Краткий ответ: Возможно, в отдельных сегментах существует «пузырь ИИ» — особенно в сегменте приложений-клонов, оценок, основанных на историях успеха, и инвестиций в инфраструктуру с большими долгами — даже несмотря на то, что внедрение ИИ уже широко распространено. Если использование не приведет к устойчивому росту доходов и улучшению экономики предприятия, следует ожидать спада. Если же контракты, денежный поток и удержание клиентов останутся на прежнем уровне, это будет больше похоже на структурные изменения, чем на манию.
Один показательный признак: использование ИИ уже широко распространено (например, согласно данным Индекса ИИ Стэнфордского университета, 78% организаций заявили, что использовали ИИ в 2024 году , по сравнению с 55% годом ранее) — но широкое использование не означает автоматически устойчивые источники прибыли. [1]
Основные выводы:
Уточните , что именно вы имеете в виду: оценку стоимости, финансирование, описание концепции, инфраструктуру или информационную шумиху вокруг продукта.
Разрыв в монетизации : отслеживайте темпы внедрения по сравнению с доходами; широкое использование не гарантирует получения прибыли.
Экономика единицы продукции : оценка затрат на вывод информации, рентабельности, удержания клиентов, окупаемости и нагрузки на человеческую коррекцию.
Риск финансирования : Проведите стресс-тест предположений об использовании заемных средств; высокий уровень заемных средств в сочетании с длительными сроками окупаемости может привести к быстрому срыву сделки.
Замедление процесса управления : работа по обеспечению надежности, соответствия требованиям, ведению журналов и подотчетности замедляет сроки от демо-версии до внедрения в производство.
Статьи, которые могут вас заинтересовать после этой:
🔗 Насколько надежны детекторы ИИ для обнаружения написанного с помощью ИИ?
Узнайте, насколько точны детекторы искусственного интеллекта и в чём они допускают ошибки.
🔗 Как мне ежедневно использовать ИИ на своем телефоне?
Простые способы использования приложений с искусственным интеллектом для решения повседневных задач.
🔗 Что такое ИИ для преобразования текста в речь и как он работает?
Разберитесь в технологии преобразования текста в речь (TTS), ее преимуществах и типичных сценариях применения в реальной жизни.
🔗 Может ли искусственный интеллект распознавать рукописный текст на отсканированных заметках?
Узнайте, как ИИ обрабатывает рукописный текст и что улучшает результаты распознавания.
Что люди подразумевают, когда говорят «пузырь ИИ» 🧠🫧
Обычно это один (или несколько) из следующих вариантов:
-
Пузырь переоценки: цены подразумевают практически безупречное исполнение обязательств в течение длительного времени.
-
Инвестиционный пузырь: слишком много денег вкладывается в слишком много похожих стартапов.
-
Сюжетная линия: «Искусственный интеллект меняет всё» превращается в «Искусственный интеллект завтра всё исправит».
-
Инфраструктурный пузырь: масштабные центры обработки данных и строительство энергетических комплексов финансируются на основе оптимистичных предположений.
-
«Промышленный пузырь»: много демонстрационных версий, мало востребованных товаров для повседневного использования.
Поэтому, когда кто-то спрашивает: «Существует ли пузырь искусственного интеллекта?», настоящий вопрос сводится к тому, о каком слое идет речь.
