Надпреварата се нажежава. SpaceX на Илон Мъск, която изгражда AI модели, както и космически ракети, обяви миналата седмица, че търси оценка от 1,77 трилиона долара (£1,31 трилиона) на американския фондов пазар. Междувременно Anthropic, стартъпът зад чатбота Claude, заяви, че е подал документи за първично публично предлагане. Очаква се OpenAI, разработчикът на ChatGPT, да последва примера.
Този последен пик на AI пазара идва на фона на многотрилионен разходен маратон за свързана инфраструктура, като центрове за данни. В същото време компаниите се опитват да използват технологията по начини, които да направят инвестициите им стойностни. Ето какво представлява бумът на AI и шест ключови графики, които показват как стигнахме дотук.
1. AI изстреля акциите до нови висоти
S&P 500, който проследява 500-те най-големи американски компании, скочи с близо 80% през последните пет години. Този скок беше подхранван от големите технологични акции, които имат дял в AI бума – "великолепната седморка": Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia и Tesla.
Фокусът на инвеститорите върху технологиите е безпрецедентен, казва Джим Бианко от американската фирма Bianco Research. Неговото изследване установи, че 41 свързани с AI акции сега представляват почти половината от общата пазарна стойност на S&P 500.
Нийл Уилсън, анализатор в инвестиционната платформа Saxo UK, предупреждава, че рискът от инфлационен шок от типа на 70-те години, високите технологични оценки като цяло и потенциалното замразяване на частните кредитни пазари не са добър знак за акциите.
"Целият пазар се превърна в една гигантска AI структура", казва той. "Опасността е повторение на дотком балона – масивен срив и години на загубена възвръщаемост. По някои показатели оценките не са толкова изкривени, колкото бяха тогава, но това изглежда като изключително рисков пазар."
2. Разходите растат с удивителна скорост
Разходите за AI – от центрове за данни до чипове – се ускоряват, от 765 милиарда долара тази година до 1,6 трилиона долара до 2031 г., според Goldman Sachs. Инвестиционната банка признава, че може да има проблеми с такъв огромен ангажимент. Какво ще стане, ако центровете за данни се забавят?
"Предвид мащаба на капитала, който се ангажира, дори малки забавяния в изпълнението поставят сериозни въпроси относно предположенията за търсене, стоящи зад тези инвестиции", казват анализатори от Goldman. Въпреки това те добавят, че ако плановете за разходи протичат гладко, това може да предизвика нова вълна от AI търсене. Все пак разходите показват колко много глобални финансови ресурси – и очаквания за възвръщаемост – се вливат в AI.
3. Компаниите и потребителите бързо възприемат AI
Въпреки смесените доклади за ползите от него, огромното мнозинство от компаниите започват да използват AI – от 33% през 2023 г. до близо 80% сега, според консултантската фирма McKinsey. Публичното използване също е високо, като ChatGPT на OpenAI вече достига 1 милиард месечни активни потребители, според данни на Sensor Tower – рекорд за всяко приложение.
Предизвикателството пред разработчиците на AI сега е как да печелят пари от тази огромна база от публични и частни клиенти. Компаниите трябва да покажат, че AI подобрява резултатите и намалява разходите достатъчно, за да оправдае разходите. Това означава да го използват за изграждане на цели работни потоци – бизнес жаргон за изпълнение на задача от началото до края. Все още има дълъг път в тази посока.
4. Claude настига ChatGPT
Anthropic започна да наваксва изоставането си от OpenAI в края на миналата година, когато инструментът му Claude Code стана вирусен сред софтуерните разработчици, основно в района на Сан Франциско, преди да се разпространи по-широко. Claude Code отбеляза промяна в начина, по който се използват големите езикови модели – основната технология зад чатботовете – придвижвайки се към автономни AI агенти, които изпълняват задачи без човешка помощ, позволявайки дори на хора, които не са технологично грамотни, да създават софтуер и да се справят с широк кръг от задачи.
