Искусственный интеллект и экономика США: бухгалтерский взгляд на инвестиции и производство

Аннотация

Искусственный интеллект (AI) переместился в центр политических, рыночных и академических дискуссий, но его макроэкономический след по-прежнему изучен лишь частично. В данной статье представлена обзорная информация о том, как текущая волна AI отражается в национальных счетах США, с объединением простой макроучетной схемы и стилизованного описания процесса производства AI. Мы подчеркиваем решающую роль центров обработки данных, которые образуют основу экосистемы AI и привлекли впечатляющие инвестиции в 2025 году, поскольку они незаменимы для удовлетворения быстро растущего во всем мире спроса на услуги AI. Мы фиксируем, что бум капитальных затрат на IT и связанные с AI расходы в первые три квартала года обеспечил непропорционально сильный импульс совокупному спросу, тогда как его вклад в рост ВВП оказывается меньшим после того, как из него вычитается высокая доля импорта в AI-оборудовании. Кроме того, простые расчеты показывают, что при текущих показателях загрузки и ценах производство услуг, возникающих на новых AI-центрах обработки данных, может внести вклад в рост ВВП в течение ближайших кварталов в масштабе, сопоставимом с масштабом инвестиционных расходов на сегодняшний день. Короткие циклы реинвестирования и неопределенность относительно будущего спроса на AI — хотя в настоящее время и не выступают в качестве макроэкономического сдерживающего фактора — тем не менее могут подпитывать макроэкономические риски в среднесрочной перспективе.

JEL: E2, O3, O4

Ключевые слова: искусственный интеллект, капитальные затраты, центры обработки данных, национальные счета

1 Введение

Быстрое развитие и внедрение технологий искусственного интеллекта (ИИ) были в центре дискуссий в области политики, рынка и академических исследований. С точки зрения финансовой стабильности неизменно возникает вопрос, оправдано ли резкое повышение котировок акций технологических компаний обоснованным и устойчивым расширением их базовой прибыльности. С более структурной экономической точки зрения ключевая тема заключается в том, как внедрение ИИ повлияет на продуктивность и занятость.

В последнее время одной из конъюнктурных проблем, привлекающих широкое внимание со стороны СМИ и рыночных аналитиков, является степень того, в какой мере капиталовложения в ИИ‑сферу в настоящее время способствуют динамике ВВП США. Рост США в 2025 году оказался устойчивым сверх ожиданий, и некоторые сценарии предполагают, что инвестиции, главным образом связанные с быстрым наращиванием развертывания центров обработки данных (Figure 1), выступают двигателем этой устойчивости.

Figure 1: Частные расходы на строительство по выбранным отраслям.

Источник. Бюро переписи населения США, стоимость строительных работ, выполненных на месте. Последнее наблюдение: август 2025.

Эта статья дает предварительную оценку того, как производство на основе ИИ находит отражение в компонентах ВВП. Мы сочетаем макроучетный подход с подробным описанием экосистемы производства на основе ИИ, чтобы ответить на простой вопрос: как, и через какие каналы, текущая волна ИИ проявляется в измеряемом ВВП США? Мы сосредоточиваемся на тех частях цепочки создания стоимости, связанной с ИИ, которые уже достаточно велики, чтобы влиять на краткосрочную перспективу — в частности на инвестициях в инфраструктуру дата-центров и предоставлении облачных и ИИ-услуг — а также на различии между добавленной стоимостью внутри страны и иностранным содержанием, встроенным в расходы, связанные с ИИ.

Оценка распространенности и каналов использования ИИ для экономического прогноза имеет высокую актуальность по нескольким причинам. Во-первых, это может помочь в формировании политики, в частности денежно-кредитной политики, за счет улучшения понимания инфляционных давлений и динамики рынка труда — например, помогая согласовать кажущееся противоречие между устойчивым общим ростом и слабым рынком труда. Более широко, четкое отображение того, как инвестиции в ИИ и производство с его участием входят в ВВП, необходимо для оценки силы и структуры спроса, для определения доли добавленной стоимости внутри страны по сравнению с иностранной в цепочках поставок ИИ, а также для информирования бюджетной и промышленной политики, направленной на поддержку высокоценных видов деятельности. Это также важно для анализа финансовой устойчивости, поскольку помогает отличать реальный рост, подкрепленный доходами, в секторах, связанных с ИИ, от событий, которые в основном обусловлены переоценкой стоимости активов.

Тем не менее количественная оценка сопряжена с методологическими и измерительными трудностями. Во-первых, выделить связанную с ИИ деятельность в национальных счетах сложно, поскольку ИИ обычно встраивается в более широкие агрегаты – такие как ИТ-оборудование, полупроводники, программное обеспечение, НИОКР и ИТ-услуги – и потому, что часто невозможно определить услуги, в которых внедрен ИИ. На практике статистика часто позволяет фиксировать лишь общий «технологический» сектор, а не ИИ конкретно. Во-вторых, показатели ИИ на уровне фирм также почти никогда не поддаются наблюдению: ключевые участники экосистемы производства ИИ – это крупные, многопрофильные фирмы, чья финансовая отчетность объединяет затраты, выручку и прибыль по многим направлениям бизнеса. В результате выделить вклад ИИ в затраты, выручку и прибыль крайне затруднительно. В-третьих, более широкие «эффекты второго порядка», запускаемые трансформацией под влиянием ИИ, включая изменения производительности и занятости, связанные с его внедрением, все еще слишком ранние, чтобы их можно было надежно оценить. Таким образом, они выходят за рамки данной статьи, которая придерживается механистического подхода к учету того, как ИИ проявляется в компонентах ВВП.

Выделяются три вывода. Во‑первых, бум в капитальных затратах, связанных с ИТ и ИИ, обеспечил исключительную поддержку совокупному спросу, но его чистый вклад в рост ВВП США более ограничен, чем предполагают заголовочные показатели инвестиций, поскольку значительная доля связанного оборудования импортируется. Это отражает тот факт, что, хотя такие виды деятельности, как проектирование чипов, эксплуатация центров обработки данных, облачные услуги и разработка моделей, в основном осуществляются внутри страны, лишь часть создаваемой стоимости по всей цепочке поставок ИИ‑оборудования приходится на Соединенные Штаты, поскольку изготовление и сборка серверов и ускорителей сосредоточены за рубежом.

Во‑вторых, дата‑центры явно являются основой экосистемы ИИ. Они концентрируют огромные вычислительные мощности, необходимые для обучения и инференса ИИ‑моделей, а также для облачных сервисов, и переводят связанные с ИИ капитальные затраты в продуктивный выпуск. С макроэкономической точки зрения строительство и закупка оборудования для объектов дата‑центров создают существенный спрос на строительные услуги, высокопроизводительное оборудование и сопутствующие вводимые ресурсы, тогда как вычислительные услуги, которые они предоставляют, в национальных счетах отражаются как конечное потребление и выступают промежуточными вводимыми ресурсами для других отраслей. Поэтому деятельность дата‑центров является ключевым каналом, через который ИИ‑инвестиции направляются в совокупный спрос и способствуют росту ВВП, что делает ее центральным объектом любого макроэкономического анализа волны ИИ.

Во‑первых, по мере того как новое поколение центров обработки данных искусственного интеллекта становится полностью введённым в эксплуатацию и начинает продавать вычислительные и ИИ‑услуги конечным пользователям у себя дома и за рубежом, ожидается, что возникающий поток доходов будет добавляться к ВВП на уровне, сопоставимом с капитальными затратами, необходимыми для расширения лежащей в основе производственной мощности ИИ. Это следует из высоких коэффициентов загрузки существующей инфраструктуры центров обработки данных, текущего ценообразования GPU‑на основе услуг и коротких периодов окупаемости, оцениваемых в статье.

