производительность оборудования становится стратегическим ресурсом. Чем больше доступных ускорителей, тем больше моделей можно обучать, запросов обрабатывать и вычислительных мощностей предоставлять клиентам. Но производство серверов и строительство инфраструктуры подчиняются разным срокам.
Высокопроизводительные ускорители NVIDIA можно заказать заранее, однако для их эксплуатации необходимы сразу несколько компонентов:
- готовое здание дата-центра с подходящими помещениями и инженерными системами;
- достаточная электрическая мощность и подключение к энергосети;
- системы охлаждения, рассчитанные на высокую плотность оборудования;
- серверные стойки, сетевые соединения и инфраструктура хранения данных;
- монтаж, настройка, проверка оборудования и интеграция с программной платформой.
Если хотя бы один из этих элементов отсутствует, серверы нельзя полноценно запустить. Даже поставленные в стойки ускорители могут оставаться неработающими, если объект ещё не получил необходимую мощность электроснабжения или не завершил ввод в эксплуатацию.
Именно поэтому технологические компании стремятся получать оборудование до окончательной готовности площадок. Они рассчитывают, что к моменту завершения строительства серверы уже будут доступны и их можно будет быстро подключить. В условиях ограниченного предложения такая стратегия помогает избежать ситуации, когда дата-центр готов, но необходимые ускорители придут с многомесячной задержкой.
Однако у этой стратегии есть обратная сторона: компания раньше связывает значительный капитал в оборудовании, которое пока не создаёт полноценной коммерческой отдачи.
Более 560 миллиардов долларов: что подсчитал аналитик Эд Зитрон
В статье Xataka приводится оценка аналитика Эда Зитрона, который изучил финансовые показатели крупных технологических компаний и поставщиков оборудования для искусственного интеллекта. По его расчётам, с начала 2023 года NVIDIA и Broadcom продали ИИ-чипов и связанного оборудования более чем на 560 миллиардов долларов.
Зитрон предполагает, что значительная часть этой техники ещё не установлена или не обеспечена необходимой электроэнергией. В его оценке речь идёт примерно о половине оборудования, которое не удалось полноценно задействовать. При этом важно понимать: это аналитический расчёт, а не подтверждённая инвентаризация всех поставок NVIDIA и Broadcom. Его выводы зависят от используемых финансовых данных и допущений о фактической вычислительной мощности компаний.
В отношении Microsoft аналитик оценивает стоимость графических ускорителей, которые могут оставаться в коробках или ожидать подключения, в диапазоне от 50 до 100 миллиардов долларов. Такая оценка подчёркивает масштаб возможного разрыва между закупками оборудования и готовностью инфраструктуры.
Ранее похожие вопросы возникали и в связи с оценками количества ИИ-ускорителей, реально работающих в дата-центрах Microsoft.
При интерпретации таких цифр нужно учитывать, что финансовые расходы, количество купленных ускорителей и фактически работающая мощность — разные показатели. В стоимость капитальных затрат входят не только GPU, но и серверы, сети, здания, системы охлаждения, энергетические проекты и другие компоненты инфраструктуры. Поэтому нельзя автоматически считать всё оборудование, не отражённое в оценке действующих мощностей, складским запасом: часть может находиться в пути, на монтаже или на этапе испытаний.
Amazon тоже сталкивается с проблемой неготовой инфраструктуры
Ситуация не ограничивается Microsoft. В расследовании Business Insider о закупках Amazon, опубликованном 20 октября 2026 года, говорится, что AWS ускоряет получение серверных стоек с ускорителями NVIDIA GB300, хотя некоторые площадки пока не располагают достаточной электрической мощностью для их эксплуатации.
По данным издания, внутренние электронные письма компании за лето указывали на ожидание поставок стоек с оборудованием примерно на 5 миллиардов долларов в августе и ещё примерно на 3 миллиарда долларов ежемесячно в дальнейшем. Часть готового оборудования приходилось размещать на промежуточных складах, пока объекты не будут готовы принять его и обеспечить электроснабжение.
