CICC: финансовый момент AI

Капитальные затраты на AI находятся на переломном этапе: от финансирования за счёт внутренних денежных потоков они переходят к расширению балансов через привлечение долгового финансирования. По мере того как объёмы инвестиций начинают превышать возможности внутренних денежных потоков, всё больше маржинального капитала поступает из финансовой системы. Этот доклад является первой частью серии «AI Финансирование: мониторинг» и пытается ответить на три вопроса: как финансовая система воспримет спрос на финансирование AI в размере 3,5 трлн долларов? Смогут ли инвестиции в AI обеспечить обслуживание долговых обязательств и возврат акционерного капитала? Какие возможности и риски для финансовых институтов создаёт новый цикл финансирования AI?

Резюме

Капитальные затраты на AI-инфраструктуру: от денежного потока к долгу. Доля капитальных затрат крупнейших облачных провайдеров в их доходах выросла с примерно 12% в 2023 году до примерно 23% в 2025 году; согласно консенсус-прогнозам, к 2027 году эта доля может превысить 40%, приблизившись или даже превысив исторические максимумы для интернет- и энергетических секторов. Под давлением роста капитальных затрат AI-инвестиции облачных компаний могут сместиться от производственного денежного потока к более широкому привлечению внешнего финансирования. Исходя из консенсус-прогнозов по операционному денежному потоку и капитальным затратам крупнейших облачных компаний, мы оцениваем потенциал создания примерно 3,5 трлн долларов спроса на внешнее финансирование AI в следующие пять лет.

Откуда взять 3,5 трлн долларов? В базовом сценарии мы ожидаем, что внешний спрос на финансирование капитальных затрат AI в размере 3,5 трлн долларов будет удовлетворён за счёт публичного акционерного капитала (0,4 трлн долларов), инвестиционного рейтингового долга (1,5 трлн долларов), левереджированного финансирования (0,3 трлн долларов), секьюритизации (0,3 трлн долларов) и частного капитала (1,1 трлн долларов). Основными «якорями» являются инвестиционный долговой рынок и частный капитал: первый опирается на расширение балансов и долговой сервис облачных компаний, второй удовлетворяет спрос на более рискованные и масштабные проекты, а также может уменьшить вложения cloud-компаний за счёт структур внесистемного финансирования, гибко восполняя возникший дефицит.

Вопрос на триллион долларов: как обслуживать долги AI? Для обслуживания долга и создания акционерной доходности — при ROIC на уровне 10% — мы оцениваем, что конечные AI-приложения должны обеспечивать ежегодно около 1 трлн долларов устойчивых доходов. При достижении таких масштабов к 2030 году, ежегодные доходы AI-приложений должны практически удваиваться на протяжении следующих пяти лет. За абсолютным размером выручки ещё более важны маржа и срок службы активов: при зрелой EBITDA-марже около 50% и сроке амортизации инфраструктуры около 5 лет инвесторы могут рассчитывать на положительную отдачу; при марже ниже 20% даже долгоживущие активы не позволят покрыть стоимость капитала.

Может ли рефинансирование заменить денежный поток? Сроки облигаций облачных гигантов обычно составляют 10-30 лет, инфраструктурные фонды инвестируют на срок свыше 10 лет; после ввода дата-центров в эксплуатацию возможно также рефинансирование строительства за счёт проектных бондов и секьюритизации. Однако рефинансирование лишь выигрывает время, но не заменяет денежный поток: если загрузка, рентабельность и срок живучести активов долгое время не дотягивают до ожиданий, постоянное перекредитование только увеличит долговую нагрузку и стоимость заимствования. По нашим расчётам, с 2027 по 2032 годы объём погашаемых облигаций крупнейших облачных компаний достигнет пика, примерно 28 млрд долларов в год, что на 60% больше, чем в 2024-2026 годах — давление на рефинансирование усилится.

Возможности и риски для финансовых институтов. Банки получают выручку от размещения акций и облигаций, торговых операций, консультаций по M&A и проектного финансирования, а частные и страховые фонды — новые долгосрочные активы. Во втором квартале 2026 года не-процентные доходы шести крупнейших банков США выросли на 32% г/г; по состоянию на июнь 2026 года кредиты банков небанковским финансовым институтам увеличились примерно на 25% г/г, причём финансирование AI стало одним из важных драйверов роста. Доходы банков обычно признаются на стадии финансирования и строительства, а кредитный риск проявляется уже после запуска проектов и в период рефинансирования, что создаёт эффект «опережения доходов — отсрочки рисков».