Остальная часть статьи организована следующим образом. Раздел 2 содержит дорожную карту для индустрии ИИ, описывая ключевых участников экосистемы — поставщиков оборудования, поставщиков облачной инфраструктуры и AI-лабораторий — и подчеркивая центральную роль дата-центров и глобальных цепочек поставок. Раздел 3 обращается к инвестициям в ИИ и количественно оценивает, какая доля силы в спросе и выпуске в США в первой половине 2025 года может быть отнесена к капитальным затратам, связанным с технологиями, с учетом импорта и добавленной стоимости по секторам. Раздел 4 описывает производство AI-услуг на примере AI дата-центра, чтобы проиллюстрировать каналы, через которые вычислительные услуги попадают в национальные счета. Разделы 5 и 6 рассматривают будущие разработки и формулируют выводы.

2 Дорожная карта для отрасли искусственного интеллекта

В этом разделе мы приводим стилизованное описание того, как устроена отрасль ИИ, что помогает понять каналы, через которые деятельность в области ИИ влияет на экономику.

Экосистема ИИ организована вокруг трех часто пересекающихся групп участников: 1) поставщики аппаратного обеспечения, которые проектируют, создают и продают вычислительное оборудование, используемое в центрах обработки данных ИИ; 2) поставщики облачной инфраструктуры, которые владеют центрами обработки данных и сдают в аренду вычислительные мощности; 3) поставщики ИИ-программного обеспечения, которые требуют вычислительные мощности для запуска ИИ-моделей и продают полученные услуги своим клиентам.

Мы описываем эти группы в следующих подразделах, уделяя особое внимание тому, где основные компании базируются, и где происходят различные этапы производства. Эта географическая составляющая имеет решающее значение для понимания того, какая доля создаваемой стоимости вдоль цепочки поставок ИИ фиксируется как внутренний выпуск в Соединенных Штатах и какая доля переходит торговым партнерам.

2.1 Производители аппаратного обеспечения

Современные вычислительные нагрузки ИИ являются ресурсоемкими и должны выполняться на специализированном оборудовании (так называемых чипах для ИИ), таком как Графические процессорные устройства (GPU) и Тензорные процессорные устройства (TPU). Используя тысячи вычислительных ядер, работающих параллельно, эти чипы ускоряют наиболее часто повторяющиеся в обучении и инференсе ИИ-моделей математические операции, такие как умножение матриц. Коэффициент ускорения на несколько порядков больше по сравнению с классическими чипами CPU (Центральные процессорные устройства).

Производство ИИ-чипов — самого дорогостоящего элемента в центрах обработки данных ИИ — и их упаковка в платы и серверные стойки происходит в рамках сложной глобальной сети поставок:

• ⟦ Проектирование чипов: проектирование ИИ-чипов в основном выполняют крупные публичные компании США, такие как NVIDIA (ведущий игрок в этой области), AMD и Broadcom (который совместно проектирует собственные чипы с крупными операторами дата-центров, такими как Apple и Google).
• ⟦Производство микросхем: после того как микросхемы спроектированы, они изготавливаются на предприятиях полупроводникового производства (так называемых fabs). В основном ими управляют азиатские компании, такие как TSMC (Тайвань) и Samsung (Корея), но некоторые заводы в США начали выпуск продукции благодаря государственным финансовым стимулам, предоставленным Законом Chips Act. Модули памяти, дорогие компоненты, тесно интегрированные в AI-микросхемы, поставляются как производителями в США (Micron), так и азиатскими производителями.
• ⟦ Сборка серверов: упакованные модули GPU поставляются производителям серверов (например, SuperMicro, Hewlett Packard, Dell), которые интегрируют их в полные серверы и стойки, включающие тысячи других, менее дорогих компонентов (например, сетевые модули, механические, электрические и элементы охлаждения).11 Производители либо продают под собственной торговой маркой (Original Equipment Manufacturers, OEM), либо изготавливают под заказ для чужой торговой марки (Original Design Manufacturers, ODM). Крупнейшие серверные OEM включают Dell Technologies (PowerEdge), HPE (ProLiant, Synergy), Lenovo (ThinkSystem); основные серверные ODM — Quanta Computer (а также QCT – Quanta Cloud Technology), Wiwynn (ответвление Wistron, ориентированное на облачные ЦОД), Inventec, Foxconn / Hon Hai. Ввиду большого числа задействованных компонентов этот сегмент цепочки создания стоимости гораздо сложнее отследить, хотя известно, что он распределён не только в Азии и США, но и в других странах, географически близких к местам расположения центров обработки данных (например, Мексика).

Эта уже сложная и географически распределенная цепочка поставок дополняется множеством других компаний в США и за рубежом как на upstream-стороне (поставщики оборудования для производства микросхем; например, ASML, Applied Materials), так и на downstream-стороне (интеграторы и поставщики оборудования для центров обработки данных; например Schneider Electric).

С экономической точки зрения основные сегменты индустрии аппаратного обеспечения, описанные выше, функционируют как олигополии. Они доминируются небольшим числом фирм, которые пользуются высокими маржинальными показателями прибыли и защищены существенными барьерами для входа. Это особенно заметно в производстве чипов, где выпуск передовых чипов требует производственных предприятий, которые не только стоят десятки миллиардов долларов на создание, но и требуют высокоспециализированных, трудно воспроизводимых знаний и технической экспертизы для тонкой настройки производственных процессов и достижения экономически жизнеспособных уровней выхода годной продукции.

2.2 Поставщики облачной инфраструктуры

Поставщики облачной инфраструктуры владеют и управляют глобально распределенными центрами обработки данных. Они сдают в аренду вычислительные мощности этих центров обработки данных организациям, которым требуется вычисление, хранение файлов, сетевое взаимодействие и связанные услуги (Инфраструктура как услуга — IaaS).

Крупнейшие поставщики — их часто называют гипермасштабируемыми — это Amazon Web Services (AWS), Microsoft Azure и Google Cloud Platform (GCP). Вместе они составляют 65% мирового рынка облачных вычислений (OMDIA, 2025). Meta иногда относят к «квазигипермасштабируемому» поставщику, потому что ее глобальный след в дата-центрах сопоставим, хотя ее инфраструктура в основном поддерживает собственные приложения. Другие, более небольшие поставщики включают Oracle Cloud, IBM Cloud и CoreWeave.

Эти компании предоставляют облачную инфраструктуру как для традиционных услуг (например, веб-хостинг и управление базами данных), так и для ИИ-нагрузок, таких как обучение моделей и инференс. Поскольку гипермасштабируемые провайдеры не публикуют формальное разделение выручки и прибыли между AI‑связанными и традиционными облачными услугами, сложно выделить ИИ-активность, особенно учитывая, что традиционные услуги, вероятно, по-прежнему представляют основную долю их облачной выручки.

Распространенная модель ценообразования облачных услуг инфраструктуры — оплата по мере использования, при которой вычисления для ИИ тарифицируются за GPU-час (или за секунду/минуту), при этом отдельно взимается плата за хранение и сетевое использование. Эти почасовые цены публикуются гиперскейлерами на их веб-сайтах в режиме реального времени, что облегчает оценку условий спроса и предложения на рынке. Однако ценовые условия не всегда являются общедоступными, поскольку, помимо использования по требованию, услуги часто предоставляются в рамках более крупных, согласованных контрактов с предприятиями. Такие соглашения обычно включают обязательные расходы (например, минимальные годовые расходы) и содержат функции уровня предприятия, такие как расширенная безопасность, гарантии соответствия, административный контроль, гарантии обработки данных, выделенная вычислительная емкость и выделенная поддержка.

