Расширение инфраструктуры ИИ проходит проверку выручкой: условия прогноза на 31,6 трлн долларов

Расширение инфраструктуры искусственного интеллекта проходит более непосредственную проверку: сможет ли выручка от будущих приложений своевременно оправдать средства, вкладываемые сегодня. В анализе от 3 октября Reuters сопоставляет несколько исследований и отмечает, что между технологическим потенциалом, оценками компаний и фактическим ростом производительности остаётся дистанция, которую ещё предстоит проверить. Чтобы разобраться в нынешней волне инвестиций, прежде всего нужно различать долгосрочные капитальные расходы, будущую годовую выручку и уже наблюдаемые изменения занятости.¹

Иллюстрация, созданная ИИ: дата-центр, объекты электроснабжения и строящаяся инфраструктура. Это концептуальное изображение, а не снимок реальной сцены.

31,6 трлн долларов — прогнозная траектория

Исследование PwC, опубликованное 2 сентября и основанное на моделировании Oxford Economics, охватывает 46 стран и территорий. В базовом сценарии совокупные капитальные расходы на дата-центры в мире за 2026–2050 годы оцениваются примерно в 31,6 трлн долларов. Годовые расходы должны вырасти приблизительно с 800 млрд долларов в 2026 году до 1,1 трлн в 2030-м и 1,8 трлн в 2050-м. Расчёты включают строительство и информационно-коммуникационное оборудование; суммы выражены в реальных долларах по обменным курсам 2025 года.²

Это не уже произведённые расходы и не общая стоимость заказов, подписанных компаниями. В отчёте предполагается обновление оборудования каждые четыре–шесть лет: непрерывная работа дата-центров требует повторяющихся вложений в серверы и чипы-ускорители. Разным темпам внедрения ИИ соответствует диапазон совокупных расходов примерно от 22 до 50 трлн долларов; вероятности отдельных сценариев в исследовании не указаны. Электроснабжение и торговля чипами также способны изменить фактическую траекторию.²

Разрыв в выручке измеряется за год

Ежегодный технологический отчёт Bain, опубликованный 29 сентября, формулирует другие условия со стороны выручки: для обеспечения рассчитанного компанией спроса на вычислительные мощности ИИ к 2031 году потребуется около 6 трлн долларов годовой выручки, тогда как существующие потребительские и корпоративные ИИ-приложения могут дать от 1,2 до 1,8 трлн. Даже при верхней границе этого диапазона новые направления бизнеса должны принести ещё 4,2 трлн долларов в год. Эту цифру нельзя понимать как совокупный недостаток выручки за следующие пять лет.³

Bain называет среди потенциальных источников новые рекламные модели, автономные системы, включая беспилотное вождение, робототехнику и приложения в разработке лекарств, энергетике и других сферах, которым ещё предстоит масштабироваться. Это возможные направления получения выручки, а не уже реализованные рынки. 31,6 трлн долларов описывают многолетние капитальные вложения, а 6 трлн — необходимую выручку за определённый год. Периоды и охват этих оценок различаются, поэтому нельзя просто разделить одну сумму на другую и объявить результат доходностью инвестиций.²³

Следовательно, главный вопрос состоит не только в том, смогут ли модели выполнять больше задач, но и в том, кому достанется дополнительная ценность, какая её часть превратится в выручку поставщиков и успеет ли она реализоваться в соответствии со сроками обновления оборудования и условиями финансирования. Экономия затрат клиента, выручка поставщика и конечная прибыль — тоже разные показатели. Техническая эффективность не гарантирует автоматически устойчивость финансовой структуры каждого проекта.

Границы выводов о занятости тоже нужно соблюдать

Стэнфордская лаборатория цифровой экономики 12 августа обновила исследование на основе данных ADP о зарплатах по июнь 2026 года включительно. Оно показало: занятость людей 22–25 лет в профессиях с высокой подверженностью воздействию ИИ была примерно на 19% ниже сравнительной траектории, при которой она росла бы вровень с занятостью ровесников из менее подверженных профессий. Исследование не выявило масштабного замещения рабочих мест по всей экономике; разрыв проявлялся главным образом в уменьшении найма молодых людей, а не в росте числа уходов с работы. Авторы прямо указывают, что это описательная взаимосвязь, не позволяющая приписать весь разрыв ИИ.⁴

Эти результаты показывают, что локальное сокращение найма может сочетаться со стабильной общей занятостью. Одни изменения рабочих мест также не доказывают уже состоявшегося резкого роста производительности на уровне экономики. Reuters приводит наблюдение кембриджского экономиста Дайан Койл: исторически влияние крупных технологий на производительность часто распространялось в течение длительного времени.¹

Для понимания нынешнего расширения информативнее будут фактический платёжеспособный спрос, загрузка после ввода мощностей и денежный поток от продолжающейся деятельности. Долгосрочные прогнозы показывают возможный масштаб, а операционные данные постепенно ответят, какие вложения способны поддерживать себя сами. Нельзя подменять реальную отдачу огромными далёкими оценками, но и делать вывод о бесполезности всей инфраструктуры лишь потому, что отдача ещё не проявилась в полной мере, тоже нельзя.

Источники

1. 2026-10-03 · Analysis: AI's race to transform the world before the money runs out · Reuters, перепечатано CNA ↩ ↩²

2. 2026-09-02 · Where $31.6 trillion of capex flows in the era-defining AI build-out · PwC, Global Data Centre Outlook 2026–50 ↩ ↩² ↩³

3. 2026-09-29 · Global AI market could hit $6 trillion annually by 2031 through unlocking value and innovation – Bain & Co's 7th Global Technology Report · Bain & Company, опубликовано PR Newswire ↩ ↩²

4. 2026-08-12 · No Widespread Displacement, but the AI Employment Gap for Young Workers Has Widened to 19% · Стэнфордская лаборатория цифровой экономики, данные по июнь 2026 года включительно ↩