Краткий обзор событий: что происходит 📌
Несколько обоснованных данных помогают отделить «пустую болтовню» от «структурных изменений»:
-
Объемы инвестиций огромны (особенно в генеративный ИИ): глобальные частные инвестиции в генеративный ИИ достигли 33,9 млрд долларов в 2024 году (индекс ИИ Стэнфордского университета). [1]
-
Энергетика больше не является второстепенным фактором: по оценкам МЭА, центры обработки данных потребляли около 415 ТВт·ч в 2024 году (~1,5% от мирового потребления электроэнергии) и прогнозируют ~945 ТВт·ч к 2030 году в базовом сценарии (чуть менее 3% от мирового потребления электроэнергии). Это реальный рост — а также реальный риск прогнозирования/финансирования, если темпы внедрения или повышения эффективности не будут соответствовать прогнозам. [2]
-
«Реальные деньги» текут через основную инфраструктуру: NVIDIA сообщила о выручке в размере 130,5 млрд долларов за 2025 финансовый год и выручке от центров обработки данных за весь год в размере 115,2 млрд долларов — что максимально далеко от «отсутствия фундаментальных показателей». [3]
-
Внедрение ≠ доход (особенно в малых фирмах): исследование ОЭСР показало, что ИИ с использованием генеративных технологий применяется в 31% МСП , а среди МСП, использующих ИИ с генеративными технологиями, 65% сообщили об улучшении производительности труда сотрудников , в то время как 26% сообщили об увеличении доходов . Ценно, да, но это также говорит о том, что «монетизация происходит неравномерно». [4]
Что делает хорошую версию теста AI Bubble ✅🫧
Хороший тест на пузырьки — это не только проверка вибраций. Он проверяет такие вещи, как:
1) Внедрение против монетизации
Использование ИИ не означает автоматически, что люди платят за него достаточно (или платят достаточно долго ), чтобы оправдать сегодняшние цены.
2) Экономика единицы продукции (непривлекательная правда)
Искать:
-
валовая прибыль
-
Стоимость вывода информации на одного клиента (то, сколько вам стоит сгенерировать желаемый результат).
-
сохранение и расширение
-
период окупаемости
Краткое, но важное определение: стоимость вывода — это не «затраты на облачные ресурсы». Это предельные издержки на предоставление ценности — токены, задержка, время работы графического процессора, ограничения, участие человека, контроль качества, повторные запуски и вся скрытая работа по обеспечению надежности.
3) Инструменты против приложений
Инфраструктура может выиграть, даже если работает множество приложений, потому что вычислительные ресурсы по-прежнему нужны всем. (Отчасти поэтому утверждение о том, что «все — это мыльный пузырь», часто оказывается неверным.)
4) Заемные средства и ненадежное финансирование
Долг + длительные циклы окупаемости + нагнетание напряженности в повествовании – вот где все рушится, особенно в инфраструктуре, где предположения об использовании играют решающую роль. МЭА явно использует сценарии/варианты оценки чувствительности, потому что неопределенность реальна. [2]
5) Опровержимое утверждение
Речь идёт не о том, что «искусственный интеллект станет очень распространённым», а о том, что «эти денежные потоки оправдывают эту цену»
Вариант «да»: признаки пузыря искусственного интеллекта 🫧📈
1) Финансирование в значительной степени сконцентрировано 💸
Огромные объемы капитала вложены во все, что обозначено как «ИИ». Концентрация может означать уверенность — или перегрев. Данные индекса ИИ Стэнфордского университета показывают, насколько масштабной и быстрой была волна инвестиций, особенно в генеративный ИИ. [1]
2) «Нарративная премия» проделывает огромную работу 🗣️✨
Вы увидите:
-
Стартапы быстро привлекают инвестиции еще до достижения соответствия продукта рынку
-
«Искусственный интеллект, отмытый» — рекламные предложения (тот же продукт, но новый жаргон)
-
Оценки, обоснованные стратегическим повествованием
3) Внедрение корпоративных решений проходит сложнее, чем маркетинговая кампания 🧯
Разрыв между демо-версией и продакшеном реален:
-
проблемы с надежностью
-
галлюцинации (замысловатое слово, означающее «уверенно неправильный ответ»)
-
Проблемы с соблюдением нормативных требований и управлением данными
-
медленные циклы закупок
Это не просто «страх». Системы оценки рисков, такие как AI RMF от NIST, явно подчеркивают валидность и надежность , безопасность , защищенность , подотчетность , прозрачность и обеспечение конфиденциальности систем — то есть, работу по контрольному списку, которая замедляет воплощение фантазии «выпустить завтра». [5]
Примерная схема внедрения (не для одной компании, а просто типичный пример):
Неделя 1: командам нравится демонстрация.
Неделя 4: юридический отдел/отдел безопасности запрашивают информацию об управлении, логировании и контроле данных.
