Господа, сегодня в нашем Хомячьем тотализаторе победила

Сдуваем пузырь ИИ 🤖 ТОП-5 компаний, которые больше всех заработают на искусственном интеллекте Как только модели станут качественными, быстрыми и дешевыми, искусственный интеллект будет существовать не только в центрах обработки данных. Он будет внедряться в устройства, машины и, в конечном итоге, в целые автопарки. И вот это — ключевой сигнал. ИИ перестаёт выглядеть как «внедрение софта» и начинает напоминать промышленный цикл обновления: он проявляется в объёмах поставок, установках и новых заказах. Именно в этот момент список победителей расширяется далеко за пределы нескольких крупных компаний. 👀Что мы разберем сегодня: Почему 2026 год станет годом прорыва в развитии ИИ в реальном мире? И самый главный вопрос — на каких игроков делать ставки? ❗️ПОЧЕМУ 2026 СТАНЕТ ПРОРЫВНЫМ ГОДОМ ДЛЯ «РЕАЛЬНОГО» ИИ Возможно, сейчас у вас возникает тревожный вопрос: если в 2026 году у ИИ-гиперскейлеров начнутся сложности, не ударит ли это структурно по всему рынку ИИ? На мой взгляд — нет. Напротив, мы видим, как спрос на ИИ и сферы его применения расползаются в реальные продукты и процессы, и именно в 2026 году это ускорение станет очевидным. Почему я считаю, что точка ускорения — именно 2026? Потому что в 2024–2025 годах сошлись сразу несколько технологических прорывов, которые резко улучшили качество моделей, их скорость, стоимость выполнения задач и простоту внедрения. Если сказать по-простому: ИИ наконец стал достаточно хорошим и дешёвым, чтобы выйти из лабораторий и масштабироваться в реальном мире. 🧵Разберём эти 4 пункта по порядку. ☝️1. Качество моделей Появились новые мультимодальные и «действующие» модели, способные на то, что раньше было недоступно. Современные модели с рассуждением уже не просто выдают текст — они действительно думают. Например, вот результаты рассуждений ChatGPT 5.2 на бенчмарке Graduate-Level Google-Proof Q&A (GPQA). GPQA — это набор крайне сложных вопросов с вариантами ответов, созданный для проверки того, способна ли ИИ-модель рассуждать как учёный-эксперт, а не просто находить ответы через поиск в интернете. *Рис 2* В дополнение к росту качества вывода, модели получили зрение. Новейшие системы искусственного интеллекта способны не только обрабатывать текст, но и понимать изображения и видео, что открывает возможности для решения задач, выходящих за рамки экрана. Теперь ИИ-ассистент может проанализировать фотографию, прочитать схему или ориентироваться в пространстве с помощью камеры. Это критически важные возможности для “реальных” сценариев — например, управления физическими устройствами: роботизированными манипуляторами, дронами, бытовой техникой. 🏎2. Скорость моделей (задержка) Одним из главных барьеров для массового внедрения ИИ долгое время были задержки и непредсказуемость отклика, особенно когда всё работает через облако. *Рис 3* График наглядно показывает: GPT-5.2 от OpenAI радикально сократил время отклика по сравнению с GPT-5 и GPT-5.1 — сразу по целому спектру задач. Это не эволюция, а скачок. И он стал возможен благодаря сочетанию двух факторов: более мощного железа и глубокой оптимизации самих моделей. 2025 год вообще стал триумфом аппаратной части. Новые дата-центровые GPU от Nvidia, появление серьёзных конкурентов вроде AMD MI300 и Google TPU v5, а главное — массовое распространение edge-AI-чипов буквально раздвинули границы возможного. Эти чипы специально заточены под инференс: они запускают ИИ быстрее и с кратно меньшим энергопотреблением. Результат? Задачи, которые раньше занимали секунды — или требовали похода в дата-центр — теперь выполняются локально за миллисекунды. И это ключевой момент. Низкая задержка — обязательное условие для физического мира. Автопилот, роботизированная рука или промышленный контроллер не могут «подумать 5 секунд», пока облако ответит. Там либо мгновенная реакция — либо авария. 3. Стоимость одной задачи Продолжение читай тут 👉 https://www.tbank.ru/invest/social/profile/Kapusta_v_zhire/ff069671-0556-4a69-bf31-4bf68d40aa7e/

