Что вообще произошло: пузырь или новая база?
Технологический сектор после бума AI выглядит так, будто кто-то резко включил дальний свет: одни компании вдруг стали «новой нефтью», другие — просто декорацией для красивых презентаций. Рынок перегрет, но это не отменяет того факта, что фундаментальные сдвиги реальны. Важно разделить два пласта: спекуляцию вокруг хайпа и те области, где искусственный интеллект действительно меняет экономику, снижает издержки и создает новые потоки дохода. Если подходить без романтики и фанатизма, становится заметно, что часть активов напоминает доткомы, а часть — ранний Amazon, которого в своё время многие считали переоценённым интернет-магазином с книгами и странными идеями.
Диаграмма-набросок в тексте:
«Пузырь ожиданий»
Идеи → [Инфошум] → [Хайп в медиа] → [Резкий рост оценок] → (нет выручки/нет маржи) → [Остывание]
Реальный сдвиг → [Инвестиции в инфраструктуру] → [Рост производительности] → [Устойчивые клиенты] → [Прибыль] → [Консервативная переоценка]
Как не спутать реальный прогресс с маркетингом
Если пытаться понять, во что вложиться в технологическом секторе сейчас, первое, что имеет смысл сделать — разложить компании по простому, почти «кухонному» чек-листу. Не по количеству новостей со словом AI, а по тому, как конкретный продукт экономит время, деньги или создаёт новый рынок. Реальные возможности чаще всего там, где ИИ встроен глубоко в процессы: логистику, энергоэффективность, разработку софта, промышленную автоматизацию. Переоценённые активы живут на пресс-релизах: много разговоров о «прорыве», мало данных о юнит-экономике. Парадоксально, но многие тихие B2B‑игроки с уродливыми сайтами оказываются куда перспективнее, чем яркие «AI-платформы для всего и сразу».
Текстовая диаграмма отличий:
Реальный прогресс:
— 60–80% выручки от повторяющихся клиентов
— демонстрация сокращения затрат заказчика
— чёткие метрики (ROI, снижение времени цикла)
Маркетинг:
— 90% акцента на «визии»
— отсылки к ChatGPT в каждом абзаце
— нет разбивки по сегментам выручки, только красивые TAM‑оценки
Инфраструктура AI: где «лопаты», а где песочный замок
Железо, облака и вычисления
После бума генеративного AI все кинулись в разработку моделей, но устойчивые деньги чаще оказываются у тех, кто продаёт «лопаты золотодобытчикам»: чипы, GPU‑фермы, облачную инфраструктуру, специальные сети и системы хранения данных. Инвестиции в технологический сектор 2025, если смотреть не только глазами спекулянта, логично рассматривать именно через инфраструктурную оптику: спрос на вычисления растёт не по линейной, а почти по экспоненциальной траектории. Однако и здесь нужно отличать реальных игроков с доступом к производству и контрактам от тех, кто просто переименовал старый хостинг в «cloud AI».
Пример текстовой схемы:
«Цепочка стоимости AI»
Производители чипов → Облачные провайдеры → Платформы для разработчиков → Отраслевые решения → Конечный бизнес-клиент.
Чем ближе к «железу» и базовым сервисам, тем выше барьеры входа и устойчивее маржа, но и тем выше капиталоёмкость. Напротив, в верхних слоях (красивые интерфейсы поверх чужих моделей) конкуренция бешеная, а дифференциация хромает.
От моделей к «комодити» и дальше
Модели ИИ неизбежно двигаются к состоянию «комодити», как это в своё время произошло с базовой облачной инфраструктурой. Сегодня многие спорят, какие акции компаний искусственного интеллекта купить, пытаясь угадать победителя среди разработчиков LLM. Но стратегически интереснее смотреть на тех, кто строит «надстройку» в виде инструментов развертывания, мониторинга качества, оркестрации запросов, а также на компании, которые оптимизируют затраты на inference и обучение. Когда модель становится товаром, выигрывает тот, кто умеет: а) дешевле запускать её на реальном трафике, б) вшивать в конкретный бизнес-процесс, в) обеспечивать соблюдение регуляторных требований. Пузырь часто как раз в тех компаниях, которые продают «общий ИИ для всего» без специализации.
Сравнение с доткомами: похожий шум, другие фундаменталы
Параллель с пузырём доткомов напрашивается автоматически, но есть важные отличия. Тогда интернет только создавал инфраструктуру: многие бизнес-модели действительно опережали своё время и умирали из‑за отсутствия широкополосного доступа, платёжных систем, логистики. Сейчас технологический сектор после бума AI опирается на уже зрелый цифровой мир: облака, мобильный интернет, развитую рекламу, SaaS‑подписки. Поэтому даже переоценённые активы могут не обнулиться, а просто пережить длительную стагнацию или ползучую коррекцию. Однако динамика массового притока частных инвесторов и партия «купи всё, где есть AI» очень напоминает ранние двухтысячные, только в более быстрой и глобальной версии.