Является ли AI финансовым «пузырём»? На данный момент основными инвесторами AI остаются облачные гиганты с сильной денежной позицией, а собственный капитал и субординированные инструменты способны брать на себя убытки раньше банковских кредиторов. Следовательно, если часть проектов покажет низкую доходность, риск скорее реализуется через переоценку компаний, замедление капитальных затрат и локальные кредитные убытки, но не немедленно приведёт к системному кризису. С другой стороны, быстрый рост внешнего финансирования — особенно частного капитала и левереджа — ведёт к финансовому мультипликатору; если темпы коммерциализации AI останутся ниже роста капитальных затрат, риски постепенно сместятся от переоценки к ухудшению кредитного качества, передаваясь по системе через перекредитование, private credit и секьюритизацию. Масштаб финансирования сам по себе не является проблемой — критично, удастся ли наладить цикл денежного потока до роста стоимости заимствований и обесценивания активов.

График 1: Откуда поступит 3,5 трлн долларов AI-финансирования?

Примечание: капитальные затраты и поддержка OCF на основе консенсус-прогноза рынка; долю публичного капитала предполагаем на уровне 10%; объём выпуска долговых ценных бумаг класса investment grade рассчитывается по рейтинговым ограничениям, уровню левереджа и концентрированности долговых индексов; левередж включает high yield-облигации и левереджированные кредиты, секьюритизация: ABS и CMBS. Недостающий объём покрытия предполагается за счёт частного капитала, включая инфраструктурные, private equity, кредитные и девелоперские фонды. Расчёт демонстрационный, не является прогнозом.

Инфраструктурные капзатраты AI: от денежного потока к долгу

Новый цикл капитальных затрат AI формирует спрос на финансирование

Оценки объёмов инвестиций в AI-инфраструктуру на ближайшие 5 лет варьируются от 4 до 8 трлн долларов в зависимости от методологии; в качестве базовой принимаем консенсусную цифру примерно в 5,6 трлн долларов на 2026-2030 годы. Для последующих расчетов дефицита финансирования мы используем капитальные затраты пяти крупнейших облачных провайдеров на 2025 год в качестве базы, а темпы роста AI-выручки NVIDIA и AMD, по консенсусу рынка, — как прокси-индикатор для всей AI-индустрии. Пятилетний среднегодовой темп роста AI-выручки NVIDIA и AMD — около 44%, существенно превосходит ожидаемый рост капзатрат крупнейших облачных провайдеров (21%). Это показывает, что опора только на операционные денежные потоки cloud-компаний вряд ли позволит покрыть расходы на AI, что приведёт к необходимости постепенного увеличения доли внешнего финансирования.

График 2: Ожидаемый рост AI-выручки чипмейкеров превышает рост капзатрат облачных гигантов

Примечание: данные за 2026-2030 годы — консенсус Bloomberg; демо-расчёт, не является прогнозом.

Источники: пресс-релизы публичных компаний, Bloomberg, Аналитический департамент CICC

Крупнейшие облачные компании: от денежного потока к долгу

На конец 2025 года совокупные активы Microsoft, Amazon, Alphabet, Meta и Oracle составляют около 2,6 трлн долларов, коэффициент долга — около 45%, чистый долг к EBITDA — лишь около 0,3х; ежегодный операционный денежный поток — около 580 млрд долларов совокупно для пяти компаний. Однако под давлением капитальных затрат часть провайдеров увеличивают левередж: доля капзатрат в доходах выросла с 12% в 2023 году до 23% в 2025-м и, по ожиданиям, далее до 40%+ к 2027 году, что сопоставимо с историческими максимумами секторов интернета и энергетики. Ожидается, что свободный денежный поток cloud-гигантов снизится с 200 млрд долларов в 2025 году до 24 млрд в 2027-м, что ограничит возможности байбэков и дивидендов. Таким образом, AI-инвестиции будут всё больше зависеть от внешнего финансирования.

