Анатомия капитальных затрат: куда уходят триллионы на ИИ

Капитальные затраты (Capex, «капекс») на искусственный интеллект (ИИ) стремительно растут. В этой заметке мы попробуем разобраться, куда идут эти деньги, помимо чипов. В первой части будет краткая статистика, потом – разбивка по технологическим компонентам и таблица с компаниями и их мультипликаторами. Будет интересно тем, кто может инвестировать на международных рынках.

Часть 1. Статистика

Кап. затраты на ИИ в первую очередь включают затраты на то, что в итоге окажется внутри ЦОДов (центров обработки данных). Расходы на конечные устройства (смартфоны, беспилотные системы и прочее) не рассматриваем.

GoldmanSachs оценивает мировые инвестиции в ИИ в 2026 году более чем в $1 трлн, из которых 60% приходится на США. McKinsey пишет, что до 2030 года суммарный Capex в ЦОДы составит $6,7 трлн, из них на ИИ ЦОДы – $5,2 трлн. Эти цифры могут вырасти еще в 1,5 раза в оптимистичном сценарии.  Энергетическое агентство IEA ожидает, что мировое потребление электроэнергии ЦОД вырастет примерно с 415 ТВт*ч (тераватт-часов) в 2024 году до 945 ТВт*ч в 2030-м. Для ИИ необходимо будет ввести более 100 ГВт дополнительной мощности до 2030 года (для сравнения, вся Россия – это 270 ГВт). Дальше сфокусируемся на расходах на сами ЦОДы.

Часть 2. Как сегментируются кап. затраты для ЦОДов?

В начале сентября 2026 г. в англоязычных блогах разошлась сегментация от BNP Paribas. Конечно, многое зависит от региона, размера ЦОД в МВт и других факторов, но ориентир весьма полезный.

Вот как сегментируются условные $100 кап. затрат:

• $50 – полупроводники. Даже внутри этой части GPU– лишь половина расходов. Память (HBM, DRAM) и процессоры CPU занимают столько же.
• $20 – энергоснабжение. Вероятно, это самый недооцененный элемент цепочки. Чип можно заказать за месяцы. Новое сетевое подключение, трансформаторную инфраструктуру или генерацию приходится планировать за годы.
• $15 – сети. Чем больше GPU объединено в кластер, тем важнее скорость передачи данных между ними. Вычислительная мощность отдельного ускорителя теряет смысл, если они не могут эффективно обмениваться данными. Теория графов говорит о том, что число связей в полном графе растёт квадратично от числа узлов. Если мы соединим в 100 раз больше ускорителей, то или длина коннекторов должна увеличиться в 10 тысяч раз, или придётся вкладываться «мозгами» в оптимизацию топологии сети. Это одна из причин, по которой оптоволокно и медь быстро росли в цене.
• $7,5 – охлаждение. Рост плотности размещения устройств постепенно ведет от классического воздушного охлаждения к жидкостному охлаждению. Кстати, здесь есть инвест. идея – стоимость охлаждения всё время растёт, а капитализации компаний в этой сфере выросли не так сильно, как в других.

Ликбез. Охлаждающие пластины («холодные пластины», Cold Plates) в дата-центрах – это специальные металлические теплообменники, которые устанавливаются непосредственно на самые горячие компоненты серверов (процессоры, графические чипы GPU) для отвода тепла с помощью циркулирующей жидкости.

• $7,5 – площадки и строительство (земля, здания, инженерная инфраструктура). Это старый сегмент с низкими технологическими рисками, но и мультипликаторы тоже ниже.

Итак, на ИИ-чипы NVIDIA(или аналоги) приходится лишь около одной четверти кап. затрат.

Часть 3. Какие компании поставляют компоненты для ЦОДов?

Для каждого из указанных на схеме компонентов теперь посмотрим, какие есть ключевые компании в этой сфере. Анализ проведём для 4 рынков: США, Европа, Юго-Восточная Азия (Китай / Корея / Тайвань), Россия. Если в том или ином сегменте есть экспертиза мирового уровня, то клетка покрашена в зелёный, если экспертизы нет или она устарела – в красный. Наглядно видно, что большинство сегментов имеют сильных игроков мирового уровня, тогда как в российской колонке существенно больше технологических пробелов. Наверстать всё – невозможно, так в мире никто не делает.

Часть 4. Анализ мультипликаторов

Для всех указанных в таблице компаний найдем мультипликаторы и затем усредним по компаниям сегмента. Для иностранных компаний используем форвардные мультипликаторы EV/Forward EBITDA и EV/Forward Sales. Для российских компаний из-за ограниченности консенсус-прогнозов используем фактические мультипликаторы за 2025 год. Ещё раз – это мультипликаторы не для всего технологического сегмента, а только для отобранных ключевых компаний-лидеров, то есть они априори более высокие, чем в среднем по всем компаниям сегмента.

Чипы для ИИ – самый дорогой участок цепочки. Американская выборка торгуется примерно по 39x EV/F.EBITDA и 16x EV/F.Sales. В азиатской группе среднее EV/F.EBITDA становится экстремальным из-за молодых быстрорастущих производителей. Другие полупроводники – тоже дорого.

Сетевые (Network) компании выглядят неоднородно: американские могут стоить 20-30x EBITDA, а европейские и азиатские производители оборудования оцениваются существенно дешевле. В электроснабжении компании, непосредственно связанные с дефицитом мощности для ЦОД, начинают оцениваться рынком скорее как ИИ-инфраструктура, а не как обычная энергетика. Самые низкие мультипликаторы – в строительстве: ИИ составляет лишь часть бизнеса этих компаний, маржинальность ниже, а конкурентные преимущества слабее.

Таким образом, чем больше бизнес компании связан с ИИ, тем выше мультипликаторы.