Провайдеры облачной инфраструктуры несут ряд затрат. Они включают (i) разработку и сопровождение программного слоя, который обеспечивает аренду ресурсов, (ii) обеспечение безопасности, мониторинг производительности и поддержание надежности, (iii) покрытие электроэнергии и других эксплуатационных расходов, и (iv) что наиболее критично — амортизацию существенных физических инвестиций в центры обработки данных, которые включают не только вычислительное оборудование, но и землю, здания, а также вспомогательные системы, такие как питание, охлаждение и сетевые компоненты. Затраты, связанные с физическими инвестициями, становятся все более и более значимыми по мере того, как набирают популярность облачные сервисы, связанные с ИИ. Хотя облачные сервисы, связанные с ИИ, могут выглядеть похожими на традиционные облачные сервисы, лежащая в основе инфраструктура существенно отличается. Традиционные рабочие нагрузки выполняются на серверных стойках, ориентированных на CPU, тогда как рабочие нагрузки, связанные с ИИ, опираются на кластеры, построенные вокруг больших массивов дорогостоящих AI‑ускорителей (GPUs и TPUs). Эти ориентированные на ИИ объекты требуют значительно более высокой плотности энергопотребления, передового охлаждения, высокоскоростных сетей и хранилищ с высокой пропускной способностью. Все эти факторы существенно увеличивают затраты на инфраструктуру ИИ.

С географической точки зрения все упомянутые выше игроки (Amazon, CoreWeave, Google, IBM, Microsoft и Oracle) базируются в Соединенных Штатах и строят дата-центры по всему миру. Хотя точное распределение их дата-центров по странам публично не известно, большинство оценок предполагают, что примерно 50% мировой мощности дата-центров расположено в США.222См., например, Synergy (2025), Neufeld (2025), Ciolli (2025), Leichter (2025). Значительная доля оставшейся мощности находится в Китае, где работают несколько крупных внутренних провайдеров, прежде всего Alibaba Cloud, за которым следуют Huawei Cloud, Tencent Cloud и Baidu Cloud. Однако неясно, как это географическое распределение отражается на выручке и прибыли, сообщаемых дочерними структурами, зарегистрированными в США, или как на эти показатели влияют трансфертные цены внутри группы через границы.

2.3 AI labs

ИИ-лаборатории — это компании, которые обучают передовые модели искусственного интеллекта и продают услуги, полученные на основе этих моделей. Некоторые из основных лабораторий (и их модели Генеративного ИИ) включают OpenAI (ChatGPT), Anthropic (Claude), Google DeepMind (Gemini, Gemma), Meta AI (Llama, Meta AI assistant), xAI (Grok), Mistral, DeepSeek, Z.AI (модели GLM), а также ИИ-подразделения китайских технологических гигантов Alibaba (Qwen), Baidu (ERNIE) и Tencent (Hunyuan)).

Доходы AI labs поступают в основном от продажи двух следующих услуг:

• ⟦ Искусственный интеллект как услуга (AIaaS): лаборатории искусственного интеллекта предоставляют свои модели через интерфейсы программирования приложений (API), позволяя организациям отправлять запросы программно и получать ответы, сгенерированные моделью. Такой вид услуги обычно требуется корпорациям, которые разрабатывают и продают программное обеспечение на основе ИИ или с улучшениями за счет ИИ, либо компаниям, которые используют ИИ для автоматизации своих рабочих процессов. Для больших языковых моделей услуга обычно оценивается по миллионам токенов (один токен примерно соответствует одному английскому слову, сгенерированному моделью).
• ⟦ Программное обеспечение как услуга (SaaS): модели ИИ встраиваются в ориентированные на пользователей приложения, которые продаются по подписке на одного пользователя с помесячной или ежегодной оплатой как для предприятий, так и для потребителей. Примерами популярных предложений SaaS являются чатботы на базе GPT от OpenAI и Gemini от Google, а также продукты Microsoft Copilot.

Еще один менее распространенный источник дохода — лицензионные договоры, такие как соглашения между OpenAI и Microsoft, которые позволяют последней напрямую использовать модели OpenAI в своих сервисах.

Самые большие затраты лабораторий ИИ связаны с наймом и удержанием лучших специалистов, а также с приобретением огромных вычислительных ресурсов, необходимых для обучения и обслуживания моделей. Несколько лабораторий (например, OpenAI и Anthropic) не владеют крупными дата-центрами и удовлетворяют свои вычислительные потребности, приобретая услуги облачной инфраструктуры (см. предыдущий подраздел).

Сегмент лабораторий ИИ остается особенно непрозрачным. Многие лаборатории часто представляют собой крупные вертикально интегрированные конгломераты, такие как Google и Meta, которые не раскрывают выручку и прибыль своих подразделений, занимающихся исследованиями в области ИИ. Другие лаборатории, ориентированные почти полностью на разработку моделей (например, Anthropic, OpenAI), являются частными, и поэтому их финансовые результаты не доступны публично. Кроме того, нередко существуют партнерства и перекрестные владения между двумя группами лабораторий/компаний.333Несколько примеров. В период с 2019 по 2023 год Microsoft инвестировала более 13 млрд долларов в OpenAI, обеспечив себе долю примерно 49% в будущей прибыли OpenAI LP и глубоко интегрировав модели OpenAI в Azure для облачных вычислений и Microsoft 365. Amazon и, при более низких инвестициях, Google являются партнерами/инвесторами в Anthropic, которая запускает свои модели в основном на AWS в качестве основного облачного провайдера.

С географической точки зрения крупнейшие лаборатории контролируются компаниями, штаб-квартиры которых находятся в США (Anthropic, Google DeepMind, Meta AI, OpenAI, xAI) и Китае (Alibaba, Baidu, DeepSeek, Tencent, Z.AI), с примечательным исключением Mistral (Франция).

2.4 Общие замечания об экосистеме ИИ

Хотя изображение выше упрощено, оно подчеркивает несколько особенностей. Во‑первых, цепочка поставок для производства и сборки оборудования для дата‑центров действительно глобальна, тогда как предоставление облачной инфраструктуры и ИИ‑сервисов более сосредоточено внутри страны.

Во-вторых, центры обработки данных формируют основу экосистемы, поглощая основную долю капитальных затрат и обеспечивая почти все потоки выручки, связанные с ИИ: для поставщиков облачной инфраструктуры центр обработки данных — это продукт; для исследовательских лабораторий моделей, центры обработки данных, вероятно, являются крупнейшей статьей входных затрат; для производителей чипов и серверов центры обработки данных — это основное место развертывания их продукции и, следовательно, главный источник спроса. В этом смысле производство ИИ по сути представляет собой промышленную систему, ориентированную на центры обработки данных.

Во‑первых, в такой развернутой и сложной экосистеме деятельность, связанная с ИИ, влияет на ВВП через несколько поддающихся измерению каналов. Расходы на строительство дата‑центров и AI‑связанная R&D (например, связанная с проектированием чипов и разработкой моделей) поддерживают совокупное инвестирование. Производство чипов и серверов существенно влияет на импорт и экспорт, учитывая его глобальную разнесенность. Производство AI‑услуг влияет на величину добавленной стоимости и ее распределение по отраслям. Использование AI‑услуг конечными пользователями влияет на потребление и государственные расходы. В следующих разделах представляются количественные доказательства этих эффектов.

3 Инвестиции в ИИ и совокупный спрос

В первой половине 2025 года реальные частные фиксированные инвестиции резко выросли в США (7,1% в Q1 и 4,4% в Q2), после чего в Q3 последовало более умеренное расширение (1%). Совокупная динамика инвестиций отражала динамику капитальных затрат, связанных с ИТ,444Это относится к категории, обозначенной как частные фиксированные инвестиции в обработку информации, оборудование и программное обеспечение в статистике Бюро экономического анализа. Это произвольная оценка инвестиций, связанных с ИТ, которая суммирует три различных подпункта агрегата инвестиций: (1) компьютеры и периферийное оборудование; (2) другие (другое связанное оборудование из категории инвестиции в оборудование); (3) программное обеспечение (из категории продуктов интеллектуальной собственности)., которые увеличились на 36%, 20% и 5% (измерено как годовой темп квартального роста по сравнению с предыдущими кварталами) в трех кварталах соответственно. Это рекордные показатели; расширение, подобное тому, что было в Q1, в номинальном выражении не наблюдалось с момента запуска персональных компьютеров IBM в 1980-е годы (Рисунок 2).