Неделя 8: точность становится узким местом, поэтому «временно» привлекают людей.
Неделя 12: ценность реальна, но она меньше, чем в презентации, а структура затрат сильно отличается от ожидаемой.
4) Риск, связанный с развитием инфраструктуры, реален 🏗️⚡
Затраты огромны: центры обработки данных, чипы, электроэнергия, охлаждение. Прогноз МЭА о том, что глобальный спрос на электроэнергию для центров обработки данных может примерно удвоиться к 2030 году, является сильным сигналом «это происходит», а также напоминанием о том, что несоответствие предположений об использовании может превратить дорогостоящие активы в источник сожаления. [2]
5) Тема искусственного интеллекта пронизывает всё вокруг 🌶️
Энергетические компании, сетевое оборудование, системы охлаждения, недвижимость — история развивается. Иногда это рационально (энергетические ограничения реальны). Иногда это тематическое исследование.
Вариант «нет»: почему это не классический пример полномасштабного пузыря 🧊📊
1) Некоторые ключевые игроки получают реальную прибыль (а не просто создают видимость успеха) 💰
Отличительной чертой настоящих пузырей является «большие обещания, крошечные фундаментальные показатели». В сфере инфраструктуры ИИ существует огромный реальный спрос, подкрепленный реальными деньгами — масштабы, о которых сообщают в NVIDIA, являются наглядным примером. [3]
2) Искусственный интеллект уже интегрирован в повседневные рабочие процессы (повседневность — это хорошо) 🧲
Поддержка клиентов, программирование, поиск, аналитика, автоматизация операций — большая часть ценности ИИ заключается в его незаметной практической применимости, а не в эффектных действиях. Такого типа внедрения обычно не бывает в условиях «пузыря» на рынке.
3) Дефицит вычислительных ресурсов — это не выдумка 🧱
Даже скептики обычно признают: люди используют это в больших масштабах. А для масштабирования использования требуется оборудование и электроэнергия, что отражается на реальных инвестициях и реальном планировании энергопотребления. [2]
Где риск образования пузыря выглядит наиболее (и наименее) 🎯🫧
Наибольший риск образования пены 🫧🔥
-
Приложения-клоны без конкурентных преимуществ и с практически нулевыми затратами на переход.
-
Стартапы, чья цена основана на «будущем доминировании» без доказанной лояльности клиентов.
-
Чрезмерно закредитованные инфраструктурные инвестиции с длительным сроком окупаемости и ненадежными предположениями.
-
Заявления о «полностью автономном агенте» на самом деле представляют собой ненадежные рабочие процессы, внушающие уверенность.
Снижен риск образования пены (но все еще не полностью исключен) 🧊✅
-
Инфраструктура, привязанная к реальным контрактам и использованию
-
Корпоративные инструменты с измеримой окупаемостью инвестиций (экономия времени, решенные заявки, сокращение времени цикла).
-
Гибридные системы: ИИ + правила + участие человека (менее привлекательные, но более надежные) - и более соответствующие тому, что команды стремятся создавать с помощью рамок управления рисками. [5]
Сравнительная таблица: линзы для быстрой проверки реальности 🧰🫧
| объектив | лучший для | расходы | Почему это работает (и в чём подвох) |
|---|---|---|---|
| концентрация финансирования | инвесторы, основатели | варьируется | Если деньги хлынут в одну тему, может возникнуть ажиотаж… но одного финансирования недостаточно, чтобы доказать наличие пузыря |
| Обзор экономики предприятия | операторы, покупатели | временные затраты | Это заставляет задуматься над вопросом: «Окупается ли это?», а также выявляет скрытые издержки |
| Удержание + расширение | продуктовые команды | внутренний | Если пользователи не вернутся, значит, это просто мимолетная мода, извините |
| Проверка финансирования инфраструктуры | макросы, распределители | варьируется | Отлично подходит для выявления риска кредитного плеча, но сложно идеально смоделировать (сценарии имеют значение) [2] |
| Финансовые показатели и рентабельность государственных предприятий | каждый | бесплатно | Опорные точки на рынке — это не единственный фактор, влияющий на прогнозную цену. Тем не менее, форвардная цена может быть завышена |
(Да, это немного неровно. Именно так ощущается настоящий процесс принятия решений.)
