Сейчас достаточно много статей про ИИ хороших и разных, и казалось бы тема это чисто техническая  для одухотворенных очередным прогрессом. Однако если бы в эту тему не ввалили такое количество денег, было бы нечего и обсуждать. Сейчас все очень похоже на историю 25 летней давности – пузырь доткомов. И вот очередной пузырь ИИ готов уже лопнуть. Что же пошло не так, если это действительно интеллект? Почему «инвесторы» ведут себя как будто светлое будущее уже наступило?

• Искусственный интеллект или все-таки машинное обучение?
• В золотой лихорадке обогащаются прежде всего продавцы лопат.
• Расходы на инфраструктуру Machine learning.
• Акт первый – обвал фондового рынка из-за компаний, расходующих на Machine Learning.
• Продолжение банкета – рецессия, печатный станок, инфляция ... и расцвет технологий Machine Learning.

Искусственный интеллект или все-таки машинное обучение?

Можно конечно погрузится в изучение того, что собой представляет интеллект вообще. Вспомнить тест Тюринга Тест Тьюринга / Хабр. Но согласитель –

Вам разве важно, “настоящий” с точки зрения науки, это искусственный интеллект или нет? Главное насколько он умный и обученный.

Первый вопрос – а что все-таки произошло?

Нейросети широко известны еще с середины прошлого века. И да периодически объявлялось что будет прорыв, но...

Ниже я приведу краткие выдержки из кники «Глубокое обучение» Николенко С., Кадурин А., Архангельская Е. А вообще рекомендую почитать из нее хотябы историю.

«Десять лет назад,в середине 2000-х годов,в машинном обучении началась револю

ция. В 2005–2006 годах группы исследователей подруководством Джеффри Хин

тона (Geoffrey Hinton) в университете Торонто и Йошуа Бенджи (Yoshua Bengio)

в университете Монреаля научились обучать глубокие нейронные сети. И это пе

ревернуло весь мир машинного обучения! Теперь в самых разнообразных пред

метных областях лучшие результаты получаются с помощью глубоких нейронных

сетей. Одним из первых громких промышленных успехов стало распознавание ре

чи: разработанные группой Хинтона глубокие сети очень быстро радикально улуч

шили результаты распознавания посравнению с оттачивавшимися десятилетиями

классическими подходами, и сегодня любой распознаватель, включая голосовые

помощники вроде Apple Siri и Google Now, работает исключительно на глубоких

нейронных сетях.»

Т.е. теории из прошлого века, усовершенствовали и довели на новый качественный уровень. Просто раньше качественно обучать нейронные сети не удавалось. И дело не в объемах данных которые дают для обучения нейронным сетям.

«Решение, предложенное группой Хинтона в середине 2000-х годов, пришло

в виде предобучения без учителя, когда сеть сначала обучается на большом наборе

данных без разметки,а потому же дообучаетсянар азмеченныхданных,используя

это приближение. Например, если мы хотим распознавать человеческие лица, то

давайте сначала пообучаем нейронную сеть на фотографиях с людьми вообще,без

разметки (таких фотографий можно легко набрать сколь угодно много), а уже по

том,когда сеть «насмотрится» на неразмеченные фотографии, дообучим ее наиме

ющемся размеченном наборе данных. Оказалось, что при этом конечный результат

становится намного лучше, а хорошие и интересные признаки сеть начинает выде

лять еще на этапе предобучения без учителя.»

И самое главное, речь идет прежде всего о машинном обучении, а не о исскуственном интеллекте проходящем тест Тьюринга. Вот, например, Chat GPT-4.5 про проходит его в 60%-70% процентов случаев. Это означает, что при регулярном использовании его раскусят.

Ну и как понимаете сейчас о роботе Бишопе из «Чужого» речь не идет, но денег вливается как будто мы близки к роботу пылесосу, который не только гладкую поверхность чистит, но и стулья двигает, под диваном протирает и различает вещи, а бонусом уберет известковый налет с сантех кабины и туалета! Я кажется размечтался, ведь сейчас все крутится вокруг создания больших датацентров для ИИ и все что с этим связано. Т.е. если такой робот и появится, то он без датацентра и годовой подписки он работать не будет. Заодно сфотографирует компетентным органам бардак в Вашей квартире.

Поэтому я дальше не буду употреблять термин AI, а более точный Machine Learning.