Во время доткомов инвесторы платили за трафик и «уникальных посетителей», не спрашивая о прибыли. Сейчас аналогичный фетиш — количество параметров модели, число дата‑центров и абстрактные показатели «инновационности». Реальная параллель: компании с устойчивым денежным потоком, пусть и скучные, со временем пережили ярких спринтеров. Поэтому обзор технологических акций после бума AI стоит начинать не с новостных лент, а с отчётов о движении денежных средств и структуры расходов на R&D. Туда редко смотрят, но именно там видно, кто действительно строит продукт, а кто просто покупает маркетинг и размещает модные слоганы поверх старой кодовой базы.
Где сконцентрированы реальные возможности роста
AI в «скучных» отраслях
Наиболее интересные и недооценённые зоны — это, как ни странно, отрасли, которые редко попадают в трендовые обзоры: промышленность, логистика, агро, энергетика, медицина на уровне инфраструктуры (не «приложение‑ассистент врача», а системы поддержки диагностики, управления оборудованием, распределения потоков пациентов). Перспективные IT компании для инвестиций часто решают крайне приземлённые задачи: оптимизация маршрутов, предиктивное обслуживание, интеллектуальная закупка сырья, адаптивное управление мощностями. Их продукты трудно объяснить в одном твите, но они уменьшают издержки на десятки процентов, что в старой экономике ценится намного выше яркого интерфейса.
В разговорной плоскости это можно сформулировать так: если ИИ у компании экономит чей-то реальный бюджет или резко повышает выручку без пропорционального роста расходов — перед нами намёк на устойчивую бизнес-модель. Если же главный эффект — улучшение презентаций и пресс-релизов, стоит насторожиться. Особенно, когда капитализация уже заложила в цену десятилетия роста. Переоценённые активы обычно там, где абстрактная «трансформация» не проявляется в банальных операционных показателях: срок оборота запасов, загрузка линий, снижение брака, уменьшение churn‑а пользователей, рост среднего чека без агрессивных скидок.
Инструменты для разработчиков и внутренних команд
Интересный, но менее очевидный карман роста — инструменты для внутренних команд: DevOps, MLOps, платформы для автоматизации тестирования, генерации кода, анализа логов и безопасности. Здесь отношение к ИИ часто прагматичное: он не украшение, а способ делать то же самое в два-три раза быстрее и с меньшим количеством ошибок. Компании, которые создают такие средства, обычно продают не «магический AI», а понятные метрики: на сколько дней сократился релизный цикл, как уменьшился объём инцидентов, какой процент рутины автоматизирован. Это не вызывает восторга на розничных форумах, зато ценится корпоративными заказчиками с долгими контрактами.
Диаграмма-пояснение в тексте:
«Воронка ценности для девелоперских инструментов»
AI‑функция → Ускорение задач → Снижение числа ошибок → Быстрее вывод фич на рынок → Рост выручки клиента.
Инвесторская мысль тут простая: там, где путь от функции до выручки клиента укладывается в несколько понятных шагов, рисков меньше, чем в проектах, где связь между моделью и деньгами опирается на веру в «массовое внедрение когда‑нибудь потом».
Где хайп, а где зона повышенного риска
Генеративные игрушки без крепкой экономики
Отдельная зона переоценки — многочисленные генеративные сервисы без чёткой монетизации. Приложения «на поиграть» (создание картинок, фильтров, коротких роликов, «умных» аватаров) могут взлетать по установкам, но при попытке вывести деньги часто упираются либо в низкую платёжеспособность аудитории, либо в быстрое насыщение. Если стоимость привлечения пользователя растёт, а пожизненная ценность (LTV) почти не двигается, чудо не произойдёт. Такие компании особенно уязвимы в фазе, когда ставка денег повышается, а инвесторы требуют не только роста, но и окупаемости.
Хитрый момент в том, что многие из этих проектов в отчётах показывают «взрывной рост пользователей» и красивые графики вовлеченности, напоминающие ранние соцсети. Но если копнуть глубже, выясняется, что платит за всё это только маркетинговый бюджет, а готовых платить клиентов — жалкие проценты. В итоге ожидания уносят оценку компании на космические высоты, а фундаментальная база остаётся на уровне стартапа стадии product-market maybe. Для частного инвестора участие в такой истории обычно заканчивается больно, особенно если вход был на пике новостного шума.
Переоценённые «обёртки» вокруг чужих моделей
Ещё одна уязвимая категория — компании, чей продукт сводится к удобному интерфейсу поверх чужих моделей и чужой инфраструктуры. Да, UX важен, но если завтра крупный облачный провайдер решит выкатить аналогичный сервис бесплатно или за копейки как часть своего пакета, ценность «обёртки» резко упадёт. Барьеры входа низкие, дифференциация слаба, клиенты легко мигрируют. Здесь особенно опасно путать быстрый рост выручки на раннем, почти пустом рынке с долгосрочным конкурентным преимуществом.
Текстовая диаграмма рисков:
Зависимость от внешней модели высокая → Зависимость от одного облака высокая → Низкая доля собственных R&D → Отсутствие технического «моата».
