美股投资young

美股科技投资者 ai狂热者分享每日快讯. all in ai

302Подписки

710подписчиков

Новости

Прямой эфир

Новости

$NVDA GPU определяет скорость вычислений AI, но без достаточного объема HBM, DRAM и устройств хранения данных даже самый мощный GPU не сможет раскрыть весь свой потенциал. $MU $SNDK $WDC $STX Вся индустрия AI-хранения делится на четыре направления: HBM, традиционный DRAM, NAND Flash и HDD. Хотя все они относятся к индустрии хранения, их технологические барьеры, потребности клиентов и модели прибыльности существенно различаются. 1. HBM: важная часть AI-вычислительных чипов HBM — это высокоскоростная память, обычно реализуемая путем штабелирования DRAM-чипов с использованием передовых технологий упаковки, что обеспечивает очень высокую пропускную способность памяти. AI-тренировка и вывод требуют частого чтения параметров модели и промежуточных данных, и если пропускная способность памяти недостаточна, вычислительная мощность GPU может быть ограничена. Основные мировые поставщики HBM включают SK Hynix, Samsung и Micron. $MU продвигает продукт HBM4. Micron сообщил, что HBM4 уже начала массовые поставки на основные клиентские платформы. Преимущество HBM в высоком технологическом пороге, длительном цикле сертификации и необходимости тесного сотрудничества с производителями GPU. Однако производство HBM требует значительных ресурсов производства DRAM. 2. DRAM: необходим не только GPU, но и CPU-серверам Помимо HBM, AI-центры обработки данных нуждаются в большом количестве DDR5, серверных модулях памяти и других продуктах. С расширением масштабов AI-вывода серверные CPU берут на себя обработку данных, планирование задач, управление кэшом, что увеличивает потребность в системной памяти. Распределение производственных мощностей между HBM и обычным DRAM влияет на структуру спроса и предложения на рынке. Если производители направят больше ресурсов на HBM, а спрос на другой DRAM останется стабильным, цены на традиционную память также могут измениться. Поэтому при анализе Micron важно смотреть не только на доходы от HBM, но и на общий спрос и предложение DRAM, а также на продуктовый портфель. 3. NAND: высокоскоростные потребности хранения AI-центров данных $SNDK SanDisk в основном сосредоточен на NAND Flash и SSD. HBM обеспечивает высокоскоростную память для вычислений, а NAND в большей степени используется для долговременного хранения данных, включая тренировочные данные, базы данных, файлы моделей и некоторые сценарии кэширования. В четвертом квартале 2026 финансового года выручка SanDisk достигла 8,965 млрд долларов, что на 51% больше по сравнению с предыдущим кварталом. Доходы от бизнеса центров обработки данных составили 2,977 млрд долларов, увеличившись на 103%. Однако около двух третей роста выручки в этом квартале обусловлены повышением цен, а около трети — ростом объема поставок. Это показывает, что при быстром улучшении прибыльности компаний хранения данных необходимо различать реальный рост спроса и расширение прибыли за счет повышения цен. 4. HDD: недооцененное крупноемкое хранилище в эпоху AI $WDC Western Digital и $STX Seagate в основном работают на рынке крупноемких механических жестких дисков. Многие считают, что SSD полностью заменят HDD, но в облачных центрах данных при масштабном долгосрочном хранении данных стоимость за единицу объема остается критически важной. Преимущество HDD — не скорость, а относительно низкая стоимость хранения больших объемов. Seagate продвигает технологию HAMR (тепловая магнитная запись) для увеличения плотности хранения на одном диске. Выручка Western Digital в первом квартале 2027 финансового года составила 4,381 млрд долларов, что на 55% больше год к году; выручка Seagate за тот же период — 4,233 млрд долларов, рост около 61%. Важно отметить, что Western Digital в 2025 году выделила бизнес флеш-памяти в отдельную компанию SanDisk. Сейчас структура бизнеса $WDC и $SNDK различается. Главная особенность всей индустрии хранения — выраженная цикличность прибыльности. При росте цен на продукцию прибыль компаний может расти быстрее выручки, но если в будущем предложение превысит реальный спрос, цены и маржинальность могут быстро упасть. Поэтому при анализе этих компаний ключевыми являются три аспекта: реальные объемы поставок, средняя цена продукта и скорость ввода новых мощностей. AI создал новый долгосрочный спрос на хранение, но конкуренция и циклы спроса и предложения у разных продуктов различны, нельзя просто рассматривать HBM, NAND и HDD как единую инвестиционную логику.