Практический контрольный список для создания «пузыря ИИ» 📝🤖
Для продуктов на основе ИИ (приложения, помощники пилотов, агенты) 🧩
-
Возвращаются ли пользователи еженедельно без каких-либо напоминаний?
-
Сможет ли компания повысить цены, не допустив резкого роста оттока клиентов?
-
Какой объем выходных данных нуждается в корректировке человеком?
-
Есть ли привязка к конфиденциальным данным, привязка к конкретному рабочему процессу или проблема с распространением?
-
Снижаются ли затраты на выводы быстрее, чем цены?
Для инфраструктуры 🏗️
-
Есть ли подписанные обязательства или это просто «стратегический интерес»?
-
Что произойдет, если загрузка окажется ниже ожидаемой? (Смоделируйте случай «противодействия», а не только базовый случай.) [2]
-
Финансируется ли это за счёт больших заёмных средств?
-
Есть ли план действий на случай изменения предпочтений в отношении оборудования?
Для лидеров рынка ИИ 📈
-
Денежный поток растет, или это просто плод воображения?
-
Маржа расширяется или сжимается?
-
Зависит ли рост от небольшого числа клиентов?
-
Предполагается ли при оценке устойчивое доминирование?
В заключение — основные выводы 🧠✨
Существует ли «пузырь» ИИ? Некоторые части экосистемы демонстрируют признаки пузыря — особенно в приложениях-клонах, в оценках, основанных на анализе потребностей, и в любых проектах с использованием большого количества заемных средств.
Но сам ИИ не является «подделкой» или «просто маркетингом». Технология реальна. Внедрение реально — и мы можем указать на реальные инвестиции, реальные прогнозы спроса на энергию и реальные доходы в основной инфраструктуре. [1][2][3]
Вкратце: ожидайте перестройки в более слабых или перегруженных кредитным плечом сегментах. Основной сдвиг продолжается — просто с меньшим количеством иллюзий и большим количеством электронных таблиц 😅📊
Часто задаваемые вопросы
Наблюдается ли сейчас «пузырь» искусственного интеллекта?
Возможно, «пузырь ИИ» существует на отдельных уровнях, а не охватывает всю экосистему ИИ. Пена, как правило, скапливается в приложениях-подражателях, оценках, основанных на историях успеха, и обременительных инвестициях в инфраструктуру, финансируемых на оптимистичных прогнозах использования. В то же время, внедрение уже широко распространено, и некоторые ключевые игроки инфраструктуры демонстрируют ощутимую выручку. Исход зависит от того, перерастет ли использование в устойчивые денежные потоки и лояльность клиентов.
Что люди подразумевают, когда говорят об «пузыре искусственного интеллекта»?
Большинство людей подразумевают одно или несколько из пяти понятий: пузырь оценки, пузырь финансирования, пузырь нарратива, пузырь инфраструктуры или пузырь продукта. Путаница заключается в том, что термин «искусственный интеллект» смешивает все эти слои в одном заголовке. Если не определить слой, можно начать спорить, не понимая друг друга. Более ясный вопрос: какая часть выглядит перенасыщенной и почему?.
Доказывает ли широкое внедрение ИИ, что рынок не является пузырем?
Не обязательно. Широкое использование — это реальность, но внедрение не автоматически приводит к устойчивому росту прибыли. Организации могут «использовать ИИ» экспериментальными способами, с низкими затратами или сложными для монетизации в больших масштабах. Ключевой критерий — это то, станет ли внедрение постоянным доходом, расширится ли маржа и удержится ли клиент. Если этого не произойдет, даже при высоком уровне использования может произойти спад.
Как я могу понять, приносит ли внедрение ИИ реальную прибыль?