В золотой лихорадке обогащаются прежде всего продавцы лопат.

Если Вы не в курсе, что сейчас идет «золотая лихорадка» в ИТ , вот показатели капитализации фондового рынка по ТОП 10 ИТ компаний. Капитализация это количество акций, которая умножена на их текущую рыночную стоимость. Параметр от лукавого, поскольку цену акций можно разогнать меньшим объемом, а цена влияет на всю капитализацию. А еще огромный процент сделок идет в режиме вне рынка. Очевидно, что за эти деньги компанию не продашь.

Далее идут цитаты из отличного макроэкономического канала Spydell

https://t.me/spydell_finance/8423

“23.7 трлн составляет совокупная капитализация ТОП-10 технологических компаний США (Apple, Nvidia, Microsoft, Google, Amazon, Meta, Tesla, Broadcom, Oracle, Netflix) vs 24 трлн на максимуме 23 сентября по закрытию дня.”

“В октябре 2019 совокупная капитализация всех представленных компаний была менее 5 трлн.”

Если посмотреть относительно других секторов, видно что основные деньги вложены в ИТ и это страшно

“P/E: вблизи рекордных 41.1 vs 35.9 в 4кв21, 31.1 в 2017-2019 и 20.1 в 2011-2016, отклонение в 1.15, 1.32 и 2.04 раза. Компании завышают прибыли за счет того, что еще не отражают рекордные расходы в капитальные расходы через амортизацию.”

Т.е. соотношение цены акции и прибыли на акцию или, соответственно, соотношение капитализации компании и ее прибыли  Мультипликатор P/E: как считается и зачем он нужен  . Цифра 40 означает, что текущий уровень прибыли будет окупать стоимость акций 40 лет. Конечно никто на рынке не будет ждать 40 лет, а продадут с обвалом.

Посмотрите как летает показатель P/E в зависимости от настроений «инвесторов»

Но может быть инвесторы покупают акции ради дивидендов?

А вот Вам дивиденды

https://t.me/spydell_finance/8180

«Доходность рынка. Дивиденды и обратный выкуп акций к капитализации обвалилась до 1.65% vs 2.02% в 2кв25, 1.96% в 1П25, 1.96% в 2024, 2.46% в 2023, 2.32% в 4кв21, 3.98% в 2019, 3.18% в 2017-2019 и в среднем 3.57% в 2015-2016.»

В современном мире крупные компании регулярно выкупают свои акции на снижении (buy back) и продают на пиках, тем самым привлекая бесплатные оборотные средства. Если кто то вспомнит про дивиденды – они для «компаний роста» символические. Вот у Nvidia в пересчете 0.02% годовых. Это Вам не облигации с твердой доходностью и обязательствами. Причем Buy Back превратился еще и в инструмент стабилизации фондового рынка, учитывая как все синхронно его делают.

Я просто намекаю, что обвал акций ИТ компаний им особо не повредит – просто сделают buy back, а через несколько лет продадут «инвесторам». Акции в отличии от облигаций это инструмент с пониженной социальной ответственностью. Если прочитаете проспекты эмисии в разделе Use of Proceeds - там не будет ничего конкретного. Дивиденды не платят десятилетиями.

И что тогда делать покупателям когда рост цен на акции остановится?

Только продавать наперегонки, чтобы зафиксировать прибыль, которую не дадут никакие дивиденды.

Вы конечно спросите – неужели «инвесторы» такие идиоты, что идут в этот пузырь на хайях? Все гораздо проще – основные деньги идут через  хэджфонды, пенсионные фонды, паевые фонды и т.д. А они играют не на свои (деньги «инвесторов») да еще берут комиссию, поэтому смело будут вливать деньги в любой пузырь.

Любой брокер Вам скажет на спаде «покупай пока дешево», а на подъеме «покупай, а то будет дороже», третий вариант сиди и жди - комиссий брокеру принесет меньше.

И вот все было бы просто, если бы деньги потратили только на разработку софта для ИИ. В случае провала теряются только деньги на разработку и маркетинг, а про софт можно просто забыть на время. Для макроэкономики только польза – у «инвесторов» изьяли лишние деньги (они же не на последние играют), деньги перешли к ИТ компаниям, оплату бонусов и зарплат, программисты накупят себе домиков в Калифорнии, менеджмет подальше от палаток бомжей в Сан Франциско. И вот у нас оборот денег в экономике состоялся. Win win.

