СтатьяИнвестиции и фондовый рынокРазговоры о пузыре ИИ опираются на цифры: доклад «Росконгресса» оценил вероятность краха рынка ИИ-компаний в 2026 году выше 50%. Мы не прогнозируем курсы акций, а разбираем, что из этих цифр важно для компании, которая вкладывает в свой ИИ.
Первый признак: рост рынка держится на узкой группе компаний. По докладу «Росконгресса», с начала 2024 года S&P 500 вырос примерно на 7,5 трлн $, и 4,9 трлн $ из этого роста дали 17 компаний, связанных с ИИ.
Второй признак: деньги в стартапы растут быстрее, чем раньше. По данным PitchBook в пересказе «Коммерсанта», ИИ-стартапы за 1 полугодие 2026 года привлекли 407 млрд $ против 264,1 млрд $ за весь 2025 год.
Третий признак: деньги сосредоточены в двух получателях. Около 217 млрд $ из 407 млрд $ пришлось на OpenAI и Anthropic.
Четвертый признак: расходы гигантов на мощности. По оценке Forbes, капитальные затраты Amazon, Microsoft, Alphabet и Meta* в 2026 году составят вместе 700–725 млрд $ против 410 млрд $ в 2025 году, рост около 75%.
СтатьяИнвестиции и фондовый рынокРынок ИИ-решений в России сейчас около 25 млрд руб., по оценке, приведенной в источнике. Ниже прогноз до 2030 года по сегментам, место ИИ-агентов, кто будет делить рынок и что это значит для заказчика.
По оценке, приведенной в источнике, рынок корпоративных ИИ-решений в России около 25 млрд руб. Речь о решениях для бизнеса, а не о потребительских сервисах.
У этой цифры есть оговорка: в первоисточнике она описана двумя способами, как весь рынок корпоративного ИИ и как только генеративный ИИ. Мы приводим ее так, как она дана в источнике, и не используем как точную базу для расчетов.
В той же оценке 88% компаний используют ИИ, но менее 10% видят эффект выше 5% прибыли. Охват у рынка широкий, а денег в нем пока немного: большинство компаний тратит на ИИ скромные суммы и не получает заметной отдачи.
Как связаны охват и деньги: если почти каждая компания пробует ИИ, но почти никто не видит большой отдачи, рынок пока продает пробы, а не результат. Поставщик, который отвечает за метрику в процессе, отличается от того, кто продает доступ.
СтатьяИнвестиции и фондовый рынокПокупка ИИ-компаний в 2026 году идет на миллиарды долларов: в марте Google закрыла сделку с Wiz за 32 млрд $, в 3 квартале Nvidia предложила 12,9 млрд $ за Hugging Face. Ниже крупнейшие сделки, кто покупает и зачем, и что происходит с такими сделками в России.
Сделки 2026 года с ИИ-компаниями и компаниями вокруг ИИ по открытым источникам:
1. Google и Wiz: 32 млрд $ наличными, сделка закрыта 11 марта 2026 года, через год после объявления. Wiz делает системы облачной безопасности.
2. Nvidia и Hugging Face: предложение о покупке за 12,9 млрд $, 3 квартал. Hugging Face держит крупную открытую площадку моделей и данных для разработчиков.
3. AMD и World Labs: объявлено намерение купить компанию за 8,2 млрд $, 3 квартал. World Labs разрабатывает модели, которые строят трехмерные миры.
4. Stripe и OpenRouter: покупка за 7,5 млрд $, 3 квартал. OpenRouter дает разработчикам единый доступ к моделям разных компаний.
СтатьяИнвестиции и фондовый рынокИнвестиции в российские ИИ-стартапы за 9 месяцев 2026 года составили 2,66 млрд руб. в 33 сделках, по предварительным данным Venture Guide. Ниже раунды с суммой, инвестором, датой и источником, а также кто дает деньги и что это значит для компаний.
Весь венчурный рынок России за 9 месяцев 2026 года составил 5,67 млрд руб. в 73 сделках, средняя сделка 86 млн руб. Данные предварительные, на 4 октября 2026 года, источник Venture Guide (Московский венчурный фонд).
ИИ и машинное обучение за тот же срок получили 2,66 млрд руб. и 33 сделки. Это первое место среди направлений и по объему денег, и по числу сделок.
Больше трети ИИ-денег, по нашему пересчету, пришлось на одну сделку: «АрхиТех ИИ» привлек 1,09 млрд руб. в раунде C+. Поэтому средняя сумма ИИ-сделки мало говорит о типичном раунде, большинство раундов намного меньше.
