Первый настоящий чип-суперцикл за 18 лет: что сказал аналитик Bernstein

Расгон отметил, что четыре крупнейших американских гиперскейлера — Amazon, Microsoft, Google и Meta — планируют потратить в 2026 году около 725 млрд долларов на капитальные расходы, причём большая часть уйдёт на ИИ-инфраструктуру . Цены на память взлетели вертикально: цены на DRAM выросли примерно на 90% квартал к кварталу на входе в 2026 год .

Эффект «ударь крота»: дефицит повсюду

Одно из самых ярких наблюдений Расгона — так называемый эффект «ударь крота»: узкие места распространяются по всей цепочке поставок чипов. «Всё тянет за собой ненасытный спрос на ИИ-вычисления. Ничего подобного в таких масштабах я в своей карьере не видел», — сказал Расгон .

Он проследил распространение: дефицит начался с GPU-ускорителей, затем перешёл на память HBM, потом на оборудование для производства полупроводников, затем на сети и оптику, затем на силовые чипы, а теперь даже CPU в дефиците .

Конкретный пример масштаба спроса: даже Intel, у которой были «ранее обесцененные запасы», полностью их распродала . Клиенты, по сообщениям, говорили Intel: «Нам всё равно, просто продайте нам это» .

HBM: скрытый пожиратель кремния

Критическое узкое место — высокопроизводительная память (HBM), которая занимает более 85% площади кремния в ИИ-чипе . Из-за потерь при укладке и накладных расходов на логические кристаллы для производства 1 ГБ HBM требуется примерно в четыре раза больше площади кремния, чем для стандартной DRAM . Эта математика объясняет, почему предложение памяти не поспевает за спросом на GPU и почему цены на память стали доминирующим фактором в стоимости чипов.

Доход Nvidia от CPU: одна стойка рассказывает историю

Расгон привёл удивительный показатель: в стойке с 72 GPU 36 CPU внутри приносят Nvidia примерно 20 млрд долларов дохода от CPU. Это иллюстрирует, как развёртывание ИИ создаёт огромный спрос на чипы далеко за пределами самих GPU-ускорителей.

От обучения к инференсу: коммерциализация

Расгон подчеркнул, что фокус рынка смещается с обучения моделей на инференс (вывод) ИИ — это основной путь к монетизации . Он привёл в пример рост выручки Anthropic с 9 до 30 млрд долларов как прямое доказательство этого сдвига . По мере того как ИИ-модели переходят из исследовательских проектов в производство, вычислительные мощности, необходимые для инференса, вероятно, превзойдут нагрузку обучения.

ASIC против GPU: сосуществование, а не конкуренция

Частый вопрос инвесторов — вытеснят ли заказные ASIC (например, Broadcom) GPU Nvidia. Расгон считает, что обе технологии будут долгосрочно сосуществовать на растущем рынке . Его схема: программируемые GPU лучше подходят для исследований и экспериментального инференса, в то время как ASIC превосходны в предсказуемых высоконагруженных задачах инференса. Общий адресный рынок достаточно велик, чтобы поглотить и то, и другое.

Конечное ограничение: энергия

Расгон завершил на отрезвляющей ноте. Конечное ограничение — не чипы, не память, не сети. Это энергия. Для ИИ-инфраструктуры требуется примерно 5-процентный ежегодный прирост мощности электросетей США, чтобы поддерживать текущую траекторию роста . Это ошеломляющая нагрузка на сеть, которая десятилетиями почти не увеличивала свою мощность.

Он утверждает, что следующая волна инноваций и узких мест в ИИ неизбежно придётся на генерацию энергии, охлаждение и атомную энергетику . Без значительных инвестиций в электросети сам суперцикл может упереться в энергетический потолок.

Что это значит для инвесторов

Посыл Расгона ясен: пока спрос на ИИ не рухнет, полупроводниковый суперцикл реален и устойчив. Но характер возможностей меняется. Лёгкие деньги на акциях GPU могут уступить место более сложной картине, где само «узкое место» — будь то в HBM, силовых чипах или энергетической инфраструктуре — становится генератором богатства .