$NVDA крупнейший конкурент может быть не только $AMD, но и те технологические гиганты, которые ежегодно закупают у Nvidia большое количество GPU и одновременно продолжают разрабатывать собственные AI-чипы. $GOOG, $AMZN пытаются снизить зависимость от универсальных GPU. В индустрии AI-вычислительных чипов формируются два разных технологических направления: универсальные GPU и кастомные ASIC. Они не просто взаимозаменяемы, а конкурируют за преимущества в производительности, стоимости и энергоэффективности при разных нагрузках. $NVDA: от поставщика GPU к полноценной вычислительной платформе Конкурентное преимущество Nvidia уже не ограничивается только GPU. От программной экосистемы CUDA до высокоскоростного соединения NVLink, сетевых коммутаторов, CPU и системных решений — Nvidia предлагает всё более комплексную AI-инфраструктуру. Платформа Vera Rubin, которая выйдет в 2026 году, ещё больше интегрирует GPU, CPU, сеть и другие системные компоненты. Преимущество такой модели в том, что клиенты могут использовать зрелую программную экосистему и архитектуру системы, снижая сложность развертывания и оптимизации. Для крупных AI-тренировочных кластеров производительность одного GPU — лишь один из показателей, важны также эффективность использования всего кластера, коммуникационная эффективность и производительность на ватт. Одним из главных защитных рвов Nvidia является синергия между программной экосистемой и аппаратной платформой. $AMD: важный конкурент на рынке GPU Серия Instinct от AMD напрямую конкурирует с дата-центровыми GPU Nvidia. AMD обладает не только возможностями проектирования GPU, но и серверными CPU EPYC и программной платформой ROCm. В июле 2026 года AMD и Anthropic объявили о стратегическом сотрудничестве с планом развернуть до 2GW GPU серии MI450, первая партия в 1GW ожидается к первой половине 2027 года. Это показывает, что крупные AI-клиенты активно привлекают второго поставщика. Однако планируемый масштаб развертывания не равен уже полученным доходам от продаж. AMD предстоит доказать, что поставка продуктов, совместимость ПО и системные преимущества по стоимости действительно конвертируются в долю рынка. $AVGO: ключевой бенефициар кастомных AI-чипов Бизнес-модель Broadcom заметно отличается от Nvidia. Компания сотрудничает с крупными технологическими компаниями в разработке кастомных AI-ускорителей, а также поставляет высокоскоростные сетевые чипы и сопутствующие технологии. В третьем квартале 2026 финансового года доходы Broadcom от AI-полупроводников достигли 16,7 млрд долларов, что на 221% больше по сравнению с прошлым годом. Однако эта цифра включает кастомные ускорители и AI-сетевые бизнесы, и не может полностью рассматриваться как доход от ASIC. Преимущество кастомных чипов в том, что они оптимизируются под конкретные нагрузки и при достаточном масштабе использования улучшают производительность и стоимость. Недостатки — высокие затраты на разработку, длительные циклы проектирования и зависимость от нескольких крупных клиентов. $MRVL: кастомные вычисления и высокоскоростные соединения Marvell также участвует в разработке кастомных ASIC и обладает технологиями высокоскоростных SerDes, оптических соединений, сетевых и передовых упаковочных технологий. В отличие от Nvidia, продающей стандартизированные вычислительные платформы, часть бизнеса Marvell требует долгосрочного сотрудничества с клиентами и проектирования чипов под их конкретные нужды. Такой подход имеет высокий потенциал роста, но доходы зависят от успешного выхода проектов клиентов в массовое производство. $GOOG, $AMZN: облачные провайдеры, разрабатывающие собственные AI-чипы Google продолжает развивать TPU, Amazon уже выпустил Trainium3. Разработка собственных чипов не означает полного отказа от Nvidia, а направлена на оптимизацию производительности, энергопотребления и стоимости вывода для части внутренних нагрузок. Важным показателем в будущем конкуренции AI-чипов станет не только производительность одного чипа, но и общая стоимость владения, а также сколько эффективных вычислений можно выполнить на единицу энергии. GPU сохраняют универсальность и преимущества программной экосистемы, тогда как ASIC могут быть экономичнее в стабильных масштабах и при чётко определённых нагрузках. Для инвесторов рост спроса на AI-вычислительные мощности не гарантирует, что все производители чипов одновременно увеличат прибыль. Nvidia должна поддерживать преимущество платформы, AMD — расширять реальные развертывания, Broadcom и Marvell — реализовывать кастомные проекты, а облачные провайдеры — доказывать, что собственные чипы действительно снижают долгосрочные операционные расходы. Будущая конкуренция AI-чипов — это не только борьба за производительность, но и за программную экосистему, отношения с клиентами и способы распределения прибыли.