Для масштаба: по оценке Kama Flow, независимому российскому рынку ИИ нужно около 84 млрд руб. частного венчура в год. За 9 месяцев 2026 года ИИ получил 2,66 млрд руб., в десятки раз меньше этой потребности.
СтатьяСколько инвестировать в ИИ, подсказывают два ориентира: в России компании с наибольшим эффектом тратят на ИИ 13-17% ИТ-бюджета, в мире 28% организаций тратят больше 10% ИКТ-бюджета. Доля бюджета задает рамку, а точную сумму дает расчет по процессам вашей компании.
Российский ориентир дает отраслевое исследование 2025 года: опрос 150 технических директоров из 16 отраслей. Компании с наибольшим эффектом от ИИ тратят на него 13-17% ИТ-бюджета и получают 6,6% EBITDA, а в ожиданиях 15,8%.
Мировой ориентир дает опрос McKinsey: 1 719 участников из 97 стран, май-июнь 2026 года. 28% организаций тратят на ИИ больше 10% ИКТ-бюджета, 60% ждут роста инвестиций в ИИ в следующем году.
Базы у исследований разные: в одном ИТ-бюджет, в другом ИКТ-бюджет, куда входит и связь. Поэтому цифры показывают порядок, а не норму для вашей компании.
Как пользоваться ориентиром: возьмите ИТ-бюджет прошлого года и посчитайте от него 13-17%. Если сумма заметно больше, чем вы готовы тратить, начните с одного процесса. Если меньше, проверьте, не платит ли компания за ИИ уже сейчас через подписки отделов.
СтатьяСвой ИИ или готовое решение: крупные компании в России чаще выбирают второе, 78% из них используют готовые ИИ-решения внешних партнеров, по отраслевому исследованию 2025 года. Выгоднее тот вариант, который дешевле за срок жизни решения и не ставит компанию в зависимость от одного поставщика.
Отраслевое исследование 2025 года опросило 150 технических директоров крупных российских компаний из 16 отраслей. 78% используют готовые ИИ-решения внешних партнеров, 71% донастраивают готовые модели вместо полного цикла обучения.
Значит, выбор у большинства идет не между своей моделью и чужой, а между готовым сервисом и своим решением на готовой модели.
У средней компании своей команды разработки ИИ обычно нет. Для нее выбор выглядит так: готовый сервис по подписке или решение, которое соберет подрядчик на готовой модели.
В мире заметно встречное движение. По опросу McKinsey 2026 года, 32% организаций отказались от покупки хотя бы одного продукта, потому что могут сделать его сами с помощью ИИ-агентов.
СтатьяИнвестиции и фондовый рынокСуверенный ИИ требует инвестиций, которые не окупит одна компания: дата-центры, свои модели, вычислительные мощности для науки. США, Евросоюз, Китай, Франция, Великобритания и Россия выделяют на это деньги, но платит за независимость в каждой стране разный кошелек. Например, Еврокомиссия хочет привлечь 200 млрд евро через программу InvestAI.
Это модели, данные и вычислительные мощности, которые страна контролирует сама и не потеряет из-за решения иностранной компании или правительства. Подробно о понятии, моделях и требованиях рассказывает наш раздел о суверенном ИИ.
Здесь речь о деньгах: кто платит за такую независимость. В одних странах деньги дает бюджет, в других государство задает цель и собирает под нее частный капитал.
Стартовые позиции у стран разные. По данным Stanford HAI, в 2025 году корпоративные инвестиции в ИИ в США составили 285,88 млрд $, в Европе 20,92 млрд $, в Китае 12,41 млрд $.
СтатьяИнвестиции и фондовый рынокТренды инвестиций в ИИ в 2026 году видны по тому, куда идут деньги: из 2,59 трлн $ мировых расходов на ИИ, по прогнозу Gartner, 1,43 трлн $ приходится на инфраструктуру. Ниже пять направлений с цифрами, то, что каждое значит для российской компании, и риски перегрева рынка.
Gartner прогнозирует расходы на ИИ в мире в 2026 году в 2,59 трлн $, на 47% больше, чем в 2025 году, когда они составили 1,76 трлн $. На 2027 год прогноз 3,49 трлн $.
По нашему пересчету, больше половины суммы 2026 года, 1,43 трлн $, уходит в инфраструктуру: дата-центры, чипы, память, сети. Деньги сначала идут туда, где строят мощности, и только потом в программы, которые на них работают.
