Spydell_finance

Кредитование физлиц в России начинает расти Рост рублевого кредитования физлиц в октябре составил 0.78% м/м после 0.57% в сентябре, за 3м – 0.72%, 6м – 0.40%, 12м (-0.08%), за 10м25 – 0.19% vs 1.22% за 10м24 и 1.9% за 10м23, в 2024 – 0.78%, 2023 – 1.72%, 2021 – 1.73% при среднесрочной норме 1.4% в 2017-2019 в условиях низкой инфляции, но и низкой по тем временам долговой нагрузки россиян. Несмотря на достаточно интенсивный рост последние три месяца, совокупный объем кредитования физлиц достиг объема 37.8 трлн, компенсировав провал начала года, достигнув уровня окт.24 (38.2 трлн – исторический максимум), т.е. годовая динамика все еще отрицательная. В структуре кредитного портфеля: ▪️Ипотечное кредитование – 21 трлн, +1.39% м/м в октябре после +1.04% в сентябре, за 3м – 1.17%, 6м – 0.68%, 12м – 0.45%, 10м25 – 0.47% vs 0.92% за 10м24 и 2.27% за 10м23, 2024 – 0.83%, 2023 – 2.18%, 2021 – 1.98%, 2017-2019 – 1.54%. С середины 2024 (начало цикла повторного ужесточения с ростом ставки с 16 до 21%) темпы прироста ипотечного кредитования резко замедлились (в среднем 0.4% в месяц) – примерно в 3-4 раза от среднеисторических темпов и в 5-6 раз от пиковых темпов по 6м средней. Практически весь чистый прирост ипотечного кредитования происходит за счет льготного ИЖК, тогда как рыночная ипотека «убита» чуть менее, чем полностью, хотя с начала 2025 идет восстановление (рост в 6 раз от минимумов с 20 до 120 млрд, но в 2.5 раза ниже типичных объемов). За 10м25 валовый объем рыночной ипотеки составил 559 млрд vs 1162 млрд за 10м24 и 2833 млрд за 10м23! тогда как госипотека: 2583 млрд за 10м25 vs 3160 млрд за 10м24 и 3437 млрд за 10м23. ▪️Потребительское (необеспеченное) кредитование – 13.8 трлн, достигнув минимума с августа 2023 и это по номиналу! За последние 13 месяцев потребительское кредитование снижалось 11 месяцев. От максимально уровня в сентябре 2024 (15.7 трлн), потребительское кредитование сократилось на 12.1% - это самое затяжное и самое сильное сжатие кредитной активности за 10 лет! В октябре (-0.54%) после (-0.62%) в сентябре, за 3м – (-0.38%), 6м – (-0.39%), 12м – (-1.05%), за 10м25 – (-0.43%) Vs +1.19% за 10м24 и +1.39% за 10м23, 2024 – 0.3%, 2023 – 1.05%, 2021 – 1.49%, а в 2017-2019 – 1.32%. ▪️ Автокредитование – почти 3 трлн, +2.71% м/м в октябре после 3.06% в сентябре. За 3м – 2.84%, 6м – 2.3%, 12м – 1.22%, 10м25 – 1.3% vs 4.09% за 10м24 и 2.88% за 10м23, в 2024 – 3.55%, 2023 – 2.95%, 2021 – 1.68% при среднесрочной норме 1.2% в 2017-2019. В автокредитовании был период сжатия и консолидации с января по май 2025, но с июня темпы роста экстремально высоки – в среднем 2.7% в месяц, что более, чем вдвое выше среднеисторических темпов и лишь немного ниже пиковых темпов 2023-2024. Здесь уже нельзя все списать на разовые факторы, здесь совокупность факторов, где доминирует ожидания роста цен после введения расширенного налога на авто, предполагающего рост цен на десятки процентов и в разы для мощных моделей. Плюс скидки автодилеров в режиме «субсидируемого» автокредитования, ну и реализация отложенного спроса. Динамика кредитования противоречивая: ИЖК растет только за счет льготных кредитов от государства, автокредитование растет преимущественно за счет ожидания роста цен и спецпрограмм от автодилеров, а потребительское кредитование в сильнейшем сжатии за 10 лет. В совокупности, результат скорее очень слабый, если оценивать по 6м средней – самые низкие темпы с 2017, но даже по 3м средней динамика соответствует нижней границе 2020 и 2022 в условиях кризисов. Поэтому нельзя рассматривать ускорение кредитования «в лоб». Выраженного проинфляционного воздействия не замечено, учитывая структурные характеристики прироста (основной проинфляционный импульс идет от потребительского кредитования), а ИЖК сейчас во власти госпрограмм. P.S. По американской статистике не собираюсь рассматривать "тухляк" 2-3 месячной давности, как только нормализуют ритмичность публикации данных, так и вернусь к статистике (они клоунада устроили, а мне копошиться в перекошенных и устаревших данных - нет уж).

О параметрах бюджета на 2026 год и далее Сегодня Совет Федерации одобрил федеральный бюджет на 2026–2028 годы. В совокупности было принято 715 поправок с внутренним перераспределением около 8 трлн руб. Расходы зафиксированы на 46.1 трлн vs плановых 42.8 трлн на 2025 год и текущих годовых расходов на уровне 44.4 трлн, что предполагает рост всего на 7.7% г/г к плану и +3.8% к фактической траектории. Это значительное замедление расходов по сравнению со среднегодовым темпом роста на уровне 21.5% последние три года. Доходы ожидаются на уровне 42.9 трлн vs 37.1 трлн на 2025 год и текущей 12м траектории на уровне 37 трлн, т.е. рост доходов почти на 16% к базе 2025 года. В структуре доходов доля ненефтегазовых доходов может составить 78% - рекордный максимум, т.е. зависимость от нефтегазовых доходов (около 22%) снижается. Для сравнения, в 2013 году доля нефтегазовых доходов была 50%, в 2019 году – 28%, в 2021 – почти 36%. Все это формирует плановый дефицит в 3.8 трлн на 2026 год (1.6% от ВВП, что является низким показателем по меркам крупных стран мира) по сравнению с плановым дефицитом 5.7 трлн в 2025 и 7.45 трлн по 12м сумме. Объем чистых заимствований планируется на уровне 4.17 трлн (валовое размещение 5.51 трлн минус погашение на 1.34 трлн), т.е. источником финансирования дефицита бюджета будут исключительно рыночные заимствования. Банк России делает особый акцент на бюджетной политике, как один из центральных триггеров для структурной макроэкономической трансформации, что оказывает влияние на инфляционные процессы, а для смягчения ДКП требуется сбалансированный бюджет. В условиях сложной макроэкономической, геополитической ситуации необходимо было сохранить сложную конфигурацию баланса между социальной и экономической поддержкой, не раздувая расходную часть бюджета, одновременна находя новые источники доходов, так что из этого получилось? ▪️О налоговом маневре: • Базовая ставка НДС повышается с 20% до 22% с 2026 года, но льготная ставка 10% полностью сохранена для всей социально значимой корзины. Рост НДС затрагивает примерно 2/3 от потребительских расходов и формирует дополнительный инфляционный импульс около 0.8 п.п. • Налог на букмекеров в 7% с разницы между ставками и выигрышами, а также сохраняется налог на прибыль в размере 25% • Порог НДС для МСП снижается плавно: 20 млн в 2026 → 15 млн в 2027 → 10 млн в 2028. • Мораторий на штрафы для впервые ставших плательщиками НДС – касается прежде всего микропредприятий и ИП. • Сохранена патентная система для розницы в сёлах и труднодоступных районах + для грузоперевозок. • УСН в рамках режима «доходы минус расходы» теперь может учитывать все обоснованные затраты, а не только закрытый перечень. • Сохранена нулевая ставка НДС для российского ПО и баз данных из реестра Минцифры. ▪️По социальным льготам и индексации (предполагается уровень индексации выше плановой инфляции в 2026 и на уровне фактической инфляции в 2025): • Страховые пенсии неработающим пенсионерам — +7.6% с 1 января 2026 • Социальные пенсии — +6.8% с 1 апреля 2026 (получают около 4.4 млн человек) • Материнский капитал — +6.8% с 1 февраля 2026: на первого ребёнка — 737 тыс, на второго — 974.2 тыс. • Единое пособие на детей, выплаты на детей до 3 лет из маткапитала, выплаты ветеранам, инвалидам, чернобыльцам — +6.8% с 1 февраля 2026. • Прожиточный минимум — +6.8% до 18939 ₽ (все привязанные выплаты растут автоматически). ▪️По крупным ассигнованиям: • Комплекс программ для выплат пособий семей с детьми – 1.41 трлн • Материнский капитал – 567 млрд • Денежные пособия инвалидам – 474.7 млрд • Субсидии промышленности – 966.4 млрд • Развитие федеральной дорожной сети – 651 млрд + региональная и местная дорожная сеть – 321 млрд • Развитие электронной и радиоэлектронной промышленности – 162 млрд • Стимулирование инвестиционной деятельности в АПК – 122.2 млрд • Техническая модернизация и поддержка экспорта АПК – 140 млрд. Также предполагается поддержка здравоохранения, образования и науки, как минимум в полном соответствии с ростом цен.