В публикации также описывается новый процесс раннего получения серверных стоек. Он позволяет AWS закреплять за собой оборудование раньше, чем при прежней схеме, когда поставка и переход к следующему этапу происходили непосредственно при доставке в дата-центр. Это помогает Amazon бороться за ограниченные поставки, но означает, что деньги могут быть вложены в серверы задолго до начала получения дохода от их использования.
Представитель Amazon заявил Business Insider, что размещение готового оборудования рядом с площадками будущего развёртывания — обычная практика, позволяющая быстрее установить его после появления необходимых мощностей. Компания также оспорила трактовку, будто у неё в целом отсутствует план подключения серверов.
Таким образом, сам факт нахождения оборудования на складе ещё не доказывает неэффективность закупок. Для крупных облачных платформ это может быть частью планирования поставок. Но если ожидание затягивается, а оборудование уже оплачено, проблема становится финансово значимой.
Почему нехватка электричества стала главным ограничением ИИ
На первый взгляд кажется, что для расширения вычислительных мощностей достаточно купить больше ускорителей и серверов. На практике современные ИИ-кластеры требуют огромного количества энергии. Чем выше плотность вычислительного оборудования, тем серьёзнее требования к электроснабжению и отводу тепла.
Даже если компания построила здание, это не означает, что объект сразу готов к полной нагрузке. Подключение к энергосети, строительство подстанций, прокладка линий электропередачи и установка распределительного оборудования могут занимать длительное время. В отдельных регионах энергетическая инфраструктура развивается медленнее, чем спрос на новые дата-центры.
Одновременно растёт потребность в охлаждении. Ускорители работают с высокой нагрузкой и выделяют много тепла. Для их эксплуатации требуются инженерные системы, способные поддерживать допустимые температуры и обеспечивать стабильную работу оборудования. Нельзя просто установить тысячи серверов в обычном помещении и рассчитывать на надёжную работу без соответствующей инфраструктуры.
К физическим ограничениям добавляются административные и строительные процессы:
- получение разрешений на строительство и расширение объектов;
- согласование подключения к энергосети;
- закупка трансформаторов и другого энергетического оборудования;
- подготовка систем охлаждения и сетевой инфраструктуры;
- проверка безопасности и тестирование вычислительных кластеров.
Все эти этапы требуют времени и денег. Производитель может отгрузить ускорители значительно раньше, чем оператор дата-центра сможет подготовить площадку для их использования. Поэтому узким местом ИИ-индустрии становятся не только производство чипов и их стоимость, но и способность превратить поставленное оборудование в работающую вычислительную систему.
Что означает термин «тёмные GPU»
В англоязычных публикациях для описания подобных ситуаций используется выражение dark GPUs — «тёмные GPU». Оно относится к ускорителям и серверным системам, которые приобретены, но простаивают из-за нехватки электричества, незавершённой инфраструктуры или других препятствий. В некоторых случаях термин употребляется и для оборудования, которое уже подключено, но используется неэффективно.
Экономическая проблема состоит не только в стоимости самих ускорителей. Компания несёт расходы на хранение, транспортировку, финансирование закупки и подготовку инфраструктуры. Если оборудование простаивает месяцами, оно не приносит ту выручку, на которую рассчитывали при планировании инвестиций.
Для облачного бизнеса это особенно важно. AWS, Azure и Google Cloud не просто используют вычислительные мощности для собственных продуктов, но и продают доступ к ним клиентам. Если спрос превышает предложение, дополнительные серверы способны увеличить доход. Но если серверы физически не могут работать, они не помогают удовлетворить спрос и не создают ожидаемую выручку.
При этом важно отличать временное ожидание подключения от постоянной недозагрузки. Серверы, ожидающие завершения строительства, потенциально могут начать работать позже. Оборудование, которое систематически используется лишь частично из-за плохого планирования, программных ограничений или недостаточного спроса, представляет уже другую проблему — неэффективное использование вычислительных ресурсов.