Но у нас сейчас другая история – для инфраструктуры ML требуются датацентры и электричество в объемах, которые ранее не предполагались. Они в эксплуатации уже требуют расходов, которые просто так не сократишь. Попробуйте законсервируйте датацентр и откройте его через 5 лет, задумались?

Расходы на инфраструктуру Machine learning

По оценкам https://t.me/spydell_finance/8596 расходы на инфраструктуру для топ 10 бигтехов составили:

“За неполные  2025 – 553 млрд. Для сравнения в 2024 – 264 млрд, в 2023 – 175 млрд, в 2022 – 180 млрд, в 2021 – 151 млрд, в 2019 – 82.6 млрд, в 2015 – 40 млрд. За 10 лет капитальные расходы выросли на порядок и более, чем в 2.1 раза до эпохи LLMs в массовом применении.

Судя по данным, освоение инвестиций началось лишь с 2024 года (в 2023 капексы сопоставимы с 2022 и не сильно превышают 2021 год).

С начала 2023 было освоено 740 млрд в капитальные расходы vs 910 млрд с 2000 по 2022 включительно.”

А если сравнить с другими отраслями:

“С чем можно сравнить 740 млрд капексов с 2023 года?

• Весь нефтегазовый сектор США на капитальные расходы потратил около 290 млрд за 11 кварталов (с 1кв23 по 3кв25 включительно).

• Все коммунальные и электроэнергетические компании потратили более 440 млрд.

• Металлургические и химические компании – свыше 50 млрд.

• Все телекоммуникационные компании США – 150 млрд.

Таким образом, только ТОП-10 бигтехов уже сопоставим с сырьевым сектором (нефтегаз + металлургия и химия + электроэнергетика и коммунальные компании).”

Потянут ли компании такие расходы?

Отчетность  показывает, что без значительного  привлечения внешних займов они пока могут. 553 миллиарда капвложений в год, против 412 миллиарда свободного денежного потока в год это на первый взгляд, не катастрофа. Однако кроме ML есть еще другие капитальные расходы, поэтому кассовый разрыв нужно будет чем то заполнять.

https://t.me/spydell_finance/8599

“Свободный денежный поток составил .. за 12м – 412 млрд vs 424 млрд в 2024, 377 млрд в 2023, 258 млрд в 2022, 285 млрд в 2021, 202 млрд в 2019, 130 млрд в 2015.

Сокращение FCF происходит из-за экспоненциального роста капитальных расходов. С 2014 по 2019 среднегодовой темп роста FCF был 12.5%, с 2020 по 2025 темпы выросли до 14%, где с конца 2021 темпы сократились до 9.5%.

Кто формирует совокупный FCF на уровне 412 млрд за последние 12м?

•  Apple – 98.8 млрд

•  Microsoft – 78 млрд

•  Alphabet – 73.6 млрд

•  Nvidia – 72 млрд

•  Meta – 45 млрд

•  Broadcom – 25 млрд

•  Amazon – 11 млрд

•  Netflix – 9 млрд

•  Tesla – 7 млрд

•  Oracle – отрицательный FCF на 6 млрд.

FCF показывает способность реализовывать акционерную политику и/или погашать долги и/или увеличивать кэш позицию и/или реализовывать операции слияния и поглощения без привлечения долга.

Хватает ли у компаний денег на капитальные расходы? Сам факт положительного FCF показывает, что хватает.”

Акт первый – обвал фондового рынка из-за компаний, расходующих на Machine Learning.

Как Вы видели из предыдущих разделов, экономически ИТ компании на грани, но могут тянуть инфраструктурные расходы. Однако рынки падают не только из-за объективной отчетности компаний, а еще из – за банальной фиксации прибыли. Встаньте на место «инвестора» , хэдж фонда и других серьезных организаций. Акции сильно выросли, дивиденды мизерные , инфляция никуда не делась, а в воздухе пахнет коррекцией вниз. Конечно хочется зафиксировать прибыль сейчас, а не ждать когда эмитент покажет обещанную сверхприбыли от ML. Это вам не облигации с ежеквартальным купоном, понятным колебанием цены относительно номинала.