Кризис в OpenAI? Впервые за три года заметил и обратил внимание на то, что OpenAI (некогда абсолютный индустриальный флагман, формирующий технологические тренды) теряет импульс инноваций. Впервые за три года OpenAI больше не является лидером ни в одном сегменте. Интегрально, GPT-5.1 является топовой, передовой моделью по совокупности факторов, но нет решительного или видимого преимущества нигде. OpenAI перестает быть флагманом и законодателем моды, спускаясь на уровень «рабочей лошадки» с хорошими, но выровненными характеристиками. На самом деле, практически все значимые нововведения в индустрии на уровне LLMs движка (принцип рассуждающих моделей, синхронные ответы в голосовом и видео чате и т.д.), пользовательского интерфейса (формат чатбота), функционала или утилит (долговременная память, пользовательские GPTs с настройками, глубокий анализ, режим холста и обучения) были родом из недр OpenAI. Но, все наиболее успешные и востребованные функции скопировали конкуренты, модифицировали, добавили свой уникальный функционал и главное – специализации. OpenAI стала самой преследуемой (в судебном плане) компанией в этой индустрии, что накладывает массу ограничений на деятельность стартапа и функционал их моделей. 🔘При обучении это мешает использовать качественные источники или приходится платить сотни миллионов на лицензирование данных, отставая от конкурентов, которые используют более агрессивный подход «шаринга» данных (xAI, не оглядываясь ни на кого, поглощают все, что «к полу не приколочено») или изначально имеют обширные внутренние датасеты (Google с их огромной экосистемой и набором обучающих данных на всех уровнях), что в итоге приводит к отставанию в развитии моделей в связи с нехваткой качественных источников информации (синтетические данные приводят к обратному эффекту – заражению моделей и деградации качества). 🔘Плюс цензурирование и стерилизация ответов делает выходной результат слишком сглаженным, нейтральным и политизированным. Это не нравится пользователям, которые идут к Илону Маску, который минимизировал цензуру настолько, насколько это возможно. OpenAI переживает кризис любой крупной и успешной компании, которая рано или поздно становится «слишком крупной, чтобы упасть», имея слишком обширную партнерскую, институциональную и клиентскую сеть с большим пулом инвесторов, что повышает ответственность, и … делает прогресс менее агрессивным, а исследовательский и маркетинговый процесс более осторожным. Когда ты небольшой – можешь рисковать, в этом и есть ценность стартапов, но чем выше уровень, тем выше цена ошибки и тем более ответственный и осторожный подход. В этом разрезе, xAI с безбашенным Илоном Маском имеет конкурентное преимущество за счет скандальности и изначально рискового подхода (генерация почти порно, генерация фото и видео со знаменитостями, мат и минимум цензуры). Google имеет преимущество за счет практически безграничных ресурсов, пользовательской базы (вся планета во всех возрастах) и развитой экосистеме ИТ и ИИ сервисов. Даже Anthropic со схожей моделью развития с OpenAI, имеет некоторое преимущество за счет того, что изначально поставили на корпоративный сегмент и не стали заигрывать с розницей – это дает плоды (максимальная выручка от бизнеса в индустрии – свыше 7-8 млрд в год), т.к. чек на клиента на порядки выше, хотя клиентов в десятки и сотни раз меньше. OpenAI критически завязана на лидерство и успех. Не будет лидерства – не будет фондирования от венчурных фондов (вторые номера никто не фондирует на десятки миллиардов). Не будет лидерства, миграция клиентов так высока, что бизнес OpenAI, полностью завязанный на подписках (в отличие от широкой диверсификации Google) скукожится до уровня «нетерпимости» кредиторов. OpenAI осень разогнались не на шутку, заявив о фантастических планах на десятки ГВт мощности (для справки, 1 ГВт стоит 35-50 млрд). На протяжении последнего месяца я подробно объяснял, что это чистейшее безумие и нереалистичные планы. Кажется, что произошел некоторый надлом после релиза Gemini 3 и Claude 4.5 Opus.

БЕСПЛАТНЫЙ 4-ДНЕВНЫЙ КУРС ПО ТРЕЙДИНГУ СТАРТУЕТ УЖЕ ЗАВТРА В условиях высокой волатильности финансовых рынков трейдинг становится не спекуляцией, а инструментом управления капиталом. И если долгосрочные стратегии позволяют наращивать активы годами, то трейдинг — это возможность формировать дополнительный доход уже сейчас, вне зависимости от направления рынка. За последние месяцы Артём Назаров продемонстрировал прирост капитала с 640 тыс. до 4 млн рублей, используя системный подход к торговле — без догадок и эмоциональных решений. Трейдинг — это дисциплина, это работа с вероятностями, где решения принимаются не интуитивно, а системно: по сигналам, моделям и строгим правилам. Курс рассчитан на тех, кто хочет понять, как работает трейдинг на практике, и получить базу, достаточную для первых самостоятельных шагов. За 4 дня бесплатного курса от Артема Назарова вы разберёте: • Прямую торговлю в реальном времени: путь от нулевого депозита до первых $100 прибыли. • Стратегию «ИМПУЛЬС» — последовательный алгоритм, адаптированный для начинающих. • Механику заработка как на росте, так и на снижении рынка. • Структурированный план выхода на доход от 100 000 рублей в месяц при грамотном управлении рисками. 💻 Обучение проходит полностью онлайн. Несмотря на бесплатный формат, участникам предоставляется полноценная поддержка и ответы на технические вопросы. 🎁 Бонус при регистрации: гайд «7 ошибок новичка в первую неделю торговли», который поможет избежать типичных просчётов на старте. 👉 Регистрация открыта. Количество мест ограничено.

Ставок больше нет: все карты выложены на стол Ожидаемый релиз Claude 4.5 Opus (вечером 24 ноября), до этого 13 ноября был представлен ChatGPT 5.1, 17 ноября представлен Grok 4.1, а 18 ноября представили Gemini 3 Pro. За 10 дней обновились все флагманы, до марта-апреля ничего нового не будет, поэтому можно подвести промежуточные итоги. Это не весь «зоопарк» LLMs: есть еще Llama 4 (Scout, Maverick) от Meta, Granite 4.0 от IBM, Phi-4 от Microsoft, Nova Premier от Amazon, xLAM-2 от Salesforce, Command A от Cohere и Apriel v1.5 от ServiceNow + различные отфайнтюненные модификации открытых моделей от Nvidia. Цукерберг самовыпилился, а остальные, как правило существуют внутри собственной облачной инфраструктуры и являются нишевыми проектами. Это я еще не брал китайский «зоопарк», но там отдельная история. Среди американских LLMs есть только ЧЕТЕРЫ ведущих ИИ-провайдера: OpenAI, Google, xAI и Anthropic – всех, остальных считайте, что не существует (слишком драматический разрыв от флагманов). OpenAI и Google предельно универсальны и изящно балансирует между корпоративным сегментом и розницей, у Anthropic практически весь упор в корпоративный сегмент (свыше 85% выручки, в основном в экосистеме Amazon), а у xAI наоборот, практически вся выручка от розничного сегмента. Какое стратегическое позиционирование? ▪️Anthropic делает акцент на безопасности, надежности в профессиональных средах (минимизация ошибок, галлюцинаций, точность на широком диапазоне до 200к токенов) и создании агентов для бизнес-процессов, позиционирует лидеров в экосистеме кодинга и создании иерархических ИИ-агентов. Заявлено, что Opus 4.5 лучше всех понимает архитектуру проекта целиком, а не просто отдельные модули, повышено точность следованию инструкций плюс заявленный апгрейд уникального фукнционала. • Computer Use 2.0: Модель нативно умеет управлять курсором, кликать, скроллить и использовать десктопные приложения (VS Code, терминал, браузер) на уровне человека, как новая встроенная модальность. • Artifacts 3.0 Pro: Генерация полноценных интерактивных приложений (React/Vue) с бэкендом прямо в чате с возможностью их деплоя в один клик. ▪️xAI делает акцент на «расщеплении» цензурирования (более мягкие фильтры), глубоком поиске медиа-нарративов и новостей и акцент на точные научные дисциплины (математика, физика, химия и т.д.). Илон Маск продвигает и позиционирует Grok 4.1 как инструмент для обобщения нарративов за счет Real-time Intelligence & Sentiment Analysis в режиме «Проанализируй реакцию толпы на пост Илона Маска за последние 10 минут и выдели топ-3 аргумента критиков». Анализ политических и социальных трендов, геополитических мониторинг, бурления медиа и соцсетей, OSINT, анализ рыночных настроений на основе потока твитов/новостей – это все про Grok. Также Илон Маск единственный среди крупных компаний, который допускает генерацию «глубокой» эротики на грани порно в фото и видео. Плюс «пространственный интеллект» за счет обучении на миллионах реальных видео с камер Tesla, что дает лучшее понимание физического мира среди LLMs. Ядро Grok заточено на более свободный и дерзкий тон с допуском мата и хамства. ▪️Про GPT 5 и Gemini 3 было сказано достаточно, как в этом канале, так и в медиа, но выделю главные козыри: 🔘GPT-5.1 – универсальность, где теперь нет явного доминирования нигде, но при этом основной функционал прокачен равномерно по всему спектру. 🔘Gemini 3 Pro – предельно экосистемный продукт внутри сервисов Google, сильнейшая в индустрии мультимодальность и доминирование в агентских режимах, сложном контекстном понимании и решении сложных задач с функцией расширенного контекстного окна за счет умного кэширования. 🔘Opus 4.5 – структурированность, следование инструкциям, корпоративная специализация, минимизация ошибок (усиленный фактчекинг), долговременный агентский режим с устойчивым многошаговым исполнением. Выравнивание конкуренции привело к выраженной сегментации и специализации.

