От железнодорожной мании до Anthropic: почему технологические революции сначала сжигают капитал, а потом меняют мир

В сентябре 2026 года история Anthropic перестала быть только историей программного обеспечения. Подготовка компании к IPO раскрыла масштаб инфраструктурной ставки: долгосрочные обязательства по cloud, вычислениям и связанному оборудованию измеряются сотнями миллиардов долларов.

Это заставляет смотреть на Anthropic не только как на разработчика Claude. По экономической логике компания всё больше напоминает гибрид исследовательской лаборатории, software-бизнеса и крупного инфраструктурного заказчика.

Главный вопрос поэтому звучит шире, чем «сколько будет стоить Anthropic на IPO?». Вопрос в другом: **что происходит, когда новая универсальная технология требует такой массы капитала, что начинает перестраивать энергетику, дата-центры, рынок чипов, корпоративные процессы и саму модель финансирования технологических компаний?**

История уже знает похожие периоды. Каналы, железные дороги, электричество, автомобиль, радио, телеком, интернет и облачные вычисления каждый раз запускали похожую последовательность: технологический прорыв → инвестиционный восторг → строительство инфраструктуры → перегрев → коррекция → новая массовая экономика на уже построенном фундаменте.

Anthropic: от AI-лаборатории к инфраструктурной компании

По данным Reuters, в 2025 году выручка Anthropic выросла до примерно $4,6 млрд, но операционный убыток превысил $8 млрд. Чистый убыток был значительно выше, в том числе из-за бухгалтерских эффектов финансовых инструментов.

Но важнее не сама величина убытка, а структура будущих обязательств. Reuters сообщил о многолетнем инфраструктурном портфеле Anthropic объёмом не менее $518 млрд. Около 80% этих обязательств либо неотменяемы, либо требуют оплаты независимо от фактического использования мощностей.

Речь идёт не об одном платеже и не о расходах одного года. Это долгосрочная ставка на то, что вычислительная мощность останется стратегическим дефицитным ресурсом.

Среди публично раскрытых направлений — гигантские соглашения с Google, Amazon, Microsoft, Broadcom и другими поставщиками инфраструктуры. Отдельное семилетнее соглашение с Akamai оценивается в $11,6 млрд и может быть расширено.

Фактически Anthropic делает то, что в XIX веке делали железнодорожные компании: резервирует инфраструктуру заранее, потому что предполагает, что именно контроль над мощностями определит будущую скорость роста.

Почему IPO здесь — не обычный выход на биржу

У классического software-бизнеса предельная стоимость дополнительного пользователя обычно невысока. Код уже написан, а новый клиент почти не требует нового завода.

Frontier AI устроен иначе.

Каждый масштабный AI-сервис физически опирается на цепочку:

GPU → память → сервер → сеть → storage → охлаждение → электроэнергия → подстанция → дата-центр → строительство → финансирование.

Поэтому увеличение аудитории увеличивает не только выручку, но и реальное потребление инфраструктуры.

В такой модели IPO становится не просто способом дать ликвидность ранним инвесторам. Оно может стать механизмом доступа к капиталу, необходимому для финансирования вычислительной промышленности огромного масштаба.

Это уже ближе к истории железных дорог, энергетики и телекоммуникаций, чем к истории обычного SaaS.

1720: когда рынок начинает торговать будущим

Один из самых ранних финансовых примеров — South Sea Bubble 1720 года. Bank of England называет его первым крупным финансовым кризисом в своей истории.

South Sea Company получила торговые привилегии и участие в государственном долге. Реальная торговая деятельность оставалась ограниченной, но ожидания будущих доходов вызвали инвестиционную лихорадку. Цена акций резко выросла, затем обрушилась, и тысячи инвесторов понесли потери.

Anthropic нельзя сравнивать с South Sea Company напрямую: у Anthropic есть реальный продукт, клиенты и многомиллиардная выручка.

Но фундаментальная параллель важна: **рынок оценивает не столько текущую прибыль, сколько воображаемый размер будущего мира**.

Именно здесь начинается риск. Чем больше будущее кажется неизбежным, тем легче инвестору спутать две разные идеи:

1. технология действительно изменит экономику; 2. любая компания в этой технологии оправдает любую оценку.

История показывает, что первое может быть верно, когда второе — нет.

Каналы: инфраструктура, снижающая трение

До железных дорог одной из важнейших инфраструктур промышленной революции были каналы.

Они снижали стоимость перевозки угля, руды, сырья и готовой продукции. В экономическом смысле канал уменьшал транспортное трение.