График 3: AI-поставщики выигрывают от роста капзатрат, однако падение свободных ДП cloud-компаний давит на акции

Примечание: консенсус Bloomberg по 2026-2027; индекс акций AI-поставщиков: NVIDIA, AMD, Broadcom, SK Hynix, Samsung Electronics, Micron Technology, ASML; индекс cloud-компаний: Meta, Amazon, Microsoft, Alphabet, Oracle.
Источники: Factset, Bloomberg, пресс-релизы публичных компаний, Аналитический департамент CICC

График 4: Интенсивность капзатрат cloud-компаний превышает пики dotcom- и энергопузырей

Примечание: оценка по консенсусу Bloomberg на 2026-2028 годы.
Источники: Factset, Bloomberg, пресс-релизы публичных компаний, Аналитический департамент CICC

3,5 трлн долларов: дефицит финансирования AI-капзатрат

Мы берём консенсусное ожидание капзатрат cloud-компаний на конец 2025 года (2,1 трлн долларов) как величину, покрываемую операционным денежным потоком (до масштабного внешнего финансирования), когда существует возможности предусмотреть дивиденды, выкуп и удовлетворять потребности в ликвидности. Оставшаяся часть индустриальных вложений (около 3,5 трлн долларов) требуется покрывать за счёт внешнего финансирования.

График 5: Рост капзатрат AI приводит к дефициту финансирования на 3,5 трлн долларов

Примечание: демонстрационный расчёт, не прогноз. Объём капзатрат индустрии рассчитан исходя из роста AI-выручки Nvidia и AMD и капзатрат cloud-компаний на 2025 год; капзатраты, поддерживаемые ОПД cloud-компаний, — по консенсусу Bloomberg на конец 2025, с учётом необходимости дивидендов, выкупов и ликвидности;

Источники: пресс-релизы публичных компаний, Bloomberg, Аналитический департамент CICC

Откуда брать 3,5 трлн долларов: структура финансирования AI

Долговые бумаги investment grade: ядро финансирования AI

Мы прогнозируем, что инвестиционный долг сможет привлечь для AI-инвестиций 1,5 трлн долларов в 2026-2030 годах (~42% внешнего спроса на капитал) — это основной канал. Крупные cloud-компании располагают сильными денежными потоками, низким стартовым левереджем и инвестиционными рейтингами — это даёт им доступ к глубокому и длинному долговому капиталу по умеренной стоимости. Применяя ограничения рейтингов, концентрации в индексах и целевой debt/EBITDA, мы рассчитываем, что пространство выпуска составляет 1,2-2,3 трлн долларов.

С начала 2026 года совокупные размещения облигаций топ-5 cloud-компаний уже превысили 190 млрд долларов — исторический максимум, причём валюта выпуска расширилась от доллара до евро, фунта и канадского доллара. Диверсификация снижает ценовое давление на рынок. Хотя рынок investment grade способен взять львиную долю финансирования AI, постоянная эмиссия длинных бондов повысит долю IT-сектора в индексах, расширит кредитные спрэды на длинном конце и ужесточит рейтинговые лимиты.

График 6: Крупные cloud-компании размещают рекордные объёмы бондов и диверсифицируют валюту

Примечание: на 14 июля 2026 года
Источники: Bloomberg, Аналитический департамент CICC

График 7: Оценочная верхняя граница размещения investment grade-бондов cloud-компаниями

Примечание: данные на 14 июля 2026 года.
Источники: Bloomberg, S&P Global, Аналитический департамент CICC

График 8: Эмиссия «ультра-длинных» облигаций AI может расширить длинные кредитные спрэды

Источники: Wind, Аналитический департамент CICC

Левереджированное финансирование: переходный капитал для динамично развивающихся компаний

По соотношению рынков левереджированного финансирования и investment grade (примерно 20%), рынок высокодоходных облигаций и левереджированных кредитов предоставит около 0,3 трлн долларов для AI, или 8% от необходимого внешнего финансирования. Этот сегмент обслуживает преимущественно Neocloud, HPC-операторов и центры обработки данных, не имеющие investment grade, но обладающих доходами и активами.

