В конце апреля 2026 года кажущаяся простой, но крайне разрушительная методология оценки стремительно распространилась в инвестиционных кругах: использование P/GDP (Price-to-GDP, отношение рыночной капитализации к адресуемому ВВП) вместо традиционных P/S (цена/продажи) или EV/ARR (стоимость предприятия к годовому регулярному доходу) для оценки LLM-компаний.
Логика автора предельно проста, почти жестока: Крупные модели поглощают не только рынок программного обеспечения, но и всё больше реальных производственных сегментов. Поэтому якорь оценки LLM-компаний должен быть не тем, сколько подписочного дохода они собирают сейчас, а тем, какую долю созданного ВВП они в конечном итоге захватят.
Почему традиционные методологии оценки не работают
Посмотрим на текущие оценки в сфере AI:
| Компания | Оценка/Рыночная капитализация | Годовой доход (оценка) | Традиционный P/S | Проблема |
|---|---|---|---|---|
| OpenAI | $300+ млрд | ~$15 млрд | ~200x | Абсурдно дорого по стандартам софтверных компаний |
| Anthropic | $60-80 млрд | ~$3 млрд | ~20-27x | Темпы роста чрезвычайно высоки, но база всё ещё мала |
| Moonshot AI (Kimi) | ~$18 млрд | Не раскрывается | Не рассчитывается | Масштаб доходов непрозрачен |
| DeepSeek | Не раскрыта | Не раскрывается | Н/Д | Низкоценовая стратегия, медленный рост доходов |
По стандартам софтверных компаний все эти оценки «абсурдно дороги». Но что если конечная цель AI-моделей — не «ещё один SaaS», а «универсальный инструмент производительности инфраструктурного уровня»?
Ключевая логика методологии P/GDP
Цепочка вывода оценки P/GDP:
Общий ВВП → Проникаемый AI ВВП (%) → Захватываемая LLM доля стоимости → Разумная оценкаШаг 1: Проникаемый AI ВВП (%)
Согласно оценке McKinsey 2023 года, воздействуемая генеративным AI глобальная экономическая ценность составляет примерно $2,6-4,4 трлн/год, около 3-5% мирового ВВП. Но это только «прямое воздействие» — косвенное воздействие может быть больше.
К 2026 году, с созреванием Agent-систем, этот процент стремительно растёт:
- Работа по кодированию: AI уже может выполнять 30-50% задач разработки
- Клиентский сервис и контент: проникновение AI превышает 40%
- Финансовый анализ и юридические документы: покрытие с AI-помощью превышает 60%
Шаг 2: Захватываемая LLM доля стоимости
Не весь ВВП, затронутый AI, конвертируется в доход LLM-компаний. Но даже захватывая лишь 10-20%, цифры поражают:
| Сценарий | Проникаемый ВВП | Доля захвата LLM | Потенциал годового дохода | Разумная оценка (10x доход) |
|---|---|---|---|---|
| Консервативный | $2,6 трлн | 5% | $130 млрд | $1,3 трлн |
| Нейтральный | $3,5 трлн | 10% | $350 млрд | $3,5 трлн |
| Агрессивный | $4,4 трлн | 15% | $660 млрд | $6,6 трлн |
Шаг 3: Калибровка кратности P/GDP
Обращаясь к историческим оценкам других технологий «платформенного уровня»:
- Пик интернета: оценки глобальной интернет-индустрии составляли около 15-20% мирового ВВП
- Мобильный интернет: на пике около 8-12% мирового ВВП
- AI/LLM: при достижении влияния уровня интернета процент может достичь 5-10%
Мировой ВВП составляет примерно $100 трлн. 5% — это $5 трлн. Если LLM-индустрия в целом стоит $5 трлн, а OpenAI + Anthropic + Google AI + Meta AI захватывают 60-70% этой доли, то пространство оценки ведущих компаний далеко от потолка.
Применимость и ограничения этой методологии
Применимые сценарии:
- Оценка LLM-компаний в фазе высоких темпов роста с малой базой доходов
- Сравнение оценок AI-компаний разных стран (Китай vs. США vs. Европа)
- Определение, являются ли текущие оценки пузырём или разумным ценообразованием
Фатальные ограничения:
- Оценки «проникаемого ВВП» крайне неопределённы: оценки разных институтов могут отличаться в разы
- Долю захвата невозможно точно смоделировать: зависит от конкурентного ландшафта, ценовой власти и технологических рвов
- Игнорирует стоимость времени: проникновение ВВП может занять 10-20 лет, а дисконтированная приведённая стоимость значительно снижается
- Политический риск не заложен в цену: регулирование, антимонопольные меры, безопасность данных могут значительно сжать адресуемый рынок
Сравнение P/GDP американских и китайских AI-компаний
Применение этой методологии к китайским AI-компаниям даёт интересные выводы:
| Компания | Оценка | Проникаемый % ВВП Китая | Подразумеваемый P/GDP | Дисконт к американским аналогам |
|---|---|---|---|---|
| Moonshot AI | $18 млрд | ~3% (рынок Китая) | ~0,6% | Около 70-80% дисконта |
| DeepSeek | Не раскрыта | ~3% | Не рассчитывается | — |
| Zhipu | Не раскрыта | ~3% | Не рассчитывается | — |
Если конечный рынок китайских AI-компаний — преимущественно Китай (ВВП около $18 трлн, 18% мирового), то их потолок оценки естественно ниже, чем у американских компаний, нацеленных на глобальный рынок. Но учитывая глобальное влияние DeepSeek V4 и Qwen 3.6, предположение «только рынок Китая» может быть слишком консервативным.
Руководство к действию для инвесторов
Если вы оцениваете инвестиции в AI-компании:
- Используйте методологию P/GDP как «тест потолка» — сколько пространства остаётся между текущей оценкой и теоретическим верхним пределом
- Сосредоточьтесь на «скорости проникновения ВВП», а не на «текущем доходе» — скорость проникновения определяет темпы расширения оценки
- Остерегайтесь злоупотребления методологией P/GDP — это не точная формула расчёта, а качественный мыслительный инструмент
Если вы строите модели оценки для AI-компаний:
- Традиционный DCF и методология P/GDP должны использоваться параллельно, взаимно калибруя друг друга
- Включите «скорость итерации способностей модели» в ключевые предположения — более быстрая итерация означает более быстрое проникновение ВВП
- Следите за размыванием ценовой власти моделями с открытым исходным кодом — низкоценовая стратегия DeepSeek V4 сжимает пространство доходов всей индустрии
Суждение
Метод оценки P/GDP не идеален, но он отвечает на вопрос, на который традиционные методологии не могут ответить: Если конечная цель AI-моделей — трансформировать производственные методы мировой экономики, то измерение их методами оценки софтверных компаний принципиально ошибочно.
«Дорогие» или нет оценки OpenAI и Anthropic зависит не от их текущего дохода, а от скорости и глубины проникновения AI в ВВП. Если скорость проникновения превзойдёт ожидания, текущие оценки могут быть лишь началом; если проникновение будет заблокировано, эти оценки могут стать уроком для поколения.
Для китайских AI-компаний импликации методологии P/GDP более сложны: с одной стороны, масштабная экономика и производственная база Китая предоставляют уникальные сценарии для проникновения AI; с другой стороны, геополитические ограничения могут сжать адресуемый глобальный рынок.
Оценка — это никогда не просто математическая задача, это ценообразование будущего мира.