760 миллиардов долларов: масштаб инвестиций четырёх крупнейших компаний
По данным, приведённым в материале Xataka, совокупные капитальные расходы четырёх крупных технологических компаний на 2026 год оцениваются примерно в 760 миллиардов долларов. В публикации приводится следующая разбивка:
- Microsoft — около 190 миллиардов долларов;
- Meta* — около 145 миллиардов долларов;
- Google — около 205 миллиардов долларов;
- Amazon — около 220 миллиардов долларов.
Эти суммы следует воспринимать как оценки капитальных затрат, а не как бюджет исключительно на покупку графических процессоров. Инвестиции включают более широкий комплекс проектов: строительство дата-центров, приобретение серверного оборудования, расширение сетей и энергетической инфраструктуры. Конкретные планы и фактические расходы могут меняться по мере реализации проектов.
Масштаб расходов показывает, насколько высоки ставки в гонке за лидерство в области искусственного интеллекта. Компании опасаются, что нехватка вычислительных мощностей ограничит развитие облачных платформ и даст конкурентам преимущество. Поэтому они стремятся заранее зарезервировать оборудование, даже если сроки его полноценного запуска остаются неопределёнными.
Такой подход может быть рациональным при устойчивом росте спроса. Если вычислительные ресурсы действительно понадобятся через несколько месяцев, ранняя закупка помогает избежать очередей и задержек. Но если спрос окажется ниже ожиданий или запуск инфраструктуры будет постоянно откладываться, огромные инвестиции могут надолго заморозить капитал.
Есть ли на рынке искусственного интеллекта финансовый пузырь
Разговоры о возможном пузыре связаны не только с количеством неработающих ускорителей. Ключевой вопрос — смогут ли будущие доходы от ИИ оправдать объём вложенных средств, стоимость заёмного финансирования и обязательства перед инвесторами.
С одной стороны, крупные компании располагают действующими облачными бизнесами, клиентами и значительными финансовыми ресурсами. Они могут рассчитывать на длительный рост спроса на вычисления, развитие корпоративных ИИ-сервисов и внедрение автоматизации. С этой точки зрения опережающие закупки представляют собой попытку подготовиться к будущему рынку.
С другой стороны, масштаб инвестиций создаёт риски. Если новые продукты не принесут достаточного дохода, часть построенных дата-центров может окупаться медленнее ожидаемого. Дополнительную опасность представляет использование заёмных средств: проценты и другие финансовые обязательства сохраняются даже тогда, когда оборудование ещё не генерирует доход.
В статье Xataka также упоминается мнение Дженнифер М. Харрис, которая в публикации The New York Times сравнивала некоторые аспекты нынешнего бума ИИ с рисками, проявившимися во время финансового кризиса 2008 года. Среди причин для беспокойства называются сложные схемы финансирования, долговые обязательства и связь частного кредитования с финансовыми организациями, управляющими страховыми и пенсионными активами.
Однако сравнение с кризисом 2008 года не означает, что повторение такого сценария неизбежно. Финансовые рынки, структура долгов, бизнес-модели технологических компаний и качество активов отличаются. Для обоснованного вывода необходимы данные о реальных обязательствах, доходах, денежных потоках и способности компаний обслуживать долг.
Кроме того, заявления о триллионах долларов, которые ИИ должен приносить ежегодно для оправдания вложений, зависят от выбранной методики расчёта. Это не универсальный порог, установленный для всей отрасли, а часть более широкого спора о том, как оценивать будущую экономическую отдачу от искусственного интеллекта.
Почему NVIDIA и руководители технологических компаний не считают ситуацию обычным пузырём
Глава NVIDIA Дженсен Хуанг неоднократно выступал против прямого сравнения бума искусственного интеллекта с классическими спекулятивными пузырями. Его аргумент заключается в том, что ИИ — это не только инвестиционная мода, но и масштабная технологическая перестройка, требующая новых вычислительных мощностей.
В этой логике ограничения на строительство и подключение дата-центров сами по себе сдерживают скорость расширения отрасли. Компании не могут бесконечно наращивать работающие мощности только за счёт закупок оборудования: им нужны здания, электричество, охлаждение и сети. После устранения этих ограничений ранее приобретённые ускорители могут быть введены в эксплуатацию.