Планы крупнейших компаний растут и внутри года. В июле 2026 года Amazon подняла прогноз капитальных затрат на 2026 год до 220 млрд $ с 200 млрд $ и объяснила это подорожанием памяти. Alphabet подняла свой прогноз до 195–205 млрд $.
Для российской компании отсюда практический вывод: стоимость вычислений будет заметной статьей любого ИИ-проекта. Считайте ее отдельно и сравнивайте облако с работой на своих серверах до старта.
СтатьяИнвестиции и фондовый рынокВенчурные инвестиции в России в 2026 году сокращаются, а ИИ среди них на первом месте: за 9 месяцев направление получило 2,66 млрд руб. Ниже цифры рынка по предварительным данным Venture Guide, кто дает деньги и почему венчура в ИИ мало.
За 9 месяцев 2026 года венчурный рынок России составил 5,67 млрд руб. в 73 сделках, средняя сделка 86 млн руб. Данные предварительные, на 4 октября 2026 года, источник Venture Guide (Московский венчурный фонд).
ИИ и машинное обучение получили 2,66 млрд руб. и 33 сделки. Это первое место и по объему денег, и по числу сделок.
Средняя сделка рынка 86 млн руб., но среднюю тянут вверх единичные крупные раунды. Судя по раскрытым сделкам, большинство раундов заметно меньше, особенно на ранних стадиях.
Следом идут три ниши с близкими суммами: медицина 1,64 млрд руб. в 16 сделках, корпоративное ПО 1,57 млрд руб. в 20 сделках, промышленные технологии около 1,57 млрд руб. в 12 сделках.
СтатьяИТОблачные модели продают токены, а не серверы. Калькулятор токенов переводит ваш сценарий, запросы в день и длину запроса и ответа, в месячный счет за API нейросети в рублях по ценам зарубежных и российских провайдеров на 29.09.2026 по курсу ЦБ. Цены и курс можно править прямо в форме.
Токены на вход в месяц: запросы в день, умноженные на 30 и на длину запроса с контекстом. Токены на выход: запросы, умноженные на длину ответа. Счет: входные токены, умноженные на цену за миллион входных, плюс выходные на цену выходных, в долларах, умноженные на курс 84,4075 ₽ ЦБ РФ на 29.09.2026. Российские модели считаются в рублях за 1 000 токенов, у них вход и выход стоят одинаково. Число токенов зависит от модели: по данным крупного российского разработчика ИИ, у его облачной модели в среднем 3–4 символа на токен, у других моделей та же фраза дает свое число токенов; замерьте типовой запрос счетчиком токенов провайдера.
СтатьяИТМодель, которая не поместилась в память, не работает вообще. Калькулятор памяти для LLM, больших языковых моделей, считает три слагаемых: веса, кэш контекста и запас, и сравнивает итог с памятью ноутбука, Mac Studio, видеокарт и серверных карт. Формула и примеры под калькулятором, чтобы вы могли пересчитать вручную.
Веса: число параметров в миллиардах, умноженное на байты на параметр: 2 в FP16, 1 в 8-битной квантизации, 0,55 в 4-битной с учетом служебных данных формата. KV-кэш: длина контекста в токенах, умноженная на память на токен, которая зависит от архитектуры: около 0,13 МБ для моделей на 8 млрд параметров, 0,25 МБ для 30 млрд, 0,33 МБ для 70 млрд и выше. Запас: 15% на рабочие буферы и систему, поле можно изменить. Для нескольких одновременных пользователей кэш умножается на их число.
Калькулятор сначала показывает, сколько памяти нужно, затем ставит каждому варианту железа один из трех статусов. «Да» значит, что после загрузки модели остается не меньше 10% памяти: модель работает, и есть место для более длинного документа или еще одного пользователя. «Впритык» значит запас от 0 до 10%: модель загрузится, но любая прибавка, длинный договор, второй диалог или обновление модели, выведет ее за предел. Для личной работы это допустимо, для сервиса, от которого зависит отдел, нет. «Нет» и зачеркнутая строка значат, что итог больше доступной памяти: модель не запустится или будет работать в разы медленнее, если часть слоев уйдет в оперативную память.
СтатьяИТЦена видеокарты это только первая строка. Калькулятор стоимости локального ИИ складывает пять статей: амортизацию железа, электричество, размещение, обслуживание и время инженера, и выдает сумму в месяц, которую можно сравнить со счетом за облачный API. Все поля можно менять, значения по умолчанию взяты из источников на 29.09.2026 и из наших оценок.
