Muse стимулює інфраструктуру AI, інвестори зосереджують увагу на результатах Micron (MU.US)! Чи довгострокові контракти на сотні мільярдів доларів підсилять ажіотаж навколо AI обчислювальної потужності?

Відомо з додатку Zhihong Caijing, що завдяки Meta Muse та OpenAI Astra, які стимулюють масштабування глобальних AI-застосунків до безперервного виконання та багатоступеневої координації у вигляді агентних робочих потоків, світові потреби у AI-обчислювальній потужності очікують новий вибуховий сплеск. Саме це є ключовим логічним підґрунтям для недавнього надзвичайно швидкого поширення AI-агентних застосунків на світових фондових ринках, що трансформується у зростання очікувань для лідерів AI-індустріальної обчислювальної ланцюга value: SK hynix, Samsung, Micron, Nvidia, AMD, TSMC та інших основних постачальників потужності.

Наразі ринок переоцінює потреби у CPU, пам’яті та зберіганні даних для підтримки зазначених застосунків, тому фінансовий звіт Micron (MU.US) — одного з трьох основних виробників чипів пам’яті, який має бути опублікований наступного тижня, стане важливим вікном для перевірки суперциклу зберігання та масштабної AI-інфраструктурної хвилі.

AI-агенти та передові великі AI-моделі швидко впроваджуються у глобальні індустрії, пропонуючи стійко зростаючий попит на ключове AI-обладнання інфраструктури: GPU/TPU, CPU для дата-центрів, оптичні системи та чипи для зберігання даних. Це швидко трансформується у рекордні результати та стійко перевищує очікування ринку для трьох основних виробників пам’яті: SK hynix, Samsung і Micron. Чи перейде оцінка на наступний етап, тепер більше залежить від стійкості зростання прибутку та перспектив розширення показників.

Як показано на рисунку вище, доходи Micron зростають прискореними темпами, що підкреслює переходи попиту на чипи пам’яті на виконання фактичних результатів. Micron оголосить результати четвертого кварталу фінансового року 2026 30 вересня; у попередньому кварталі доходи склали 41,456 млрд доларів США — зростання на 346% у порівнянні з минулорічним, скорегований прибуток на одну акцію — 25,11 долара. Раніше прогноз на четвертий квартал був: доходи 50 млрд доларів з можливим відхиленням +/- 1 млрд, валовий прибуток близько 86%, скорегований прибуток на акцію — 31 долар (+/- USD). Головне: Micron повідомила, що серед 16 підписаних стратегічних угод з клієнтами, 14 оцінені за мінімальною договірною ціною, і за залишковий термін це дає сукупний дохід близько 100 млрд доларів, що підвищує видимість майбутніх доходів та прибутків.

Однак важливо відзначити, що такий сильний та жорсткий стандарт результатів і єдині очікування аналітиків Wall Street означають, що ринок стежить не лише за перевищенням очікувань цього кварталу, а й за тим, чи підтримуватимуть ціни, обсяги поставок та довгострокові замовлення прибутковість у фінансовому році 2027 далі.

Ключ фактору росту — те, що закупівлі AI-інфраструктури охоплюють ширший спектр обчислювальних систем. Дослідницький звіт S&P Global від 22 вересня 2024 узагальнює прогнози аналітиків Wall Street: Meta, Alphabet, Amazon та Microsoft (чотири найбільших ІТ-гіганта) у 2026-2028 роках разом витратять приблизно 2,8 трлн доларів на капітальні витрати; згідно з методологією Visible Alpha, аналітики Wall Street підвищили очікуваний прибуток на акцію Micron у фінансовому році 2027 з приблизно USD90 у березні до приблизно USD156.

Meta Muse та OpenAI Astra зміцнюють надзвичайно професійні можливості у комп’ютерному керуванні, програмуванні та багатоступеневих робочих процесах. З цього випливає, що прискорене розширення AI-застосунку збільшує необхідність інвестицій у інфраструктуру як для “моделювання мислення”, так і для “фактичного виконання” роботи. Через значне покращення AI-комерціалізації аналітики UBS підвищили прогноз по операційному грошовому потоку глобальних провайдерів cloud computing та нових cloud-підприємств на 30% у 2027 році, а Morgan Stanley прогнозує, що сукупні капітальні витрати чотирьох головних cloud-компаній Північної Америки та таких AI-компаній як Oracle виростуть з USD917 млрд у 2026 до USD1,47 трлн у 2027 та USD1,64 трлн у 2028, з розширенням потужності з 35 ГВт у 2025 до вражаючих 145 ГВт у 2028.

Чим більше AI “працює”, тим більш незамінними стають CPU та чипи пам’яті?