Часть 2 Сдуваем пузырь ИИ 🤖 ТОП-5 компаний, которые больше всех заработают на искусственном интеллекте Начало тут 👉 https://www.tbank.ru/invest/social/profile/Kapusta_v_zhire/48cb0252-430d-4732-851e-ff10373872e2/ 💵3. Стоимость одной задачи И вот здесь начинается самое впечатляющее. Себестоимость ИИ-инференса — получения ответа или прогноза — за последние два года буквально обвалилась. То, что раньше было экономически оправдано только в лабораториях и больших корпорациях, стало доступно для массового внедрения. Именно этот фактор окончательно открывает дверь ИИ в реальную экономику. *Рис 2* Исследование Стэнфорда подчеркнуло показательный момент: для модели с уровнем качества примерно как у GPT-3.5 стоимость одного запроса на стандартном тесте упала с ~$20 за миллион символов в конце 2022 года до всего ~$0,07 к концу 2024-го. Это означает снижение более чем в 280 раз всего за два года. Такой обвал цен произошёл не по одной причине, а сразу по нескольким: — более эффективные чипы с лучшим соотношением цена/производительность — алгоритмические улучшения самих моделей — переход от «одной огромной модели на всё» к маленьким, специализированным моделям под конкретные задачи Для бизнеса последствия колоссальные. Функции на базе ИИ больше не означают автоматически огромный облачный счёт, а удешевление инференса резко расширяет круг задач, где ИИ вообще имеет экономический смысл. 🌏4. Развёртываемость (в масштабе) Развёртываемость — это совокупный эффект трёх предыдущих сдвигов: -качество делает ИИ достаточно надёжным для реальных рабочих процессов -низкая задержка делает его «родным» элементом продукта, а не медленной облачной надстройкой -низкая стоимость позволяет включать ИИ для всех, а не для избранных кейсов Проще говоря, ИИ наконец готов встраиваться прямо в продукты и операционные процессы. 🧐ИНВЕСТИЦИОННАЯ ГИПОТЕЗА Главный вывод простой, но важный: это больше не история про кривую внедрения софта. Мы имеем дело с нарастающим бумом физической инфраструктуры в реальной экономике, где выигрывают не те, кто пишет код, а те, кто поставляет всё, что делает ИИ полезным в повседневной жизни. Что это означает на практике? Это значит, что спрос на ИИ перестаёт концентрироваться в горстке техногигантов, а цикл CapEx расширяется в сторону закупки физических активов. Проще говоря — миллионы решений о покупке: со стороны потребителей, бизнеса и промышленных операторов. Инвестиционная логика ИИ уже сместился из модели «софт + дата-центры» в модель «энергия, охлаждение и железо для дата-центров». А по мере того как ИИ переезжает в устройства и машины, он распространяется на гораздо более широкий сегмент реальной экономики. Из этого вытекают две ключевые инвестиционные категории. 1️⃣ Product winners — победители на уровне продукта Это те компании, которые превращают искусственный интеллект из облачной функции в инструмент, используемый людьми в реальной жизни. Внедрение ИИ в устройства, транспортные средства и роботы приводит к тому, что его результаты отражаются на объемах поставок, использовании и регулярном доходе (а не только на расходах на центры обработки данных). 2️⃣ Цикл PMI > 50 Как только искусственный интеллект начнет массово внедряться в реальное оборудование (а не только в программное обеспечение), спрос на него проявится в обрабатывающей промышленности. Это означает: -рост новых заказов -увеличение портфелей заказов -сокращение сроков поставок Именно такая конфигурация обычно толкает PMI (индекс деловой активности в промышленности) выше 50. PMI > 50 = экономика здорова. А в такой среде циклические поставщики получают максимальную отдачу, потому что заводы снова запускают CapEx и пополняют запасы, создавая широкий рычаг роста прибыли. 🤑ГДЕ ДЕЛАТЬ СТАВКИ? Продолжение читай тут 👉 https://www.tbank.ru/invest/social/profile/Kapusta_v_zhire/f32d7189-3193-4798-ac7f-8c87dabf5106/

