Ставки Big Tech на ИИ делают отчётность успешнее, чем сам бизнес
Общепринятая версия проста: крупные технологические компании покупают себе доступ к самым перспективным моделям, вычислительным мощностям и клиентам. Amazon вложила в Anthropic до 4 млрд долларов, Google инвестировала в компанию около 2 млрд, а Microsoft направила в OpenAI примерно 13 млрд долларов. Эти сделки объясняют расходы на облачную инфраструктуру и создают впечатление, что Big Tech контролирует следующий этап рынка.
Но что если эти вложения не только формируют будущее, но и искажают настоящее? Частная оценка Anthropic или OpenAI растёт после нового раунда — и та же сумма начинает работать в корпоративной истории инвестора как подтверждение удачной стратегии. Даже когда деньги ещё не вернулись, актив уже становится аргументом для инвесторов: компания владеет долей в следующем гиганте ИИ. Это не выручка, не денежный поток и не доказательство того, что облачный бизнес окупает гонку вычислений.
Проблема усиливается масштабом расходов. По данным отчёта Стэнфордского университета «Индекс ИИ», стоимость обучения передовых моделей за несколько лет выросла до десятков и сотен миллионов долларов, а капитальные затраты крупнейших облачных компаний измеряются десятками миллиардов. При этом финансовая отчётность распределяет эффект по разным строкам: часть инвестиций отражается через стоимость активов, часть — через долю в результатах партнёра, а переоценка частных бумаг зависит от новых раундов. Так прибыль может выглядеть устойчивой именно тогда, когда бизнес тратит больше, чем когда-либо, чтобы не потерять место в цепочке ИИ.
Это меняет вопрос для аналитиков. Нужно оценивать не только прибыль Microsoft, Amazon или Alphabet, но и то, сколько в ней связано с облачными контрактами, сколько — с инвестиционной переоценкой, а сколько — с реальным спросом на ИИ-продукты. OpenAI и Anthropic становятся не просто поставщиками технологий, а своеобразными зеркалами, в которых Big Tech показывает рынку собственный успех.
Коротко по делу
- Что произошло: см. лид и факты выше.
- Почему важно: влияет на практику команд, продукт или регулирование.
- Что делать: проверьте зависимости в стеке и зафиксируйте риски для пользователей.