Отраслевая структура фондирования на открытом рынке в России Объем долговых бумаг в обращении по номинальной стоимости оценивается в 55.5 трлн на внутреннем долговом рынке РФ. 🔘Самым крупным эмитентом является государство – 28.6 трлн, +4.4 трлн чистого прироста за 10м25 vs +0.6 трлн за 10м24 и 1.67 трлн за 10м23 и +11.8 трлн с янв.22. 🔘Финансовые и страховые компании – 15.1 трлн, 1.4 трлн за 10м25 vs +1.8 трлн за 10м24, +1.74 трлн за 10м23, а с начала 2022 – 8.1 трлн. 🔘Нефинансовые компании – 11.8 трлн, +2.3 трлн за 10м25 vs +0.37 трлн за 10м24 и (-0.32) трлн за 10м23, а с янв.22 всего +3.45 трлн. По государству пропорция сохраняется. Гособлигации формируют 51.5% в структуре всех облигаций в системе торгов, обеспечивая 50.6% прироста с начала 2022, по финансовому сектору доля в объем объеме долга – 27.3%, а в приросте долга за 3.5 года – 34.6%, тогда как по нефинансовым компаниям – 21.4% и 14.8% соответственно. В частном долге структура эмиссии смещается в сторону финансового секторе, прежде всего небанковские финансовые организации. Теперь самое интересное, а из чего формируется долг нефинансового сектора в 11.8 трлн? • Обрабатывающее производство – 4.93 трлн (41.9% в объем), +1.1 трлн с начала 2022 • Транспортировка и хранение – 1.96 трлн (16.6%), +0.32 трлн • Информация и связь – 1.38 трлн (11.7%), +0.95 трлн • Профессиональная, научная и техническая деятельность – 1.15 трлн (9.8%), +0.57 трлн • Электроэнергетика – 1 трлн (8.7%), +0.57 трлн • Операции с недвижимым имуществом – 0.56 трлн (4.7%), +0.13 трлн. Вышеуказанные сектора обеспечили 100% прироста всего долга с 2022, т.е. все прочие сектора интегрально в нуле (наибольшее сокращение в оптовой и розничной торговле на 0.2 трлн и в строительстве на 0.16 трлн). Остальные сектора в совокупности формируют незначительную долю (менее 7% в совокупности). Структурное доминирование (рост доли долга с начала 2022 года в структуре совокупного нефинансового долга) обеспечили три сектора: информация и связь (удвоение или +6.6п), электроэнергетика (+3.3п) и профессиональная и научная деятельность (+2.8п). Наибольше сокращение долги обеспечили: обрабатывающая промышленность (-4.4п), оптовая и розничная торговля (-3.1п) и транспортировка и хранение (-3п). Формально на экспортерах долга почти нет, но это особенности методологии. Экспортеры (нефтегаз и металлурги) фондируются через финансовые «прослойки», т.е. их долг сидит в категории «финансовые и страховые компании», а в какой мере? Сложно определить. Долг нефинансового сектора начал активно расти с июл.24, +3.5 трлн или +44%, частично замещая банковское кредитование. Этот прирост обеспечили: обрабатывающее производство – 1.1 трлн, профессиональная и научная деятельность – 0.62 трлн, информация и связь – 0.59 трлн, транспортировка и хранение – 0.49 трлн, операции с недвижимостью – 0.41 трлн. В целом, долговой рынок достаточно активный, если сравнить с 2017-2021 во много за счет концентрации капитала (ограничения на вывод капитала) на фоне высокой рублевой доходности.

Интенсивное расширение корпоративного кредитования в России В октябре совокупный рублевый кредит корпоративным заемщикам вырос на 2.37% м/м (это максимальный рост с окт.24 – 3.32%) после 0.92% в сентябре, за 3м – 1.57%, 6м – 1.14%, 12 – 0.82%, 10м25 – 0.71% vs 1.85% за 10м24 по среднемесячным темпам, тогда как в 2024 – 1.77%, в 2023 – 1.9%, 2021 – 1.36%, а среднемесячный темп в 2017-2019 составил 0.75%. Совокупный объем рублевого корпоративного кредитования оценивается в 77.2 трлн руб – это рост более, чем в 2 раза (!) с янв.22 (37.4 трлн), +106% если быть точным. Точка перелома наступила в июне, так если за первые 5 месяцев 2025 среднемесячные темпы были всего +0.07%, а за последние 5 месяцев (июн-окт.25) темпы держатся на уровне 1.36% в месяц – сопоставимо с 2021 и в 1.8 раза выше, чем в 2017-2019. Эта статистика позволяет судить о том, что период охлаждения кредитования закончился и совпал в точности с началом циклом смягчения ДКП в июне 2025, что в свою очередь замедлит скорость смягчения ДКП в ближайшие 3-6 месяцев. В структуре корпоративного кредитования на нефинансовые компании приходится 65.3 трлн, финансовые организации – 10.9 трлн, ИП – 1.08 трлн. Каждую из групп следует рассмотреть отдельно. ▪️Нефинансовые организации: +2.75% м/м в октябре (максимум с окт.24 – 3.22%) после 1.02% в сентябре, за 3м – 1.71%, 6м – 1.3%, 12 – 0.93%, 10м25 – 0.87% vs 1.85% за 10м24, в 2024 – 1.75%, 2023 – 1.84%, 2021 – 1.51%, в 2017-2019 – 0.44%. С янв.22 кредитование нефинансовых компаний выросло на 115%! ▪️Прочие финансовые организации – здесь за год практически без изменения. Уровни в окт.25 сопоставимы с ноя-дек.24. Вдаваться в краткосрочную динамику не имеет смысла из-за высокой волатильности, но стоит отметить, что в 2023-2024 среднемесячные темпы роста составляли около 2.1% vs 3.1% в 2017-2019. С начала 2022 кредитование прочих финансовых организаций выросло в 1.73 раза. Кредитование индивидуальных предпринимателей очень показательно – демонстрация тенденция в микропредприятиях и малом бизнесе России. Точка перелома – сентябрь 2024, с тех пор вот уже больше года практически непрерывное сокращение по номиналу составило почти 11% - это сильнейшее сжатие за 10 лет (сопоставимо было в 2015-2016). Малый бизнес функционирует в другой бизнес логике и по другим правилам в сравнении с крупным бизнесом, показывая «низкие эшелоны» экономики, так сказать, ситуацию на земле. ▪️В октябре кредитование ИП сократилось на 1.64% м/м, за 3м – (-0.78%), 6м – (-0.77%), 12м – (-0.90%), 10м25 – (-0.87%) vs +0.88% за 10м24, 2024 – 0.55%, 2023 – 3.01%, 2021 – 1.25%, 2017-2019 – 0.82%. Как видно, диспозиция неоднозначная. ИП сокращают кредитную активность максимальными темпами за 10 лет, финансовые организации в режиме «заморозки» последний год, а нефинансовые компании активизировали с июня 2025 в сопоставимых темпах с 2021, в 3.2 раза интенсивнее, чем в 2017-2019 и лишь немного медленнее, чем 2023-2024 (с коэффициентом 0.8, т.е. высокие темпы). С июня кредитная активность идет выше верхней границы целевого ориентира ЦБ, что скорее всего приведет к сдержанности в будущих маневрах по ставке.

Аренду платить нужно каждый месяц, команда на окладе, а выручка падает — и кассовый разрыв уже маячит на горизонте. Без паники, есть готовое решение. Эксперты Eduson подготовили для вас пошаговый антикризисный план, с которым вы превратите «мёртвый сезон» в точку роста.

Внутри блоки по финансам и продажам, управлению командой и процессами. Вы возьмёте под контроль денежные потоки, поймёте, как настраивать эффективную рекламу и приводить качественные заявки. Разгрузите себя от операционки и используете затишье, чтобы усилить команду.