Часть 3 Сдуваем пузырь ИИ 🤖 ТОП-5 компаний, которые больше всех заработают на искусственном интеллекте Начало тут 👉 https://www.tbank.ru/invest/social/profile/Kapusta_v_zhire/48cb0252-430d-4732-851e-ff10373872e2/ 🤑ГДЕ ДЕЛАТЬ СТАВКИ? Product winners: Apple и цикл AI-апгрейда Сейчас модно говорить, что Apple «пропустила поезд ИИ». Но с моей точки зрения, Apple AAPL не обязана выигрывать ИИ в облаке — это вообще не её игра. Apple выигрывает в другом сценарии: если ИИ становится причиной обновлять iPhone и Mac, а пользователи начинают больше тратить внутри экосистемы Apple. И именно в этом сценарии начинается настоящий, массовый AI-апгрейд — не в дата-центрах, а в руках миллионов людей. *Рис 2* Чтобы реализовать этот сценарий, Apple давит сразу на три ключевых рычага. 1️⃣ «Siri становится агентом» Да, Apple отложила запуск новой версии Siri до 2026 года — но это один из самых мощных рычагов в их стратегии. Siri, которая понимает личный контекст пользователя и умеет совершать действия между приложениями, — это уже не голосовой помощник, а полноценный инструмент управления повседневными задачами. Важно понимать масштаб: Siri уже обрабатывает около 1,5 млрд запросов в день. Если она станет хотя бы наполовину столь же полезной, как лучшие LLM-модели сегодня, это число может вырасти кратно, а не линейно. 2️⃣ «ИИ внутри приложений» Apple открыла доступ к своей on-device foundation-модели для сторонних разработчиков. По сути, компания предлагает разработчикам встроенный ИИ-мозг прямо на устройстве, к которому приложения могут подключаться и добавлять собственные AI-функции. Это даёт сразу несколько преимуществ: -всё работает локально на iPhone или Mac -быстрее отклик -работает даже при плохом интернете -ощущается более приватно, чем отправка данных в облако И именно так ИИ перестаёт быть «фичей где-то в облаке» и становится естественной частью пользовательского опыта — тихо, повсеместно и без лишнего шума. *Рис 3* 3️⃣ Более низкий риск Ключевое преимущество Apple в том, что она монетизирует ИИ через более полезные продукты, а не через гонку инфраструктуры. ИИ повышает ценность iPhone, Mac и сервисов, стимулируя рост трат внутри экосистемы и выручки Apple Services — и всё это без гиперскейлерских рисков. Apple не берёт на себя характерные для гиперскейлеров расходы и риски амортизации, связанные со строительством гигантских парков GPU и дата-центров. Вместо этого компания: -партнёрится с провайдерами моделей (например, Google Gemini) -платит за использование ИИ по мере потребления (операционные расходы) -избегает многомиллиардных капитальных вложений в собственные дата-центры Проще говоря, Apple получает доступ к лучшим ИИ-технологиям, перекладывая инфраструктурную тяжесть на партнёров и сохраняя гибкость баланса. Это делает стратегию Apple по ИИ менее рискованной, более масштабируемой и финансово дисциплинированной — именно такой, какая нужна для длинного апгрейд-цикла в реальной экономике. *Рис 4* В мире, где инвесторы всё чаще наказывают компании за тяжёлые, волатильные расходы на ИИ-инфраструктуру, модель Apple с более лёгким профилем CapEx может сыграть решающую роль. ИИ-выручка без строительства собственных GPU-фабрик и дата-центров — это редкое сочетание роста и финансовой дисциплины, и рынок вполне может начать это ценить отдельно. 🚘Победители в номинации «Продукт»: Tesla и ставка на embodied AI В отличие от Apple, Tesla TSLA — любимец розничных инвесторов. Tesla выигрывает в ИИ-гонке в том случае, если ей удастся стать массовым производителем реальных роботов, автоматизирующих передвижение и труд. Именно под эту цель компания выстраивает стратегию вокруг трёх ключевых продуктов. 1️⃣ Полностью автономное вождение (FSD) Продолжение читай тут 👉https://www.tbank.ru/invest/social/profile/Kapusta_v_zhire/a760659a-bf45-4ef1-b52d-aff8f3e325d7/