Институт SemiAnalysis аналитик Dylan Patel в эксклюзивном интервью: перспективы цепочки индустрии вычислительных мощностей для ИИ

Статья: Инвестиционная сеть США

1. Какое бизнес-логика кардинально изменилась с распространением ИИ?

Ранее = идеи были очень дешевы + реализация была очень сложной.

Теперь = идеи повсюду и дешевы + реализация очень проста (с помощью ИИ).

Это означает → только действительно качественные идеи заслуживают вложения вычислительных ресурсов для реализации. Простыми словами, исполнительность больше не является конкурентным преимуществом, капитал и команда должны сосредоточиться на «как выбрать правильную идею» и «как продавать результаты ИИ».

2. Что движет безумной покупкой AI Token компаниями? Какие последствия будут, если не следовать тренду?

Ключевой драйвер = высокая эффективность с помощью рычага. Например, человек за несколько тысяч долларов покупает токен и за несколько недель выполняет работу, на которую раньше уходило целое десятилетие командой из сотни человек (например, обратное проектирование чипов, моделирование американской электросети).

Результат = создание «призрачного ВВП» (Phantom GDP), то есть реальный выпуск продукции значительно увеличивается, а издержки резко снижаются, что искажает традиционные показатели ВВП.

Если не следовать → неизбежно столкнешься с деградацией. Если не тратить больше токенов на создание и захват сверхприбыли, ты станешь «вечным низшим слоем эпохи ИИ», быстро будешь полностью коммерциализирован и вытеснен более быстрыми конкурентами.

3. Где именно застревает текущий дефицит вычислительных мощностей ИИ?

На поверхности = спрос на GPU Nvidia превышает предложение, а срок службы старых карт значительно увеличился (с 5 до 7-8 лет), что повышает валовую прибыль облачных провайдеров.

Глубинные узкие места 1 → Оперативная память (DRAM): расширение производства очень медленное, новые поставки появятся только к 2028 году, что означает, что цены на память могут удвоиться или утроиться.

Глубинные узкие места 2 → CPU: системы обучения с подкреплением и выполнение большого количества AI-сгенерированного кода требуют огромных мощностей CPU, что приводит к их полному дефициту.

Глубинные узкие места 3 → TSMC и материалы для производства: капиталовложения TSMC могут достигнуть 100 миллиардов долларов к 2028 году, а цепочки поставок, такие как медная фольга, PCB и стекловолокно, уже полностью загружены, вся индустрия борется за производство по «завышенным ценам».

4. Какие тенденции наблюдаются в конкуренции за крупные модели и Token-экономике?

Текущая ситуация = Anthropic с моделями Opus 4.7 и внутренней «Mythos» модели пока лидируют, даже ограничивая выпуск для контроля рисков, их рентабельность очень высокая (>72%).

Борьба за вычислительные ресурсы = Anthropic ограничена в общем объеме мощностей, а OpenAI пытается обогнать конкурентов за счет масштабных инвестиций и накопления вычислительных ресурсов (совместно с Microsoft, Oracle и др.).

Ключевой вывод → спрос на токены значительно превышает возможности инфраструктуры. Даже второстепенные и третьестепенные разработчики крупных моделей будут испытывать дефицит из-за недостатка вычислительных мощностей, что означает, что при создании качественных токенов рынок сможет полностью их поглотить.

5. Почему прогнозируется массовое сопротивление ИИ в ближайшее время?

Причина = огромные бизнес-реорганизации, вызванные ИИ, вызывают страх у обычных людей, и общество склонно обвинять в долгосрочных социальных проблемах именно ИИ.

Катализатор = плохая коммуникационная стратегия ИИ-гигантов (например, Sam Altman и Dario) + частое распространение нарративов о «том, как ИИ изменит мир/заменит работу», что усиливает тревогу у населения.

Рекомендации для инвесторов США → отрасль должна прекратить раздувать страхи о будущем, а вместо этого показывать позитивные стороны ИИ в настоящем, иначе гнев общественности быстро будет использован политиками или инфлюенсерами для мобилизации сопротивления.

Дилан Пател — биография:

Главный аналитик исследовательского центра SemiAnalysis (Дилан Пател), глубоко разбирается в GPU (особенно Nvidia)

Анализирует спрос и предложение вычислительных мощностей ИИ (кто недостает чипов, кто запасается)

Следит за цепочками поставок (оборудование ASML → TSMC → облачные провайдеры → OpenAI и др.)