Анализ таблиц позволяет выделить сегменты, без которых дальнейшее расширение ИИ ЦОДов невозможно, но где оценки ещё не так высоки. Например: энергетическая инфраструктура, распределение мощности, охлаждение (в т.ч., жидкостное), оптоволоконная связь.

Часть 5. А что в России?

Детальный анализ для России есть в отличном исследовании Совкомбанка (ссылка внизу). Совкомбанк прогнозирует, что рынок кап. затрат на ЦОД вырастет с 1,4 трлн руб. в 2025 году до 3 трлн руб. к 2030 году, серверный рынок внутри него с 0,9 до 2,1 трлн руб.

Для классических серверных нагрузок стоимость ЦОД оценивается примерно в $24 млн на 1 МВт, для базового LLM-inference – уже в $42 млн, а для продвинутого LLM-inference / LLM-training — в $58 млн. Главный драйвер удорожания – ИТ-оборудование: его доля растет с 58% до примерно 70%, прежде всего за счет вычислительных серверов. Охлаждение и электропитание тоже становятся дороже в абсолютном выражении, хотя их доля в общей стоимости может снижаться, поскольку вычислительный стек растет еще быстрее.

Особенно показателен переход к жидкостному охлаждению: для классического ЦОД затраты на него практически отсутствуют, тогда как для продвинутых ИИ-нагрузок они уже достигают около 3% стоимости ЦОД на 1 МВт. Это подтверждает ключевой вывод: рост кап. затрат на ИИ концентрируется не только в GPU и серверах, но и в инфраструктуре.

Один из конкретных примеров – ЦОД Рябиновая в Москве (владение MR Group, управление Key Point), который недавно привлекал инвестиции, расходы на оборудование и инженерные системы составят 69% от кап. затрат, площадка и строительство – 31%.

·         Сводная таблица мультипликаторов

• ГК «Элемент» (ELMT)

ГК «Элемент» – единственная публичная компания в России в сфере производства чипов – стагнирует с выраженным трендом на ухудшение. Перелом тренда произошел еще в 2025 году, когда бурный рост сменился падением, и текущий 2026 год пока не приносит улучшений. Выручка за 6 мес. 2026 продолжила сползать вниз и составила 15,8 млрд руб. (минус 2% к аналогичному периоду 2025 года). Чистый убыток вырос до 3 млрд руб. (против прибыли в 2 млрд руб. годом ранее).

Ключевой триггер падения продаж – резкое сокращение заказов на отечественную электронную компонентную базу (ЭКБ) со стороны крупных промышленных предприятий. Кроме того, по бизнесу бьют высокие расходы на содержание топ-менеджмента и разовые списания из-за повреждения оборудования. В то время, когда все компании в мире в области ИИ растут, показатели ГК «Элемент» падают – весьма уникальное «достижение».

• ПАО «Европейская Электротехника» (EELT)

ПАО «Европейская Электротехника» – отечественная публичная компания в области инфраструктуры ЦОД. Компания производит электрощитовое оборудование, распределительные щиты, участвует в интеграции систем электроснабжения. Это важно, так как рост плотности стоек увеличивает требования не только к генерации, но и к надежному распределению мощности внутри объекта. Технологический разрыв с мировыми лидерами здесь существенно меньше, чем в производстве GPU, HBM-памяти или передовой литографии, а спрос на локальные решения поддерживается строительством новых ЦОД и требованиями к импортозамещению.

Компания демонстрирует уверенное масштабирование бизнеса при одновременном снижении маржинальности. По итогам первого полугодия 2026 года выручка компании по МСФО взлетела почти на 50%, достигнув 4,9 млрд руб. благодаря высокому спросу на отечественное электрооборудование. Однако из-за существенного роста себестоимости чистая прибыль за этот же период сократилась на 15% до 0,1 млрд руб., а показатель EBITDA показал лишь символический околонулевой рост. Компания должна снизить себестоимость и поднять маржу (показать рост EBITDA и чистой прибыли), а также вернуться к прозрачной дивидендной политике.

• Вместо заключения

Если бы какой-то крупный отечественный инвестор был готов потратить в этом секторе 10 млрд руб. (или даже долларов) – это вряд ли привело бы к созданию отечественного литографа или современного чипа для ИИ. Догнать NVIDIA, TSMC или ASML, к сожалению, вряд ли получится. Наиболее рациональное направление – не создавать российский GPU, а локализовать необходимое вспомогательное оборудование. Это рынки, где технологический разрыв меньше, Capex проекта измеряется миллиардами, а не сотнями миллиардов рублей, и существует локальный спрос независимо от того, чьи процессоры стоят внутри серверной стойки. По мере роста ИИ-кластеров именно физическая инфраструктура может становиться главным дефицитом.

Источники

1. Goldman Sachs Research– Global AI Investment Is Forecast to Exceed $1 Trillion in 2026 – Ссылка
2. McKinsey – The cost of compute: A $7 trillion race to scale data centers – Ссылка
3. McKinsey – The $7 trillion data center build-out: How industrials can capture their share – Ссылка
4. IEA – Energy and AI – Ссылка
5. Moomoo / BNP Paribas Equity Research – Where Does $100 of AI Capex Go? – Ссылка
6. Financial Times – What is the AI capex breakeven rate? – Ссылка

Дополнительные источники

1.      Совкомбанк – Исследование про ЦОДы в трёх частях – Ссылка Это лучшее исследование с технической точки зрения, «must read».

2.      Strategy Partners – Коммерческие центры обработки данных и облачные сервисы: Россия в глобальном контексте – Ссылка

3.      Альфа-Банк – Обзор российского рынка дата центров (ЦОД) 2026: перенос сроков и «уход в облака» – Ссылка