Экономика искусственного интеллекта: кто на самом деле зарабатывает триллионы на буме ИИ
Когда речь заходит об экономике искусственного интеллекта, обычно упоминают OpenAI, Google, Microsoft, Anthropic или NVIDIA. Создается впечатление, что ИИ — это прежде всего программисты, нейронные сети и огромные языковые модели.
На самом деле за одним запросом к чат-боту стоит гораздо более длинная производственная цепочка.
Чтобы запустить современный искусственный интеллект, сначала нужно добыть медь и другое сырье. Затем изготовить полупроводниковое оборудование и сами чипы, собрать серверы, построить огромное здание, проложить оптоволокно и линии электропередачи, установить трансформаторы, генераторы и системы охлаждения. Далее дата-центр необходимо круглосуточно обеспечивать электроэнергией и водой.
Поэтому AI-бум всё больше напоминает не просто технологическую революцию, а один из крупнейших инфраструктурных проектов XXI века.
По оценке McKinsey, к 2030 году миру может потребоваться около $6,7 трлн инвестиций в дата-центры, из которых примерно $5,2 трлн придется именно на мощности, необходимые для ИИ.
И значительная часть этих денег достанется вовсе не разработчикам нейросетей.
UA.News рассказывает, из чего на самом деле состоит экономика искусственного интеллекта, какие традиционные отрасли промышленности больше всего выиграют от AI-бума и почему главными победителями новой технологической гонки могут оказаться производители трансформаторов, систем охлаждения, кабелей и даже горнодобывающие компании.
$5,2 трлн только на ИИ: куда пойдут эти деньги
Проще всего масштабы новой экономики видны через структуру капитальных затрат. McKinsey делит примерно $5,2 трлн, которые необходимо инвестировать в ИИ-инфраструктуру до 2030 года, на три большие группы.
Около $3,1 трлн, или 60%, придется на процессоры, память, серверы и другое компьютерное оборудование. Еще примерно $1,3 трлн, или 25%, — на производство электроэнергии, электросети, трансформаторы, генераторы, системы охлаждения и телекоммуникационную инфраструктуру.
И примерно $800 млрд, или 15%, — на землю, строительные материалы, строительство и обустройство самих дата-центров. И это только капитальные затраты. В этих оценках не полностью учтены будущие платежи за электроэнергию, воду, обслуживание, ремонт, персонал и модернизацию оборудования.
Именно поэтому экономический эффект ИИ распространяется далеко за пределы Кремниевой долины.
Первый уровень ИИ-экономики — земля, шахты и медь
Парадоксально, но один из главных металлов эпохи искусственного интеллекта известен человечеству тысячи лет. Это медь.
Она нужна практически на каждом физическом этапе создания ИИ-инфраструктуры: в кабелях, электродвигателях, трансформаторах, системах питания серверов, генераторах, системах охлаждения и сетях, доставляющих электроэнергию в дата-центры.
S&P Global прямо называет ИИ новым крупным источником спроса на медь. По прогнозу компании, доля дата-центров в американском потреблении электроэнергии может увеличиться примерно с нынешних 5% до 14% к 2030 году.
А чем больше электроэнергии требуется дата-центрам, тем больше необходимо электростанций, подстанций, трансформаторов и высоковольтных линий.
То есть дополнительный спрос на медь возникает дважды: непосредственно внутри дата-центра и в энергетической инфраструктуре вокруг него.
Поэтому косвенными бенефициарами AI-бума становятся горнодобывающие гиганты, производители кабелей, металлургические компании и поставщики электротехнического сырья.
И это важное изменение самой логики технологического бизнеса. Новую модель ChatGPT невозможно масштабировать, просто добавив программистов. В определенный момент для нее нужно буквально добыть больше металла из земли.
Далее начинается самый дорогостоящий этап — чипы
После сырья начинается самая технологичная часть цепочки.
Для обучения и работы крупных моделей требуются GPU, специализированные AI-ускорители, высокоскоростная память HBM, центральные процессоры, сетевые чипы и десятки других компонентов.
Именно сюда, по оценке McKinsey, может уйти большая часть будущего AI-капитала — около $3,1 трлн к 2030 году на чипы, серверы и сопутствующее компьютерное оборудование.
Но даже здесь NVIDIA — лишь одно звено. Чип сначала нужно спроектировать, а затем изготовить.
Одной из главных фабрик мира остается тайваньская TSMC. Во втором квартале 2026 года направление высокопроизводительных вычислений уже обеспечивало 66% доходов компании, причем его выручка только за квартал выросла ещё на 20%. Сам производитель связывает высокий спрос прежде всего с ИИ и HPC.