Крупные фонды, которые раздували пузыть и заманивали «инвесторов» котировками и заказными статьями, уже продали свои позиции «инвесторам». Большой риск для больших денег неприемлем. Оставшимся предстоит стать участниками шоу атаки торговыми роботами. Это происходит неожиданно за считанные часы, когда вдруг идет массовая распродажа по всему рынку, которая активирует защитные стопы на продажу. Цена просаживается вниз с еще большей скоростью, стопы срабатывают, но выставленная заявка уже выше рынка и не исполняется. Живые трейдеры просто не успевают что-то предпринять, но вот стопы кончились (немногие ставят стопы ниже 10%) и начинается откуп рынка, где тоже подключаются трендовые роботы. В журналах пишут о коррекции и снижению аппетита к риску. Брокеры с одной стороны кричат – покупай подешевело, а некоторые инвесторы в ПИФах и других фондам решают продать на всякий случай. Это создает новые волны колебаний, как  в начале 2000 х

Сначала это не выглядит как тотальный обвал, а как очередная коррекция пусть и глубокая. Но через несколько месяцев все осознают, что хорошего отскока ввверх не произошло и мы получаем экспоненциальный обвал вниз, поскольку «инвесторов» много, а пожарный выход один. Цену переставят вниз так быстро, что стопы даже не успеют сработать.

Обратите внимание на серые полосы (рецессии) и синие (MM Fundamental Index) . Данный индекс является опережающим и как только он заходит в отрицательную зону – жди очищения на фондовом рынке. Как видите он четко показывает все последние кризисы. Почитать о нем можно в этой статье  Is the Market Overheated? Seven Essential Indicators to Watch | Blog | MacroMicro

Как угадать, когда это произойдет?

Посмотрим на индекс NASDAQ в котором большое количество высокотехнологичных компаний.

Это такой же вопрос – когда под Вами треснет лед и где?

Чем ближе к весне 2026 года тем 100% вероятность. К счастью у нас есть опережающие индикаторы. Их временной лаг, достаточен что бы принять необходимые действия. То что видно на фондовых индикаторах четко показывает, что кризис уже начался, просто еще не попал в первые полосы новостей.

Первый индикатор MM Stock fundamental index показан выше - как только он в отрицательной зоне значит лед уже трещит.  Согласно ему к этой весне уже можно ожидать обвала.

Второй индикатор – отношение капитализации рынка к денежной массе M2.

Мы в первые за многие годы достигли того же уровня что и в двухтысячных! Это при большом падении покупательной способности доллара за эти годы. Забавная вещь – все что производит печатный станок, поглощается финансовым рынком и денег снова не хватает для роста. Конечно печатать будут еще, но только после сдувания пузыря, когда будет понятно кого в этот раз нужно спасать. Так в 2008 годах спасали AIG и банки.

Продолжение банкета – рецессия, печатный станок, инфляция ... и расцвет технологий Machine Learning

Важен другой вопрос – а какие последствия будут после большого хлопка?

Есть разные конспирологические теории, что схлопывание пузыря до выборов в конгресс даже хорошо для Трампа. Будет повод залить все ликвидностью, и кризис быстро проскочим, как в 2020 ом. Система сейчас настолько разбалансирована, что любой кризис спровоцирует большие движения, а пока...

Начну с приятного, взрыв пузыря ИТ на фондовом рынке всего лишь изменит взгляды на ML, и начнется пора совершенствования и экономически обоснованной работы. Правда этот процесс растянется на годы. Для примера посмотрите, что было с CISCO после пузыря 2000х. Как видите 10 лет капитал относился к отрасли без всякого хайпа, но при этом вспомните, какая революция в использовании интернета произошла. Распространились мобильные устройства, появилось много полезных интернет сервисов, за которые люди были готовы платить.

Плохая новость – рецессия в этот раз неизбежна. Я приведу один график, корреляции рецессий с солнечной активностью с сайта www.gorbanev.com

Ненаучно? Но «инвесторы» на ура воспринимают сказки про ИИ, даже не углубляясь в суть технологии. Или гадают на техническом анализе и волнах эллиота для определения направления движения фондового рынка.  А это жесткая статистика. Оставлю тут свой прошлогодний прогноз 1CUnlimited • Солнечный экономический прогноз на 2025 ++  поскольку он сбывается с фатальной неизбежностью.  До новых встреч на нашем канале 1C t.me/Chat1CUnlimited