AI делает похожую вещь уже в информационной экономике. Он потенциально снижает стоимость:

• поиска информации;
• анализа;
• программирования;
• подготовки документов;
• генерации контента;
• обработки обращений;
• стандартных решений;
• доступа к знаниям.

Если каналы удешевляли перемещение материального груза, AI может удешевлять перемещение и преобразование знаний.

Это одна из причин, почему нынешний AI-цикл может оказаться не очередной модой, а инфраструктурной перестройкой.

Железнодорожная мания: лучшая историческая аналогия

Железные дороги дают одну из самых сильных параллелей.

В XIX веке стало ясно: железная дорога действительно меняет экономику. Она объединяла рынки, сокращала время перевозки и позволяла по-новому размещать производство.

Исследование Dave Donaldson и Richard Hornbeck показывает, насколько велик был экономический эффект американской железнодорожной сети: доступ к рынкам существенно капитализировался в стоимости сельскохозяйственных земель.

Но финансовый рынок сделал дополнительный шаг:

**если железные дороги — будущее, то почти любая железная дорога будет прибыльной.**

Именно здесь возникают переинвестирование, слабые проекты и будущие банкротства.

Главный урок для AI звучит так:

> Можно полностью правильно предсказать значение технологии и одновременно ошибиться в оценке конкретной компании.

Это важнее любых попыток ответить одним словом, является ли AI «пузырём».

Электричество: возможно, самая глубокая аналогия

Экономисты относят электричество к General Purpose Technologies — универсальным технологиям общего назначения.

Такие технологии отличаются от обычных изобретений тем, что не создают один рынок. Они постепенно меняют множество отраслей.

Исследования NBER показывают, что внедрение универсальной технологии требует комплементарных инвестиций. Самого электричества недостаточно. Нужно изменить оборудование, планировку фабрик, организацию труда, навыки сотрудников и бизнес-процессы.

Именно поэтому производительность может расти не в момент появления технологии, а позже — когда экономика перестраивается вокруг неё.

AI сегодня выглядит очень похоже.

Выдать сотруднику чат-бота — ещё не цифровая трансформация.

Настоящий эффект появляется, когда компания перестраивает:

данные → базы знаний → workflow → права доступа → интеграции → автоматизацию → human-in-the-loop → контроль качества → ответственность.

Отсюда следует важный вывод: огромный рынок может находиться не только в foundation models, но и в **прикладной перестройке организаций вокруг моделей**.

1920-е: реальная технология и реальная эйфория

1920-е годы в США сочетали мощный технологический прогресс с финансовой эйфорией.

Распространялись автомобиль, электричество, радио, телефон, бытовая техника, массовое производство.

Технологические изменения были настоящими. Но рост рынков капитала начал экстраполировать этот прогресс слишком далеко.

Перед крахом 1929 года американский фондовый рынок прошёл многолетний период стремительного роста.

Этот эпизод снова напоминает: **технологическая революция и инвестиционный перегрев могут происходить одновременно**.

Поэтому вопрос «изменит ли AI мир?» не отвечает на вопрос «оправданы ли текущие оценки AI-компаний?».

Интернет и телеком: самый близкий современный пример

Конец 1990-х — пожалуй, наиболее полезная современная параллель.

Инвесторы правильно поняли, что интернет станет огромным.

Но ошиблись в скорости и структуре монетизации.

Телекоммуникационные компании начали массово строить backbone, оптоволокно и сетевую инфраструктуру. Данные Федеральной резервной системы показывают, что капитальные расходы американских telecom service providers выросли примерно с $42,37 млрд в 1997 году до $76,99 млрд в 2001-м.

Затем произошёл резкий откат: около $49,77 млрд в 2002 году и $40,71 млрд в 2003-м.

То есть технология была реальной. Спрос был реальным. Но инфраструктуру построили быстрее, чем рынок успевал её окупить.

После краха интернет не исчез.

На уже построенной инфраструктуре выросли Google, Amazon, YouTube, Netflix, социальные сети, облачные сервисы и мобильная экономика.

Это один из самых важных исторических уроков AI-бума:

**даже если часть инвестиций окажется неэффективной, построенная инфраструктура может стать фундаментом следующей волны.**

Облако: инфраструктурная революция наоборот

Cloud computing в 2000–2010-х годах сделал обратный ход.

Вместо покупки собственных серверов компании получили возможность использовать вычисления по модели pay-as-you-go.

OECD подчёркивал, что облако снизило требования к первоначальным капитальным затратам и позволило компаниям быстрее масштабироваться.

Стартап больше не должен был строить свой дата-центр.

Но frontier AI частично разворачивает эту модель обратно.

Пользователь по-прежнему покупает API как сервис. Однако разработчики моделей сами вынуждены резервировать физическую инфраструктуру на годы вперёд.

