AnswersPublished16 sources
Дешевші AI-токени можуть змінити економіку інфраструктурного буму
Індекс витрат на LLM токени Silicon Data знизився до 0,97 долара за мільйон токенів після падіння на 29% у серпні; Goldman Sachs бачить ризик надлишку обчислювальних потужностей, якщо попит не компенсує цінову дефляцію. Базова оцінка Goldman Sachs передбачає близько 7,6 трлн доларів капітальних вкладень у ШІ, дата ц...
ОпублікувавВідредаговано за допомогою GPT-5.6 TerraЗображення створено за допомогою GPT Image 2
Research answer
Key takeaways
- Індекс витрат на LLM токени Silicon Data знизився до 0,97 долара за мільйон токенів після падіння на 29% у серпні; Goldman Sachs бачить ризик надлишку обчислювальних потужностей, якщо попит не компенсує цінову дефляцію.
- Базова оцінка Goldman Sachs передбачає близько 7,6 трлн доларів капітальних вкладень у ШІ, дата центри та енергетику у 2026–2031 роках — від приблизно 765 млрд до 1,6 трлн доларів на рік.
- Позитивний сценарій пов’язаний з AI агентами: Goldman Sachs Research прогнозує 24 разове зростання місячного споживання токенів до близько 120 квадрильйонів до 2030 року.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How is Goldman Sachs’ warning that rapidly falling LLM token prices—down to about $0.97–$0.98 per million tokens after a 29% August decline. Article summary: Goldman’s warning implies a more selective, riskier outlook for AI-infrastructure investors: compute demand can grow sharply while the revenue earned per unit of compute falls even faster. If that happens, utilization, p. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
Штучний інтелект стає дешевшим у використанні. Для користувачів і компаній це може бути доброю новиною: доступніший інференс — тобто запуск уже навчених моделей для виконання запитів — відкриває більше практичних сценаріїв. Але для інвесторів у чипи, хмарні сервіси та дата-центри це створює складніше питання: чи встигне платний попит зрости настільки, щоб окупити масштабне будівництво інфраструктури?
Саме на цю невідповідність звертає увагу Goldman Sachs. Потужності для ШІ планують і фінансують на роки вперед, тоді як ціна одиниці використання моделі може стрімко падати. Індекс витрат на LLM-токени від Silicon Data опустився до 0,97 долара за мільйон токенів після зниження на 29% лише за серпень. Інший індекс цін на передові моделі показав рівень на 84% нижчий за базовий показник березня 2023 року. 2
4
5
Якщо обсяг використання не перекриє це падіння цін, на ринку може з’явитися занадто багато дорогої обчислювальної інфраструктури, що конкуруватиме за менш прибуткові інференс-навантаження.
Головна економічна умова: обсяги мають випередити здешевлення
Нижча ціна токена сама по собі не є негативним сигналом. Вона здатна зробити ШІ економічно виправданим для нових продуктів, автоматизації та експериментів — а отже, збільшити загальне споживання.
Проблема для постачальників виникає тоді, коли виручка з одного токена падає швидше, ніж зростають:
- оплачуваний обсяг токенів;
- операційна ефективність;
- цінність супутніх сервісів.
Як випливає з повідомлень про записку Goldman, конкурентне ціноутворення моделей може послабити монетизацію на рівні одного токена. Якщо обчислювальне споживання не прискориться достатньо, галузь ризикує отримати надлишок інфраструктури. 1
2
Тобто дешевший ШІ вигідний користувачам, але може тиснути на власників потужностей, якщо ті будували бізнес-моделі з розрахунком на дефіцитні й дорогі обчислення.
Ставки особливо високі через масштаб інвестицій
За базовою оцінкою Goldman Sachs, сукупні капітальні вкладення в обчислення, дата-центри й електроенергетику для ШІ становитимуть близько 7,6 трлн доларів у 2026–2031 роках. Модель передбачає зростання річних витрат приблизно з 765 млрд доларів у 2026 році до 1,6 трлн доларів у 2031-му. Водночас сам Goldman Sachs наголошує: це чутлива до припущень базова оцінка, а не гарантований прогноз. 9
Значна частина цих коштів піде у довгострокові активи: AI-прискорювачі, сервери, мережеве обладнання, будівлі дата-центрів та енергетичну інфраструктуру. Їхня окупність залежить не від самого факту поставки обладнання, а від стабільного завантаження та виручки впродовж років.
Що це може означати для виробників чипів
Для постачальників напівпровідників ризик не обов’язково проявиться як миттєвий обвал замовлень. Клієнти можуть і далі нарощувати потужності, запускаючи нові AI-продукти або прагнучи зафіксувати доступ до дефіцитного обладнання.
Але якщо введених потужностей стане більше, ніж прибуткового попиту, покупці можуть:
- сповільнити закупівлі прискорювачів і серверів;
- сильніше тиснути на ціни;
- вимагати вищої продуктивності на кожен витрачений долар.
Відносно стійкіші позиції можуть мати компанії з технологічно відмінним «залізом», сильними програмними екосистемами або ефективними рішеннями саме для інференсу. Для інвесторів важливіше не те, скільки обладнання відвантажено, а те, чи перетворюються ці поставки на реально завантажені, дохідні робочі навантаження.