Но этот аргумент не снимает финансовых рисков. Наличие физического ограничения не гарантирует, что каждый запланированный объект окажется востребованным или что инвестиции окупятся в ожидаемые сроки. Электроэнергия и строительство объясняют часть задержек, но не заменяют анализа доходности.
Глава Microsoft Сатья Наделла также подчёркивал важность реального спроса на ИИ-продукты. Для устойчивого развития рынка мало построить вычислительную инфраструктуру: компаниям необходимо предлагать сервисы, за которые клиенты готовы платить и которые дают им измеримую пользу.
Таким образом, вопрос заключается не только в том, существует ли пузырь, но и в том, насколько быстро рост инфраструктуры преобразуется в востребованные продукты и денежные потоки. Успех будет зависеть от сочетания технических возможностей, коммерческого спроса и финансовой дисциплины.
Как ситуация влияет на цены компьютеров, видеокарт и другой электроники
Инвестиционный бум в сфере ИИ затрагивает не только крупнейшие облачные платформы. Он влияет на цепочки поставок полупроводников, серверной памяти, систем хранения данных и другого оборудования. Производственные мощности и поставщики компонентов должны обслуживать одновременно дата-центры и потребительский рынок.
Спрос на ускорители для ИИ не является единственной причиной изменения цен на электронику. На стоимость влияют также доступность производственных линий, выпуск памяти, расходы на логистику, валютные колебания и стратегия производителей. Тем не менее масштабные закупки для дата-центров способны усиливать конкуренцию за отдельные компоненты и ограничивать доступность некоторых категорий продукции.
Потенциальные последствия для потребителей включают:
- удорожание отдельных типов оперативной памяти и накопителей;
- изменение доступности компонентов для сборки настольных компьютеров;
- рост себестоимости серверов и профессиональных рабочих станций;
- перенос части затрат производителей на конечную цену устройств;
- увеличение сроков ожидания отдельных комплектующих в периоды дефицита.
При этом нет оснований утверждать, что любой рост цены видеокарты или ноутбука вызван исключительно развитием ИИ. Потребительская электроника зависит от множества факторов, а связь между спросом на ускорители NVIDIA для дата-центров и конкретной розничной ценой необходимо рассматривать отдельно для каждого типа компонентов.
Не стоит рассчитывать и на автоматическое возвращение цен к прежним значениям после завершения текущей волны строительства дата-центров. Производители могут сохранить новые ценовые уровни, если изменились издержки, структура спроса или рыночная конкуренция. Поэтому даже стабилизация поставок не гарантирует немедленного удешевления всей электроники.
Что может произойти дальше
Возможны несколько сценариев развития ситуации. В первом компании постепенно вводят в эксплуатацию отложенное оборудование: завершают строительство, получают дополнительные энергетические мощности и расширяют облачные сервисы. Тогда сегодняшние расходы со временем превращаются в работающую инфраструктуру, а часть опасений по поводу неиспользуемых ускорителей ослабевает.
Во втором сценарии запуск дата-центров продолжают задерживать, а финансовые обязательства растут быстрее доходов. Компании вынуждены пересматривать сроки проектов, внимательнее оценивать отдачу от инвестиций и искать способы эффективнее использовать уже купленное оборудование.
Третий сценарий связан с замедлением спроса. Если корпоративные клиенты и пользователи не будут готовы платить за ИИ-сервисы в объёмах, на которые рассчитывают поставщики, часть инфраструктуры может оказаться избыточной. В этом случае вопрос будет заключаться уже не только в подключении серверов, но и в экономической целесообразности их дальнейшего расширения.
На практике эти варианты могут сочетаться. Одни компании способны успешно загрузить новые мощности, другие столкнутся с задержками, а отдельные проекты могут оказаться менее прибыльными, чем предполагалось. Поэтому состояние отрасли нельзя оценивать только по объёму заказов NVIDIA или сумме объявленных капитальных затрат.