График 9: Рынок левереджированного финансирования США — около 3 трлн долларов

Примечание: на 14 июля 2026 года

Источники: Bloomberg, Аналитический департамент CICC

Публичный акционерный капитал: от «деакционизации» к «реакционизации»

Мы предполагаем долю equity в проектах на уровне 20% (обычно 10-30%), половина из которых поступит с публичного рынка: это даёт 0,4 трлн долларов на акционерное финансирование AI в 2026-2030. Акционерный капитал не нуждается в погашении и выплате процентов, первым берет на себя риск технологической эволюции, коммерциализации и остаточной стоимости, поэтому наиболее релевантен для AI-модельных компаний, Neocloud и операторов дата-центров с нестабильным кешфло.

За последние десятилетия публичные американские и китайские компании предпочитали байбэки и дивиденды, уменьшая фрифлоат и усиливая рост EPS — то есть рынок испытал фазу «деакционизации». «Реакционизация» означает обратный тренд: вновь становится популярным наращивание капитала за счёт эмиссии. Динамика equity-финансирования зависит от уровня рыночных мультипликаторов и доступности окон размещения: ухудшение конъюнктуры или падение оценок неминуемо замедлит новые размещения.

График 10: В этом году публичное equity-финансирование TMT в США может достичь исторического максимума

Примечание: включает IPO, SPO, private placement, rights issue и т.д.; данные по состоянию на 14 июля 2026 года.

Источники: Bloomberg, Аналитический департамент CICC

Секьюритизация: переход от кредитоспособности компании к активам

Мы предполагаем удвоение объёма секьюритизации AI-активов в 2026-2030 годах по сравнению с 2025, что даёт 0,3 трлн долларов (9% спроса на внешний капитал). ABS, CMBS и другие asset-backed продукты подходят для дата-центров и вычислительных активов с долгосрочным лизингом, где источником обслуживания являются арендные платежи и специализированные денежные потоки, а не корпоративный кешфло.

Секьюритизация позволяет высвободить кредиты структурирования и private equity, предоставляет длинные активы страховщикам, фондам и пенсиям, однако скорость расширения ограничивает стабильность аренды, кредитное качество клиентов, остаточная стоимость активов и стандартизация. Для GPU и другого быстро амортизируемого оборудования важными являются скорость обесценивания и наличие второго рынка, определяющие структуру сделки и рейтинговые ограничения.

График 11: В 2025 году объём секьюритизации дата-центров в США достиг 30 млрд долларов

Примечание: на 14 июля 2026 года

Источники: Bloomberg, Аналитический департамент CICC

Частный капитал: гибкое восполнение дефицита

Частный капитал (инфраструктурные фонды, private equity, частные кредитные фонды, девелоперские фонды и др.) способен покрыть около 1,1 трлн долларов, занимая второе место после инвестиционного долга (30% внешнего спроса). Его ключевое преимущество — гибкость структуры: equity, префы, мезонин, проектные кредиты и др. подходят для финансирования строительства и «нестандартизированных» проектов, с более высоким риском. Частные фонды могут создавать совместные предприятия (JV или SPV) с cloud-компаниями на уровне проекта, что позволит аккумулировать капитал вне балансов, снизить авансовые вложения cloud-гигантов и распределить риски между инвесторами.

Однако потенциал частного капитала ограничен структурой пассивов. Согласно Preqin и McKinsey, в июне 2025 доля cash-out у PE-фондов (AUM) достигла минимума (6%); в 2026-м возрастают pressure для частных закрытых фондов в части ликвидности/выкупа. Потенциал частного капитала для AI огромен, но реальная емкость зависит от динамики фондрайзинга и ликвидности продуктов.

График 12: Инвестиции в дата-центры резко увеличились

Источники: Preqin, Bloomberg, Аналитический департамент CICC

График 13: Сборы private capital сокращаются, но инфраструктурные фонды растут быстро

Источники: Preqin, McKinsey, Аналитический департамент CICC

График 14: Кэш-аут в PE-фондах на самом низком уровне за последние годы

Источники: Preqin, McKinsey, Аналитический департамент CICC

Вопрос на триллион долларов: как обслуживать долги AI?

1 трлн долларов: какой выручки требует «окупаемость» AI-финансирования?

В базовом сценарии оценка необходимости для обслуживания долгов и акционерной доходности при ROIC 10% — около 1 трлн долларов ежегодных устойчивых доходов (точнее 958 млрд долларов). В расчётах учитывались левередж, срок жизни инфраструктуры, зрелая маржа; предполагается, что около 70% экономического эффекта проявляется как выручка приложений, остальное — как экономия затрат и рост эффективности у корпораций.