Такие бизнесы могут хорошо смотреться при дешёвых деньгах, но становятся первыми кандидатами на сжатие мультипликаторов, когда рынок трезвеет и начинает требовать реальной уникальности, а не хорошего фронтенда к уже доступной функциональности.
Нестандартные ходы для частного и институционального инвестора
Ставка на «серую зону»: поставщики данных и маленькие инфраструктурные решения
Один из самых недооценённых сегментов — компании, владеющие уникальными доменными данными и инфраструктурой для их очистки, анонимизации, обогащения и доставки до моделей. Это могут быть операторы отраслевых платформ, специализированные аналитические фирмы, игроки в области кибербезопасности со своими массивами логов, медицинские и промышленные системы с детальной телеметрией. Здесь не всегда получится напрямую «акции компаний искусственного интеллекта купить», потому что некоторые из них юридически не позиционируют себя как AI-biz, но именно от их данных зависит качество и полезность многих моделей.
Нестандартный ход — искать тех, кто уже сегодня умеет монетизировать свои массивы данных, причём не только продажею отчетов, но и интеграцией с внешними AI‑решениями. Это уже не сырье в чистом виде, а «обработанный ресурс»: структурированные, очищенные и юридически защищённые наборы. Барьеры для конкурентов здесь во многом не технические, а регуляторные и договорные. На таком поле легче защитить маржу и сложнее устроить ценовую войну до нуля.
Инвестиции через «расширители» и партнёров экосистем
Ещё одна неочевидная стратегия — играть не в лоб в «AI чемпиона», а через компании, которые расширяют его экосистему. Это интеграторы, авторизованные партнёры больших вендоров, поставщики специализированных решений для конкретных отраслей. Их выручка растёт, когда крупные платформы заходят в новые регионы или сектора, а риски концентрируются не на одной моде, а на широкой базе заказчиков. Для тех, кто рассматривает инвестиции в технологический сектор 2025 с оглядкой на относительную устойчивость, такая «вторая линия фронта» может оказаться куда интереснее, чем гонка за званием следующего «великого AI‑единорога».
Пример нестандартного ракурса: вместо того чтобы пытаться отобрать пару звёзд среди сотен AI‑стартапов в здравоохранении, можно смотреть на компании, которые поставляют им критически важные модули — от систем шифрования медицинских данных до инструментов валидации моделей на соответствие регуляторным нормам. Чем жёстче законодательство и чем выше требования к качеству, тем ценнее такие «инфраструктурные» игроки.
Практический подход: как отфильтровать переоценку
Минимальный проверочный набор вопросов
Перед тем как рассматривать какие-либо технологические активы после AI‑бума, полезно прогонять их через короткий, но честный набор вопросов. Во‑первых, насколько продукт компании критичен для её клиентов? Если сервис можно выключить на неделю без драматических последствий, в кризис клиенты так и сделают. Во‑вторых, каков путь от внедрения ИИ до экономического эффекта, и измеряется ли он самими клиентами? В‑третьих, где именно создаётся добавленная стоимость: в алгоритмах, данных, интеграции в процессы, регуляторной экспертизе или просто красивой упаковке? И наконец, каковы реальные альтернативные издержки для клиента, если он выберет конкурента или сделает собственное решение.
Нестандартный, но полезный приём — смотреть на качество техподдержки и документации: компании, всерьёз работающие с корпоративными заказчиками, почти всегда вкладываются в эти скучные вещи. Пузырь легче всего обнаружить там, где всё внимание сосредоточено на публичных демо и маркетинге, а рабочие детали спрятаны или даже не продуманы. Для тех, кто ищет обзор технологических акций после бума AI с акцентом на выживаемости, именно «грязные» операционные детали и являются тем самым фильтром реальности.
Разумная диверсификация и работа с горизонтом
Говорить о том, что есть «идеальный» способ собрать портфель в этой области, было бы самообманом. Вместо этого имеет смысл сочетать несколько слоёв: устойчивые инфраструктурные игроки, нишевые компании с глубокой экспертизой, несколько более рискованных историй, связанных с прорывными моделями и интерфейсами, а также активы, которые выигрывают косвенно — от повышения общей цифровизации и автоматизации в экономике. Речь не только о прямых разработчиках ИИ, но и о компаниях, для которых использование AI становится стандартом: финансовые сервисы, телекомы, производители промышленного оборудования, логистические платформы.
В бытовых терминах это выглядит так: часть капитала работает «на базу», часть — «на рост», а часть — «на эксперимент». Пытаться угадать единственного победителя — занятие романтичное, но обычно не слишком прибыльное. Гораздо рациональнее смотреть шире: где AI уже сегодня меняет P&L компаний, а где служит лишь украшением презентаций. И если вопрос звучит: во что вложиться в технологическом секторе сейчас, то ответ, как ни странно, гораздо менее пафосный, чем может показаться из заголовков. В выигрыше оказываются не те, кто громче всех кричит про искусственный интеллект, а те, кто спокойно и методично превращает его в часть нормальной, скучной, но приносящей деньги операционной рутины.