Забирайте чек-лист бесплатно — и начните внедрять новые практики уже сегодня. Реклама. ООО "Эдюсон", ИНН 7729779476, erid: 2W5zFHxoo52

Цена исключительности - экономика против технологий Хуанг себе забирает феноменальную маржу. Из законтрактованной цены около $4 млн (выручка) одного вычислительного кластера NVL72, Хуанг в карман себе кладет около $2.8 млн, а $1.2 млн это примерная себестоимость производства (все расходы, связанные с воплощением инженерии в металл и кремний). Есть еще внутренние операционные расходы Nvidia, в том числе исследования и разработки (необходимые затраты для создания подобных вундервафлей), которые обходятся примерно в 10-11% от выручки или 0.4 млн, т.е. операционная прибыль с каждого кластера составляет ошеломляющие 60%. Это означает, что, если Хуанг поделит цену ВДВОЕ (!), операционная прибыль будет соответствовать среднеиндустриальным показателям для полупроводниковой отрасли. Чтобы понимать масштаб – в ИИ фабрике стоимость вычислительных кластеров может доходить до 55-60% от всех расходов на всех уровнях, соответственно прибыль Хуанга – этот свыше 1/3 от расходов на ИИ фабрику. Каждая «исключительность» имеет свою цену. Это (60% или около 2.4 млн с каждого кластера) и есть та самая «цена за исключительность». В некотором смысле, сверхприбыль Хуанга подрывает долгосрочную основу отрасли. Если не будет заказов от гиперскейлеров (они все в убытках без шансов формирования прибыли, т.к. все забирает Хуанг + особенности прожорливой технологии LLMs) – не будет и Nvidia в нынешних кондициях. Примерно 8-10 клиентов Nvidia формируют 85-90% всех поставок ИИ чипов, а в свою очередь, поставки ИИ чипов формируют свыше 90% от выручки Nvidia и абсолютно всю прибыль, т.е. без ИИ чипов, - Nvidia является убыточной компанией. Сейчас у Хуанга два стратегических конкурента – AMD и Huawei. Интересно, как обстоят дела у китайцев? Что выгоднее, собрать ИИ фабрику на дорогих чипах Nvidia или на основе демпингующей Huawei? Huawei физически (не экономически, а именно физически) не может производить чипы на заводах SMIC столько, сколько Nvidia (производственный потенциал ниже минимум в 10 раз) из-за санкций и ограничений по технологиям, а сами чипы выходят очень дорогими (в 4-5 дороже, чем на TSMC). Сейчас по чистой теоретической производительности самый современный Huawei Ascend 910C в 3-3.5 раза менее производительный, чем GPU Blackwell (GB200 / B200), но необходимо учитывать втрое более медленный интерконнект между чипами. Здесь нет линейной зависимости, но справедлив поправочный коэффициент в 1.8. В вычислительном кластере NVL72 находится 72 чипа Blackwell, поэтому от Huawei требуется минимум 425 чипов (72*3.3*1.8) на базе Ascend 910C, что будет соответствовать теоретической производительности 360 PFLOPS на кластер. ▪️По занимаемому месту: Сейчас один сервер объединяет 8 чипов 910C, т.е. требуется 53 сервера, что эквивалентно 7-8 стойкам в габаритах NVL72 (7 под вычисления + 1 под сетевое ядро, а у Хуанга все интегрировано внутри 1 стойки). ▪️По электроэнергии: 1 сервер Ascend 910C потребляет до 6.5 кВт, т.е 344 кВт + 100 кВт на сеть и охлаждение vs 120 кВт у Хуанга. ▪️По деньгам: оптовая партия одного сервера Ascend 910C стоит 150-170 тыс, т.е уже почти 9 млн + 1-1.2 млн на сетевую обвязку, охлаждение и т.д. Собрать аналогичный NVL72 кластер на базе китайских технологий можно, но в 2.5 раза дороже, по энергопотребление в 3.7 раза выше, по занимаемой площади в 8 раз больше. Это требует совершенно другой конфигурации ИИ фабрики, больше инженерных сооружений, больше генераторов, трансформаторов, распределительных сетей, больше расходов на обслуживание и электроэнергию. Средневзвешенная экономическая эффективность при сопоставимой производительности в 4-5+ раза хуже, несмотря на колоссальную маржу Nvidia и почти нулевую прибыль Huawei и подрядчиков, что показывает эффективность технологий примерно в 8-10 раз. Разрыв будет сокращаться, но что решает в этой индустрии: • Плотность энергии (количество FLOPS на кв.м площади) • Производительность на ватт, что радикально меняет всю экономику проекта • Эффективность охлаждения • Стоимость в расчете на FLOPS • Экосистема драйверов, библиотек, компиляторов и сервисных приложений.

Китай и США – битва за лидерство в ИИ Сейчас большинство китайских чипов соответствуют технологиям Nvidia уровня 2020 года, а это чип Nvidia A100 (40/80 GB HBM2e памяти, 2.0 TB/s, производительность в FP16 около 312 TFLOPS и интерконнект 600 GB/s) Для Китая флагманские чипы имеют (64 GB HBM2/HBM3 памяти, 1.7-2.7 TB/s, 300-500 TFLOPS и интерконнект 600 GB/s). Основы современных LLMs зарождались на базе Nvidia A100, а основной импульс развития был сформирован на чипах Nvidia H100/H200 в 2023-2024 (80-141 GB HBM3/ HBM3e, 3.35 TB/s и 4.8 TB/s при производительности около 1000 TFLOPS и интерконнекте 900 GB/s). Сейчас идет развертывание Nvidia B200 (192 GB HBM3e, 8.0 TB/s, 2200 TFLOPS и интерконнект 1.8 TB/s). В свою очередь, AMD отстает от Nvidia примерно на 2-3 года, особенно в интерконнекте (вдвое), тогда как по памяти паритет, по GPU разрыв незначительный, но проблема AMD – невозможность эффективного масштабирования чипов так, как это делает Nvidia. Общий прогресс в индустрии за 5 лет: объем памяти вырос в 5 раз, пропускная способность памяти выросла в 4 раза, производительность выросла в 7 раз, интерконнект вырос в 3 раза. По Китаю прогресс за 5 лет более чем впечатляющий, т.е. разрыв от флагмана в лице Nvidia сокращается, но Китай в 2025 это США в 2020-2021. Сейчас Китай отстает от США примерно втрое. На самом деле, с учетом внешних ограничений и позднего старта, это отличный прогресс. Однако, даже выравнивание конкуренции не гарантирует успеха. Несмотря на мощнейшую и самую развитую производственную базу в мире, ограничение цепочек поставок и технологий в критических компонентах и на важнейших производственных итерациях, не дает Китаю масштабировать производство. Сейчас Nvidia производит в год около 3 млн Nvidia B200 при общем портфеле заказов по всем чипам свыше 5 млн за счет старых поколений, AMD планирует выйти на 0.5 млн чипов в этом году (AMD MI325X/350) и 0.8 млн по всем чипам с учетом прошлых поколений, тогда как в Китае: • Huawei 910C – около 250-350 тыс чипов с планами выйти на 600 тыс в 2026 году, а по всем чипам в 2025 – около 700 тыс • Baidu Kunlun P800 – 70-80 тыс чипов / 120 тыс • Cambricon MLU590 – 80-100 тыс чипов / 150 тыс • Прорывной Biren BR100 – лишь 10 тыс чипов из-за санкций. Остальные чипы неконкурентоспособные типа Moore Threads или Iluvatar CoreX, являясь «затычками» для инфраструктуры, чтобы не тратить ресурсы флагманов. Если отбросить маркетинговый шум, стартапы-зомби, экспериментальные прототипы и чипы низкого уровня, то для реальных задач обучения больших моделей (LLM) в Китае на ноябрь 2025 года осталась именно эта «Большая Тройка», из которых рынок формируют только Huawei и Baidu. Сейчас формируется следующая стратегия: ▪️Huawei (Ascend 910C) - единственный игрок, который пытается полностью заменить Nvidia на открытом рынке, формируя примерно 70% всего внутреннего рынка ИИ чипов и около 90% коммерческих поставок на открытых торгах, продавая клиентам всех уровней (государство и бизнес). Имеют высший приоритет на заводах SMIC – все доступные мощности сразу резервируются Huawei При этом Huawei строит платформу. Они продают не просто чип, а экосистему: чип + сервер + сеть (свитчи) + софт (CANN/MindSpore). ▪️Baidu - единственная интернет-компания Китая, которая реально снизила свою зависимость от внешних поставок, где 80% поставок идут на внутренние нужды (Baidu Cloud для обучения и инференса их моделей Ernie Bot и поддержки DeepSeek), а остальное – внешним клиентам. ▪️Cambricon финансируется в основном государством и преимущественно идет на нужды государству, хотя существуют и крупные частные контракты (ByteDance, интернет и облачные провайдеры). ▪️Есть чипы у Alibaba (T-Head / Hanguang) и Tencent (Enflame), но используются исключительно для внутренних нужд, как Trainium 2 у Amazon и TPU v5p / v6 (Trillium) у Google. ▪️Biren – является экспериментальным и нишевым чипом, практически недоступным на открытом рынке. Все прочие игроки несопоставимо слабы. Это означает, что сейчас полноценные инфраструктурные решения внедряет только Huawei.