OpenAI все още има много по-голяма обща потребителска база, но данни от компанията за интернет анализ Kentik – която проследява използването в няколко американски интернет доставчика – показват, че Anthropic бързо затваря разликата. Потребителският трафик на Claude нарасна значително по-бързо от този на ChatGPT и Gemini на Google между януари и април, като скочи рязко след този период. Пентагонът го определи като риск за веригата за доставки през март. При този темп на растеж Kentik прогнозира, че той може да надмине ChatGPT до лятото – още една причина, поради която Anthropic може да намери по-лесен път към IPO от своя конкурент.
5. AI става все по-скъп за използване
Всеки път, когато AI чатбот или агент даде отговор, той се измерва в "токени" – основни единици език, които могат да бъдат думи, препинателни знаци или срички. (Например OpenAI казва, че фразата "You miss 100% of the shots you don’t take" струва 11 токена.) Токените измерват и входовете, като подканата, която въвеждате в ChatGPT.
Разходите варират според модела; OpenAI таксува $5 на милион входни токена за GPT-5.5 и $30 на милион изходни токена (отговора на вашата подкана).
Проблемът за потребителите е, че разходите за токени рязко нарастват, дори докато компаниите навсякъде насърчават служителите си да "tokenmaxx" – тоест, наистина да се впуснат в използването на AI. Проблемът за AI компаниите е, че те все още не таксуват достатъчно.
Основното обещание на AI е, че парите, които една компания харчи за тези инструменти, се компенсират повече от печалбите в производителността – мярка за икономическа ефективност, при която по-високата производителност означава повече продукция на работник. Ако този компромис не работи, тогава предположенията зад AI оценките – и политиките – се отслабват.
"Разходите напълно излизат извън контрол", казва Лиъм Бетсуърт, основател на британския AI стартъп Pendra. Той казва, че софтуерните разработчици в неговата мрежа използват агенти за кодиране, като започват с най-евтиния абонамент и бързо преминават към най-скъпия. Те не са сами – новинарският сайт Axios наскоро съобщи за неназована компания, похарчила 500 милиона долара за един месец за лицензи за Claude Code.
6. Строителството на центрове за данни може да не успее да се справи с търсенето
Изграждането на центрове за данни е като централната нервна система на AI продуктите, така че нарастващото развитие и използване на AI инструменти трябва да бъде съчетано с повече капацитет – в противен случай ще има изчислителен недостиг, което означава по-високи разходи за AI компаниите и потребителите.
Амбициите на сектора за центрове за данни са огромни и изглеждат почти нереалистични. Bloomberg изчислява, че 23 гигавата капацитет са били в процес на изграждане в световен мащаб през 2025 г. (капацитетът се измерва в електрическа мощност, защото тя ограничава колко изчисления може да извърши даден обект).
Американската компания за недвижими имоти JLL прогнозира, че 100 гигавата ще бъдат добавени между 2026 и 2030 г. – удвоявайки това, което те изчисляват като настоящ капацитет, еквивалентно на 1200 центъра за данни. JLL казва, че нейната оценка включва спекулативни проекти, които може никога да не започнат.
Откъде ще дойдат парите – и енергийните доставки – за да се изпълни тази прогноза, е отворен въпрос. Сесилия Рикап, доцент в University College London, казва, че много проекти по света зависят от политически обещания за разширяване на мрежата и доставяне на електроенергия; но правителствата може да нямат ресурсите да ги изпълнят.
Тя пита: "Правителството изчислило ли е дали такова разширение е възможно? Имат ли парите да го направят? Взели ли са предвид екологичните щети, които то би причинило?"
7. Възможностите на AI моделите се разширяват бързо
Способностите на AI моделите са се подобрили скокообразно от 2023 г. насам, според METR, изследователска организация, която измерва AI възможностите.
Измерванията на METR се основават на това дали AI моделите могат да изпълнят задача за кодиране, измерена чрез времето, което би отнело на човек да я направи. По тази мярка AI моделите удвояват способностите си на всеки четири месеца. Например моделът Claude Mythos на Anthropic се оценява, че постига 50% успеваемост при задачи, които биха отнели на човешки експерт между осем часа и два дни.