После исключения из S&P 500 акций из Nasdaq 100, за последние 10 лет в этот сезон все 10 раз акции росли, средний рост входил в топ-10, из них 9 акций в этом году к 26/10 выросли менее чем на 20%, из них 4 — с отрицательной доходностью. Метод отбора: с 2016 по 2025 год, покупка в период с 27/10 по 02/11, удержание от 10 до 35 дней, требование — рост в каждый из 10 лет, для каждой акции выбирается окно с максимальным средним ростом, топ-10 по среднему росту. Список акций Nasdaq 100 отдельный, здесь не повторяется. 1. Ulta Beauty $ULTA Покупка 01/11, продажа 06/12, средний рост +14,6%, худший 2016 год +5,8%, самый высокий нижний предел в списке. В этом году выросла всего на 3,4%. 2. FICO $FICO Покупка 02/11, продажа 06/12, средний рост +14,3%, медиана +14,0%, но в 2018 году рост был всего 0,2%. В этом году упала на 58,1%, споры о ценообразовании кредитных рейтингов давят на оценку, фундаментальные изменения значительны, поэтому старые закономерности теряют актуальность. 3. United Airlines $UAL Покупка 28/10, продажа 25/11, средний рост +12,9%, медиана только +7,9%, в 2020 году был один рост +40,0%, который поднял среднее. В этом году -10,0%. 4. Parker Hannifin $PH Покупка 28/10, продажа 25/11, средний рост +12,7%, медиана +12,2%, разница менее 1%, рост распределён равномерно. В 2025 году рост +11,3%. В этом году +3,5%. 5. Citizens Financial $CFG Покупка 28/10, продажа 02/12, средний рост +12,5%, медиана +7,4%, худший 2021 год +0,4%. В этом году +14,2%. 6. Coherent $COHR Покупка 27/10, продажа 11/11, удержание две недели, средний рост +11,5%, худший 2019 год +3,4%, в 2025 году +17,1%. Окно охватывает отчёт в начале ноября. В этом году +20,0%, самый высокий рост в списке. 7. Delta Air Lines $DAL Покупка 28/10, продажа 25/11, то же окно, что и у United Airlines, средний рост +11,1%, в 2017 году рост был всего 0,2%. Обе авиакомпании в списке — признак того, что этот сезонный тренд характерен для всего сектора. В этом году +15,3%. 8. AMETEK $AME Покупка 28/10, продажа 01/12, средний рост +10,6%, медиана +11,3%, худший 2021 год +2,9%. В этом году +18,8%. 9. CBRE Group $CBRE Покупка 27/10, продажа 25/11, средний рост +10,6%, худший 2021 год +0,7%. Комиссии за сделки и аренду в коммерческой недвижимости обычно подтверждаются в конце года. В этом году падение 23,6%. 10. Deckers $DECK Покупка 28/10, продажа 02/12, средний рост +10,6%, худший год 2025, рост +4,7%. Зимний сезон UGG и праздничные продажи HOKA приходятся на этот период. В этом году -22,5%. В 8 из 10 случаев лучший год пришёлся на ноябрь 2020, когда одновременно произошли успехи с вакциной и результаты выборов. Если исключить этот год, средние показатели значительно снизятся, стоит больше ориентироваться на медиану и худший год. 10 лет подряд рост — статистический факт, не связанный с фундаментальными факторами, чем уже окно — тем больше вероятность случайности. Акции с падением более 20% в этом году требуют проверки причин снижения. Сезонные закономерности подсказывают, когда смотреть, но решение о покупке зависит от результатов деятельности.