На каких ИИ чипах «обучается» Китай? То, к чему Китай подошел к концу 2025 – это 8 лет гиперинтенсивных усилий всей китайской экономики и государственной машины, работающих заодно, высочайшей китайской дисциплины и нацеленности на достижения задачи с инвестициями в сотни миллиардов долларов. «Принцип 10 лет», который был заложен в 2017 году для преодоления технологического отставания от ведущих стран, вероятно, не будет реализован в 2027 году, хотя отставание интенсивно сокращается, но до лидирующих позиций добраться будет невероятно сложно. Долгосрочно – разумно ставить на Китай, но тактически – доминирование США все еще прочно. Ранее описывал пять фундаментальных ограничений от развитых стран: литография EUV, ультрабыстрая память HBM3e и следующие поколения, интегрирование компонентов CoWoS, интерконнект уровня NVlink от Nvidia (даже AMD минимум вдвое отстает и на 3 года) и программная экосистема, как на низком уровне (драйвера, компиляторы и библиотеки), так и на высоком уровне (программы проектирования и ИТ-сервис). Ставлю на то, что первое, что преодолеет Китай – интегрирование компонентов, далее попробует унифицировать стандарты, чтобы не плодить зоопарк библиотек, а с памятью, GPU и сетевым взаимодействием еще много работы. Проблемы с памятью Китай закрывает теневыми поставками, а с GPU и интерконнектом все намного сложнее. Верифицируемых и достоверных данных о китайских ИИ чипах мало – все нюансы и технологии находятся под грифом секретно и охраняются китайским государством возможно даже сильнее, чем военные и политические «секреты». Для Китая, полупроводники и ИИ – это государственный приоритет номер 1, но все же некоторая информация есть. • Сейчас самый передовой ИИ чип в Китае – это Huawei Ascend 910B/910C, при этом с середины 2025 Ascend 910C (7 нм, 64–128 GB HBM2e/HBM3, производительность до 600-800 TFLOPS при FP16) станет основным ИИ-чипом для китайских компаний вместо Nvidia. • Biren BR100 (7 нм, 64 GB HBM2e, до 500-700 TFLOPS); • Cambricon MLU590 (7 нм, 48 GB LPDDR5, до 400-500 TFLOPS); • Baidu Kunlun P800 (7 нм, 32 GB HBM2e, до 350-400 TFLOPS) активно развертывается с 1кв25 и используется для обучения моделей уровня DeepSeek; • Moore Threads MTT S4000 (7 нм, 48 GB GDDR6, до 100-150 TFLOPS); • Iluvatar CoreX TianGai-100 (7 нм, 32 GB HBM2, до 100-150 TFLOPS). Сейчас топовая производительность одного чипа B200 (Blackwell) до 2300 TFLOPS (примерно в 3.5 раза быстрее, чем Ascend 910C) при пропускной способности памяти 8 ТБ/с (сейчас лучшие китайские чипы дают 2-2.5 ТБ/с, а избранные, почти штучные партии Ascend 910C на чипах HBM3 дают 3.2 ТБ/с) при интерконнекте NVlink 5 на уровне 1.8 ТБ/с у Nvidia, тогда как Huawei имеет втрое ниже через интерконнект HCCS (Huawei Cache Coherent System). Таким образом, самый топовый китайский чип примерно в три раза отстает от самого топового американского чипа. А что такое производительность 150 TFLOPS? Это экспортные урезанные версии чипов Nvidia H20 и Intel Gaudi 3. Вот именно поэтому Китаю не смысла покупать американские чипы, т.к. Moore Threads MTT S4000 и Iluvatar CoreX TianGai-100 дают сопоставимую производительность, хотя при более медленной памяти, а интегральная производительность Baidu Kunlun P800 или Biren BR100 / BR200 уже точно выше урезанных американских чипов. Что такое производительность около 500 TFLOPS в флагманских китайских чипах – это половина производительности от Nvidia H100 (SXM) – флагман 2023-2024 при пропускной способности памяти до 3.7 ТБ/с и интерконнекте NVlink 4 на уровне 0.9 ТБ/с. По номинальным (заявленным) характеристикам схожий интерконнект имеет архитектурный шедевр Biren BR100 BLink, но «убитый» санкциями и не производится массово. 0.9 ТБ/с у Biren BLink существуют только в теории на заводах TSMC (запрет на производство), а в китайских версиях реально около половины. • Таким образом, китайский пик производительности GPU – 700-800 TFLOPS vs 2200 TFLOPS; • Память – 2.2-3.2 ТБ/с vs 8 ТБ/с в США; • Интерконнект – 0.6 ТБ/с vs 1.8 ТБ/с в США. Схожее межпроцессорное взаимодействие у последнего чипа от AMD.

‼️Напоминание! Завтра начинаем публикации в новом канале «Инвестиции в будущее», будут идеи и стратегия с учетом текущей ставки, с доходностью 15-50% и сроком до 1-2 месяцев. Уже опубликованы облигационные портфели, актуальная подборка, под новый ключ. ‼️Дополнительно каждый день будет выходить 1 урок, идеально для новичков! Без пустых новостей, без лишней информации, только то, что действительно важно и нужно. ВХОД — https://t.me/+MIF3y8rLjaNlMmUy Задумка свежая, стоит задача набрать отзывы, заходите, тестируйте!

Битва за ИИ в Китае В Китай массовые поставки конкурентных ИИ чипов закончились в конце 2022 (на тот момент доминировали Nvidia A100 / H100 и AMD MI250 и аналоги) в соответствии с экспортными ограничениями США. Потом Nvidia некоторое время выпускала кастомные (специально для Китая) урезанные чипы A800 и позже H800 с урезанным NVLink и пониженной производительностью, чтобы вписаться в ограничения. В октябре 2023 новая волна ограничений от США по поставкам ИИ чипов в Китай. Остались только упрощённые продукты типа H20/L20, но в урезанном варианте они настолько плохи, что уже тогда никому не были интересны. В апреле 2025 США вводят бессрочное требование экспортных лицензий на H20 и аналогичные чипы для поставок в Китай и ряд других стран. Это последний контрольный выстрел, и хотя в августе 2025 были некоторые послабления, но необратимые процессы запущены – теперь Китаю больше не нужны американские чипы. Более того, Китай теперь сам запрещает использовать американские чипы в государственных учреждениях и квазигосударственных компаниях, а учитывая, что почти все крупные китайские компании приближены к компартии Китая, дефакто, это негласный запрет на технологическую кооперацию с США. Китайский прорыв не возник из воздуха. Стратегический перелом наступил в 2017-2018 годах в рамках первой фазы обострения торговых противоречий. Тогда во многих «секретных» китайских стратегических документах о технологическом суверенитете значился «принцип 10 лет», т.е. к 2027 году достичь независимости от иностранных поставок при конкурентном выравнивании ценой тотальной и всепоглощающей мобилизации всей экономики Китая для выстраивания полупроводниковой промышленности (это слишком обширная тема, чтобы на ней заостряться в двух словах, поэтому перейду к результатам). Проблема Китая не в отсутствии талантов, денег или желания. Китай обладает практически неограниченным финансовым ресурсом и армией инженеров. Фундаментальная проблема, которая мешает Китаю массово производить чипы уровня Nvidia H100/B200, лежит в плоскости физики производства и глобальной цепочки поставок. Это можно свести к пяти критическим барьерам, преодолеть которые в изоляции практически невозможно за 2–3 года. ▪️Барьер литографии – EUV против китайских DUV. Чтобы напечатать современный чип (5 нм или 3 нм), нужен сканер, который рисует транзисторы светом с экстремально короткой длиной волны — EUV (Extreme Ultraviolet). Этими технологиями владеет только одна компания в мире – ASML, имеющий прямой запрет от США на поставку технологий и оборудования в Китай. Сейчас китайский производитель SMIC (аналог тайванской TSMC) вынужден использовать старые агрегаты DUV (Deep Ultraviolet), модифицированные под многократное экспонирования для литья чипов 5нм и 7нм. Это в разы увеличивает брак и стоимость производства (в среднем в 4 раза по сравнению с TSMC). ▪️Барьер памяти. ИИ-чип бесполезен без быстрой памяти. Nvidia B200 использует память HBM3e, которую производят SK Hynix, Samsung и Micron, но доступа к технологиям закрыт со стороны США. Для этого нужно специфическое американское оборудование (Applied Materials, Lam Research) для травления и осаждения, которое тоже под санкциями, плюс ограничения по технологиям. ▪️Барьер интегрирования микро и нанокомпонентов или принцип CoWoS (Chip-on-Wafer-on-Substrate). Это когда разводят в несколько слоев тысячи микроконтактов для «пайки» GPU и памяти, чтобы поддерживать запредельную скорость передачи данных. Технологии только у TSMC, а Китай отстает на 2 поколения (3-4 года). ▪️Барьер интерконнекта и сетевого взаимодействия – та самая революционная технология, на которой базируется NVlink от Nvidia, который позволяет объединять вычислительные кластеры в единое ядро. ▪️Ну и самое важное – экосистема. Нет передового софта для проектирования чипов и нет экосистемы на уровне драйверов и библиотек уровня CUDA от Nvidia. У Китая вместо этого зоопарк стэков: Huawei CANN/AscendCL, Baidu PaddlePaddle/Kunlun, свои компиляторы у Cambricon. Несогласованность замедляет скорость разработки и повышает расходы на адаптацию и внедрение.