Figure 2: Рост инвестиций в технологии

Примечание: Квартальный рост с пересчетом в годовом выражении номинальных инвестиций в оборудование и программное обеспечение для обработки информации. Последнее наблюдение: 2025 Q3. Источник: U.S. Bureau of Economic Analysis.

Капитальные затраты на ИТ, безусловно, обеспечили наибольший положительный вклад в расширение совокупных инвестиций (7,6, 4,5 и 1,3 процентных пункта соответственно), компенсируя снижения в категориях жилой и нежилой структуры. В особенности резко выросли инвестиции в оборудование (компьютеры и периферийное оборудование): закупки компьютеров и сопутствующего оборудования увеличились на 104%, 62% и 46% (годовые темпы, см. Таблицу 1 и Рисунок 3).555Расширение программных инвестиций, которое сократилось в Q3, также было менее динамичным в первой половине года, однако — поскольку его уровень примерно в три раза выше, чем у оборудования — оно обеспечило сопоставимый вклад.

Table 1: Технологические инвестиции в национальные счета.

	2025 Q1		2025 Q2		2025 Q3
	q/q growth	contr. to I	q/q growth	contr. to I	q/q growth	contr. to I
Private fixed investment (I)	7.1		4.4		1.0
Nonresidential
Equipment
Computers and peripheral equipment	103.7	2.8	61.7	2.2	46.1	1.9
Other	42.5	2.4	-12.7	-0.9	-13.7	-1.0
Intellectual property products
Software	18.8	2.4	26.6	3.3	3.1	0.4
Info. processing equip. and software	36.1	7.6	19.7	4.5	5.4	1.3

Примечание: Темпы роста по сравнению с предыдущим кварталом ежегодно пересчитываются и рассчитываются по фактическим значениям инвестиций. Вклад в квартальный ежегодный рост инвестиций выражается в процентных пунктах. Источник: Бюро экономического анализа США.

⟦Figure 3: Инвестиционный рост и вклад технологических по сравнению с нетехнологическими элементами.

Примечание: черная пунктирная линия указывает поквартальный годовой темп роста (проценты); цветные столбцы показывают вклад в рост (процентные пункты). Последнее наблюдение: 2025 г., III квартал. Источник: Бюро экономического анализа США.

Стремительный рост инвестиций связан с ускорением капитальных затрат на цифровую инфраструктуру для ИИ. Составляющая «Компьютеры и связанное оборудование» также включает закупку серверов (которые встраивают ИИ-чипы, такие как графические процессоры NVIDIA), самую дорогую позицию, относящуюся к строительству центров обработки данных — при этом прочие расходы включают строительные работы и установку сетевого, охлаждающего и энергетического оборудования. Крупные технологические компании осуществили капитальные затраты (capex далее) в общей сложности на 245 млрд долларов в 2024 году и более 275 млрд долларов в первые три квартала 2025 года (Рисунок 4).666Здесь мы включаем как крупнейшие компании, продающие облачную инфраструктуру и платформенные услуги другим организациям (Alphabet, Amazon, Microsoft, Oracle), две компании, которые активно инвестируют в центры обработки данных, но в основном для обслуживания своих собственных вычислительных потребностей (Meta, Tesla), а также Corewave и IBM, которые также разработали центры обработки данных.

Figure 4: Капитальные затраты крупных технологических компаний.

Источник: S&P Capital IQ. Капитальные затраты до 2024 года вычислены для финансовых лет.

Большинство прогнозов сейчас размещают совокупные капитальные затраты на ИИ, инициированные крупными технологическими компаниями, на уровне примерно 300–350 миллиардов долларов на 2025 год. Отчеты компаний действительно показывают, что значительная часть этого связана со строительством центров обработки данных: для Microsoft, например, почти 100% заявленных на 2025 год капитальных затрат примерно в 80 миллиардов долларов прямо относится к инфраструктуре ИИ/центров обработки данных; для Alphabet «большая часть» из 75 миллиардов долларов предназначена для серверов/центров обработки данных; для Amazon «в подавляющем большинстве» свыше 100 миллиардов долларов направляется на «инфраструктуру центров обработки данных/ИИ».777Вице-председатель и президент Microsoft Брэд Смит написал в блоге, что в финансовом 2025 году — который длится до 30 июня — его компания «планирует инвестировать примерно 80 миллиардов долларов, чтобы развернуть центры обработки данных, ориентированные на ИИ, для обучения моделей ИИ и внедрения ИИ и облачных приложений по всему миру. Более половины от этой общей суммы инвестиций будет направлено в Соединенные Штаты». На телефонной конференции по результатам деятельности CFO Alphabet Анат Ашкенази заявил, что большинство этих расходов «будет направлено на нашу техническую инфраструктуру, которая включает серверы и центры обработки данных». Генеральный директор Amazon Энди Ясси на телефонной конференции по результатам деятельности сообщил, что они ожидают потратить более 100 миллиардов долларов на capex за весь год, «в подавляющем большинстве» которые будут направлены на ИИ.

Этот всплеск инвестиций побудил многих экономистов, политиков и комментаторов считать инвестиции в ИИ главным двигателем роста экономики США, если не единственным. Экономист Гарвардской школы Джейсон Фурман заявил, что в первые два квартала 2025 года 92% роста спроса в экономике США объяснялись всего двумя категориями в ВВП — оборудованием для обработки информации и программным обеспечением. Лауреат Нобелевской премии Пол Кругман, похоже, был с этим согласен: «ИИ- бум обеспечивает большую часть, возможно, и весь недавний рост экономики». J.P. Morgan заявил, что капитальные затраты, связанные с ИИ, внесли 1,1 процентного пункта в рост ВВП «опережая потребителя США как двигатель расширения». В конце сентября рассылка Deutsche Bank сообщала: «ИИ-машины — в весьма буквальном смысле — сейчас, похоже, спасают экономику США».888См. Jason Furman (2025); The New York Times (2025); JP Morgan Asset Management (2025).

Однако анализ национальных счетов показывает, что, хотя инвестиции в ИИ существенно поддерживали спрос, их влияние на рост ВВП было более ограниченным, учитывая, что значительная доля инвестиций, связанных с ИИ, приходилась на импортируемые товары капитального назначения. С точки зрения макроэкономического учета импорт является фактором, снижающим динамику ВВП для США, но при этом способствует формированию ВВП торгового партнера.999Роль импорта также признается Goldman Sachs (2025a, b) и Evercore ISI (2025). Поток импорта Компьютеров, периферийных устройств и частей составляет более половины стоимости всех инвестиций в оборудование для обработки информации. Всплеск инвестиций действительно сопровождался ростом импорта компьютеров и периферийных устройств (+236%, +47% и +24% в первые три квартала года соответственно, см. Рисунок 5). В частности, категория Персональные компьютеры и мейнфреймы включает в себя серверы. Не должно быть неожиданностью, что эта инфраструктура в значительной степени импортируется в США, несмотря на то, что основной производитель GPU — NVIDIA — является американской компанией: как описано в Разделе 2, и (i) производство/упаковка GPU-чипов, и (ii) значительная часть интеграции серверов происходят за пределами США..

⟦Figure 5: Инвестиции и импорт технологической продукции

Примечание: Инвестиции и импорт технологической продукции — миллиарды долларов. Источник: Bureau of Economic Analysis.