Консенсусные оценки долгосрочной выручки AI варьируются от 600 млрд до 2 трлн долларов; наши цифры — средние в диапазоне, но даже они требуют экспоненциального роста: чтобы к 2030 году выйти на такой уровень, индустрии нужно почти удваиваться ежегодно в течение 5 лет.

График 15: Расчёт окупаемости капитала AI

Примечание: демонстрационный расчёт, не прогноз; AI industry revenue включает 90% доходов OpenAI, Anthropic, Zhipu, Minimax; отношение долга к активам — 85%; ROIC — до налогообложения; маржа с учётом затрат на техобслуживание.

Источники: пресс-релизы публичных компаний, IMF, Counterpoint Research, Аналитический департамент CICC

1 трлн долларов в год — 0,7% мирового ВВП или по 46 долларов на iPhone в месяц, однако монетизация AI — не только платёж потребителей; доход может поступать из корпоративных затрат, рекламы, e-commerce, госзаказов и др. По оценке Gartner, затраты на SaaS-платформы в мире в 2025 году составят 300 млрд долларов, на публичные облака — 700 млрд. Соответственно, 1 трлн долларов AI-дохода — это в 3,2 раза больше объёма рынка SaaS-2025 и в 1,4 раза крупнее всех публичных облаков. Таким образом, цель в 1 трлн долларов — очень амбициозная, но достижимая; она не критична для возврата капитала и обслуживания долга, при условии хорошей пропускной способности канала монетизации.

Анализ чувствительности ключевых предположений

В этих расчётах наибольшей неопределённости подвержены параметры маржи и срока амортизации. В качестве базы мы взяли зрелую EBITDA-маржу AI-предприятий около 50%, но реально такой уровень пока не подтверждается финансовыми результатами: большинство крупнейших моделей AI генерирует скорректированные чистые убытки 300-500%.

Второй ключевой фактор — срок амортизации инфраструктуры. Если операторские здания и инженерные сети служат более 10 лет, то чипы и электроника амортизируются быстрее из-за технологических скачков, и их доля ускоряет обесценивание объектов в целом.

Чувствительность по этим двум параметрам показывает:

1. При амортизации 7 лет достаточно EBITDA-маржи около 30% для near break-even доходности капитала; при марже ниже 20% даже долгоживущий актив не покроет стоимость капитала.

2. При марже 50% хватает пятилетнего срока на положительную отдачу; более длительный срок резко повышает доходность.

Таким образом, оценивать «окупаемость» AI-инвестиций нужно не только по выручке — критична роль маржи и обесценивания. Недостаточная маржа и быстрая амортизация резко увеличивают требуемый оборот для покрытия затрат.

График 16: Рентабельность AI-инвестиций существенно зависит от маржи и срока жизни инфраструктуры

Примечание: исходя из сезона выручки AI-приложений (1 трлн долларов/год) базового сценария.
Источник: Аналитический департамент CICC

График 17: Крупнейшие AI-компании LLM пока демонстрируют огромные убытки

Примечание: скорректированный убыток — non-IFRS метрика, не содержит акций, изменений по справедливой стоимости пред-IPO инструментов и листинговых расходов.

Источники: пресс-релизы публичных компаний, Bloomberg, Аналитический департамент CICC

Возможности и риски для финансовых институтов

AI-инвестиции расширяют балансы банков

На этапе строительства дата-центры не генерируют стабильных кэш-флоу — банки выдают кредиты; по завершении — проводят рефинансирование через длинные облигации, частные кредиты и др. Так, банки выступают мостом между строительством и рынком капитала.

Финансирование небанковских институтов стимулирует рост банковского кредитования: через фонды, NAV-кредиты и прочее банки способны предоставить левередж небанковским инвесторам. Частный капитал берет на себя долгосрочные project risks, банки — короткие и senior-tranche кредитования. В июне 2026 года кредиты банков небанкам выросли на 25% г/г, заметно быстрее классических кредитов. Это отражает эффект «раскачки» банков за счёт активности частного капитала; в финансировании AI-инфраструктуры — значимый сегмент.

График 18: Кредиты финнекон-институтам в США тянут вверх кредитный цикл

Примечание: nonbank, C&I, consumer — скорректированы по изменению метода учёта.