$NVDA, $AMD, $AVGO борются за рынок AI-чипов, но высококлассные AI-чипы этих компаний в конечном итоге не обходятся без передовых технологий производства кристаллов. В всей цепочке индустрии AI $TSM (Taiwan Semiconductor Manufacturing Company) занимает крайне важное место. В третьем квартале 2026 года выручка TSMC составила 46,72 млрд долларов США, что на 41,2% больше по сравнению с прошлым годом; валовая маржа достигла 66,4%. При этом 7-нм и более передовые технологические процессы обеспечили 79% дохода от производства кристаллов, а 2-нм процесс уже занимает 8%. Это свидетельствует о том, что передовые технологические процессы становятся основным источником дохода TSMC, но нельзя считать весь этот доход исключительно спросом на AI — смартфоны и другие высокопроизводительные вычислительные чипы также используют передовые процессы. В индустрии контрактного производства кристаллов необходимо сосредоточиться на трёх направлениях. $TSM: ключевой поставщик передового производства и упаковки Преимущество TSMC заключается не только в возможности производить 2-нм и 3-нм чипы, но и в качестве производства, масштабах производства и доверии клиентов. Производство передовых чипов чрезвычайно сложно. Даже если две фабрики используют близкие технологические узлы, фактическое энергопотребление, производительность, выход годных изделий и себестоимость могут значительно отличаться. Кроме того, AI-чипы всё больше зависят от передовой упаковки. Раньше чип можно было просто воспринимать как цельный кремниевый кристалл, теперь высокопроизводительные AI-ускорители часто требуют упаковки нескольких вычислительных чипов вместе с HBM (память с высокой пропускной способностью). Технология CoWoS от TSMC — важное решение для реализации такой высокоплотной межсоединительной упаковки. Для AI-чипов производство кристаллов не означает, что продукт сразу готов к поставке. Недостаток мощностей передовой упаковки также ограничивает конечные поставки. TSMC также владеет технологиями 3D-упаковки SoIC, которые в будущем могут ещё больше повысить плотность интеграции чипов. $INTC: Intel пытается бросить вызов лидерам контрактного производства Intel продвигает технологию 18A и последующие процессы, включая транзисторы RibbonFET и питание PowerVia с обратной стороны. Кроме того, Intel обладает передовыми технологиями упаковки, такими как EMIB и Foveros. Однако запуск массового производства передовых процессов и создание успешного внешнего бизнеса по контрактному производству — это разные задачи. Intel необходимо доказать способность стабильно поставлять продукцию, повышать выход годных изделий и привлекать достаточное количество внешних клиентов для масштабирования. Samsung: ещё один конкурент в области передовых процессов Samsung также продвигает 2-нм технологию GAA и предлагает передовые решения упаковки, такие как I-Cube и X-Cube. Преимущество Samsung — охват производства кристаллов, памяти и передовой упаковки, но сможет ли компания привлечь больше крупных AI-клиентов, зависит от выхода годных изделий, стоимости и способности к поставкам. С инвестиционной точки зрения, главная особенность индустрии контрактного производства кристаллов — высокие технологические барьеры, но при этом чрезвычайно большие капитальные затраты. Бюджет капитальных затрат TSMC на 2026 год составляет от 60 до 64 млрд долларов. Эти инвестиции должны окупаться в течение многих лет за счёт заказов, загрузки мощностей и прибыли от производства. Поэтому оценивать контрактные производственные компании нужно не только по уровню передовых процессов, но и по фактическому выходу годных изделий, мощностям передовой упаковки, заказам клиентов и окупаемости капитальных затрат. Чем сложнее архитектура AI-чипов в будущем, тем важнее становятся передовое производство и упаковка. Но если инвестиции клиентов замедлятся или новые мощности превысят реальный спрос, контрактные производители также столкнутся с давлением на амортизацию и маржу.

$NVDA может проектировать более производительные GPU, но без $ASML, $AMAT, $LRCX и $KLAC, поставляющих производственное оборудование, даже самые передовые чипы невозможно масштабно производить. Полупроводниковое оборудование — один из капиталоемких и технологически сложных сегментов в цепочке создания стоимости AI. Современный завод по производству пластин требует сотни, а то и тысячи сложных технологических операций. Производительность чипа зависит не только от дизайна, но и от точности производства, выхода годных изделий и конечной себестоимости. В отрасли стоит уделять внимание четырем компаниям. $ASML: оборудование для литографии ASML — единственная в мире компания, способная коммерчески поставлять системы