Распределение доходов среди производителей ИИ оборудования С начала 2023 по октябрь 2025 Nvidia получила 294.1 млрд выручки в сегменте ЦОД vs 34.1 млрд в сегменте видео-карт и 11 млрд во всех прочих сегментах (оборудование для беспилотных транспортных средства, роботов, инструменты визуализации, чипы для игровых приставок, промышленного оборудования и прочих видов техники). Сейчас 90% выручки Nvidia генерируется в сегменте ЦОД. Nvidia имеет рыночную долю в GPU под ИИ, по крайней мере, 87% в расчете вычислительной мощности и около 94-95% в денежном выражении из-за более дорогого оборудования в сравнении с конкурентами по собственным расчетам на основе отчетности компании и аналитической экстраполяции. Сейчас стоимость ИИ фабрики в расчете на 1 ГВт мощности варьируется от 35 до 50 млрд долл для чипов Nvidia на базе Blackwell – все зависит от наличия инфраструктуры (в особенности энергетической), места и региона строительства, сложности объекта, плотности ИИ фабрики (при большей мощности цена будет ниже в расчете на 1 ГВт), типа оборудования и множества других ключевых факторов. В структуре стоимости всей ИИ фабрики самую высокую долю имеют вычислительные узлы, около 55%, т.е. из 43 млрд всех расходов на ИИ фабрику, Хуангу в карман улетает сразу 23 млрд. Сюда входят чипы + высокопроизводительные интерконнекторы, сетевые контроля и связанная инфраструктура, необходимая для функционирования вычислительных кластеров. Стоимость одной стойки NVL72 составляет 3.7-4.5 млн долл (все зависит от типа клиентов и размера партии), для ИИ фабрики требуется 6300-6400 вычислительных кластеров, т.е. диапазон от 23 до 29 млрд. • Однако, из этих расходов непосредственно Хуангу причитается примерно 70% или 15-16 млрд, а остальное: • Производство чипов (TSMC) – 1.5-2 млрд • HBM память (SK Hynix / Micron) – 1.5-2 млрд • Высококачественные медные провода (Amphenol) – 0.5 млрд • Прочие компоненты и материалы вычислительных кластеров – 2-2.5 млрд • Система хранения данных SSD/HDD (Samsung / Dell / Seagate) – 1-1.5 млрд • Внешняя оптическая сеть (Coherent / Innolight) – 1.2-1.5 млрд • Телекоммуникационная система в комплексе за исключением вычислительных кластеров Cisco/Juniper/Arista)– 2-2.5 млрд • Комплексная система охлаждения и кондиционирования – 3 млрд • Сборка и интеграция – 2-2.2 млрд • ИТ системы контроля и мониторинга – 1 млрд • Энергетические установки, генераторы, трансформаторы, UPS, стабилизаторы и прочие энергетические системы, внутреннее распределение питания – 5-7 млрд • Капитальные расходы всех сооружения завода с учетом прилегающей территории и подготовки земли – 2-3 млрд • Инжиниринг, проектирование, выкуп земли, сертификация, аудит и т.д. – 1.5-2 млрд. Таким образом, – вычислительные кластеры около 23 млрд, – сеть и хранение данных до 5-5.5 млрд, – охлаждение и энергия в комплексе до 7-10 млрд, – строительство всей инфраструктуры до 4-5 млрд, – сборка, ИТ системы и прочие расходы до 3 млрд. Это позволяет понять причину, по которой Хуанг настолько агрессивно продвигает нарратив «бесконечного роста мощностей и новой экономики, где токены – новый вид энергии, когда мир переходит от генерации электричества к генерации интеллекта». Здесь можно предположить, сколько ГВт мощностей «отгрузил» Хуанг – при выручке дата центров 294 млрд и средней выручке 23-25 млрд на 1 ГВт (Хуанг забирает себе 70%), получается 12-14 ГВт, что согласуется с моими оценками, что на текущий момент около 15 ГВт доступных вычислительных мощностей, большая часть которых была внедрена с 2023 года.

Кто зарабатывает на ИИ хайпе? С 2022 нет ни одного коммерчески успешного ИИ стартапа (с положительным денежным потоком), тогда как гиперскейлеры и ведущие ИИ провайдеры (типа OpenAI, Anthropic и xAI) генерируют колоссальные убытки в десятки миллиардов долларов. Убытки одних – это прибыль других. Так кто в прибыли? Производители ИИ оборудования. С Nvidia и TSMC все понятно, а кто еще? ▪️По GPU па американском рынке помимо Хуанга (на ноябрь 2025 доля рынка в США около 86-88%), чипы производят: Google TPU v5p / v6 (Trillium) с долей 4-5%, AMD Instinct MI325X / MI350 с долей в 4-5%, Amazon (AWS) Trainium 2 / Inferentia с долей в 2-3%, Microsoft Azure Maia 100 с долей менее 1% и Intel Gaudi 3 с долей менее 0.5%, прочие менее 1%. ▪️Важнейшим и самым дорогим компонентом после GPU является высокопроизводительная память HBM. Практически монополистом и главным поставщиком Хуанга является SK Hynix, имеющих неоспоримое доминирование в сегменте HBM3 и HBM3e, далее примерно в 5 раз меньше поставок, но значимая доля у Micron. Если у SK Hynix случается пожар на заводе или брак в партии, поставки Nvidia Blackwell останавливаются. Именно поэтому Nvidia срочно подтянула Micron. Samsung имеет высокую общемировую долю в памяти за счет DRAM, Flash / SSD, а по ИИ чипам сейчас работает с AMD и Google. ▪️Кастомные AI-чипы (ASIC) для Google/Amazon/Microsoft/Meta + коммутационные чипы (Tomahawk/Jericho) и PCIe-свитчи, которые стоят внутри сетевого оборудования. Ключевым и самым важным игроком на этой арене является Broadcom (производит чипы Google TPU и Meta MTIA), и сетевые коммутаторы для всех участников ИИ фабрик, также Marvell (чипы Microsoft Maia 100, частично как партнер AWS Trainium). ▪️Высококачественные соединительные кабели, с так называемой, экстраординарной обработкой – именно через них проходят терабайты данных в секунду. В новой архитектуре Nvidia GB200 NVL72 используется полностью медная разводка внутри стойки (без оптики на коротких дистанциях). Amphenol является ключевым поставщиком этой медной обвязки. ▪️ODM-сборщики серверов. Именно они физически собирают стойки вычислительных кластеров NVIDIA GB200 NVL72 для Microsoft, Google и AWS. Один из ведущих игроков – Foxconn (через «дочку» Foxconn Industrial Internet) получил около 70% заказов на NVL72. Хотя их маржа ниже (около 10%), выручка с проекта колоссальная, так как через них проходит полная стоимость «железа». ▪️Производители оптических трансиверов для интерконнекторов. связь между рядами стоек требует миллионов оптических модулей (800G и 1.6T), где доминируют Coherent, Lumentum, Innolight / Eoptolink. ▪️Ethernet-свитчи для front-end сети, комплексное сетевое оборудование (связь кластера с внешним миром и хранилищами). Значительная часть заказов замыкает на себя Arista Networks и Cisco. ▪️Электроснабжение, электрообеспечение с ключевой энергетической инфраструктурой. Высоковольтные трансформаторы и подстанции, электрооборудование, системы бесперебойного питания, стабилизаторы и т.д. Самым значимым участником является Schneider Electric, далее по значимости Eaton, Siemens Energy, GE Vernova, ABB, Legrand. Системы охлаждения: в первую очередь Vertiv, Trane, Johnson Controls и STULZ. Серверы, стойки и интеграторы (rack-scale): Supermicro (как главный партнер Nvidia), Dell Technologies, Hewlett Packard Enterprise, далее Quanta / QCT и Wiwynn / Wistron. ▪️Литографическое и полупроводниковое оборудование: здесь бесспорно тотальная монополия у ASML (поставщик EUV-сканеров и ключевой поставщик DUV для продвинутых техпроцессов). Дальше в связке: Applied Materials, Lam Research, Tokyo Electron, KLA – осаждение, травление, метрология. ▪️EDA и софт для проектирования чипов: Synopsys и Cadence. Здесь представлены ведущие представители, обслуживающие ИИ хайп. Поэтому, когда говорят об инвестициях в триллионы, доминирующую долю этих инвестиций забирают указанные компании, причем, едва ли не половина идет на счет Хуанга.