Найглибша зміна вимог до обчислювальної потужності від агентів — це те, що одне користувацьке завдання може запустити ланцюжок безперервної роботи. Дослідження, програмування чи офісні завдання часто потребують планування, пошуку, перегляду веб-сторінок, читання файлів, виконання коду, перевірки результатів і виправлення помилок; кілька етапів знову залучають модель і створюють новий контекст. Meta офіційно повідомила, що Muse працює на cloud VM з незалежним браузером і може виконувати завдання навіть після закриття додатку користувачем; OpenAI підкреслює покращення можливостей Astra у керуванні комп’ютером, використанні браузеру й міжсофтових професійних workflow. З інженерної точки зору, коли такі завдання поширюються з невеликої кількості користувачів на підприємницькі процеси, потреби в інфраструктурі залежатимуть від масштабів користувачів, частоти завдань, тривалості та пікової паралельності.

Це пояснює, чому ринок почав більше звертати увагу на CPU для дата-центрів від AMD, Intel та Arm. GPU та ASIC обробляють масштабні обчислення нейронних мереж, CPU — керують віртуальними машинами, браузерами, sandbox-кодом, плануванням завдань, попередньою обробкою даних і виконанням інструментів. Ефективність агента залежить від плавності інтеграції моделювання та фактичного виконання; затримки у CPU, базах даних чи I/O знижують використання дорогих акселераторів. AMD PACE вже застосовує CPU для оркестрування та GPU для важкого інферування, Arm фокусує завдання sandbox та інструментальне виконання на cloud CPU. Це забезпечує конкретне інженерне обґрунтування для зростання потреб у CPU та робить серверну DRAM, зберігання та мережу ключовими ланками цього ланцюга попиту.

Внутрішньо для інферування великих моделей: у стадії “префіл” обробляється контекст вхідних даних, у стадії декодування — генерується вихід; ваги моделей та кеш ключів і значень (KV Cache) використовують об’єм пам’яті та пропускну здатність. При схожих стратегіях моделей і кешування, довший контекст, вища паралельність та більше інтервалів підвищують масштаб даних, які система має одночасно зберігати. Це формує ясну кількаетапну структуру зберігання: HBM підтримує високоширокі акселератори, серверна DRAM обробляє робочий набір CPU та частину кешу, корпоративні SSD зберігають файли та стан застосунків і використовуються в системах із багаторівневим кешем. Nvidia CMX додає шар flash (з’єднаний Ethernet) між GPU-пам’яттю та загальним сховищем — контекст може зберігатися, переміщатися та реюзатися між вузлами; об’єм сховища, швидкість доступу та пропускна здатність мережі разом впливають на продуктивність inference-сервісу.

Ця експансія попиту вже має приклади у масштабних виробничих системах. OpenAI 11 вересня повідомила, що її онлайн-платформа зберігання Habitat опрацьовує понад 70 млн запитів за секунду, масштаб даних перевищує 500 PB, а також виконує маршрутизацію, стиснення, шифрування та перевірку. Це дані для всієї платформи, на яку спираються чимало продуктів OpenAI, і це видно як велике навантаження на застосунок та зберігання. Коли більше агентів буде впроваджено у виробництво, нові вузли виконання, доступ до баз даних та крос-вузлові дані ще більше збільшать вимоги до серверів, пам’яті, корпоративних SSD та високошвидкісного з’єднання; з розширенням кластерів та потужності, попит буде переростати у потреби по оптичному підключенню, електроживленню та охолодженню. Проте фактичні прирості на кожному етапі залежать від способу розгортання та використання.

Покращення ефективності через сильніші моделі також може розширити сферу комерційних завдань. Meta повідомила: у тестах інженерів, Muse Spark 1.3 на 20% менше викликів інструментів та на 25% менше використання token, ніж Spark 1.2. Це означає, що для аналогічної роботи ресурсні витрати можуть знизитися, компаніям буде легше делегувати AI ті процеси, що раніше були надто дорогими чи повільними. Ключем до підвищення попиту на обчислювальні потужності є розширення кількості користувачів і завдань після зниження витрат, що перевищить падіння ресурсного споживання на завдання. Наприклад, якщо споживання tokens на завдання падає на 25%, при збільшенні кількості завдань понад 33,3%, сумарне споживання росте; тобто ефективність та інфраструктурна експансія можуть співіснувати, і реальна еластичність попиту визначає чи буде “ефект Джевонса”.

Довгострокові контракти на понад 100 млрд — як ринок переоцінює суперцикл зберігання?

