Искусственный интеллект всё глубже проникает в управление капиталом — от хедж-фондов до розничных портфелей. Однако, как отметил в подкасте Zero Sum Брюс Кит, гендиректор и сооснователь InvestorAI, главный вопрос не в том, способен ли ИИ заменить человека, а в том, для каких задач его использовать.
Кит считает ошибочным спрашивать у ChatGPT или другой большой языковой модели, что купить. Общие модели хороши для анализа новостей, объяснения движения активов и подведения итогов по портфелю, но не для прогнозирования рынка. Для этого нужны специализированные инвестиционные модели, способные находить повторяющиеся рыночные паттерны и точки разворота. InvestorAI, по его словам, адаптировал технологии компьютерного зрения — те же, что используются в распознавании лиц и беспилотных автомобилях, — для анализа массивов рыночных данных. Это позволяет алгоритму «видеть» сложные паттерны, которые аналитики-люди и текстовые модели упускают.
Кит подчёркивает: войти в сделку относительно легко, гораздо сложнее понять, когда из неё выйти. ИИ, по его мнению, лучше подходит для краткосрочных решений на горизонте двух-трёх месяцев, тогда как человек эффективнее в долгосрочных суждениях, поскольку может работать с неполной информацией. Поэтому он видит гибридную модель: машина обрабатывает огромные массивы данных, человек отвечает за общую стратегию и риск-контроль.
Отдельная проблема — прозрачность. Кит рекомендует оценивать ИИ-стратегию так же, как управляющего фондом: смотреть не только на яркий бэктест, но и на долю прибыльных сделок, частоту опережения бенчмарка, среднюю доходность и просадки. Стратегия может часто выигрывать, но сливать капитал из-за редких крупных убытков. По его словам, регулирование неизбежно станет частью дискуссии, причём более эффективен подход на основе принципов, а не детальные правила под каждое новое применение. Ответственность, подчёркивает Кит, нельзя перекладывать на машину: финансовые компании должны сохранять человеческий надзор и контроль рисков даже при автоматизации исполнения.
Одновременно рынок пытается понять, окупаются ли сотни миллиардов долларов, которые крупнейшие технологические компании направляют в ИИ. Оценки, приведённые Coinpaper, предполагают, что в 2026 году капитальные затраты пяти крупных американских гиперскейлеров достигнут примерно $697 млрд, а капзатраты поглотят около 93% операционного денежного потока против 33% в 2023 году. Это делает ключевым вопрос не «кто тратит больше», а «кто получает лучшую отдачу».
Первый ориентир — сравнение роста капзатрат с динамикой выручки. Microsoft в июньском квартале 2026 года потратила около $41 млрд, при этом выручка Azure и других облачных сервисов выросла на 43% год к году, Microsoft Cloud — на 27%, до $59,3 млрд, а число платных подписчиков Microsoft 365 Copilot превысило 30 млн. У Alphabet выручка Google Cloud подскочила на 82%, до $24,8 млрд, но капзатраты за первое полугодие составили $80,6 млрд, а прогноз на весь год повышен до $195–205 млрд.
Второй ориентир — свободный денежный поток. Meta при росте выручки на 28%, до $60,8 млрд, потратила на капвложения $31,1 млрд, а квартальный свободный денежный поток упал до $784 млн. Amazon показала рост AWS на 37%, до $42,2 млрд, и операционную прибыль AWS $16,6 млрд, но свободный денежный поток за 12 месяцев стал отрицательным: -$7,6 млрд. Это не всегда означает провал — инфраструктура закупается до появления выручки, — но длительное ухудшение показателя должно настораживать.
Третий блок метрик — загрузка мощностей и маржа. Высокая утилизация графических процессоров позволяет распределять постоянные издержки на большее число клиентов. Microsoft сообщила, что спрос на Azure превышает доступные мощности, а коммерческие остаточные обязательства достигли $678 млрд. Nvidia, как внешний индикатор спроса, получила $89 млрд выручки в дата-центровом сегменте — рост на 117% год к году, при общей квартальной выручке $96,2 млрд.
Четвёртый ориентир — влияние ИИ на существующий бизнес. У Meta алгоритмы рекомендаций увеличили показы рекламы на 14%, среднюю цену за объявление — на 12%, выручка выросла на 28%. У Alphabet ИИ улучшает поиск, рекламу и облако, у Amazon — логистику и AWS, у Microsoft — Azure, Copilot и тарифы Microsoft 365.
Наконец, главный тест — рентабельность инвестированного капитала. Упрощённо: прирост операционной прибыли после налога делится на дополнительные ИИ-инвестиции. Если дополнительные $50 млрд дают $10 млрд прибыли, это 20% доходности; если только $2 млрд — 4%. Инвесторам стоит помнить, что графические процессоры имеют короткий срок полезного использования: Microsoft указала, что примерно две трети квартальных капзатрат пришлось на активы с коротким жизненным циклом, такие как процессоры и графические ускорители. Это сокращает время для окупаемости.
Итог: крупные ИИ-расходы нельзя автоматически считать ни бычьим, ни разрушительным фактором. Одна и та же программа на $100 млрд может быть высокодоходной для одной компании и уничтожать стоимость для другой. Главная цепочка для инвесторов: капзатраты → выручка → маржа → денежный поток → доходность на капитал.
Прямых отсылок к криптовалютным активам в этих материалах нет, поэтому влияние на цифровой рынок скорее нейтральное.
