Малые модели "забирают" спрос на облачные вычисления, капиталовложения в дата-центры на триллион долларов под угрозой

Применение AI продолжает расширяться, однако инвестиции в сверхкрупные центры обработки данных, поддерживающие этот бум, сталкиваются с новыми вызовами со стороны спроса.

По данным отчета Jefferies, по мере того как производительность малых языковых моделей возрастает, а их стоимость снижается, корпоративные внедрения AI могут перейти от централизованных облачных решений к локализованным, что создаст давление на спрос на облачные вычисления и приведет к увеличению капитальных затрат на центры обработки данных.

Одним из важных оснований для такого вывода стало недавнее наблюдение за фактическим использованием серверов для AI. В сентябре 2026 года Swerve Research Technologies, отслеживая время ожидания в очереди запросов к серверам Anthropic, сформировала "индекс перегруженности" и выявила, что загрузка данных серверов по сравнению с пиковыми значениями января-февраля 2026 года снизилась на 26%. Этот показатель не напрямую коррелирует с доходами компании, однако если уровень использования продолжит снижаться, это может говорить о появлении избыточного предложения вычислительных мощностей.

В то же время инвестиции в инфраструктуру AI продолжают быстро расти. В настоящее время рынок ожидает, что совокупные капитальные затраты четырех американских технологических гигантов — Meta, Alphabet, Amazon и Microsoft — к 2027 году могут достичь 990 миллиардов долларов. В отчете отмечается, что если рост спроса на вычислительные мощности AI в итоге не оправдает столь масштабные инвестиции, некоторые центры обработки данных рискуют остаться без должной отдачи или даже превратиться в "замороженные активы".

Снижение загрузки серверов: поставки AI-вычислений под вопросом

AI-продукт Meta — персональный ассистент Muse, запущенный 8 сентября, подтолкнул акции Meta вверх на 21% за несколько недель и стал одним из ярких примеров потребительских приложений AI. Однако в отчете указывается: успех одного приложения недостаточен, чтобы доказать устойчивость текущего инвестиционного цикла в инфраструктуру AI.

Более того, сами компании AI подают сигналы, отличные от оптимистичных ожиданий рынка. CEO Anthropic, CEO OpenAI Сэм Альтман и Илон Маск за последнее время публично обсуждали необходимость замедлить развитие AI; первоначальное IPO Anthropic было перенесено на ноябрь.

В то же время Anthropic ранее уже подписала со SpaceX контракт на 45 млрд долларов сроком на три года на предоставление вычислительных мощностей, а также заключила сделки с Amazon и Google Cloud на миллиарды долларов. Если темпы роста доходов от AI замедлятся, а ранее подписанные крупные контракты на вычислительные ресурсы нужно будет выполнять, давление на издержки компаний может усилиться.

По сообщениям, в июле Meta также вела переговоры с Anthropic о предоставлении последних до 10 млрд долларов в вычислительных мощностях центров обработки данных в течение двух лет. В отчете отмечается, что активный поиск крупными IT-компаниями внешних клиентов для загрузки своих вычислительных мощностей указывает на то, что по мере быстрого расширения инфраструктуры возникает новая задача — повышение эффективности использования активов.

Рост производительности малых моделей: локальное внедрение — альтернатива облаку

В отличие от краткосрочных колебаний загрузки серверов, в отчете большее внимание уделяется изменениям архитектуры AI-моделей.

Согласно исследованию "Intelligence per Watt", опубликованному Стэнфордским университетом совместно с Together AI, малые языковые модели быстро подтягиваются по производительности к крупным моделям, при этом их энергопотребление и затраты на вычисления ниже на 50%–85%. Если эта тенденция сохранится, структура затрат и необходимых мощностей для корпоративного развертывания AI может радикально измениться.

Ранее компании в основном полагались на крупные облачные модели для решения задач AI; с увеличением возможностей малых моделей часть сценариев может перейти на локальное развертывание. Для таких отраслей, как банки, где предъявляются высокие требования к безопасности данных, локальные решения давно востребованы; при дальнейшем снижении стоимости внедрения малых моделей эта тенденция может только усилиться.

Это значит, что рост приложений AI вовсе не обязан прямо пропорционально увеличивать спрос на облачные вычисления. Компании могут одновременно расширять применение AI и сокращать зависимость от API крупных моделей и централизованных облачных мощностей.

Это и есть одна из ключевых причин критики почти триллионных капиталовложений: если все больше приложений AI смогут довольствоваться дешевыми и небольшими локальными моделями, масштабы инвестиций в сверхкрупные центры обработки данных могут оказаться несоразмерны реальному спросу на вычислительные мощности.

В этой ситуации объектом переоценки становится не сам спрос на AI, а вопрос, какое его количество действительно нуждается в централизованных вычислительных ресурсах, и смогут ли эти центры обработки данных получить соответствующую вложениям отдачу.