EUV-литографии, а также продающая оборудование DUV-литографии. Литография переносит разработанные схемы на пластину. По мере уменьшения размеров транзисторов требования к точности литографии на ключевых технологических слоях растут. EUV использует экстремальный ультрафиолет с длиной волны 13,5 нм, что сокращает количество многократных экспозиций, необходимых для некоторых передовых техпроцессов. Следующее поколение High-NA EUV повышает числовую апертуру оптической системы, обеспечивая поддержку более тонких рисунков. Однако нельзя просто считать, что с развитием техпроцесса клиенты должны сразу покупать оборудование High-NA. Заводы должны учитывать стоимость, производственные мощности и технологические маршруты. Преимущество ASML — очень высокий технологический барьер и долгосрочные партнерские отношения с ведущими мировыми производителями пластин. $AMAT: Applied Materials Если ASML отвечает за перенос схем на пластину, то Applied Materials больше сосредоточена на материаловедении. Ее бизнес охватывает осаждение, травление, модификацию материалов, измерения и другие этапы производства. Передовые чипы требуют многократного формирования проводящих, изолирующих и других сложных материалов на поверхности пластины. Особенно с развитием транзисторов GAA, питания с обратной стороны и передовых упаковочных технологий важность материаловедения растет. Преимущество AMAT — широкий ассортимент продукции, позволяющий участвовать в различных технологических процессах, а не зависеть от одного типа оборудования. $LRCX: Lam Research Lam Research сосредоточена на процессах травления, осаждения и очистки. Травление — это точное удаление определенных материалов с пластины согласно дизайну. С усложнением трехмерных структур чипов оборудование должно работать в очень глубоких и узких пространствах, контролируя повреждения других материалов. Это требует высокой точности оборудования. Поэтому Lam выигрывает не только от производства передовой логики, но и тесно связана с обновлениями в DRAM, 3D NAND и других технологиях памяти. $KLAC: KLA Ключевое преимущество KLA — контроль технологического процесса полупроводников, включая обнаружение дефектов, точные измерения и анализ данных. При производстве передовых чипов даже малейший дефект может привести к браку. Если доля годных чипов на пластине слишком низка, даже высокая производительность не обеспечит конкурентоспособную себестоимость. Оборудование KLA помогает производителям выявлять дефекты, корректировать процессы и улучшать выход годных изделий. С увеличением числа технологических этапов и усложнением структур важность контроля и измерений растет. С инвестиционной точки зрения логика выгоды этих четырех компаний различается. ASML зависит от спроса на литографическое оборудование и обновления техпроцессов; AMAT опирается на широкий ассортимент материаловедческих продуктов; Lam чувствительна к спросу на травление, осаждение и трехмерные структуры; KLA связана с усложнением производства и контролем выхода годных изделий. Есть и менее очевидный момент: рост спроса на AI-чипы не означает мгновенного увеличения доходов производителей полупроводникового оборудования. $NVDA увеличивает закупки чипов, что может стимулировать $TSM расширять передовые мощности, но покупка оборудования заводами зависит от загрузки мощностей, планов расширения и окупаемости инвестиций. Заказы на полупроводниковое оборудование часто цикличны, а поставка, приемка и признание доходов могут иметь временные задержки. Кроме того, экспортные ограничения, изменения капитальных затрат клиентов и корректировки технологических маршрутов могут влиять на результаты поставщиков оборудования. В долгосрочной перспективе производство передовых чипов становится все сложнее, и стоимость оборудования, вероятно, будет расти. Но для акций производителей оборудования технологический прогресс в передовых техпроцессах — лишь один из источников роста, фактические капитальные затраты заводов и скорость выполнения заказов также определяют прибыльность.