Кто сможет сломать доминировать Nvidia? Сейчас Nvidia держит около 88% общемирового рынка вычислительной мощности под ИИ в расчете на FLOPS, но Китай быстро развивается, а в США наступают AMD, Google и Amazon. Это не так просто – сейчас «голое» железо мало, что решает. Например, последнее поколение чипов AMD не так далеки от легендарных Blackwell, но выручка AMD – 32 млрд, а у Nvidia – 187 млрд с потенциалом выхода на 250-270 млрд. Что здесь не так? Nvidia контролирует всю архитектуру ИИ фабрики: 🔘Вычислительные кластеры в полном стеке (GPU/CPU и вся сопряженная инфраструктура). 🔘Интерконнект и высокоразвитая сетевая инфраструктура для взаимодействия чипов между собой, как «единый организм», как в рамках вычислительного кластера, так и по всем фермам/модулям, вплоть до целостной ИИ фабрики (NVLink/InfiniBand/Ethernet Spectrum-X). 🔘DPU/контроль трафика (BlueField-4 и арм-платформы с NVLink Fusion) для связывания всей инфраструктуры в единую оболочку с минимальными задержками. 🔘Программная экосистема на всех программных слоях (CUDA и связанные модули) через оптимизированные до совершенства драйвера, библиотеки, компиляторы, SDK, оптимизированный фрейморки, специализированный ИИ софт и т.д. Любой серьёзный фреймворк (PyTorch, JAX, TensorFlow, Triton, множество MLOps-решений) первым делом оптимизируется под CUDA. Вокруг CUDA сформирован многолетний человеческий капитал: университетские курсы, SDK, терабайты кода и тысячи готовых ИТ решений. CUDA – это отраслевой стандарт, который позволяет работать ИИ чипам с предельной нагрузкой, а оптимизированное железо устраняет задержки в обмене данных. Так и формируется успех. AMD с ROCm, всё ещё догоняет по зрелости и удобству, а CUDA держит преимущество и по производительности, и по экосистеме. Это и есть ответ на вопрос, как сломать доминирование Nvidia – помимо чипов уровня Blackwell (даже по отдельности это произведение инженерного искусства), необходимы аналоги NVLink, Spectrum-X и высокоразвитая экосистема ИИ стека (от драйверов до готовых ИИ решений). Миграция крупных кодовых баз с CUDA на ROCm/HIP – это масштабный инженерный и валидационный проект, который мало кто хочет финансировать в момент, когда у него очередь на GPU и горит задница перед венчурными инвесторами, вложившихся миллиардами в проекты на энтузиазме и без концепции монетизации. Очевидно, что все идут по «готовым путям» и по оптимизированной траектории. AMD продаёт конкурентное железо, но экосистема и инструменты отстают, а для крупного заказчика именно они определяют риск и стоимость владения. Google и Amazon замкнуты сами на себя, а все остальные пока существуют больше на уровне прототипов. Крупные игроки сидят на сотнях миллионах строк кода, собранных вокруг CUDA / NVIDIA Triton / TensorRT, на отлаженных MLOps-процессах, мониторинге, профилировании под Nvidia и связанной ИТ инфраструктуре. Нельзя просто так взять и перейти без ущерба для производительности и эффективности. Что предлагает AMD? Мы вам отличные чипы, но … соберите и настройте их сами, которые нужно долго собирать в «единое целое», проигрывая в итоге по межпроцессорному взаимодействию для ИИ решений, написанных на плохо оптимизированной инфраструктуре ROCm. При этом мы не гарантируем, что через 3 года не перепишем архитектуру и вам не придется заново оптимизировать код под новые библиотеки. С вас $1 млрд за чипы. Что предлагает Nvidia? Мы вам с нуля построим ИИ-фабрику, все подключим, откалибруем, настроим и оптимизируем, а с вас $45 млрд за 1ГВт мощностей. С точки зрения крупного дата-центр архитектора преимущество здесь у того, кто закрывает всю архитектуру и её эволюцию, а не один слой. Чтобы сломать Nvidia, необходимо: • Догнать не только по FLOPS/HBM, но и по ИИ и ИТ экосистеме; • Жестко демпинговать для завоевания клиентской базы и воспитания поколения разработчиков; • Выстроить сетевую и системную историю хотя бы на уровне партнёрств; • Профинансировать массовую миграцию экосистемы (буквально, когда инженеры AMD сами будут «пилить» код). Надеюсь, понятно объяснил логику доминирования Nvidia?

В чем заключается исключительность Nvidia? Я за 2-3 года пересмотрел достаточно выступлений Хуанга, чтобы понимать его преимущества, поэтому выделю самое главное. ▪️Межпроцессорное взаимодействие через интерконнект (NVLink и NVSwitch). Не имеет значение, насколько производителен изолированный чип – какой бы совершенной не была архитектура чипа, в обучении и развертывании нейросетей имеет значение масштабирование. Буквально, непрерывное «размножение» чипов, работающих по единому алгоритму. Скорость обучения модели зависит не от того, как быстро считает один чип, а от того, как быстро эти чипы обмениваются данными между собой. В ИИ фабриках тысячи или сотни тысяч чипов объединяются в «единый кибернетический организм». Оказывается, что ценность Nvidia скорее даже не в чипах Blackwell, а в интерконнекторах, т.е. умение связывать десятки, а далее тысячи и сотни тысячи чипов в единую систему. Nvidia NVLink: это проприетарный протокол связи, позволяющий GPU общаться друг с другом на скорости до 1.8 TB/s (терабайт в секунду), минуя медленный центральный процессор (CPU) и стандартную шину PCIe. AMD и другие используют открытые стандарты (как Ethernet или Infinity Fabric), которые пока проигрывают в латентности и пропускной способности при масштабировании на тысячи устройств. У Nvidia здесь монополия на эффективность кластера. ▪️Сетевая инфраструктура (Spectrum-X/Mellanox). Nvidia владеет технологией, которая оптимизирует передачу данных внутри дата-центра именно под задачи ИИ, используя технологии вроде In-Network Computing (когда часть вычислений происходит прямо в сетевых коммутаторах), снижая задержки, повышая скорость обмена данными. Сетевое оборудование Nvidia через коммутаторы Spectrum-X и InfiniBand управляет трафиком так, чтобы чипы никогда не простаивали в ожидании данных. Это позволяет объединить вычислительные кластеры в вычислительные модули, фермы, а далее масштабировать уже на весь завод, что делает вычисления согласованными и синхронизированными. AMD вынуждена полагаться на партнеров (Broadcom, Cisco) и стандартный Ethernet, что создает барьер для масштабирования вычислительных кластеров. ▪️Архитектура вычислительных кластеров в рамках "Rack-Scale" против "Chip-Scale". Подход Nvidia (GB200 NVL72): инженеры Nvidia соединили 72 чипа Blackwell в единую стойку, которая работает как один гигантский графический процессор. Благодаря технологии NVLink пятого поколения, все 72 чипа общаются друг с другом на скорости 1.8 ТБ/с (иногда сопоставимо, чем память внутри самого чипа у многих конкурентов). Для операционной системы это выглядит не как "кластер серверов", а как одна видеокарта с колоссальной памятью. Чипы AMD MI325X и MI355X объединяются в стандартные серверные узлы по 8 штук (формат UBB/OAM). Для создания суперкомпьютера эти узлы связываются друг с другом через стандартный Ethernet (RoCE v2) или InfiniBand, а не через проприетарный "rack-scale" интерконнект, как у Nvidia, что снижается эффективность обмена данными в несколько раз. ▪️Ну и самое главное – CUDA движок, целый стек супероптимизированных библиотек под различные задачи. Железо – не столь критичное, если нет программной обвязки – стабильные драйвера + библиотеки, SDK, компиляторы, программные оболочки, оптимизированные в единую экосистему ИИ. CUDA и программный стек – это нервная система и мозг ИИ. С 2007 года миллионы студентов и ученых учились программировать именно на CUDA. Все научные статьи, все прорывные алгоритмы изначально пишутся под CUDA. Это целый мир, созданный под компьютерные игры, но отмасштабированный и оптимизированный под ИИ. Я даже не собираюсь вдаваться в подробности, это отдельный мир, но именно благодаря CUDA движкам все работает. Железо можно «скопировать», но не экосистему, ее можно только вырастить (здесь нужны поколения разработчиков). ▪️ А еще Nvidia строит ИИ фабрики под ключ – это отдельная тема. Как заметили, я даже не касался чипов Blackwell. AMD продает отличные чипы (двигатель), а Nvidia продает гоночные болиды с командой механиков и инженеров вместе с моторхоумом.

Сеть магазинов restore: запускает размещение облигаций серии 001Р-02 с доходностью до 20% годовых. Выплата купонов происходит ежемесячно. Облигации номиналом 1 000 рублей и со сроком погашения 2 года доступны для всех инвесторов — квалифицированных и нет. ООО «реСтор» — мультибрендовая сеть магазинов техники и электроники с кредитным рейтингом А−(RU) от АКРА — входит в Inventive Retail Group, успешно разместившей ЦФА на сумму 5,9 млрд рублей. Заявки принимаются до 15:00 27 ноября через Альфа-Банк, Газпромбанк, Финам и других брокеров.