Роль, которую играют импорты серверов, подтверждается данными Trade Monitor, обеспечивающими более детализированную разбивку потоков торговли. На рисунке 6 показан прокси для этой категории импортов: их приток в первые три квартала 2025 года почти вдвое превышал номинальное значение импортов за те же 9 месяцев 2024 года. Импорты в основном поступали из Мексики и Вьетнама. В частности, выделяется растущая роль Мексики в экспорте продуктов, связанных с AI: эта категория теперь соперничает с традиционно ключевыми оттоками автомобильных запчастей, что также отмечено специализированными аналитиками (Capital Economics, 2025a, b)

⟦Figure 6: Импорт серверов по стране происхождения

Примечание: миллиарды долларов. Источник: Trade Data Monitor.

После того как технологические инвестиции будут очищены от технологического импорта, их вклад в рост ВВП уменьшается: он снижается с более чем 1 процентного пункта до почти 0,3 в Q1, а в Q2 и Q3 — более умеренно, до 0,6 и 0,2 процентного пункта соответственно. В среднем в первые 9 месяцев года их вклад составлял около 20% общего роста ВВП (Рисунок 7). Расчеты, выполненные Evercore ISI за первую половину 2025 года, дают схожие результаты.101010 Они также оценивают, что вклад бума AI-driven инвестиций составил бы 70% без учета чистого импорта. Хотя вклад после пересчета значительно сократился, вклад, очищенный от импорта, все равно впечатляет, учитывая, что эти инвестиции представляют примерно 4% общего ВВП. Кроме того, некоторые проблемы измерения могут приводить к занижению вклада этих инвестиций.111111 Во-первых, официальная статистика может занижать инвестиции в AI, если некоторые ключевые статьи, такие как GPU servers, неверно классифицируются как промежуточные затраты, а не как капитальные товары длительного пользования. Статистическим ведомствам может быть сложно: (i) оценивать цену GPU servers (из-за быстрой инфляции затрат на GPU), (ii) отделять их от общих импортов ICT — также из-за того, что покупки опираются на конфиденциальные долгосрочные контракты, (iii) учитывать их масштабные изменения цена‑производительность; (iv) отражать их в детализированных категориях инвестиций. Во-вторых, они могут занижать стоимость, добавленную в США, которую создают компании, связанные с AI, чье производство оборудования осуществляется за рубежом, если прибыли и другие доходы, возникающие в Соединенных Штатах, не полностью отражены как экспорт услуг. Однако они не перехватили управление у устойчивого американского потребителя, который добавил 0,4, 1,7 и 2,4 процентного пункта к росту ВВП в первые три квартала года соответственно.

⟦Figure 7: Вклад в рост: подход «расходы на технологии» против «расходов без технологий»

Примечание: темпы роста ВВП представляют собой средние по квартальным периодам, приведенные к годовым темпам роста ВВП за разные промежутки (2010q1–2015q4, 2023q1–2024q4, 2025q1, 2025q2, 2025q3). Вклад в рост ВВП технологических и нетехнологических компонентов (синие и оранжевые столбцы) в процентных пунктах является средним значением вклада в квартальные приведенные к годовым темпы роста ВВП за те же периоды.

В оставшейся части года и в 2026 году капитальные затраты, вероятно, будут поддерживать производство как минимум на том же темпе: хотя технологические компании США не сообщали конкретные целевые показатели по capex на следующий год, все они объявили, что он будет выше, чем в 2025.121212Сообщая результаты за q3, Alphabet, Amazon, Meta и Microsoft заявили, что их capex в 2026 году будет выше, чем в 2025. Для деталей см. Investors Business Daily (2025).

4 От дата-центров к ВВП: производственные каналы ИИ

Пока Раздел 3 был сосредоточен на эффектах со стороны спроса от капитальных затрат, связанных с ИИ, и его импортного содержания, этот раздел рассматривает более широкий вопрос о том, как продолжающееся производство и использование ИИ-услуг способствует формированию ВВП. Помимо наращивания мощностей дата-центров, развитие и внедрение ИИ отражаются в национальных счетах, когда агенты инвестируют в исследования и разработки (НИОКР), связанные с ИИ, покупают услуги, поддерживаемые ИИ, и когда эти виды деятельности увеличивают добавленную стоимость в секторах, интенсивно использующих технологии (Highfill et al., 2025).

Как было объяснено ранее, большая часть производственной деятельности в сфере ИИ связана с использованием вычислительных центров. Для наших целей практический вывод заключается в том, что эта деятельность может рассматриваться, также с точки зрения бухгалтерского учета, как нисходящий поток, идущий от вычислительных центров, которые поставляют вычислительную мощность, вплоть до ИИ-услуг. Этот поток показан на рисунке 8.

Figure 8: Поток данных ИИ-центров обработки данных от поставки услуг до конечного использования

Примечание: Светло-голубые рамки указывают на случаи, когда рост производства вычислительных и ИИ-услуг обеспечивает непосредственный положительный вклад в ВВП. Сливово-фиолетовые рамки соответствуют случаям, когда рост производства используется в качестве промежуточного ресурса и не дает непосредственного вклада в ВВП..

Существует два канала для вычислительной мощности — и для ИИ‑сервисов, которые немедленно потребляют эту мощность — чтобы проявиться в ВВП. Во‑первых, самым прямым образом ее можно продавать для конечного использования (потребление, инвестиции, экспорт или государственные расходы), тем самым напрямую способствуя ВВП со стороны использования ресурсов (светло‑голубые блоки на рисунке 8). Типичный пример — потребители, покупающие подписки на ChatGPT. Закупки вычислительной мощности для проведения НИОКР — при условии, что они отражены как таковые в корпоративной отчетности — также относятся к этой категории, поскольку НИОКР классифицируется как инвестиции в национальных счетах; дальнейшие примеры таких операций приведены в таблице 2. Это тот канал, который отражается в ВВП с самым коротким лагом по отношению к инвестициям.

⟦Table 2: Примеры прямых вкладов конечного спроса со стороны дата-центров и услуг ИИ

Contribution to final demand	National account categories	Examples (hypothetical)
Consumption	Personal consumption of other services (NIPA 2.4.5.95)	Consumer buys personal ChatGPT subscription
Investment	Gross investment in intellectual property (NIPA 5.2.5U.19,47)	OpenAI trains a new model on Amazon’s cloud (R&D expense)
Government expenditure	Government consumption expenditures (NIPA 3.1.21)	Dept. of Defense runs its models on Microsoft’s cloud
Exports	Exports of computer services (NIPA 4.2.5B.86)	A foreign firm uses Google’s cloud (on US-based data center)

Во-вторых, вычислительные мощности и услуги ИИ могут использоваться как промежуточные входные данные отечественными производителями товаров и не связанных с ИИ услуг (пурпурно-розовые элементы на рисунке 8). Например, автопроизводитель может опираться на управляемые ИИ производственные линии, задачи вывода которых выполняются в ИИ-центре обработки данных, либо компания может оформить подписку на ChatGPT для общего использования сотрудниками. В этих случаях вычислительные услуги не отображаются непосредственно в ВВП как конечное использование ресурсов, хотя они могут существенно изменить структуры затрат фирм — например, за счет снижения затрат на труд и увеличения расходов на промежуточные товары.

Насколько нам известно, данные о точном распределении вычислительных услуг между конечным спросом и промежуточным использованием в настоящее время недоступны. Однако поскольку внедрение ИИ в компаниях, не производящих ИИ, все еще находится на ранней стадии, можно разумно предположить, что в настоящее время значительная часть вычислительных и ИИ-услуг продается непосредственно конечным пользователям и тем самым быстро отражается в статистике ВВП.