То есть наверху cloud остаётся сервисом, а внизу снова появляется тяжёлая капиталоёмкая промышленность.

AI снова делает software физическим

Современный AI выглядит цифровым только с точки зрения пользователя.

На самом деле это крайне физическая индустрия.

Нужны:

• ускорители;
• HBM;
• серверы;
• сетевое оборудование;
• системы охлаждения;
• электрические сети;
• дата-центры;
• строительные мощности;
• долговое и акционерное финансирование.

McKinsey оценивает потенциальные совокупные капитальные затраты на глобальную инфраструктуру дата-центров к 2030 году примерно в $6,7 трлн.

IMF отмечает, что связанные с AI технологические инвестиции дали около 0,5 процентного пункта роста ВВП США в 2025 году, а частные инвестиции в AI в 2026 году по некоторым внешним оценкам могут превысить $2 трлн.

Таким образом, AI уже перестаёт быть отраслевой историей Silicon Valley.

Он начинает влиять на макроэкономику.

Почему $518 млрд Anthropic — такая важная ставка

Размер обязательств важен, но ещё важнее их жёсткость.

Если большая часть инфраструктурных контрактов действительно не может быть легко отменена, Anthropic делает чрезвычайно сильный прогноз относительно будущего спроса.

Есть два базовых сценария.

Сценарий 1. Anthropic права

Спрос на AI растёт быстрее инфраструктуры.

Compute остаётся дефицитным.

Раннее резервирование мощностей превращается в стратегическое преимущество.

Тогда гигантские обязательства работают как инфраструктурный ров.

Сценарий 2. Anthropic ошибается

Модели становятся существенно эффективнее.

Inference резко дешевеет.

Конкуренция давит на цены.

Появляются новые архитектуры и специализированное железо.

Спрос растёт медленнее контрактных ожиданий.

Тогда компания может оказаться связана обязательствами по ресурсам, рыночная стоимость которых уже ниже ожидаемой.

Это классический инфраструктурный риск.

Особенность AI: технология ускоряет собственное развитие

Есть принципиальное отличие от железных дорог и электричества.

AI уже используется для:

• написания кода;
• исследований;
• анализа экспериментов;
• оптимизации моделей;
• проектирования чипов;
• автоматизации инженерной работы.

То есть новая технология помогает улучшать саму себя и инфраструктуру вокруг себя.

Возникает петля:

лучший AI → быстрее разработка → дешевле создание новых систем → больше внедрений → больше капитала и данных → ещё более сильный AI.

Если эта обратная связь сохранится, исторические циклы могут сжиматься.

То, что железнодорожная отрасль проходила за десятилетия, AI может проходить за несколько лет.

Поставщики Anthropic одновременно конкурируют с Anthropic

У современного AI есть ещё одна необычная особенность.

Google, Amazon и Microsoft одновременно могут быть:

• поставщиками инфраструктуры;
• инвесторами;
• стратегическими партнёрами;
• конкурентами на рынке моделей и корпоративного AI.

В традиционной промышленности такая конструкция встречается реже.

Она усиливает стимул Anthropic диверсифицировать compute и контролировать больше элементов инфраструктурной цепочки.

Founder LLC: необычный эксперимент корпоративного управления

На фоне подготовки к IPO Anthropic раскрыла структуру Founder LLC.

По данным Reuters, специальный класс акций должен давать семи основателям около 50,1% голосующего контроля.

Компания при этом остаётся Public Benefit Corporation.

Возникает необычная конструкция:

**публичный капитал требует финансовой отдачи, а основатели хотят сохранить возможность принимать долгосрочные решения, исходя не только из краткосрочной цены акций.**

Это отдельный исторический эксперимент: может ли компания одновременно привлекать капитал публичного рынка и ограничивать влияние этого рынка на стратегический контроль?

Возможно, важнейшее направление Anthropic находится не в моделях

В мае 2026 года Anthropic вместе с Blackstone, Hellman & Friedman и Goldman Sachs объявила о создании отдельной enterprise AI services company.

Это очень показательный шаг.

Идея в том, что Applied AI engineers должны работать непосредственно с компаниями: находить процессы, понимать данные, строить кастомные решения и сопровождать внедрение Claude.

Это означает важный переход.

Сначала рынок продавал модели.

Теперь начинается борьба за **внедрение моделей в реальные процессы**.

Исторически именно этот этап превращал универсальную технологию в экономический эффект.

Электричество стало революцией не тогда, когда появилась первая лампочка, а когда фабрики перестроили производство вокруг электродвигателей.

AI может пройти тот же путь.

