Маленькі моделі "перехоплюють" попит на хмарні обчислювальні потужності, капітальні витрати на дата-центри вартістю трильйон доларів знаходяться під загрозою

AI-додатки продовжують розширюватися, але інвестиції в надмасштабні дата-центри, які підтримують цей сплеск, стикаються з новими викликами на стороні попиту.

Звіт Jefferies зазначає, зі зростанням продуктивності невеликих мовних моделей і зменшенням витрат, впровадження AI в корпораціях може переміститися від централізованої хмарної інфраструктури до локальної, що створює тиск на потребу в хмарних обчисленнях і величезних капітальних витратах на дата-центри.

Важливим аргументом цього висновку є недавнє спостереження за використанням AI-серверів. У вересні 2026 року Swerve Research Technologies створили "індекс заторів", відстежуючи час очікування в черзі серверних запитів Anthropic, і виявили, що використання відповідних серверів знизилось на 26% порівняно з піком у січні-лютому 2026 року. Цей показник не можна прямо співвідносити з доходами компанії, але якщо рівень використання продовжить знижуватися, це може означати, що частина потужностей починає простоювати.

Тим часом інвестиції в AI-інфраструктуру все ще швидко зростають. Ринок наразі прогнозує, що сукупні капітальні витрати Meta, Alphabet, Amazon і Microsoft до 2027 року можуть досягти 990 мільярдів доларів. Звіт вважає, якщо темпи зростання попиту на AI-обчислення не зможуть відповідати такому масштабному інвестуванню, частина дата-центрів може зіткнутися з недостатньою прибутковістю або навіть стати "замороженими активами".

Зниження рівня використання серверів — виклик для постачання AI-потужностей

Персональний AI-додаток Muse від Meta після запуску 8 вересня підняв курс акцій Meta на 21% протягом кількох тижнів і став помітною подією серед AI-споживчих додатків. Але звіт зауважує, що успіх однієї програми недостатній, аби довести стійкість всього циклу інвестицій в AI-інфраструктуру.

Ще важливіше, що самі AI-компанії подають сигнали, які відрізняються від оптимістичних очікувань ринку. CEO Anthropic, CEO OpenAI Sam Altman та Elon Musk нещодавно публічно обговорювали необхідність уповільнити розвиток AI; заплановане IPO Anthropic перенесено на листопад.

Водночас Anthropic вже уклала трирічний контракт з SpaceX на обчислювальні потужності вартістю 45 млрд доларів і домовилася про співпрацю з Amazon та Google Cloud на десятки мільярдів доларів. Якщо темпи зростання доходів від AI сповільняться, а великі контракти на обчислювальні ресурси досі потрібно виконувати, корпоративний тиск на витрати може ще більше зрости.

За повідомленнями, Meta також у липні вела переговори з Anthropic щодо оренди до 10 млрд доларів обчислювальних потужностей дата-центрів протягом двох років. Звіт зазначає, що великі технологічні компанії починають активно шукати зовнішніх клієнтів для використання обчислювальних потужностей, що показує: із швидким розширенням інфраструктури питання ефективного використання активів стає новою проблемою.

Малі моделі наздоганяють по продуктивності — локальне розгортання може відволікати попит від хмари

На відміну від короткострокових змін у використанні серверів, звіт приділяє більше уваги зміні архітектури AI-моделей.

Дослідження "Intelligence per Watt", опубліковане Stanford University та Together AI, показує, невеликі мовні моделі швидко наздоганяють великі мовні моделі за продуктивністю, при цьому споживання енергії та витрати на обчислення нижчі на 50-85%. Якщо ця тенденція збережеться, масштаби та структура витрат на впровадження AI в бізнесі можуть кардинально змінитися.

Раніше корпорації більше покладалися на централізовані хмарні великі моделі для виконання AI-завдань; із підвищенням можливостей малих моделей у деяких випадках рішення можуть бути розгорнуті локально. Для банків та інших галузей з високими вимогами до безпеки даних локальне розгортання вже має значний попит; коли малі моделі ще більше знижують витрати на розгортання, ця модель може застосовуватися ще ширше.

Це означає, що зростання кількості AI-додатків не обов'язково призводить до відповідного зростання попиту на хмарні обчислення. Бізнеси можуть одночасно розширювати свої AI-додатки та скорочувати залежність від API великих моделей і централізованих хмарних потужностей.

Це і є основною причиною, через яку звіт ставить під сумнів майже трильйонні капітальні витрати: якщо у майбутньому все більше AI-додатків розгортатимуться на дешевих, невеликих та локальних моделях, поточні інвестиції в надмасштабні дата-центри можуть не відповідати реальному попиту на обчислення.

В цьому сценарії необхідно переглянути не стільки наявність попиту на AI, скільки те, скільки централізованих обчислювальних потужностей потрібно для цього попиту, а також чи зможуть ці дата-центри забезпечити відповідну віддачу на вкладені інвестиції.