Чтобы оценить масштаб потенциального вклада услуг ИИ в конечное использование, полезно рассмотреть два дополнительных факта. Во-первых, несмотря на очень крупные инвестиции, все доступные свидетельства (например, Goldman Sachs Research, 2025) указывают на высокие коэффициенты использования новых дата-центров и на сохраняющиеся узкие места при удовлетворении существующего спроса на вычислительные мощности. Таким образом, существующая ИИ-инфраструктура в целом работает на пределе. Во-вторых, при текущих рыночных ценах на вычислительные услуги (аренда GPU) сроки окупаемости инвестиций в ИИ-дата-центрах составляют порядка одного года. Приложение A иллюстрирует это простым расчетом на основе текущих облачных цен аренды для архитектуры NVIDIA GB200 NVL72.131313Современная высокоплотная стойка с 72 GPU и 36 CPU стоит примерно 4,5 миллиона USD, чтобы развернуть ее один раз после выделения земли, зданий, электрических систем, жидкостного охлаждения и прочей инфраструктуры; при этом примерно две трети приходится на покупку самой серверной стойки. Заявленные годовые арендные цены для аналогичной стойки у крупных облачных провайдеров составляют от примерно 6,6 миллиона USD до 10,1 миллиона USD, тогда как оценочные ежегодные эксплуатационные расходы (электроэнергия, обслуживание, сетевое взаимодействие и прочие статьи) — порядка 0,2 миллиона USD. Эти величины согласуются с периодом окупаемости, близким к одному году для полностью загруженных объектов. Вместе эти два факта, а также предыдущее предположение о том, что значительная доля услуг ИИ продается для конечного использования, предполагают, что годовой поток выручки от продажи услуг ИИ, производимых этими полностью загруженными ИИ-центрами, имеет тот же порядок величины, что и capex. Поэтому в течение нескольких месяцев это может обеспечить заметный рост ВВП.

Несмотря на нехватку разукрупненных данных об активности в области ИИ, некоторые дополнительные свидетельства помогают подтвердить эту картину. Наличие «канала выручки» поддерживается данными по ВВП, основанными на добавленной стоимости, в которых ВВП для конкретного сектора отражает не только инвестиции в средства производства, но и поток товаров и услуг, создаваемых существующим парком капитала. Хотя связанные с ИИ виды деятельности нельзя аккуратно отделить от более широкого сектора ИТ — что, вероятно, приводит к завышению вклада строго определенной отрасли ИИ — соответствующие агрегаты указывают на значительный вклад технологически интенсивных секторов. В частности, добавленная стоимость в «Производстве компьютерной и электронной продукции», а также в «Проектировании компьютерных систем и сопутствующих услугах» зафиксировала впечатляющий рост во втором квартале, вероятно, на который повлияли разработки в области ИИ. Важно, что подход, основанный на добавленной стоимости, обеспечивает несколько больший вклад технологий в ВВП, чем подход, основанный на расходах: на 0,5 процентного пункта в Q1 и на 0,7 процентного пункта во Q2 (см. Таблица 3), в среднем составляя 40 процентов роста ВВП за первую половину года (Рисунок A1),141414На момент подготовки материала Бюро экономического анализа еще не опубликовало данные о ВВП по отраслям за Q3. в частности, значительно больше, чем показатель, восстановленный с помощью подхода, основанного на расходах, который учитывает только инвестиции.

⟦Table 3: Вклад в рост ВВП по секторам.

	2025 Q1		2025 Q2
	q/q growth ($\%$)	contr. (p.p.)	q/q growth ($\%$)	contr. (p.p.)
GDP	-0.6		3.8
Contribution to GDP growth:
Private Industries
Manufacturing
Computer and electronic products	3.5	0.03	17.2	0.17
Information
Data proc., internet pub., other info. services	14.1	0.24	7.7	0.14
Professional and business services
Computer systems design and related services	12.2	0.21	23.4	0.38
Total contribution		0.48		0.69

Примечание: Темпы роста «от квартала к кварталу» пересчитываются в годовые и вычисляются по фактическим значениям добавленной стоимости. Вклад в квартальный ежегодно пересчитанный рост инвестиций выражается в процентных пунктах. «Data proc., internet pub., other info. services» означает «Data processing, internet publishing, and other information services».”.

Кроме того, доходы, получаемые тремя крупнейшими публичными облаками, сдающими в аренду серверы для ИИ, продолжают расти темпами значительно выше 20 процентов, несмотря на то что они уже достигли впечатляющих уровней (около 350 млрд USD за последние четыре квартала; Рисунок 9). Эти доходы составляют значительную долю рынка публичных облаков (около 65 процентов по данным OMDIA, 2025), но отнюдь не большинство общего рынка центров обработки данных, который также включает крупные частные облака (например, управляемые Apple, Meta и Tesla) и более мелкие центры обработки данных, принадлежащие другим корпорациям. Многие из этих частных облаков используются для производства ИИ-услуг, продаваемых конечным пользователям. Вместе с меньшими публичными облаками они, вероятно, формируют совокупный объем вычислительных и ИИ-услуг, которые могут влиять на ВВП, гораздо больший, чем приведенная выше цифра 350 млрд USD.

⟦Figure 9: Ежеквартальная выручка центров обработки данных 3 крупнейших публичных облаков

Примечание: три крупнейших публичных облака — Amazon AWS, Google Cloud и Microsoft Cloud. Доходы, полученные этими облаками, отражаются отдельным пунктом в финансовых отчетах соответствующих компаний-владельцев. Источник: квартальные финансовые отчеты Amazon, Alphabet (Google), Microsoft и собственные расчеты.

Наконец, агрегаты национальных счетов, обеспечивающие более высокую детализацию, также указывают на растущие потоки экспорта услуг, связанных с ИИ. В частности, агрегат «Экспорт компьютерных услуг», который включает облачные услуги, достиг ежегодной151515Ежегодные показатели, публикуемые Бюро экономического анализа, примерно соответствуют квартальным объемам, умноженным на 4. ставки по USD 82 миллиарда во втором квартале 2025 года, что на 11 процентов больше по сравнению с тем же кварталом предыдущего года (Рисунок 10). Хотя эти данные снова объединяют ИИ с более широкими цифровыми услугами, они согласуются с представлением о том, что производство вычислительных и ИИ-услуг становится все более важным фактором внутреннего и внешнего спроса в США.

⟦Figure 10: Экспорт компьютерных услуг

5 Чего ожидать в будущем

Как обсуждалось выше, в национальных счетах ИИ появляется сначала не как прирост продуктивности, а как расход. Он работает главным образом через каналы со стороны расходов: более высокие инвестиции в программное обеспечение, данные и капитал, связанный с ИИ; рост потребления услуг, расширенных за счет ИИ. Более глубокие эффекты, связанные с выигрышами в продуктивности и перераспределением ресурсов, проявляются медленнее, поскольку организации адаптируются, процессы перестраиваются, издержки устойчиво снижаются, включаются новые продукты, и спрос подстраивается. Именно эти изменения второго порядка — а не первоначальная волна инвестиций в ИИ — в конечном счете и определят, оставит ли ИИ устойчивый след на экономическом росте. Это главный экзистенциальный вопрос об ИИ и макроэкономике.