$NVDA, $AMD, $AVGO борются за рынок AI-чипов, но прежде чем они действительно передадут производство чипов $TSM, им нужно полагаться на другую группу компаний: $SNPS, $CDNS и $ARM. Это один из самых верхних уровней цепочки поставок AI-индустрии, а также отрасль с очень высокими технологическими барьерами и относительно особой бизнес-моделью. Проектирование чипов — это не просто создание инженером схемы. Современные передовые чипы содержат сотни миллиардов и даже больше транзисторов, и требуют прохождения сложных этапов: логического проектирования, функциональной верификации, синтеза, размещения и трассировки, анализа временных характеристик, оптимизации энергопотребления и других. Эти работы зависят от EDA — программного обеспечения для автоматизации электронного проектирования. $SNPS Synopsys: программное обеспечение для проектирования чипов и системное моделирование Synopsys — один из ключевых лидеров мировой индустрии EDA, с продуктами, охватывающими цифровое проектирование чипов, верификацию, физическую реализацию и полупроводниковый IP. После завершения приобретения Ansys в 2025 году бизнес расширился до инженерного моделирования и системного анализа. Для мощных AI-чипов теплоотвод, электромагнитные эффекты и надежность упаковки также влияют на конечную производительность. Преимущество компании в глубоком участии в процессе проектирования чипов и тесной интеграции с передовыми технологическими процессами. Замена ключевых EDA-инструментов клиентом требует повторной верификации множества этапов проектирования, что ведет к высоким затратам на миграцию. $CDNS Cadence: EDA и AI-поддержка проектирования чипов Cadence также является основным поставщиком EDA, охватывающим цифровое проектирование, аналоговые схемы, функциональную верификацию, передовую упаковку и системный анализ. Платформа Cerebrus использует AI для оптимизации энергопотребления, производительности и площади чипа, то есть PPA. Это направление — будущее индустрии EDA: AI не только создает новый спрос на чипы, но и меняет сам способ их проектирования. Однако повышение эффективности за счет AI-автоматизации не гарантирует, что EDA-компании смогут одновременно увеличить тарифы; необходимо наблюдать за фактическим внедрением клиентами и коммерциализацией. $ARM Arm: продажа архитектуры чипов и IP Arm отличается от двух предыдущих компаний. Synopsys и Cadence в основном предоставляют инструменты проектирования и связанный IP, тогда как Arm долгое время строит бизнес на лицензировании архитектуры CPU, процессорного IP и роялти с продаж чипов. За финансовый год, закончившийся в марте 2026 года, Arm получила выручку в 4,92 млрд долларов, из которых около 2,613 млрд долларов — роялти. Это означает, что после выпуска чипов, спроектированных с использованием технологий Arm, компания продолжает получать доходы по контракту. Архитектура Arm широко используется в мобильных устройствах и постепенно проникает в облачные серверы, дата-центры и другие рынки. В 2026 году Arm также выпустит собственный CPU для дата-центров, начав расширение в прямые продажи чипов. Но это создает новую конкуренцию: когда поставщик архитектуры начинает продавать чипы, его прежние клиенты могут стать конкурентами. С инвестиционной точки зрения, бизнес-модели этих трех компаний заметно отличаются от производителей GPU. GPU-компании зависят от продаж чипов, EDA-компании — от лицензирования ПО, поддержки и IP, а Arm зависит от лицензий, объема продаж чипов и ставок роялти. Долгосрочный рост отрасли зависит от трех переменных: количества проектируемых чипов, сложности передовых технологических процессов и расходов на ПО и IP для каждого проекта. Риски связаны с экспортным контролем, концентрацией клиентов, затратами на НИОКР и оценкой стоимости. Чем жестче конкуренция в AI-чипах, тем важнее становятся инструменты проектирования. Но рост сложности проектирования не обязательно приведет к пропорциональному росту доходов EDA-компаний в сравнении с расходами на AI-вычисления. Изучая этот сегмент, важно не сколько GPU продано, а сколько постоянного дохода могут приносить все более сложные проекты чипов поставщикам инструментов и IP на верхних уровнях.

ВВП США в третьем квартале вырос в годовом исчислении на 3,4%, что выше ожиданий, в тот же день $GOOGL упал на 12,6%, $NOW — на 27%, после закрытия $AMZN и $INTC продолжили падение. Сам экономический показатель без нареканий. Прогноз ВВП за третий квартал, опубликованный 29 октября, составлял 3,2%, фактически — 3,4%, исключая торговлю, запасы и государственные расходы, конечный внутренний спрос частного сектора вырос на 4,9%, что является самым сильным показателем за пять лет. Но именно в этот день капитализация Google за один день сократилась примерно на 500 млрд долларов — крупнейшее падение с момента выхода на биржу в 2004 году; ServiceNow закрылась на отметке 109,67 доллара — худший день с момента листинга. После закрытия торгов акции Amazon упали более чем на 12%, Intel — более чем на 22%. Экономика ускоряется, технологические акции падают — почему эти два события происходят одновременно? Если сложить четыре отчёта вместе, видно, что на цепочке AI есть проблемы на трёх уровнях. Первый уровень — те, кто тратит деньги. Доход AWS Amazon в этом квартале составил 45,98 млрд долларов, рост 39%, самый быстрый за пять лет, операционная прибыль — 28,1 млрд, также выше ожиданий. Но капитальные затраты в третьем квартале составили около 75,9 млрд долларов, год назад — около 34,2 млрд; свободный денежный поток за квартал около минус 33,5 млрд, за последние 12 месяцев минус 42,4 млрд, год назад был положительным — 14,8 млрд, долгосрочный долг вырос с 65,6 млрд в начале года до 173,1 млрд. У Google та же история: свободный денежный поток в третьем квартале около минус 9,1 млрд долларов, руководство сохраняет прогноз капитальных затрат на весь год в диапазоне 195–205 млрд, замедление поисковой рекламы оказалось более резким, чем ожидалось. Чем активнее развивается облачный бизнес, тем меньше наличных на счетах. 