Но и TSMC не может просто взять кремниевую пластину и напечатать на ней современный процессор. Для этого нужны машины стоимостью в сотни миллионов долларов.
ASML: компания, без которой не будет передовых AI-чипов
Одним из самых необычных победителей ИИ-бума стала нидерландская ASML.
Компания производит чрезвычайно сложные литографические системы, с помощью которых производители полупроводников создают самые современные чипы.
Во втором квартале 2026 года ASML получила 9,3 млрд евро выручки и 2,9 млрд евро чистой прибыли. На весь 2026 год компания уже прогнозирует 43–45 млрд евро продаж.
ASML прямо объясняет рост спроса масштабными инвестициями в ИИ, которые заставляют производителей логических чипов и памяти ускорять расширение производственных мощностей. Таким образом, один ИИ-ускоритель создает целую пирамиду доходов.
NVIDIA продает процессор. TSMC зарабатывает на его производстве. ASML — на оборудовании, без которого TSMC не может создать передовые технологические процессы. Параллельно зарабатывают производители химикатов, кремниевых пластин, газов, памяти, упаковки и сотни поставщиков компонентов.
Чип куплен. Теперь нужно построить для него дом
Тысячи GPU невозможно просто поставить в офисе. Для них нужны специализированные дата-центры.
Это огромные комплексы со своими системами электроснабжения, резервными генераторами, батареями, трансформаторами, системами охлаждения, противопожарной безопасностью, физической охраной и телекоммуникационными каналами.
По оценке McKinsey, только строительная часть инфраструктуры искусственного интеллекта может потребовать около $800 млрд к 2030 году.
Деньги получат застройщики, архитектурные и инженерные компании, производители бетона и стали, монтажники, электрики, землевладельцы и операторы недвижимости.
При этом строительство дата-центра всё меньше напоминает строительство обычного склада. Современные AI-кластеры имеют настолько высокую концентрацию оборудования, что сама конструкция центра должна проектироваться с учётом потребностей процессоров.
McKinsey отмечает, что архитектура GPU сегодня фактически определяет требования к будущим системам электропитания и охлаждения ещё до начала строительства дата-центра.
Трансформаторы — неожиданные победители ИИ-бума
Еще несколько лет назад трансформатор вряд ли ассоциировался с самым «горячим» сектором мировой экономики. Теперь ситуация изменилась.
AI-дата-центр может потреблять сотни мегаватт электроэнергии. И прежде чем эта энергия поступит к серверам, её нужно передать через подстанции, трансформаторы, распределительные системы, ИБП и другое оборудование.
Спрос растет быстрее, чем производители способны наращивать производство.
McKinsey пишет, что срок ожидания отдельных типов оборудования в Северной Америке уже может составлять около 80 недель для средневольтного коммутационного оборудования и 50 недель для трансформаторов.
Один из самых показательных примеров нового бума — американо-ирландская компания Eaton.
Компания производит электротехническое оборудование для дата-центров, промышленности и энергетики.
Во втором квартале 2026 года её продажи достигли рекордных $8,5 млрд, увеличившись на 21% за год. Только подразделение Electrical Americas реализовало продукции на $4 млрд. При этом сама Eaton прямо называет дата-центры одним из ключевых факторов своего роста.
То есть ИИ уже создал огромный рынок не только для производителей графических процессоров, но и для компаний, бизнес которых десятилетиями заключался в производстве электротехнического оборудования.
Охлаждение становится отдельной многомиллиардной индустрией
Есть ещё одна фундаментальная проблема: электроэнергия, которую потребляет процессор, в значительной степени превращается в тепло.
Чем мощнее AI-чип, тем сложнее его охлаждать.
Традиционной циркуляции холодного воздуха для самых плотных AI-систем уже недостаточно. Поэтому отрасль переходит на жидкостное охлаждение, при котором тепло отводится непосредственно от процессоров.
McKinsey отмечает, что жидкостное охлаждение из нишевого решения превращается в базовое требование для многих новых ИИ-центров обработки данных.
И здесь появляется новая группа победителей. Одна из самых заметных компаний — Vertiv, которая производит системы охлаждения, бесперебойного питания и другую критическую инфраструктуру.
Во втором квартале 2026 года Vertiv сообщила о выручке в размере $3,27 млрд, что на 24% больше, чем годом ранее. Операционная прибыль компании выросла на 44%.
За весь 2026 год Vertiv ожидает выручку в размере примерно $14 млрд. Компания прямо заявляет, что спрос на её продукцию стимулируется ростом ИИ и общих вычислительных нагрузок.
Фактически развитие нейросетей создало ситуацию, когда компания, продающая системы охлаждения и электропитания, демонстрирует темпы роста, которые еще недавно были характерны для технологических стартапов.