Однако и текущая фаза растущего спроса, с ее ошеломляющими объемами расходов, ставит ряд весьма насущных макроэкономических вопросов. Первый вопрос связан с обесценением AI-оборудования: серверы и иные вычислительные устройства могут иметь относительно короткие экономические сроки службы, поскольку постоянное появление более мощного и эффективного оборудования достаточно быстро делает существующий капитал устаревшим.161616 Хотя сегодня циклы замены, возможно, стали дольше из-за замедления действия закона Мура. Технологическое устаревание может усугубляться ускоренным физическим износом, обусловленным экстремальным тепловым воздействием, которое увеличит частоту отказов GPUs. Инвесторы и комментаторы указывали на эти короткие сроки службы как на потенциальный источник уязвимости. Это повысило бы риск того, что капитал не сможет быть полностью амортизирован за счет операционных денежных потоков до начала следующего технологического цикла, если рост выручки не будет трансформироваться в адекватную отдачу на инвестированный капитал (ROIC).171717 См., например, это обсуждение Krugman (2025) и это интервью Bloomberg Chanos (2025). Если эта динамика недостаточно отражена в балансах, она может временно завышать отражаемую прибыль, поддерживать чрезмерные оценки и повышать риск резких корректировок, как только будет признана фактическая амортизация.181818 См. эту статью WSJ от Weil (2025). Кроме того, частая замена будет механически увеличивать соотношение capex к выручке и снижать свободный денежный поток, ограничивая долю операционной прибыли, которую в конечном итоге можно распределить инвесторам — даже в условиях высоких темпов роста.

Некоторые из этих опасений могут быть преувеличены. Как задокументировано выше, короткие экономические циклы жизни обычно компенсируются столь же короткими периодами окупаемости: выручка и прибыль, получаемые новым центром обработки данных, обычно превышают первоначальные затраты всего через несколько кварталов, и эта модель, по-видимому, сохраняется и для новейшего поколения объектов, как обсуждается в Приложении. Кроме того, GPUs могут сохранять экономическую ценность далеко за пределами их технологического рубежа, поскольку более старые чипы со временем могут быть переназначены для менее требовательных задач, фактически продлевая горизонт их амортизации. В совокупности эти факторы существенно снижают обеспокоенность, связанную с ROIC и бухгалтерской амортизацией.

Напротив, связь между ускоренными циклами реинвестирования и свободным денежным потоком представляется более устойчивой. Хотя капитальные затраты дата-центров и связанные с ними выручки оказывают существенное влияние на валовую прибыль, их воздействие на чистую прибыль, вероятно, будет значительно меньшим при рассмотрении на достаточно длительном горизонте, учитывая, что инвестиционные затраты должны понесаться с более высокой частотой, чем в более традиционных инвестиционных рамках. Кроме того, когда инвестиции в дата-центры наращиваются в ответ на постоянное увеличение спроса на вычислительные услуги, это не следует воспринимать как временный всплеск: это предполагает устойчивый и быстрый темп замещающих инвестиций со временем. Также следует отметить, что в той мере, в какой производство оборудования остается сильно фрагментированным в рамках глобализированных цепочек создания стоимости, значительная доля этих крупных инвестиционных волн, вероятно, будет продолжать накапливаться у иностранных поставщиков и партнеров, а не превращаться в сопоставимые выгоды для отечественной экономики. В результате макроэкономические эффекты распространения инвестиций, связанных с ИИ, будут оставаться более ограниченными, чем предполагают заголовочные показатели capex для генерации доходов внутри страны.

Вторая критическая проблема связана со скоростью развития спроса на услуги ИИ. Отличительная черта нынешней революции в области ИИ по сравнению с более ранними технологическими трансформациями, такими как распространение персональных компьютеров в 1980-х годах и Интернета в 1990-х, заключается в необычайной скорости внедрения. По состоянию на конец 2025 года прошло всего три года с момента запуска ChatGPT (в конце 2022 года), который стал первым крупным развертыванием передовых сервисов генеративного ИИ для массовой аудитории. Тем не менее, по большинству оценок (например, Microsoft AI Economy Institute, 2025), глобальная пользовательская база этих сервисов уже превысила один миллиард человек. В отличие от этого, после появления World Wide Web и выхода первых веб-браузеров в начале 1990-х для того, чтобы интернет-услуги достигли сопоставимого уровня проникновения, потребовалось примерно 15 лет.

Непрецедентные темпы внедрения создали значительные трудности для поставщиков ИИ, которые должны удовлетворять стремительно растущий спрос, одновременно обеспечивая достаточные вычислительные ресурсы. Волна масштабных инвестиций в ИИ, наблюдавшаяся в 2025 году, в частности в мощности дата-центров, может рассматриваться как прямой ответ на эти давления.

Перспективы будущего спроса, таким образом, являются ключевой переменной для решений компаний в сфере ИИ. Однако они окружены крайне высокой степенью неопределенности. Как отметил генеральный директор Anthropic Дарио Амодей в интервью газете The New York Times (The New York Times Events, 2025), когда спрос на услугу увеличивается примерно на 1 000% ежегодно в течение двух последующих лет (в 2024 и 2025), становится почти невозможно спрогнозировать темпы роста следующего года (то есть 2026) с экономически осмысленной точностью. Поэтому компаниям в сфере ИИ приходится разрабатывать планы инвестиций и закупок в условиях неопределенности. Риски двусторонни. С одной стороны спектра — широко обсуждаемый риск чрезмерных инвестиций: если бы мощности ИИ превысили фактический спрос, экономика производства ИИ могла бы ухудшиться, потенциально запуская рыночные коррекции и эпизоды финансового напряжения. В этом мрачном сценарии, подчеркнутом рядом комментаторов,191919См., например, Brooker (2025), Laudani and de Rozario (2025), Letzing and Sung (2025). более мелкие и менее укоренившиеся игроки, такие как независимые ИИ-лаборатории, могли бы оказаться более уязвимыми, тогда как более крупные конгломераты, которые могут опираться на диверсифицированные потоки выручки, вероятно, будут лучше подготовлены к тому, чтобы выдержать удар, хотя их маржи, которые в настоящее время поддерживаются дефицитом и растущим спросом, могли бы заметно сократиться. Среди крупных игроков некоторые, которые почти исключительно сосредоточены на производстве ИИ-чипов, могли бы столкнуться с более быстрым сжатием прибыли. Последствия для цен акций могли бы быть существенными и потенциально вызвать эффекты второго порядка на макроэкономическом уровне.

С другой стороны существует — часто упускаемый из виду — противоположный сценарий недофинансирования. Эта конфигурация также представляет существенную опасность для компаний, работающих в области ИИ. Если запланированные вычислительные ресурсы в конечном счете окажутся недостаточными для особенно сильного расширения спроса, возникающий поток услуг ИИ может оказаться более низкого качества202020Например, пользовательские запросы могут направляться на более слабые модели. и потенциально ненадежный212121Например, запросы к API могут быть ограничены по пропускной способности в часы пик.. Кроме того, может быть проведена корректировка в сторону повышения продажных цен. Любой из этих исходов, вероятно, приведет к уходу пользователей, а компании могут столкнуться с риском уступить позиции конкурентам, включая китайские компании.

Какие из этих сценариев риска материализуются, трудно оценить, не в последнюю очередь потому, что ограниченная прозрачность и дефицит подробных данных о динамике спроса на услуги ИИ сдерживают независимый анализ и прогнозирование. Экономическая интуиция подсказывает, что быстрое, продолжающееся улучшение возможностей ИИ,222222Kwa et al. (2025), например, показывает, что показатель сложности задач, с которыми ИИ-системы могут справляться с приемлемой точностью, удваивается каждые 7 месяцев. Другие метрики демонстрируют сходную динамику. См., например, регулярные оценки моделей, публикуемые независимой компанией по бенчмаркингу ИИ Artificial Analysis на их веб-сайте artificialanalysis.ai. в сочетании с тем, что внедрение в организациях по-прежнему далеко не завершено, может продолжать поддерживать устойчивый рост спроса. Если это так, макроэкономические последствия ИИ станут еще более значительными, чем сегодня, и потребуют пристального внимания со стороны политиков, включая целенаправленные усилия по сбору более детализированных данных об отрасли ИИ.