Для понимания реальной картины важно отслеживать несколько показателей: темпы ввода дата-центров, доступность электроэнергии, загрузку ускорителей, рост облачной выручки, денежные потоки компаний и стоимость привлечения капитала. Именно эти данные помогут оценить, насколько оправданы инвестиции в инфраструктуру искусственного интеллекта.
Выводы
История с ускорителями NVIDIA, которые ожидают установки или подключения, показывает, что развитие искусственного интеллекта зависит не только от производства чипов. Между покупкой оборудования и появлением реальной вычислительной мощности лежит сложный процесс строительства, электроснабжения, охлаждения и интеграции серверов.
Оценка Эда Зитрона о том, что значительная часть оборудования NVIDIA и Broadcom может оставаться неустановленной или неработающей, указывает на возможный разрыв между инвестициями и практическим результатом. Но её нельзя воспринимать как окончательно подтверждённую долю неиспользуемых ускорителей во всей отрасли. Ситуация с Amazon, описанная Business Insider, демонстрирует конкретный пример того, как ограничения по электроснабжению могут задерживать ввод уже закупленного оборудования.
Крупные технологические компании стремятся заранее обеспечить себя ускорителями, потому что боятся отстать от конкурентов и потерять будущий спрос. Такая стратегия может оказаться оправданной, если инфраструктура будет своевременно готова, а ИИ-сервисы принесут достаточную выручку. Но она создаёт финансовые риски, когда капитал надолго замораживается в оборудовании, которое ещё не работает.
Главный вопрос для рынка — не просто количество проданных GPU, а способность превращать их в прибыльные вычислительные сервисы. Если спрос и доходы будут расти вместе с инфраструктурой, нынешние вложения могут стать основой следующего этапа развития технологий. Если же расходы продолжат опережать реальные результаты, дискуссия о возможном пузыре станет ещё острее.
Часто задаваемые вопросы
Некоторые серверы поступают раньше, чем дата-центры готовы к их эксплуатации. Причиной могут быть задержки строительства, нехватка электрической мощности, незавершённая установка систем охлаждения или необходимость провести испытания оборудования.
Это оценка аналитика Эда Зитрона, приведённая Xataka, а не подтверждённая инвентаризация всех поставок. Она предполагает, что значительная часть проданного оборудования ещё не установлена или не обеспечена необходимой энергией. Точную долю следует рассматривать с осторожностью.
Так называют купленные ускорители и серверы, которые не работают из-за нехватки электричества, неготовой инфраструктуры или других препятствий. Иногда термин используют и для уже подключенного оборудования, которое используется неэффективно.
Спрос на передовые ускорители высок, а поставки могут занимать длительное время. Ранняя закупка помогает зарезервировать оборудование и запустить его сразу после готовности площадки. Недостаток такой стратегии — преждевременное связывание капитала и расходы на простаивающие активы.
В материале Xataka приводится совокупная оценка примерно в 760 миллиардов долларов для Microsoft, Meta*, Google и Amazon. В неё входят капитальные расходы на инфраструктуру, а не только закупки ускорителей. Фактические суммы могут отличаться от планов.
Нет. Задержки могут быть вызваны инфраструктурными ограничениями, а не отсутствием клиентов. Однако в долгосрочной перспективе компаниям всё равно необходимо доказать, что спрос на ИИ-сервисы достаточно велик для окупаемости масштабных инвестиций.
Высокие капитальные затраты, долговое финансирование и медленная окупаемость создают риски, но сами по себе не доказывают неизбежность кризиса. Для оценки необходимы сведения о долговой нагрузке, денежных потоках, доходности проектов и способности компаний обслуживать обязательства.
Крупные вычислительные кластеры требуют значительной мощности и эффективного охлаждения. Даже полностью построенное здание не может использовать все серверы, если электросеть, подстанции или внутренние инженерные системы не готовы к нужной нагрузке.
Это не гарантировано. На цены влияют спрос, производственные мощности, стоимость памяти и других компонентов, логистика и решения производителей. Даже если дефицит отдельных комплектующих ослабнет, розничные цены могут не вернуться к прежним значениям.