Источники: ФРС США, Wind, Аналитический департамент CICC

AI-финансирование растит капитал-маркет доходы банков

Прямой эффект — рост non-interest income: чистая прибыль «Большой шестерки» банков США выросла на 40% г/г во 2Q26, доход — на 22%, non-interest income — на 32%. Рост IPO, M&A, облигационных выпусков стимулирован AI.

Крупнейшие банки могут получить комиссионные доходы, не загружая баланс долгосрочными активами; мелкие и средние банки работают больше проектным дорожанием, что даёт более высокую маржу, но сопряжено с капиталовым и кредитным риском.

Внимание: банк признаёт доходы на стадии финансирования, тогда как кредитные риски реализуются уже на этапе возврата — поэтому возникает лаг между доходами и рисками.

График 19: На этом витке цикла доходы банков США движет capital markets бизнес

Примечание: Большая шестерка — JP Morgan Chase, Bank of America, Citigroup, Wells Fargo, Goldman Sachs, Morgan Stanley.

Источники: пресс-релизы публичных компаний, Bloomberg, Аналитический департамент CICC

От AI-рисков к финансовым рискам

Может ли рефинансирование заменить кешфлоу? У cloud-гигантов облигации на 10-30 лет, фонды — 10+ лет, дата-центры перекредитуются через project bonds и секьюритизацию после запуска. Это снижает краткосрочное давление на погашение и даёт время на монетизацию. Если доходы ниже ожиданий — рефинансирование удлиняет срок долга. Но: если загрузка, маржа и жизнь активов долго ниже ожиданий, многоэтапное рефинансирование взвинчивает левередж и стоимость долга. Мы оцениваем: c 2027 до 2032 годы срок погашения bond cloud-компаний достигает пика — 28 млрд долларов/год, что на 60% выше 2024-2026 — возрастающее давление на рефинансирование.

График 20: Пик погашения облигаций cloud-компаний начиная с 2027 года

Источники: Bloomberg, Аналитический департамент CICC

Cloud-компании — ядро кредитных рисков. Облака — главные инвесторы AI, заемщики, арендаторы и конечные контрагенты в индустрии; их кредитный статус ключевой для всей цепочки кэш-флоу. Разбежка CDS-кредитных спредов cloud-компаний — наглядный индикатор: с конца 2025 дифференциация усиливается; на июль 2026 пятилетние CDS Microsoft, Amazon, Alphabet, Meta — в диапазоне 45-80 б.п., у Oracle и CoreWeave — выше 180 и 600 б.п. соответственно; рынок ориентируется на большее кредитное давление для компаний с высоким левереджем и низкой cash generation.

График 21: Рост кредитных спредов cloud-компаний отображает повышение рисков дефолта

Источники: Bloomberg, Аналитический департамент CICC

Механизмы передачи финансовых рисков. При недостижении коммерциализации AI риски прежде всего проявятся в снижении загрузки дата-центров, выручки и рентабельности, затем — в обесценивании активов. Первичные убытки получают акционеры cloud-компаний, Neocloud и SPV, что фиксируется рынком акций; только после исчерпания equity-cushion риски перетекают в долги — в облигации, кредиты, private credit, секьюритизацию. Банковские кредиты — как правило, имеют приоритет, и гасят убытки последними.

Является ли AI «пузырём»? Взгляд через призму финансовой системы

Масштаб финансирования — не равен пузырю, критично: обеспечит ли новый капитал стабильный спрос и кешфлоу. Рынок капитала решает вопрос «будет ли построена AI-инфраструктура», но не «вернутся ли инвестиции». Мы расчитали: инвестиции требуют поддержки 1 трлн долларов/год доходов AI-приложений — цель реальная, но требует высокого уровня загрузки, рентабельности и срока эксплуатации. Если коммерциализация отстаёт от капзатрат, риски смещаются от переоценки к избыточным мощностям, снижению остаточной стоимости и ухудшению кредитного качества, передаваясь по цепочке (рефинансирование, private credit, секьюритизация). Вопрос не в сумме, а в том, удастся ли наладить цикл cash flow до подорожания капитала и списаний активов.

График 22: Логика передачи финансовых рисков от AI к банковской системе

Источники: Аналитический департамент CICC