18 сентября было написано: «Сейчас масштаб AI настолько велик, что даже компании с самым большим запасом наличных начинают брать кредиты, заключать долгосрочные лизинговые соглашения, заранее фиксируя спрос на многие годы вперёд». Финансовые отчёты этой недели подтвердили это конкретными цифрами. Второй уровень — те, кто несёт издержки. Прибыль Intel на акцию в третьем квартале составила 0,52 доллара, что на 30% выше ожиданий, доход от дата-центров вырос на 78%, но прогноз прибыли на акцию в четвёртом квартале всего 0,25 доллара, в то время как рынок ожидает около 0,43 доллара. На конференц-звонке руководство сообщило, что доходы от клиентского сегмента в четвёртом квартале упадут более чем на 20% по сравнению с предыдущим кварталом, клиенты быстро сокращают запасы, планируется снижение поставок ПК примерно на 10% к 2027 году; взрыв на фабрике Fab 28 в Израиле в октябре привёл к остановке производства примерно на две недели, что, по прогнозам, снизит доходы в четвёртом квартале примерно на 300 млн долларов и уменьшит валовую прибыль примерно на 2 процентных пункта, в первом квартале следующего года ожидается аналогичное влияние на доходы. При этом серверные процессоры пользуются дефицитом, компания ожидает рост отраслевых поставок более чем на 30% в этом и следующем году. Почему ПК так слабы? Отчёт Samsung за предыдущий день дал самый прямой ответ. Полупроводниковый отдел заработал за квартал операционную прибыль в 106,5 трлн вон, а подразделение DX, выпускающее телефоны, телевизоры и бытовую технику, потеряло 0,8 трлн вон, это уже второй подряд квартал убытков. По оценкам IDC, затраты производителей телефонов на память выросли примерно на 350% в годовом исчислении. Центры обработки данных AI забирают производственные мощности памяти, а рост цен ложится на компании, выпускающие конечные продукты. Третий уровень — продавцы AI-программного обеспечения. Выручка ServiceNow в третьем квартале составила 4,106 млрд долларов, рост 20,5%, что в целом соответствует ожиданиям; скорректированная прибыль на акцию — 1,00 доллар, на 2 цента меньше прогноза; прогноз роста cRPO на четвёртый квартал — 18,5%, в третьем квартале — 20,5%. Приобретение Armis обошлось примерно в 7,6 млрд долларов наличными, квартальные процентные расходы выросли с 6 млн до 81 млн, общий долг увеличился с 1,5 млрд в начале года до 7,5 млрд. Рост не остановился, просто немного замедлился, но при такой оценке даже небольшое замедление достаточно, чтобы акции упали на четверть. Вместе эти три уровня показывают: те, кто тратит деньги, страдают из-за денежного потока, те, кто несёт издержки, испытывают давление из-за роста цен на память, а компании, рассказывающие AI-истории, подвергаются пристальному вниманию из-за замедления роста. ВВП 3,4% показывает, что с экономикой всё в порядке, а рынок на этой неделе пересчитывал денежную отдачу и распределение прибыли от AI. Далее стоит обратить внимание на отчёты $AMD на следующей неделе и $NVDA в середине ноября, чтобы понять, смогут ли заказы на чипы дать ответы; а также на цены по контрактам на память в четвёртом квартале — это источник давления на издержки конечных производителей. Выручку может показать любой, а на этой неделе рынок интересовался только наличными.

Многие инвестируют в ИИ, зная только о покупке $NVDA, но вся индустрия ИИ гораздо сложнее, чем просто GPU. От проектирования чипов, передового производства до электроснабжения, жидкостного охлаждения, облачных вычислений и конечных программных приложений — на самом деле задействовано более десятка различных отраслей. В будущем рынок ИИ продолжит расти, и выгодоприобретателями могут стать не только Nvidia. Готовлю серию глубокого анализа цепочки индустрии ИИ — от верхнего до нижнего уровня, разбирая бизнес-модели, конкурентную среду, ключевые компании и инвестиционную логику каждого сегмента. Вся цепочка индустрии ИИ делится на 16 основных этапов. 