От эйфории к паническому сливу Меня удивила реакция инвестиционного сообщества и ведущих западных отраслевых СМИ среди первого эшелона, освещающих отчет Nvidia в контексте «отчет развенчал опасения относительно ИИ пузыря, типа все норма и продолжаем отжигать дальше», что вновь возбудило и вздрючило рынок почти на 3% в начале торгов от минимумов предыдущего дня, но к закрытию рынок обвалился от максимумов на 3.5% - сильнейшее движение с 10 октября и апреля этого года. На самом деле, отчет как раз показал, что ИИ пузырь набухает. Вообще не было никакой интриги относительно хороших данных Nvidia, т.к. выручка Nvidia – это производная от капитальных расходов гиперскейлеров, которые достигают 400 млрд (на протяжении двух месяцев об этом пишу). Вопрос не в текущем успехе Nvidia (здесь нет интриги), а вопрос в устойчивости подобной бизнес-модели: – Смогут ли бигтехи отбивать сотни миллиардов инвестиций? Работает ли вообще экономика ИИ? Сомнительно, а если нет, инвестцикл быстро потеряет темп (ранее множественно обосновывал, почему именно так). – Nvidia убыточная компания вне ИИ, где всю прибыль с 2022 генерирует только ИИ подразделение, сможет ли Nvidia с моно-профилем диверсифицировать бизнес? – Буквально 8-10 клиентов обеспечивают около 80% выручки Nvidia в сегменте ЦОД, а что будет, если инвестцикл бигтехов развернется? Пропорциональный разворот финпоказателей Nvidia. – Как минимум, AMD, Google и Amazon пытаются взобраться на высокомаржинальную вершину ИИ чипов, т.е. в долгосрочной перспективе доминирование Nvidia неустойчиво и что дальше? Каждый отчет, каждая пресс-конференция и каждое выступление Хуанга зацикливается на уровне заклинаний возле одного центрального нарратива – «ИИ не пузырь, все только начинается», где не скрывает истинных намерений - стать безальтернативным оператором мировой вычислительной инфраструктуры. Так и в этот раз. ▪️Происходит одновременная реализация трех трансформаций: переход от CPU к GPU (ускоренные вычисления), генеративный ИИ и агентный/физический ИИ. • Закон Мура замедлился, что делает переход на ускоренные вычисления необходимым для снижения затрат. • Генеративный ИИ заменяет классическое машинное обучение в поиске и рекомендациях. • Появление «агентного ИИ», способного рассуждать и планировать, кратно увеличит потребление токенов. ▪️Инвестиции в GPU подаются, как способ снижения стоимости будущих вычислений. • Спрос зашкаливает, а платформа Blackwell — это самый успешный запуск продукта в истории компании с гигантским портфелем заказов. • Прогнозы капитальных затрат гиперскейлеров на 2026 год выросли до $600 млрд • Хуанг видит потенциальную выручку в размере $500 млрд от поколений Blackwell и Rubin в период с начала этого года до конца 2026 календарного года. • Nvidia оценивает ежегодные вложения в ИИ-инфраструктуру к концу десятилетия в $3–4 триллиона. Но, что если гиперскейлеры не увидят монетизации своих AI-продуктов в ближайшие 12-18 месяцев, возможна резкая коррекция заказов (хотя Дженсен это отрицает, ссылаясь на ROI) ▪️ИИ переходит от создания контента к выполнению работы. Это создает прямую экономическую выгоду (ROI) за счет повышения производительности сотрудников. Хуанг привел несколько неверифицируемых, поверхностных примеров (без внятной методологии) в крупных американских компаниях, но пока все это не так очевидно, как в презентациях. Это пока сомнительно. Многие компании предпочтут открытые и локальные модели, что «осушит» денежный поток бигтехов, а во-вторых, и это самое главное – зрелость ИИ агентов на очень низком уровне, а надежность и стабильность все еще неприемлемы для бизнес-процессов. ▪️Также Хуанг выступал в защиту собственной экосистемы ИИ, заверяя в стратегическом превосходстве высокоразвитой концепции «полного цикла», но это лучше разобрать отдельно и более подробно. ▪️Несмотря на потерю китайского рынка, компания компенсирует это нарративом о том, что «Америка должна победить», позиционируя себя как стратегический актив США. Неадекватный рынок начал искать подвох?

Инфляция в России остается структурно неоднородной Общий уровень потребительских цен вырос на 0.57% м/м SA в октябре после 0.55% в сентябре. За 3м – 0.48%, 6м – 0.47%, 10м25 – 0.52% vs 0.69% за 10м24 при норме 0.27% в 2017-2019 по среднемесячным темпам с исключением сезонного фактора (далее в этом формате). Нельзя сказать, что идет снижение, скорее – стабилизация с ползучей, медленной тенденцией на рост цен по 3м средней. В этом году минимум по 3м средней был в 2кв25 – 0.36% с тенденцией на увеличение к 0.5% (также было в начале года, за исключением января), что соответствует около 6% годовых – это прогресс (вдвое лучше, чем годом ранее). Годовая инфляция 7.7%, но за счет эффекта базы прошлого года, в этом году инфляция складывается ближе к 6% SAAR, а это значит, что после выхода из расчетов ноя.24-янв.25, годовая инфляция может снизиться до 6-6.2% г/г в феврале 2025 при условии, если не будет привычного зимнего ускорения цен. Если исключить самые волатильные категории товаров в этом году (плодоовощная группа, топливо и ЖКХ) – 0.4% в октябре после 0.45% в сентябре, за 3м – 0.4%, 6м – 0.36%, 10м25 – 0.48% vs 0.63% за 10м24 при норме 0.26%. Это позволяет оценить указанную группу товаров, как основной триггер инфляции в 2025, тогда как нормализованный тренд с апреля складывается около 0.36% в месяц, что соответствует 4.4% годовых (близко к таргету). По базовой инфляции в привычном определении похожий расклад: 0.41% в октябре после 0.38% в сентябре, 3м – 0.37%, 6м – 0.37%, 10м25 – 0.46% vs 0.63% за 10м24 и нормы 0.24% в 2017-2019. ▪️Продовольственная инфляция: 0.69% в октябре после 0.44% в сентябре, 3м – 0.46%, 6м – 0.44%, 10м25 – 0.55% vs 0.73% за 10м24 при норме 0.23%. Здесь появляется все больше проблемных категорий (инфляция выше 0.5% в месяц в среднем за 3м): мясопродукты (0.78%), сыр (0.52%), чай, кофе (0.79%), хлеб и хлебобулочные изделия (0.70%), плодоовощная продукция (0.51%) и общественное питание (0.78%). В структуре прироста продовольственных цен около 55% обеспечили лишь две категории: мясопродукты (около 40% от общего роста цен в продовольствии), общественное питание. ▪️Непродовольственная инфляция: 0.56% (без бензина 0.21%, далее в скобках) в октябре после 0.49% (0.25%) в сентябре, 3м – 0.47% (0.16%), 6м – 0.29% (0.08%), 10м25 – 0.25% (0.11%) vs 0.47% (0.41%) за 10м24 при норме 0.27% (0.24%). Разгон непродовольственной инфляции идет непрерывно 5 месяцев, однако, весь вклад в разгон инфляции вносит топливо, которое обеспечило 2/3 или 0.31 п.п в общем росте на 0.47% за 3м. а полгода инфляция без учета топлива балансируют вблизи нуля (0.08%), а с начала года в 4.5 раза менее интенсивный рост, чем годом ранее и в 2.3 раза ниже, чем норма. Проблема в топливе. Есть группы товаров, где среднемесячный темп рост роста выше 0.5% в месяц (6.2% годовых): медицинские товары (0.8%) и парфюмерно-косметические товары (0.61%), а импортная группа (вся электроника и техника) уже привычно в сильно дефляции. Без учета топливо, около 40% прироста цен в непродовольственных товарах обеспечено за счет медицинских товаров. ▪️Услуги: 0.43% в октябре после 0.74% в сентябре, за 3м – 0.54%, 6м – 0.73%, 10м25 – 0.8% vs 0.92% за 10м24 при норме 0.33%. В услугах сильное отклонение: образование (1.59%), санаторно-оздоровительные (1.52%), медицинские (0.91%), культура, спорт и развлечения (0.81%), пассажирский транспорт (1.09%), бытовые услуги (0.79%). Замедление цен в услугах очень обманчиво – это в основном разовый эффект от зарубежного туризма и методики расчета, тогда как фоновая и устойчивая инфляция в услугах складывается в диапазоне 0.7-0.9%, что лучше 1-1.3% полгода назад, но в 2-2.5 раза выше нормы. Сейчас услуги за исключением ЖКХ и туризма добавляют к инфляции около 1.6 п.п, а исторически основная инфляция формировалась в продуктовой группе – там динамика волатильная, но наиболее сильное инфляционное давление спало еще весной (сейчас нормализованные темпы ближе к 7% SAAR). До победы над инфляцией далеко, но прогресс есть. Проблемная зона: топливо, опережающий рост в ЖКХ, плодоовощи и услуги.