От расширения вычислительной мощности AI до получения доходов на уровне приложений — Goldman Sachs рассматривает новый этап инвестиций в AI: кто сможет превратить token в денежный поток

По данным приложения Zhito Finance, на высокоожидаемой конференции Goldman Sachs Communacopia+ Technology лидеры программного обеспечения, работающие в сферах B2B и B2C AI-приложений, коллективно представили свои последние прогнозы роста на будущее. Согласно свежему меморандуму аналитиков Goldman Sachs, генеральный директор компании Databricks, ориентированной на большие данные и инженерные проекты в области искусственного интеллекта, Али Годси отметил, что конкуренция в сфере программных решений для AI переходит к реальному корпоративному внедрению: платформы, способные высокоэффективно и точно трансформировать возможности моделей в надежные бизнес-результаты, получат новое пространство для роста.

Databricks с помощью Genie обслуживает потребности корпоративной аналитики, а Unity Catalog унифицирует управление искусственным интеллектом, цифровым управлением, безопасностью и контролем издержек внутри предприятия, после чего расширяется в направления платформы данных для клиентов, аналитики безопасности, наблюдаемости и транзакционных баз данных. Goldman Sachs на этом основании подчеркивает: чтобы оценить потенциал прироста доли рынка для компаний, связанных с прикладными AI-программами в ближайшие три года, следует обращать особое внимание на технологическое ноу-хау, скорость внедрения инноваций и открытую архитектуру. По мнению Goldman Sachs, на инвестиционном уровне платформы с обширными эксклюзивными базами данных и мощными преимуществами в рабочих потоках имеют шанс на новую переоценку со стороны рынка.

Аналитики Goldman Sachs также отмечают, что глобальные инвестиции сейчас перемещаются от первой стадии AI—совместимых вложений в инфраструктуру вычислений (GPU/HBM/AI-центры обработки данных и узкие аппаратные «узкие места»)—ко второй стадии, где основными выигравшими станут приложения, способные превращать токены в всё более эффективную корпоративную производительность, доходы и денежные потоки. В будущем дифференциация в оценках, возможно, станет еще сильнее: компании-программисты, владеющие эксклюзивными данными, сложными корпоративными или персональными рабочими процессами, замкнутыми контурами исполнения агентных рабочих потоков и прозрачным ROI, получат переоценку, тогда как традиционные SaaS, легко сводимые к товарам с одной функцией на основе базовых моделей, продолжат находиться под давлением.

AI начинает высокоэффективно «выполнять задания»: данные предприятий и управление определяют потенциальные возможности внедрения

На конференции Communacopia+ Genie продемонстрировал путь Databricks к завоеванию корпоративного AI—с помощью фирменной технологии индексирования данных OntoRank и бизнес-онтологий компания организует данные предприятий в бизнес-информацию, которую модели могут понимать, вычислять и использовать, превращая свой продукт в роль «аналитика-интеллекта» на базе AI.

Руководство Databricks сообщило, что Genie уже широко используется внутри компании в отделах продаж, маркетинга и финансов, и за последние 6–12 месяцев заметно изменил внутренние процессы. Его инженерное предназначение в том, что enterprise-деплой агентов требует унифицированного понимания бизнес-объектов—таких как клиенты, заказы, выручка,–а также интеграции результатов анализа в ежедневные рабочие процессы; даже по мере роста эффективности моделей, база данных для этих задач всё ещё определяет точность исполнения. Руководство также видит возможности для сотрудничества с Palantir в сложных инженерных проектах по работе с данными.

Unity Catalog отвечает потребностям управления, возникающим при масштабном развертывании agентов. Аналитики Goldman Sachs отмечают, что быстрая итерация моделей увеличивает сложность выбора и внедрения, рост потребления токенов усиливает аудит стоимости и возврат инвестиций, а видимость того, что делают агенты, какие данные они используют и какие риски безопасности возникают, по-прежнему недостаточна. Поэтому управление данными, контроль доступа, безопасность и бизнес-семантика должны быть тесно интегрированы с операционными средами искусственного интеллекта.

Goldman Sachs считает, что коммерческая ценность таких AI-платформ состоит в том, чтобы компании могли уверенно расширять внедрение: чётко понимать, что агент может делать, к каким данным он может иметь доступ, а также отслеживать стоимость и результаты задач. Лояльность клиентов, таким образом, формируется за счёт постоянного создания бизнес-ценности, что соответствует акценту Goldman Sachs на технологических способностях, скорости инноваций и открытой архитектуре.

Фактическое расширение продуктовой линейки лидеров AI-платформ нового поколения, таких как Databricks, охватывает четыре направления: по платформам клиентских данных Infinite Campaigns поддерживает переход от сегментированного маркетинга к персонифицированному, и руководство ожидает, что модели с открытым исходным кодом ещё более оптимизируют издержки; в области управления информационной безопасностью и событиями (SIEM) новые данные, генерируемые агентами, а также объединение ролей CIO и CISO, создают условия для платформы данных по выходу на рынок аналитики безопасности; наблюдаемость—ещё одно направление развития, но график выпуска продукта пока не раскрыт. Lakebase рассматривается руководством как потенциально самая большая новая возможность: поскольку AI снижает порог создания ПО, для новых приложений потребуется поддержка транзакционных баз данных для повседневных операций, расширяя рыночную долю Databricks за пределами аналитических задач.