Самая большая проблема ИИ — где взять электроэнергию
Когда дата-центр построен и заполнен графическими процессорами (GPU), начинается следующий этап экономической цепочки — постоянные расходы.
Главная из них — электроэнергия.
По данным Международного энергетического агентства, мировое потребление электроэнергии дата-центрами продолжает стремительно расти, а в более агрессивном сценарии к 2035 году оно может превысить 1700 ТВт·ч в год.
Для сравнения: речь идет уже о величинах, сопоставимых с энергопотреблением крупных государств.
И поэтому технологические корпорации всё активнее становятся участниками энергетического рынка. Они заключают долгосрочные контракты с электростанциями, инвестируют в солнечную и ветровую генерацию, рассматривают геотермальную энергетику, газовые станции и атомную генерацию.
В результате ИИ формирует новый огромный класс клиентов для энергетических компаний.
По оценке McKinsey, только генерация электроэнергии в рамках будущей инфраструктуры ИИ может потребовать около $300 млрд инвестиций. Это соответствовало бы примерно 150–200 ГВт новой газовой генерации, если бы всю такую мощность строили именно на газе.
Наряду с электричеством ИИ нуждается в новых сетях
Построить электростанцию недостаточно. Электроэнергию необходимо доставить к конкретному дата-центру.
А значит, возникает спрос на высоковольтные линии, подстанции, трансформаторы, системы накопления энергии и электротехническое оборудование. И здесь ИИ начинает влиять уже не на отдельные компании, а на планирование энергосистем целых стран.
В отдельных регионах проблема заключается уже не в стоимости электроэнергии, а в физической возможности подключить новый дата-центр к сети.
Именно поэтому McKinsey оценивает весь сегмент — электрогенерацию, передачу, охлаждение, электрооборудование и часть сетевой инфраструктуры — примерно в $1,3 трлн инвестиций в ИИ к 2030 году.
Это огромный новый рынок для компаний, которые ещё несколько лет назад почти не упоминались в дискуссиях об искусственном интеллекте.
ИИ требует также миллионов километров кабелей
Дата-центры должны быть соединены между собой.
Пользователь в Киеве может отправить запрос, который пройдет через несколько телекоммуникационных узлов и будет обработан в серверном кластере за тысячи километров. Поэтому бум ИИ означает также бум оптоволоконных сетей.
McKinsey оценивает возможный объем необходимых инвестиций в оптоволокно примерно в $150 млрд. По подсчётам консалтинговой компании, на эти деньги можно проложить около трёх миллионов миль оптоволоконных линий — этого достаточно, чтобы примерно 120 раз обогнуть Землю.
Поэтому очередными косвенными бенефициарами ИИ становятся операторы телекоммуникационных сетей, производители оптического кабеля и сетевого оборудования.
Кто же зарабатывает на ИИ больше всего
Если смотреть только на будущие капитальные затраты, очевидный победитель пока один — полупроводниковая и серверная промышленность.
Из $5,2 трлн прогнозируемых инвестиций в ИИ примерно:
- $3,1 трлн — 60% — чипы, серверы, память и компьютерное оборудование;
- $1,3 трлн — 25% — электроэнергия, сети, трансформаторы, генераторы, охлаждение и телекоммуникации;
- 800 млрд долларов — 15% — земля, строительство и материалы.
Но есть важный нюанс.
Эти $5,2 трлн — не прибыль компаний, а капитал, который будет потрачен на создание инфраструктуры. Реальный доход каждого сектора будет зависеть от маржи, конкуренции, стоимости сырья и темпов реализации проектов.
Однако уже сегодня видно, кто получит наибольший косвенный бонус от ИИ.
ASML прогнозирует десятки миллиардов евро годовых продаж оборудования для производства чипов. Vertiv ожидает примерно $14 млрд выручки в 2026 году на фоне роста спроса на дата-центры. Eaton уже демонстрирует рекордные продажи своего электротехнического бизнеса. TSMC получает большую часть выручки от высокопроизводительных вычислений.
Далее по цепочке стоят сотни менее заметных производителей трансформаторов, кабелей, насосов, теплообменников, генераторов, стали, бетона и электрооборудования.
ИИ постепенно превращается в отдельный крупный инфраструктурный сектор мировой экономики.
Возможно, главным символом нынешней революции является GPU. Но для его работы нужны медь, вода, бетон, электростанции, трансформаторы, кабели, генераторы, кондиционеры и тысячи людей, которые всё это построят и будут обслуживать.
И именно в этом может заключаться главный экономический парадокс ИИ-бума. Искусственный интеллект кажется максимально нематериальной технологией — несколькими словами в окне браузера.
Но за этими словами стоит одна из крупнейших физических промышленных перестроек современного мира.