Практический подход заключается в отслеживании динамики внедрения и монетизации с течением времени, а не только статистики разового использования. Необходимо искать доказательства того, что клиенты платят достаточно, продолжают платить достаточно долго и увеличивают расходы по мере роста использования. Неравномерная монетизация наиболее отчетливо проявляется в небольших компаниях, где рост производительности не сразу превращается в выручку. Если рост выручки непостоянен, оценка стоимости может опережать фундаментальные показатели.
Какие экономические показатели наиболее важны для продуктов на основе искусственного интеллекта?
Экономика единицы продукции имеет значение, поскольку вывод данных может скрывать множество затрат, выходящих за рамки «затрат на облачные сервисы». Полезным инструментом является анализ предельных издержек на предоставление ценности: токены, время работы графического процессора, ограничения по задержке, контрольные параметры, повторные запуски, обеспечение качества и участие человека в корректировках. Затем это сопоставляется с валовой прибылью, удержанием клиентов, расширением и периодом окупаемости. Если вмешательство человека занимает много времени, затраты могут оставаться неизменно высокими.
Почему разрыв между демо-версией и производственной версией так велик?
Демонстрация зачастую оказывается самой простой частью; для производства требуются надежность, соответствие стандартам, ведение журналов и подотчетность. Иллюцинации, требования к управлению и циклы закупок замедляют сроки и могут сузить практический масштаб того, что будет выпущено. Во многих случаях при внедрении человек «временно» подключается к процессу, а затем выясняется, что он имеет центральное значение для контроля качества и рисков. Это меняет как форму продукта, так и структуру затрат.
Где сегодня наиболее высок риск возникновения пузыря искусственного интеллекта?
Наибольший риск возникновения пузыря наблюдается в приложениях-клонах с практически нулевыми затратами на переход, стартапах, цена которых основана на «будущем доминировании» без доказанной эффективности удержания пользователей, и в случаях, когда заявления о полностью автономных агентах приводят к ненадежным рабочим процессам. Эти области сильно зависят от привлекательности нарратива и могут быстро прийти в упадок, если результаты окажутся неудовлетворительными. Следует обратить внимание на отток пользователей: если пользователи не возвращаются еженедельно без напоминаний, продукт может оказаться перенасыщенным информацией.
Насколько подвержены образованию пузыря инфраструктурные решения в области ИИ (чипы и центры обработки данных)?
Инфраструктура может быть менее подвержена образованию пузырей, когда спрос привязан к контрактам и устойчивому использованию, но она несет в себе другой вид риска. Главная опасность связана с финансированием: заемные средства плюс длительные циклы окупаемости могут привести к краху, если уровень использования окажется ниже ожидаемого. Инфраструктурные инвестиции очень чувствительны к прогнозным предположениям, и сценарное планирование имеет значение, поскольку неопределенность реальна. Высокий уровень спроса, обеспеченный контрактами, снижает риск, но не устраняет его полностью.
Какой практический контрольный список можно использовать для проверки заявлений о «пузыре ИИ»?
Используйте опровергаемое утверждение: «Оправдывают ли эти денежные потоки данную цену?» Для продуктов проверьте еженедельный уровень удержания клиентов, ценовую политику, бремя корректировок и то, снижаются ли затраты на анализ быстрее, чем цены. Для инфраструктуры ищите подписанные обязательства, моделирование использования ресурсов в условиях неблагоприятных факторов и наличие значительной задолженности. Если контракты, денежные потоки и уровень удержания клиентов остаются стабильными, это больше похоже на структурный сдвиг, чем на манию.
Ссылки
[1] Stanford HAI - Отчет об индексе ИИ за 2025 год - подробнее
[2] Международное энергетическое агентство - Спрос на энергию со стороны ИИ (Отчет об энергетике и ИИ) - подробнее
[3] NVIDIA Newsroom - Финансовые результаты за 4 квартал и 2025 финансовый год (26 февраля 2025 г.) - подробнее
[4] ОЭСР - Генеративный ИИ и рабочая сила малых и средних предприятий (опрос 2024 года; опубликован в ноябре 2025 г.) - подробнее
[5] NIST - Структура управления рисками в области искусственного интеллекта (AI RMF 1.0) (PDF) - подробнее