Для дата-центрів ключовим стає завантаження
Проєкти дата-центрів передбачають великі й довгострокові зобов’язання щодо землі, електроенергії та будівництва. Якщо моделі стають дешевшими або ефективнішими, клієнту може знадобитися менше інфраструктури для того самого корисного результату.
Це не означає, що попит на дата-центри зникне. Доступність електроенергії та технічні вимоги AI-розгортань і надалі можуть обмежувати пропозицію. Проте локальний дефіцит потужності може співіснувати зі слабшою економікою в інших регіонах або сегментах. Тому варто відрізняти фізичну нестачу електрики чи площ від доказів того, що клієнти прибутково використовують потужності, продовжують контракти та розширюють їх.
Хмарним платформам потрібно компенсувати ціну обсягом і сервісами
Хмарні провайдери та хостинги моделей можуть виграти від нижчих цін: доступніший інференс здатен залучити більше розробників і корпоративних клієнтів. Водночас він скорочує виручку на одиницю використання.
Щоб захистити валову маржу, їм потрібна комбінація трьох чинників:
- значно вищого обсягу токенів у регулярних продуктивних сценаріях;
- зростання ефективності, коли їхні витрати падають швидше за ціни для клієнтів;
- додаткових сервісів із вищою цінністю — розгортання моделей, безпеки, інтеграції даних та інструментів для робочих процесів.
Конкуренція між пропрієтарними моделями є центральною складовою описаного ризику. 1
2 Важлива не лише номінальна ціна токена, а співвідношення між ціною для клієнта, собівартістю для провайдера та загальним обсягом платного використання.
AI-агенти — головний контраргумент до песимістичного сценарію
Позитивний сценарій пов’язаний з агентним ШІ — системами, які можуть самостійно виконувати багатокрокові завдання й потенційно споживати набагато більше токенів, ніж звичайний чат-бот.
Goldman Sachs Research прогнозує, що поширення таких агентів серед споживачів і компаній може збільшити місячне споживання токенів у 24 рази між 2026 і 2030 роками, до приблизно 120 квадрильйонів токенів на місяць. 7
Цей прогноз пояснює, чому падіння цін на токени не означає автоматичного падіння попиту на обчислення. Якщо агенти перейдуть від демонстрацій до частих і цінних робочих завдань, сукупне використання може підтримати інфраструктурний бум. Але це лише прогноз: вирішальним буде поява регулярних сценаріїв, за які користувачі та бізнес справді готові платити, а не масових дешевих експериментів.
Які показники варто відстежувати інвесторам
Оцінюючи ризик надлишку обчислювальних потужностей, варто дивитися на пов’язані показники, а не лише на ціну токена:
- зростання AI-виручки порівняно зі зниженням цін на токени;
- замовлення на прискорювачі й сервери порівняно з фактичним введенням і використанням цих систем;
- завантаження дата-центрів, законтрактовані потужності та продовження договорів;
- валову маржу хмарних провайдерів;
- використання AI-агентів у реальних, повторюваних бізнес-процесах;
- доступність електроенергії: чи є вона довгостроковим обмеженням корисних потужностей, чи лише тимчасовим вузьким місцем до появи попиту.
Висновок
Попередження Goldman Sachs не зводиться до тези, що дешевші LLM-токени — це погано. Навпаки, нижча вартість інференсу може стати механізмом масового впровадження ШІ.
Ризик полягає в іншому: ціни та потреба в обчисленнях можуть знижуватися через конкуренцію й технологічну ефективність швидше, ніж зростатиме попит, зокрема від AI-агентів. Для інвесторів в AI-інфраструктуру це означає перехід від простої історії про «будівництво потужностей» до перевірки їхнього завантаження та монетизації. Найстійкішими можуть виявитися компанії, здатні перетворити дешеві токени на довготривалі високомаржинальні навантаження й водночас зберегти перевагу в собівартості, продуктивності або глибині сервісів. 1
7
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Дешевші AI-токени можуть змінити економіку інфраструктурного буму"?
Індекс витрат на LLM токени Silicon Data знизився до 0,97 долара за мільйон токенів після падіння на 29% у серпні; Goldman Sachs бачить ризик надлишку обчислювальних потужностей, якщо попит не компенсує цінову дефляцію.
What are the key points to validate first?
Індекс витрат на LLM токени Silicon Data знизився до 0,97 долара за мільйон токенів після падіння на 29% у серпні; Goldman Sachs бачить ризик надлишку обчислювальних потужностей, якщо попит не компенсує цінову дефляцію. Базова оцінка Goldman Sachs передбачає близько 7,6 трлн доларів капітальних вкладень у ШІ, дата центри та енергетику у 2026–2031 роках — від приблизно 765 млрд до 1,6 трлн доларів на рік.
What should I do next in practice?
Позитивний сценарій пов’язаний з AI агентами: Goldman Sachs Research прогнозує 24 разове зростання місячного споживання токенів до близько 120 квадрильйонів до 2030 року.