Въпреки това, досега няма съответстващо въздействие върху работните места. Доклад на Anthropic от март включва изследване, показващо, че на теория AI би могъл да изпълнява много работни места, от компютърни до правни, но все още не го е направил в голям мащаб.
Боуке Клайн Теезелинк, академик от King's College London и експерт по въздействието на AI, отбелязва, че тази разлика остава значителна. Въздействието на AI върху работата показва, че съществуват пречки пред внедряването му в работната сила. Например, колко от работата на главен изпълнителен директор или старши мениджър може безопасно да бъде предадена на бот? Могат ли правно чувствителни задачи да бъдат извършвани от нещо различно от човек? Все пак, казва той, промяната идва.
"Все още сме в ранните етапи на AI революцията. Много хора изпълняват задачи, които биха могли да бъдат обработени от AI. Мащабът на промяната, която предстои да видим, ще бъде огромен."
8. Центровете за данни поддържат БВП на САЩ
Въпреки че правителството на САЩ съкрати работни места при администрацията на Доналд Тръмп и много индустрии видяха масови уволнения, БВП на САЩ продължи да расте – 2,1% през 2025 г. и 1,6% през първото тримесечие на 2026 г., според Бюрото за икономически анализ на САЩ. Въпреки това, икономист от Харвард изчислява, че без бума на центровете за данни тези числа биха могли да бъдат много по-малки. Всъщност "инвестициите в оборудване за обработка на информация и софтуер" съставляват 92% от растежа на БВП на САЩ през първата половина на 2025 г.
Това означава, че центровете за данни – и AI бумът – движат огромен дял от растежа на САЩ. Те са голяма причина най-голямата икономика в света все още да изглежда здрава, въпреки големите предизвикателства. Всяко забавяне на тези разходи може да има икономически, а следователно и политически последици.
Често задавани въпроси
Ето списък с ЧЗВ, базирани на статията Милиарди са похарчени, а потенциалната възвръщаемост все още е несигурна Ето обяснение на AI бума с шест графики
Въпроси за начинаещи
1 Защо компаниите харчат толкова много пари за AI, ако възвръщаемостта не е гарантирана
Те се обзалагат, че AI в крайна сметка ще революционизира индустриите и ще генерира огромни печалби, подобно на ранните дни на интернет. Те не искат да изостанат, ако успее.
2 Какво имате предвид под AI бум
Това е настоящият период на огромни инвестиции, вълнение и бързо развитие в областта на изкуствения интелект, особено в инструменти като ChatGPT и генератори на изображения.
3 Носи ли AI реално пари на някого в момента
За повечето компании – все още не. Разходите за изграждане и поддържане на напреднал AI са огромни и все още не е ясно кога тези разходи ще бъдат изплатени от широк кръг плащащи клиенти.
4 За какво са шестте графики в статията
Те показват ключови тенденции: масивни разходи от технологични гиганти, нарастващо търсене на AI чипове, огромните енергийни разходи на AI, малкия брой реално плащащи потребители, платото в производителността на някои модели и несигурната реакция на фондовия пазар.
Въпроси за напреднали
5 Защо цената на извода е толкова голям проблем
Изводът е, когато реално използвате AI модел. Той е много по-скъп от еднократното обучение на модела. Ако милиони хора го използват ежедневно, разходите за електроенергия и изчисления експлодират, което прави печалбите много трудни за постигане.
6 Как графиките показват, че лесните печалби в AI може да са приключили
Една графика показва, че подобренията в производителността на най-големите AI модели започват да се забавят, дори когато разходите за обучението им продължават да растат. Това предполага, че достигаме точка на намаляваща възвръщаемост.
7 Какво казва статията за ролята на Nvidia в този бум
Nvidia произвежда основните чипове за AI. Графиките показват, че приходите на Nvidia са експлодирали, но това са "кирките и лопатите" на златната треска. Въпросът е дали компаниите, които купуват тези чипове, някога ще реализират възвръщаемост на инвестицията си.
8 Как несигурната възвръщаемост се отразява на по-малките AI стартъпи
