Основной вывод
Goldman Sachs в своём последнем отраслевом отчёте об ИИ-инфраструктуре делает ключевое заключение: Agent AI меняет экономическую модель ИИ-инфраструктуры. Через эффект маховика «низкая стоимость токена × высокое потребление токенов» точка перелома маржи прибыли для ИИ-инфраструктуры наступает в 2026 году.
Это не просто ещё один бычий отчёт об ИИ — это первое систематическое обоснование Уолл-стрит конкретного пути и графика перехода ИИ из «центра затрат» в «центр прибыли».
Разбор эффекта маховика
Логическая цепочка Goldman Sachs выглядит следующим образом:
Распространение Agent AI → Один агент потребляет больше токенов (автономное выполнение многошаговых задач)
↓
Общее потребление токенов растёт экспоненциально
↓
Проявляются эффекты масштаба в выводе моделей → стоимость за токен продолжает снижаться
↓
Пересечение «объём растёт, цена падает» → операторы инфраструктуры начинают получать прибыль
↓
Прибыль реинвестируется → более мощные модели → больше агентов → больше потребления токенов (маховик ускоряется)
Ключевые точки данных:
- Агент vs. разговор: Типичная задача агента потребляет в 10-50 раз больше токенов, чем человеческий разговор (потому что агентам нужны автономное планирование, вызов инструментов и многораундовая итерация)
- Кривая снижения затрат: Затраты на вывод снижаются примерно на 50-70% ежегодно (оптимизация моделей + итерация чипов + масштабное развёртывание)
- Прогноз пересечения: Когда скорость роста потребления токенов превышает скорость снижения затрат, маржа прибыли переходит из отрицательной в положительную — Goldman Sachs прогнозирует эту точку перелома во второй половине 2026 года
Бенефициары цепочки поставок
| Сегмент | Логика выгоды | Представители |
|---|---|---|
| Вычислительные чипы | Спрос на вывод агентов растёт → использование GPU/ASIC увеличивается | NVIDIA, AMD, Google TPU |
| Облачные сервисы | Агенты работают 24/7 → потребление облачных ресурсов растёт непрерывно | AWS, Azure, GCP, Alibaba Cloud |
| API моделей | Потребление токенов растёт экспоненциально → доход от API масштабируется | OpenAI, Anthropic, Zhipu, Moonshot AI |
| Фреймворки агентов | Распространение агентов → спрос на инструменты фреймворков растёт | LangChain, CrewAI, OpenClaw |
Факторы риска
Goldman Sachs также выделяет несколько рисков для мониторинга:
- Скорость внедрения агентов ниже ожиданий: Если развёртывание агентов предприятиями замедлится, рост потребления токенов окажется ниже ожиданий, точка перелома отложится
- Ботлнеки способностей моделей: Текущие показатели успеха агентов в сложных задачах остаются недостаточными; если технологический прогресс замедлится, предприятия могут сократить инвестиции в агентов
- Регуляторная неопределённость: Регуляторные политики в области конфиденциальности данных и безопасности ИИ могут увеличить затраты на соответствие требованиям
- Усиление конкуренции, ведущее к ценовым войнам: Продолжающееся снижение цен на API моделей может подорвать маржу прибыли
Инвестиционная логика
Основная инвестиционная логика этого отчёта: ИИ-инфраструктура больше не является отраслью «вечного сжигания денег», а представляет собой emerging-сектор с чётким графиком прибыльности.
Для инвесторов ключевые вопросы:
- Какие компании захватят наибольшую долю рынка, когда наступит эта точка перелома?
- Технические пути каких компаний максимально извлекут выгоду из эффектов масштаба?
- Клиентская структура каких компаний может обеспечить стабильную базовую линию потребления токенов?
Рекомендации к действию
Разработчики / Технические лица, принимающие решения:
- Затраты на развёртывание агентов быстро снижаются; сейчас хорошее время для создания рабочих процессов агентов
- Сосредоточьтесь на сценариях «низкая стоимость токена × высокая ценность вывода»: очистка данных, генерация документов, проверка кода
- Стратегии параллельного использования нескольких моделей могут дополнительно оптимизировать затраты — используйте дешёвые модели для простых задач, флагманские модели для критических решений
Инвесторы:
- Следите за отчётами о прибылях и убытках за Q2/Q3 компаний ИИ-инфраструктуры на предмет ранних сигналов улучшения маржи
- Отслеживайте относительную взаимосвязь между скоростью роста потребления токенов и скоростью снижения затрат на единицу
- Остерегайтесь компаний с «отличной историей, но плохими данными» — нарратив об агентах нуждается в подтверждении данными о потреблении токенов