Руководство даже предполагает, что в ближайшие восемь месяцев будет создано больше ПО, чем за всю предшествующую историю,—но Goldman Sachs обращает внимание, что это довольно агрессивный прогноз и не может рассматриваться как подтверждённый отраслевой сценарий.

Преобразование токенов в денежный поток: распространение возможностей прикладного уровня, ускоренная дифференциация ПО-компаний

OpenAI представила мощную Astra, сосредоточенную на повышении эффективности компьютерных операций, программировании и выполнении сложных задач с помощью агента—это позволяет большему числу корпоративных рабочих сценариев переходить на автоматизацию, но «конкуренция в производительности моделей» и «конкуренция в бизнес-внедрении» будут развиваться параллельно. Модель тарификации становится многоуровневой: Astra API по-прежнему рассчитывается по числу входных и выходных токенов, а знакомые с AI-решениями производители ПО могут взимать плату за пользователя, количество операций, диалог или бизнес-результат. Например, Intercom Fin берет плату по определяемым компанией бизнес-результатам (от 0,99 доллара за задание); Salesforce Agentforce позволяет тарификацию по количеству операций, диалогов и пользовательских лицензий.

Поставщики базовых моделей, скорее всего, продолжат делать ставку на API-продажи вычислительных услуг, а слой прикладных AI-программ всё сильнее будет вынужден доказывать свою ценность для бизнеса. Плата за результат обеспечивает большую прозрачность ценностей для клиента, но также требует от поставщиков взятия на себя затрат на инференс, повторные попытки и человеческую проверку; успех задания и прибыльность каждой задачи становятся ключевыми показателями коммерческого качества.

Недавняя ситуация на фондовом рынке уже продемонстрировала: рынок готов поощрять реализацию AI-выручки, но также наказывает за существование риска замещения. 3 сентября акции Snowflake—одного из конкурентов Databricks—выросли примерно на 17% после сильного квартального отчёта: доход от продуктов за второй финансовый квартал увеличился на 37% по сравнению с прошлым годом и достиг 1,49 млрд долларов, годовая прогнозная выручка поднялась с 5,84 до 6,07 млрд долларов, что подтверждает растущее потребление корпоративными AI-приложениями платформ данных. А уже к 8 сентября акции Salesforce и Intuit снизились примерно на 4%, ServiceNow упали на 5%, индекс S&P 500 по софту и услугам–на 1,4%; аналитики Уолл-стрит объясняют частично это давление на продажу очередным появлением Astra и новыми опасениями по поводу замещения софта крупными AI-моделями.

Стратегия внедрения ПО от Databricks наглядно демонстрирует, как прибыль от AI ускоренно распространяется по цепочке поставок отрасли: агенты берут на себя все больше задач, стимулируя потребление вычислительных ресурсов, хранилищ и сервисов данных; платформы с возможностями соединения корпоративных данных, управления и бизнес-процессами стремятся превращать этот объем использования в доходы и денежные потоки. Для ПО-компаний это структурно позитивно, однако расширение платформ также сужает рыночные возможности для самостоятельных узкоспециализированных инструментов. Компании, которые выигрывают, должны одновременно показывать рост новых AI-доходов, увеличение трат текущих клиентов и высокую маржинальность; в то время как те, кто делает ставку на интерфейс или отдельную узкую функцию, сталкиваются с нарастающей конкуренцией.

Якорь оценки для AI-инвестиций, начавшейся в конце 2022 года волны, постепенно смещается от «масштаба капиталовложений» к «эффективности возврата капитала»—и этот процесс только ускоряется: если первая стадия AI-инвестиционного бума была сосредоточена на «кто строит и извлекает выгоду из крупнейших GPU-центров обработки данных», то в настоящее время основная точка роста—«кто способен превратить токены в устойчивый денежный поток».

Финансовый супер-бычий тренд вокруг AI сдвигается от «покупки акций чипмейкеров» к «покупке AI-решений для рабочих процессов»: теперь рынок переоценивает инвестиционный фокус AI-бума—с «кто выигрывает от постоянных AI-капвложений» в сторону «кто быстрее всех превращает вычислительные мощности в ARR, маржинальность и свободный денежный поток». Этот свежий ротационный импульс благоприятен для AI-программных компаний с высоким уровнем интеграции в ключевые процессы бизнеса, высокой ставкой обновления подписок, сильными данными и возможностями монетизации. Способность таких компаний постоянно внедрять более производительные и экономичные модели, сохраняя при этом незаменимую бизнес-ценность, повлияет на их долгосрочную ценовую власть.