Главное в начале
Четыре технологических гиганта (Amazon, Google, Meta, Microsoft) прогнозируют капитальные расходы на ИИ в размере $715 млрд в 2026 году, при этом почти все приростные расходы обусловлены ИИ.
Тем временем瓶颈 вычислений для ИИ смещается от GPU к HBM (памяти с высокой пропускной способностью) — CEO Micron на последнем звонке по результатам признал, что поставки HBM на 2026 год полностью распроданы, удовлетворяя лишь 50-65% спроса клиентов.
Разбор данных
Капитальные расходы на ИИ по компаниям в 2026 году
| Компания | Потолок Capex 2026 | Рост г/г | Основное использование |
|---|---|---|---|
| Amazon (AWS) | ~$200 млрд | Ускорение (расходы Bedrock ускорились до самых высоких за 15 кварталов) | GPU-кластеры + ЦОД + энергия |
| ~$190 млрд | Устойчивый рост | TPU + GPU + инфраструктура ЦОД | |
| Microsoft | ~$190 млрд | Поддержание высокого уровня | Azure AI + инфраструктура OpenAI |
| Meta | ~$135 млрд | Значительное увеличение | Обучение Llama + ИИ-реклама + метавселенная |
| Итого | ~$715 млрд | — | — |
Сдвиг瓶颈 в цепочке поставок
| Фаза | 瓶颈 | Текущий статус |
|---|---|---|
| 2023-2024 | Ёмкость GPU (NVIDIA A100/H100) | Массовое расширение ёмкости, ослабление |
| 2025 | Продвинутая упаковка (CoWoS) | TSMC расширяет |
| 2026 | Память HBM | Распродано по всей отрасли, дефицит |
Рынок HBM
| Поставщик | Доля рынка | Статус ёмкости 2026 | Примечания |
|---|---|---|---|
| SK Hynix | ~50% | Выручка Q1 утроилась г/г, впервые превысила 50 трлн вон | Объявлен план расширения на $13 млрд |
| Micron | ~25% | Может удовлетворить лишь 50-65% спроса | Заключены многолетние соглашения по объёму и цене |
| Samsung | ~20% | Догоняет | Производство HBM3E наращивается |
| Другие | ~5% | — | — |
Почему ИИ становится «memory-first»
CEO Micron передал ключевой сигнал на звонке по результатам:
«ИИ становится отраслью, где память на первом месте — потому что моделям и агентам требуется больше времени на “размышления” и удержание большего контекста.»
Техническая логика
Пропускная способность токенов = Размер HBM × Пропускная способность HBM
Более длительное мышление агентов → Большие окна контекста → Раздувание KV-кэша → Экспоненциальный рост спроса на HBMКогда модели масштабируются с 7B до 70B параметров, а окна контекста — с 8K до 128K, спрос на HBM растёт значительно быстрее линейного.
Разворот SanDisk
Результаты SanDisk также подтверждают этот тренд:
- Прошлый год: убыток $0,30 на акцию; этот квартал: $23,41 на акцию (при прогнозе $14,50)
- Выручка: $5,95 млрд (при прогнозе $4,70 млрд)
- 5 ИИ-компаний подписали долгосрочные соглашения о поставках
Индустрия хранения данных совершила разворот от убытков к сверхприбыли, движимая спросом на ИИ.
Оценка ситуации
Краткосрочное влияние (2026)
- Дефицит поставок HBM сохранится весь год, повышая стоимость вывода GPU
- Оптимизация моделей будет всё больше фокусироваться на эффективности памяти: квантование, MoE, сжатие KV-кэша
- Отечественные альтернативы (например, CXMT) получат ускорение от политики
Среднесрочные тренды (2027-2028)
- Выпуск стандарта HBM4 может缓解 часть давления на поставки
- Технология пулирования памяти CXL может изменить парадигму распределения памяти
- Архитектуры чипов «вычисление в памяти» могут стать новым измерением конкуренции
Инвестиционная логика
| Направление | Определённость | Потенциал роста | Представительные цели |
|---|---|---|---|
| Производители HBM | ★★★★★ | ★★★☆☆ | SK Hynix, Micron |
| Вендоры GPU | ★★★★☆ | ★★★★☆ | NVIDIA, AMD |
| REIT ЦОД | ★★★★☆ | ★★☆☆☆ | Фонды недвижимости ЦОД |
| ПО оптимизации памяти | ★★★☆☆ | ★★★★★ | Инструменты квантования/сжатия |
Рекомендации к действию
Для команд ИИ-приложений
- Немедленно оцените эффективность использования памяти вашей моделью; приоритизируйте фреймворки с поддержкой квантованного вывода
- Рассмотрите модели архитектуры MoE для значительного снижения спроса на HBM при эквивалентной производительности
- Следите за техниками оптимизации KV-кэша (PagedAttention, FlashDecoding)
Для закупок оборудования
- Дефицит HBM может продлиться 12-18 месяцев; рассмотрите раннее заключение контрактов на поставки
- Оцените серию AMD MI как альтернативу NVIDIA (лучшее соотношение цена/производительность в некоторых сценариях)
Для разработчиков
- Изучите техники квантования моделей (INT4/INT8) для запуска более крупных моделей на ограниченном оборудовании
- Следите за обновлениями оптимизации памяти в локальных фреймворках вывода, таких как llama.cpp и MLX