1. Верхний уровень полупроводниковой индустрии ① Инструменты проектирования чипов и IP: $SNPS $CDNS $ARM Отвечают за EDA-софты, архитектуру чипов и лицензирование ключевых IP. Проектирование чипов становится всё сложнее, важность соответствующих инструментов растёт. ② Оборудование для производства полупроводников: $ASML $AMAT $LRCX $KLAC Охватывает литографию, осаждение, травление, инспекцию и другие ключевые производственные процессы. С ростом спроса на передовые чипы требуется больше производственных мощностей. ③ Фабрикация и передовая упаковка: $TSM $INTC Отвечают за превращение проектных решений в реальные продукты, передовые техпроцессы и технологии упаковки CoWoS напрямую влияют на поставки высокопроизводительных ИИ-чипов. ④ Вычислительные ИИ-чипы: $NVDA $AMD $AVGO $MRVL Включают GPU, ASIC и связанные вычислительные архитектуры. Nvidia занимает важное место, но крупные облачные компании также развивают собственные чипы. ⑤ Память и хранение данных: $MU $SNDK $WDC $STX Охватывают HBM, DRAM, NAND и корпоративное хранение. Для обучения и вывода ИИ необходимы не только вычислительные мощности, но и достаточная пропускная способность памяти и возможности хранения данных. 2. Инфраструктура дата-центров для ИИ ⑥ ИИ-серверы и системные интеграторы: $DELL $SMCI $HPE Интегрируют GPU, CPU, память, сеть и электропитание в готовое оборудование для дата-центров. ⑦ Высокоскоростные сети и коммутаторы: $ANET $AVGO $CSCO Отвечают за обмен данными внутри GPU-кластеров и между серверами. С ростом масштабов кластеров важность сетевой архитектуры увеличивается. ⑧ Оптическая связь и оптические интерконнекты: $LITE $COHR $GLW Охватывают оптические модули, компоненты, волокна и сопутствующие технологии. С ростом пропускной способности ИИ-кластеров оптическая связь становится ключевой инфраструктурой. ⑨ Генерация электроэнергии и строительство электросетей: $GEV $PWR Дата-центры ИИ нуждаются в долгосрочном стабильном электроснабжении. Оборудование для генерации, линии передачи и электросетевые проекты могут выиграть от расширения дата-центров. ⑩ Питание и распределение в дата-центрах: $ETN $VRT Включают трансформаторы, коммутационное оборудование, ИБП, распределение и системы управления энергией. Закупка GPU не означает, что дата-центр сразу начнёт работу. ⑪ Жидкостное охлаждение и тепловое управление: $VRT $MOD С ростом плотности мощности в стойках традиционное воздушное охлаждение ограничено. Жидкостное охлаждение, CDU и сопутствующее тепловое оборудование становятся всё более важными. ⑫ Недвижимость и эксплуатация дата-центров: $EQIX $DLR Включают строительство, аренду, хостинг и услуги межсоединения. Долгосрочная ценность зависит от загрузки, арендной платы, энергоресурсов и возврата капитала. 3. Облачные вычисления и коммерциализация ИИ ⑬ Облачные вычисления и аренда вычислительных мощностей: $MSFT $AMZN $GOOG $ORCL $CRWV Крупные облачные провайдеры закупают и разворачивают мощности, затем взимают плату с клиентов через облачные сервисы. Новые компании по аренде мощностей имеют свои риски, связанные с финансированием и концентрацией клиентов. ⑭ Базовые модели ИИ и платформы разработки: $GOOG $META $MSFT Включают обучение моделей, сервисы вывода, инструменты разработки и экосистему. Важны возможности моделей, но также значимы затраты, каналы распространения и коммерциализация. ⑮ Корпоративное ПО ИИ и агенты: $NOW $CRM $ADBE $PLTR ИИ развивается от предоставления ответов к выполнению задач, что может изменить традиционные модели оплаты SaaS и конкурентную среду корпоративного ПО. ⑯ Крайний ИИ и роботы: $AAPL $QCOM $TSLA ИИ постепенно проникает в смартфоны, ПК, автомобили и роботов. Долгосрочный рынок большой, но степень зрелости коммерциализации заметно различается. Эти 16 этапов не полностью независимы, некоторые компании участвуют в нескольких сегментах. Изучая инвестиции в ИИ, нельзя смотреть только на скорость роста отрасли, важно понимать, в каких компаниях в итоге остаётся прибыль. Например, увеличение капитальных затрат облачными провайдерами напрямую стимулирует заказы на чипы, серверы и инфраструктуру; но сможет ли облачный провайдер вернуть инвестиции через оплату клиентов, определяет, насколько долго будет продолжаться этот рост закупок. Аналогично, рост числа пользователей ИИ-приложений не гарантирует более высокую прибыльность компаний. Стоимость вызова моделей, конкуренция и готовность клиентов платить влияют на прибыльность. В будущем эта серия будет последовательно раскрывать каждый из 16 этапов, с акцентом на рыночные масштабы, технологические барьеры, ключевые публичные компании, распределение прибыли и основные риски. Цепочка индустрии ИИ длинная, но между ростом отрасли и доходностью для акционеров всегда существуют три переменные: оценка, конкуренция и эффективность капитальных затрат.