Джон Зито из Apollo, выступая на конференции Morgan Stanley US Financials Conference, заявил, что «токенные» метрики неверно оценивают экономику искусственного интеллекта, поскольку отслеживают пропускную способность, а не бизнес-ценность. По его оценке, токены следует рассматривать как побочный продукт, а не как индикатор производительности, что смещает фокус на стоимость единицы «полезного интеллекта». Исходя из этого, цена ИИ описывается как снижающаяся — даже несмотря на то, что в публичных нарративах по‑прежнему доминируют токенные показатели.
Однако снижение удельной стоимости не означает автоматического падения расходов: взрывной рост использования способен увеличивать итоговые счета и вынуждать финансовых директоров усиливать управляемость. Компании уходят от фазы «бесплатного шведского стола» к лимитам, уведомлениям, маршрутизации моделей и более жёсткому контролю затрат. Премиальные цены, вероятно, сохранятся для фронтирных моделей там, где ROI очевиден, тогда как задачи с меньшей ценностью будут мигрировать на более дешёвые решения. Широкая «ставка на ИИ» может продолжиться, но мультипликаторы окажутся под пристальным вниманием по мере того, как рынок будет отделять реальный эффект от внедрения «интеллекта» от роста, вызванного неконтролируемым потреблением вычислений.
Эффективность вместо роста: новый инвестиционный нарратив по ИИ
Мы видим, что рынок начинает понимать: история ИИ меняется — от простого нарратива роста к нарративу эффективности. Тезис о том, что расходы на ИИ — «несущийся без остановки поезд», ставится под сомнение, поскольку корпорации теперь сосредоточены на окупаемости этих затрат. Это означает, что неизбирательные покупки всего, что связано с ИИ, вероятно, подходят к концу.
Этот сдвиг уже проявляется в данных. Недавняя отчётность за 1 кв. 2026 года крупных облачных провайдеров показала, что при росте общего потребления ИИ темпы увеличения использования самых дорогих API фронтирных моделей замедлились с 60% до 45% г/г. При этом использование меньших моделей с открытым исходным кодом на их платформах выросло более чем втрое, подтверждая, что клиенты активно ищут более дешёвые альтернативы для менее критичных задач.
На наш взгляд, это указывает на существенный рост волатильности у крупных игроков AI‑инфраструктуры. Предстоящая отчётность в июле 2026 года для такого эмитента, как NVIDIA, станет ключевой проверкой, и мы считаем, что опционные рынки недооценивают риск пересмотра гайденса на фоне этой корпоративной «гонки за эффективностью». Покупка стрэддлов или стрэнглов перед публикацией отчёта может быть разумным способом сыграть на потенциале крупного движения цены в любую сторону.
Мы уже видели подобный паттерн — особенно в начале 2000‑х, когда рынок сместился от оценки по «eyeballs» к оценке по реальной прибыли. Стоимость «полезной единицы интеллекта» стремительно снижается — тренд, сопоставимый с законом Мура, — но рынок всё ещё вознаграждает компании за чистый объём продаваемых вычислений. Недавний анализ показывает, что стоимость сложного запроса по программированию упала более чем на 90% за последние 18 месяцев — мощный дефляционный встречный ветер для компаний, продающих «сырую» вычислительную мощность с премией.
Торговые стратегии и последствия для рынка
Эта ситуация создаёт понятные возможности для парных сделок. Мы рассматриваем лонг в компаниях, которые поставляют «кирки и лопаты» для управления затратами на ИИ и повышения эффективности, и шорт — в чистых провайдерах вычислений, чьи мультипликаторы не отражают предстоящее сжатие маржи. Например, компания уровня ServiceNow, объявившая в прошлом месяце о новой платформе контроля затрат на ИИ, — именно тот тип эмитента, который выигрывает на этой новой фазе корпоративной проверки.
В целом рынок выглядит самоуверенным: VIX держится вблизи низких 14 пунктов, несмотря на эти фундаментальные изменения «под поверхностью». Это означает, что стратегии хеджирования сейчас относительно недороги. Мы считаем, что покупка путов на корзины «перегретых» AI‑софтверных компаний, которые лишь встраивают дорогие сторонние модели, — экономически эффективный способ позиционирования под грядущий «аудит» ИИ‑мультипликаторов.
