Дискусія про AI-бульбашку не стихає вже три роки. Аналітики порівнюють поточний момент із dot-com 2000-х, венчурні фонди вливають сотні мільярдів в компанії, чий ROI досі не сходиться, а ринкова капіталізація NVIDIA перевищила ВВП більшості країн. Але більшість критики зосереджена на поверхні: переоцінені мультиплікатори, слабкий монетизаційний progress, надмірний корпоративний hype. За даними Ars Technica AI, справжня вразливість не в акціях і не в ChatGPT-втомі — вона значно глибша.
Якщо AI-бульбашка луснути, найімовірніша причина — не поступове охолодження ринку, а раптовий удар по фізичній інфраструктурі, яка тримає весь стек. Це принципово інший клас ризику, і він не вписується у стандартні фреймворки оцінки tech-стартапів.
Що насправді тримає AI на плаву
Генеративний AI — це не просто код і моделі у хмарі. Під капотом три шари фізичної залежності, кожен з яких є потенційною точкою колапсу:
- Напівпровідники вузького горлечка. NVIDIA H100/H200 та AMD MI300X — на них тримається весь pre-training і більша частина inference сучасних LLM. Фізично їх виробляє TSMC на Тайвані за нормами 3–4 нм. Немає альтернативної фабрики такого рівня. Будь-який перебій у ланцюжку постачань — геополітичний, природний, логістичний — б'є по всій індустрії одночасно, без жодних запасних варіантів.
- Енергетика як тверда стеля. Дата-центри Microsoft, Google і Amazon споживають десятки гігаватів. AI-inference у 2025 році перевищив енергоспоживання цілих країн — і це лише початок. Електросітки та дозволи на будівництво стали реальним гальмом розгортання нових потужностей в Ірландії, Нідерландах, Вірджинії.
- Концентрація обчислень у трьох руках. Левова частка AI-capacity зосереджена в Azure, AWS і GCP. Якщо три гіпермасштабери сповільнять capex — весь стартап-екосистем відчує це через 6–12 місяців у вигляді зростання цін і зниження availability.
Три вектори «удару по коріннях»
Саме ці механізми, а не ринкова корекція акцій, здатні дати реальний системний збій.
Розширення експортного контролю на чіпи. США вже запровадили обмеження на поставки H100 до Китаю. BIS Entity List розширюється — і нові категорії контролю можуть обмежити доступ навіть для союзників. Це не параноя: переговори тривають постійно, а кожна нова адміністрація перекреслює попередні баланси.
Регуляторне гальмування дата-центрів. Мораторії на нові об'єкти вже діють у кількох юрисдикціях через навантаження на місцеві електромережі. Якщо ця тенденція поширюватиметься на більші регіони — фізична capacity стане реальною стелею для зростання всього AI-ринку незалежно від попиту.
Судові позови щодо навчальних даних. Copyright-справи NYT проти OpenAI та Getty Images проти Stability AI ще тривають у судах. Якщо прецедент встановить, що pre-training на захищеному контенті є порушенням авторських прав — вартість ліцензування або перенавчання моделей зробить нові LLM економічно недосяжними для більшості гравців ринку.
Геополітика як системний ризик для білдерів
Більшість AI-підприємців думають про ризики у категоріях продукту: чи буде попит, чи підніме ціну OpenAI, коли вийде наступна флагманська модель. Але геополітика — принципово інший клас ризику з іншою швидкістю та непередбачуваністю.
Тайванський сценарій — не конспірологія, а елемент стрес-тестування в корпоративних стратегіях Microsoft і Google. Intel намагається відновити американське виробництво через Chips Act, але TSMC N3/N2 залишається тайванським ще на роки. Huawei Ascend 910C та власні чіпи Baidu і Alibaba вже закривають частину внутрішньої потреби Китаю — і якщо Пекін досягне достатньої автономності, глобальна динаміка AI-гегемонії зміниться, що прямо вплине на ціноутворення та стандарти для всіх.
Висновок AiiN: практичний фрейм для будівельників
Якщо ви будуєте AI-продукт або стартап — ось конкретні кроки, що знижують залежність від «коренів», на які ви не маєте впливу:
- Диверсифікуйте inference-провайдерів. Залежність лише від OpenAI API — операційний ризик. Fallback на Anthropic Claude, Google Gemini або open-source моделі (Llama, Mistral) — не розкіш, а базова гігієна архітектури.
- Стежте за capex-сигналами. Квартальні звіти Microsoft, Google і Amazon щодо AI infrastructure spending — провідний індикатор майбутнього availability і pricing API. Зміни там відчуваються через 6–9 місяців.
- Закладайте compliance-буфер вже зараз. Якщо ваш продукт залежить від RAG або fine-tuning на публічному контенті — юридична перевірка сьогодні на порядок дешевша, ніж реструктуризація через два роки після прецедентного рішення суду.
- Розглядайте on-premise та edge inference. Локальний inference через Ollama, llama.cpp або MLX — вже реальна production-опція для багатьох workloads. Концентрація в хмарі зручна, але вразлива до цінових шоків і перебоїв.
AI-бульбашка не лопне від того, що користувачі перестануть відкривати ChatGPT. Вона може луснути від рішення одного суду, нових санкцій, аварії на підстанції або від того, що TSMC не встигне наростити capacity під попит. Будувати на AI — значить розуміти не лише API і токени, а й геологічний шар під ними.