Где на самом деле может возникнуть большая часть стоимости

У AI-экономики можно условно выделить несколько этажей:

**Энергия и строительство**

↓

**Чипы, память и серверы**

↓

**Cloud и compute**

↓

**Foundation models**

↓

**Интеграционные платформы**

↓

**Конкретный бизнес-процесс**

Именно на верхнем прикладном уровне возникает цепочка:

бизнес-задача → данные → RAG → агент → инструмент → человек → действие → журнал → метрика.

Это объясняет, почему небольшим специализированным командам не обязательно конкурировать с Anthropic или OpenAI.

Не нужно строить собственную электростанцию.

Нужно научиться лучше других использовать электричество.

В AI это означает: взять фундаментальную модель и решить конкретную отраслевую задачу лучше, безопаснее и измеримее.

Что история говорит небольшим AI-командам

Во время каждой инфраструктурной революции огромную стоимость создавали не только владельцы инфраструктуры.

После железных дорог появились новые логистические и торговые модели.

После электричества — новые фабрики и бытовая индустрия.

После интернета — поисковики, маркетплейсы, видео, социальные сети.

После облака — тысячи SaaS-компаний.

Поэтому для небольшой AI-команды рациональная стратегия может выглядеть так:

1. не строить foundation model; 2. не пытаться владеть compute-инфраструктурой; 3. выбрать конкретный процесс; 4. подключить корпоративные данные; 5. построить RAG и инструменты; 6. оставить человека в критических точках; 7. измерять результат; 8. адаптировать решение под отрасль.

Это и есть слой, где технология превращается в бизнес-эффект.

Историческая линия: 1720–2026

Если собрать всё в одну последовательность:

**1720 — South Sea Bubble:** финансовый рынок начинает массово торговать представлением о будущем.

**XVIII–начало XIX века — каналы:** инфраструктура резко снижает транспортное трение.

**1830–1890 — железные дороги:** рынки объединяются, инфраструктура строится с избытком, часть капитала теряется.

**1880–1940 — электричество:** универсальная технология требует перестройки производства и организации труда.

**1920-е — автомобиль, связь, электрификация:** реальный технологический прогресс сосуществует с финансовой эйфорией.

**1990–2001 — интернет и телеком:** инвестиции опережают реальный спрос, но инфраструктура переживает пузырь.

**2000–2020 — cloud computing:** вычисления превращаются в сервис по требованию.

**2023–2026 — generative AI:** software снова становится капиталоёмкой физической индустрией.

**Следующий этап — AI как организационная инфраструктура:** компании перестраивают процессы вокруг интеллектуальных систем.

Повторится ли dot-com?

В отдельных сегментах — вполне возможно.

Но слово «пузырь» плохо описывает технологический переход.

В 2000 году можно было одновременно утверждать:

• многие интернет-компании переоценены;
• интернет изменит мировую экономику.

Оба утверждения оказались верными.

То же самое возможно с AI.

Часть компаний исчезнет.

Некоторые дата-центры окажутся построены слишком рано.

Стоимость compute может снизиться быстрее прогнозов.

Инвесторы могут потерять огромные суммы.

Но одновременно AI может стать одним из базовых слоёв экономики XXI века.

Что останется после возможной коррекции

Это самый важный вопрос.

Не «будет ли обвал?», а:

**что останется после него?**

Если останутся:

• дешёвые вычисления;
• построенные дата-центры;
• новые энергосети;
• миллионы ускорителей;
• инженеры с опытом AI-внедрений;
• корпоративные базы знаний;
• стандарты human-in-the-loop;
• зрелые интеграционные платформы;
• новые модели управления риском;

то финансовая коррекция не уничтожит AI-революцию.

Она может сделать следующий этап дешевле.

Именно так произошло после dot-com: рынок потерял капитал, но экономика получила инфраструктуру, на которой затем выросли крупнейшие цифровые компании мира.

Вывод

История Anthropic важна не потому, что компания обязательно станет триумфатором или обязательно ошибётся.

Она показывает переход искусственного интеллекта в новую фазу.

AI перестаёт быть просто программой.

Он становится инфраструктурой.

А инфраструктурные революции исторически проходят похожие этапы:

**технология → восторг → капитал → строительство → избыток → коррекция → массовое применение.**

Не каждая компания, строившая железную дорогу, стала победителем.

Но после железных дорог мир уже никогда не стал прежним.

С искусственным интеллектом может произойти то же самое.

Поэтому IPO Anthropic стоит рассматривать не только как финансовое событие. Это один из крупнейших публичных экспериментов, показывающих, **сколько капитала готова современная экономика вложить в попытку превратить AI из технологии в базовую инфраструктуру нового производственного уклада**.