Для Micron — американського гіганта чипів пам’яті, перевага полягає в охопленні HBM, серверної DRAM і NAND, тобто участі на різних рівнях інфраструктурних покращень. Найбільша різниця від SK hynix та Samsung — Micron не має враховувати великого політичного тиску щодо “відтоку виробництва чипів у США” чи нестабільність тарифної політики епохи Trump, що може вплинути на бізнес.

Доходи від хмарної пам’яті за останній квартал склали USD13,769 млрд — приріст 78%, доходи у ключовому напрямі дата-центрів — USD11,524 млрд (+103%). Компанія також повідомила, що SSD для дата-центрів принесли понад USD5 млрд (+більше 100% квартал до кварталу). Інший найбільш помітний виробник NAND — SanDisk (SNDK.US) — фокусується на NAND і SSD, тому дані Micron важливі для SanDisk щодо корпоративного попиту на сховище, цін на NAND та перспективи балансу попиту та пропозиції. Обидві компанії беруть участь у одній хвилі AI-інфраструктури, але структура продуктів визначає різну прибутковість.

Швидкість пристосування з боку постачання є важливим чинником нинішнього зростання прибутків на сховище. Новий завод із виробництва пластин потребує будівництва, монтажу обладнання, відпрацювання технології та сертифікації клієнта; HBM потребує багатошарового стека, прогресивної упаковки та системної перевірки, і навіть після запуску нових пластин час до отримання готового продукту. Micron раніше прогнозував, що дефіцит DRAM та NAND може тривати до 2027 року і лише у 2028 галузь поступово наздожене потребу, але терміни невідомі. Варто стежити за тим, як Samsung нарощує поставки HBM4 — продуктивність 4-нм базової технології слід аналізувати разом із DRAM, упаковкою та сертифікацією клієнтів для оцінки кінцевого випуску HBM. Найважливіше для інвестицій — це приріст ефективної пропозиції щодо AI-попиту, а не лише простий показник нарощування потужності.

Довгострокові контракти — ще один рівень підтримки прибутковості Micron. На червневій презентації результатів компанія повідомила про 16 стратегічних угод: охоплено приблизно 20% обсягу продажів DRAM і третину NAND за контрактом на весь термін; 14 з них оцінюються за мінімальною ціною на термін — дохід приблизно 100 млрд USD. Усі контракти мають “без обговорення — платиш за встановленим обсягом”, а деякі великі — ціновий коридор.

Такий тип довгострокових контрактів з великими виробниками пам’яті важливий для AI-capacity інвестицій: клієнт отримує гарантію поставок в обмін на зобов’язання з довгострокових закупівель, а Micron — ясніше планування потужностей і видимість доходів, що знижує залежність частини бізнесу від короткострокових ринкових цін. Але “більше половини доходу під угодами”, як говорила компанія, — це прогноз після реалізації всіх планованих угод, це не тотожне поточній реалізації.

Керівництво Micron також прогнозує, що ці угоди принесуть близько USD22 млрд готівки і фінансових гарантій, із яких близько USD18 млрд — гарантована готівка. Це свідчить про прагнення клієнтів забронювати довгострокові поставки і підтримує розширення потужності; бухгалтерськи цей депозит входить до фінансових операцій та поступово повертається у другій половині терміну контракту. У фінзвітах слід звернути увагу на нові контракти, їх охоплення, структуру продуктів, фактичне виконання — і як це впливає на прогнозовану грошову операційну діяльність.

Додатковий тиждень ("екстра тиждень") у четвертому фінансовому кварталі Micron прямо впливає на інтерпретацію темпів зростання. Цей квартал має 14 тижнів, попередній — 13: якщо взяти середній прогноз доходів USD50 млрд, номінальний квартальний приріст — 20,6%, але за тижневим середнім — лише на 12,0%. Якщо механічно оцінити, після повернення до стандартних 13 тижнів у наступному кварталі при незмінній тижневій виручці, доходи кварталу ~46,43 млрд USD. Це означає, що при прогнозуванні нового фінансового року треба враховувати кількість тижнів, ціни, обсяги й структуру продуктів; загальна квартальна сума не може одноосібно свідчити про зміну попиту. Заяву менеджменту про уповільнення зростання цін слід також аналізувати разом із абсолютним рівнем цін і темпом зростання поставок.

Найцінніша інформація на фінансовому звіті Micron і конференц-колі 30 вересня у США буде щодо стабільності замовлень HBM і корпоративного сховища, динаміки цін DRAM та NAND, приросту потужності у 2027, а також чи зможуть довгострокові контракти розширити охоплення. Середній bullish outlook аналітиків Wall Street (за TIPRANKS) дає прогнозну цільову ціну Micron на наступні 12 місяців близько USD1,550; у порівнянні із закриттям на 23 вересня USD1,071.88 це відповідає потенційному зростанню на понад 40%.