В месяц: цена железа, деленная на срок амортизации в месяцах, плюс мощность в киловаттах, умноженная на 720 часов, долю времени под нагрузкой и тариф, плюс размещение в дата-центре, плюс обслуживание как доля цены железа в год, деленная на 12, плюс доля ставки инженера. По умолчанию: 36 месяцев, 50% времени под нагрузкой, тариф 7,87 ₽ за кВт·ч (одноставочный тариф для населения Москвы на первое полугодие 2026 года), обслуживание 10% в год, инженер 0 для ноутбука и Mac Studio, 25 000 ₽ для рабочей станции и 50 000 ₽ для сервера; обслуживание и доля инженера это наши оценки.
СтатьяИТРасчет «локальный ИИ или облако» сводится к одной формуле. Возьмите цену железа, его расходы в месяц и счет за облако при том же объеме: калькулятор покажет месяц, в котором свое железо станет дешевле, или честно скажет, что не станет.
Месяцев до окупаемости: цена железа, деленная на разницу между счетом за облако и расходами на локальный вариант в месяц без амортизации. Если расходы на локальный вариант выше облачного счета, окупаемости нет: облако дешевле при любом сроке. Калькулятор подставляет цену и расходы из калькулятора локального ИИ и счет из калькулятора API, любое поле можно ввести вручную.
Четыре числа, и каждое лучше взять из своих данных, а не из средних. Объем токенов в месяц показывает месяц работы на облачной модели или пилот; без него расчет гадает. Цена железа зависит от модели: модель на 70 млрд параметров в 4 битах занимает около 38,5 ГБ и на карту с 32 ГБ не помещается, поэтому сначала проверьте память в калькуляторе памяти. Расходы в месяц без амортизации складываются из электричества по тарифу из вашего договора, размещения от 7 500 ₽ в месяц за сервер в дата-центре, обслуживания около 10% цены железа в год и доли инженера: по нашей оценке 10–20% ставки для сервера отдела при медианной зарплате DevOps-инженера 220 000–250 000 ₽ в месяц. Счет за облако берите из своего счета или из калькулятора API при том же объеме.
СтатьяИТОблако продает токены по цене за миллион, и стоимость токена на своем сервере можно посчитать в той же единице. Калькулятор берет расходы в месяц и скорость выдачи, учитывает загрузку и показывает вашу цену за миллион токенов рядом с ценами облачных моделей на 29.09.2026.
Токенов в месяц: скорость в токенах в секунду, умноженная на 2 592 000 секунд в месяце и на долю времени, когда модель реально генерирует. Цена миллиона: расходы в месяц из калькулятора локального ИИ, деленные на число миллионов. Скорость берите из замеров: для одного пользователя это 19–145 токенов в секунду на моделях 7–70 млрд, для пакетной выдачи на серверной карте суммарно, по нашей оценке, в десятки раз больше, и это главный рычаг.
Mac Studio M4 Max при 32 400 ₽ в месяц, модель 7 млрд (Llama 2 7B в 4 битах), 83 токена в секунду, генерация 30% времени: 64,6 млн токенов и 501 ₽ за миллион, около 5,9 доллара. Рабочая станция с RTX 5090 при 66 200 ₽ в месяц, 128 токенов в секунду по замеру RTX 4090 на модели 8 млрд (замера RTX 5090 в источниках нет), 50% времени: 165 млн токенов, 400 ₽ за миллион. Модель 70 млрд в 4 битах занимает около 38,5 ГБ и на одну RTX 5090 с 32 ГБ не помещается; станция с двумя RTX 5090 стоит около 94 900 ₽ в месяц, и при 19 токенах в секунду по замеру двух RTX 4090 это 24,8 млн токенов и 3 833 ₽ за миллион, дороже выходных токенов Opus 5.5 по 1 688 ₽. Арендованная H100 за 242 ₽ в час на модели 70 млрд при 25 токенах в секунду и 80% загрузке: 3 361 ₽ за миллион; на модели 8 млрд при 144,5 токена в секунду 581 ₽. Сервер с четырьмя H100 при 507 000 ₽ в месяц и пакетной выдаче 2 000 токенов в секунду суммарно (наше допущение) при 60% загрузке: 3,1 млрд токенов и 163 ₽ за миллион, около 2 долларов.