6 Выводы и последствия для политики

Эта статья сделала первый шаг к отображению макроэкономического следа текущей волны ИИ в Соединенных Штатах. Сочетая механистическую макроэкономическую систему учета и стилизованное описание экосистемы производства ИИ, мы проследили, как уже проявляется связанная с ИИ деятельность в ВВП США через инвестиции в цифровую инфраструктуру и предоставление вычислительных и ИИ-услуг.

Выделяются три основные идеи. Во-первых, инвестиции в ИИ сыграли ключевую роль в поддержании спроса и активности в первые три квартала 2025 года, но они не были единственным двигателем роста в США. Однако, если учесть высокую долю импортного содержания в оборудовании, связанном с ИИ, вклад инвестиционных вложений в технологии в рост ВВП, хотя он по-прежнему значителен, оказывается более ограниченным, чем это следует из данных о расходах в заголовках и из некоторых популярных нарративов.

Во-вторых, дата-центры являются основой экосистемы ИИ. Поэтому они должны быть в центре любого макроэкономического анализа влияния ИИ. С одной стороны, строительство и оснащение дата-центров обеспечивают значительный стимул совокупному спросу и ВВП через инвестиционный канал. С другой стороны, дата-центры обеспечивают поток вычислительных и программных услуг, которые почти сразу и существенно подпитывают конечное потребление и другие компоненты совокупного спроса.

Во-вторых, при высокой загрузке и текущих тарифах на услуги, основанные на GPU, простые вычисления показывают, что выручка, генерируемая этими объектами, вскоре сможет поддерживать рост ВВП сопоставимого масштаба с базовыми капитальными затратами. Данные по добавленной стоимости в разрезе секторов и торговле компьютерными услугами уже указывают на это направление.

Эти результаты имеют несколько последствий для разработчиков политики. В области денежно-кредитной политики они предостерегают от того, чтобы приписывать устойчивость экономики США исключительно ИИ, поскольку устойчивый потребитель США по-прежнему оставался ключевым фактором экономической динамики. В то же время они показывают, что инвестиции и производственная деятельность, связанные с ИИ, могут существенно влиять как на условия спроса, так и на условия предложения. В контексте бюджетной и промышленной политики они подчеркивают важность размещения высокоценных сегментов цепочки создания стоимости в сфере ИИ, а также потенциальную роль инфраструктуры, навыков и нормативно-правовых рамок в формировании решений о размещении..

Анализ имеет четкие ограничения. Он абстрагируется от эффектов продуктивности в долгосрочной перспективе, от корректировок на рынке труда и от распределительных последствий внедрения ИИ; кроме того, он опирается на отраслевые агрегаты, которые несовершенно отделяют ИИ от более широкой технологической отрасли, а также на неполную информацию о планах фирм по инвестициям и выручке. Устранение этих пробелов потребует более качественной статистики — включая улучшенную классификацию ИИ‑связанного оборудования и услуг в национальных счетах и более широкое использование данных на уровне отдельных организаций — а также более содержательного моделирования диффузии ИИ и ее взаимодействий с макроэкономической динамикой.

Тем не менее перспектива, разработанная здесь, может служить основой для интерпретации входящих данных и для структурирования будущего анализа. По мере того как ИИ-технологии продолжают развиваться и распространяться, четкое понимание того, как они отображаются в стандартных макроэкономических счетах, будет иметь важнейшее значение для своевременных и хорошо обоснованных решений в области политики.

Online Appendix A Экономика современных AI-центров обработки данных

Типичный центр обработки данных ИИ последнего поколения построен вокруг архитектуры NVIDIA NVL72: высокоплотные заранее собранные серверные стойки (то есть небольшие полки, заполненные вычислительным оборудованием), которые содержат 72 GPU и 36 CPU. Каждая из этих стоек занимает менее 1 квадратного метра площади пола и стоит примерно 3 USD миллиона. Цена покупки этих стоек NVIDIA составляет большую часть общих капитальных затрат, необходимых для создания современного центра обработки данных ИИ. Таблица A1 приводится оценку распределения общих капитальных затрат, необходимых для построения центра обработки данных ИИ, на одну серверную стойку. Таблица A2 сообщает значения арендных цен на серверные стойки, приведенные некоторыми поставщиками облачной инфраструктуры. Таблица A3 сообщает оценки годовых операционных затрат стойки. Сопоставив эти оценки, можно сделать вывод, что при текущих ценах по требованию оценочный срок окупаемости инвестиций в центр обработки данных ИИ, вероятно, составляет около 1 года, при этом остается существенный запас погрешности из‑за нескольких факторов, которые трудно измерить, но они не должны радикально менять оценку.232323Чтобы быть точнее, средняя годовая аренда стойки NVL72 при текущих ценах по требованию в значительной степени превышает сумму капитальных затрат и годовых операционных затрат. Для того чтобы точно оценить срок окупаемости инвестиций, также должна быть известна следующая информация: 1) организационные накладные расходы, а также стоимость разработки и поддержки программного обеспечения для облачного управления, используемого для аренды экземпляров (доля этих затрат уменьшается по мере роста масштаба); 2) доля простоев (которая должна быть небольшой, учитывая сообщения о том, что ограничения по доступной мощности по‑прежнему сохраняются); 3) доля GPU, недоступных из‑за отказов (хотя обычно действуют гарантии, а системы NVL72 имеют сложные механизмы обхода неисправных компонентов); 4) доля мощности, арендованной по долгосрочным контрактам, и средние скидки, применяемые к этим контрактам; 5) дополнительная выручка, генерируемая за счет сетевых, хранилищных и оркестрационных сборов; эти доходы не включены в приведенные здесь основные почасовые затраты, потому что они в высокой степени зависят от пользователя и нагрузки, а также потому что они могут частично обеспечиваться отдельным оборудованием, чьи затраты не учтены в Таблице A1.

Table A1: Затраты на капитальное строительство дата-центра (на стойку серверов NVL72)

	USD million per rack	Per cent
NVIDIA GB200 NVL72 server rack	3.00	67%
Land	0.12	3%
Building	0.24	5%
Electrical systems	0.53	12%
Liquid cooling and other HVAC	0.38	8%
Other	0.24	5%
Total	4.50	100%

Источник: Savills, Cushman & Wakefield, Dgtl Infra, Data Centre Dynamics, Anastasi In Tech, собственные расчеты. Примечание: оценочные затраты получены путем усреднения оценок из различных источников и применения корректирующих коэффициентов для жидкостного охлаждения высокоплотного оборудования, когда оценки относятся к традиционным центрам обработки данных. Эти показатели относятся к центрам обработки данных в США и не включают капитальные затраты на выделенные генерирующие мощности (то есть предполагается, что электроэнергия приобретается у сторонних поставщиков).

⟦Table A2: Стоимость аренды (долл. США) серверных стоек NVL72

Cloud provider	Price per hour	Price per day	Price per year
EC2	762	18,288	6,675,120
CoreWeave	756	18,144	6,622,560
Oracle	1,152	27,648	10,091,520

Источник: веб-сайты провайдеров облачной инфраструктуры. Примечание: цены, как указано у облачных провайдеров в октябре 2025.

⟦Table A3: Оценка годовой стоимости эксплуатации серверной стойки NVL72

Cost component	Yearly cost (USD)
Electricity	105,000
Maintenance	25,000
Network	20,000
Other	40,000
Total	190,000

Оценки авторов, основанные на нескольких источниках.

Online Appendix B Подход с добавленной ценностью

⟦Figure A1: Вклад в рост, технологии против нетехнологий — подход с добавленной стоимостью

Примечание: темпы роста ВВП представляют собой средний квартальный годовой темп роста ВВП за три различных периода (2010q1–2015q4, 2023q1–2024q4, 2025q1–2025q2). Вклад в рост ВВП технологических и нетехнологических компонентов (синие и оранжевые столбики), в процентных пунктах, является средним значением вклада в квартальный годовой темп роста ВВП за те же периоды.