Большие языковые модели остаются главной темой ИИ-рынка. К OpenAI, Anthropic и Google добавляются китайские Moonshot AI и DeepSeek, а в Европе — Mistral. Но в 2027 году инвестору не стоит ограничиваться историями языковых моделей — стоит следить и за другими направлениями: продуктами для конкретных задач бизнеса, инфраструктурой для ИИ, прикладным ИИ в производстве и логистике (Physical AI).
Мы проанализировали рынок и разобрались, какие сектора могут оказаться наиболее востребованными в гонке за первенство в ИИ, а также выделили наиболее перспективные имена в рамках каждого из сегментов.
Материал подготовил эксперт ТРИНФИКО Private — подразделения АО «ТРИНФИКО» для работы с крупным частным капиталом. Компания работает на российском финансовом рынке с 1993 года, является членом НАУФОР и имеет брокерскую, дилерскую и депозитарную лицензии, а также лицензию на управление ценными бумагами.
1. Агентские платформы: ИИ выполняет задачи
Особенность языковых моделей заключается в том, что они в большинстве своём обучены на обобщённой информации, доступной в свободном доступе в интернете. По мере развития обучение также расширяется и на более узкие истории с доступом к «оцифрованным книгам» и работам исследователей. Однако пока LLM не способны досконально разбираться в конкретных процессах и специализированных задачах — с этим поможет справиться агентская платформа. ИИ-агент может разобрать документы, помочь клиенту или отделу продаж, собрать аналитику — а значит, сэкономить время и деньги.
В формате развития таких продуктов интересно посмотреть на две крупные публичные компании: Salesforce и Cloudflare. Обе компании продают ПО (софтверные решения), лидеры в своих секторах CRM и облачных продуктов. По мере того как развивались ChatGPT и Claude, рынок со скепсисом взглянул на весь сектор программного обеспечения с позиции частичной или даже полной замены предлагаемых компаниями продуктов. В действительности акции сектора потеряли в среднем половину своей капитализации, в то время как фондовые индексы обновляли новые максимумы.
Однако в последнее время ситуация в корне изменилась: менеджмент предложил новые «более нативные» продукты и инструменты, внедрив элементы LLM:
-
Salesforce встроила агентов прямо в CRM: продукт Agentforce теперь сам квалифицирует лиды, распределяет обращения и закрывает часть заявок в поддержку — то, что раньше делал сотрудник в интерфейсе Salesforce. Привычный инструмент не исчез — его адаптировали под конкретные нужды, при этом не потеряв в качестве работы сервиса. Во втором квартале 2026 года выручка в годовом выражении (ARR) Agentforce выросла до $1,5 млрд, +240% г/г.
-
Cloudflare использует иную модель и зарабатывает на сторонних ИИ-агентах. С июля 2025 года компания делит входящий трафик по типу (поисковые боты, ИИ-агенты, боты для обучения моделей) и продаёт Pay Per Crawl — доступ к странице, за который агент платит самостоятельно.
Среди непубличных компаний есть много других интересных примеров, где ИИ-агенты берут на себя разные участки работы. Cognition разработала Devin — агента, который сам пишет и проверяет код, а не просто подсказывает разработчику, в отличие от функционала многих других компаний. Sierra и Decagon помогают с решением различного рода задач от лица клиентов, начиная с заказа еды, бронирования путешествий, организации доставки и заканчивая рефинансированием ипотеки и поддержкой на уровне организации личных финансов. Для удобства клиента есть и разные подходы к взаимодействию: через голосовой и текстовый варианты ИИ-консьержа.
Также существуют и узкоспециализированные решения в разрезе специализации. Так, например, Harvey специализируется в вопросах юриспруденции и может помочь разобраться как юристам с разбором рутинных задач, систематизацией и сверкой данных, так и простому клиенту в рамках помощи в написании иска или толковании конкретного закона.
Другой пример, когда клиенту важна скорость анализа и оперативная интерпретация данных. В этом может помочь ClickHouse: платформа способна обрабатывать большие массивы в реальном времени и сразу выдавать анализ, на который далее уже могут опираться агенты. Например, отделу продаж она помогает за секунды понять типичный образ покупателя (возраст, пол, предпочтения и пр.) и далее сформировать план по продвижению продаж и взаимодействию с клиентами.
«Агентская платформа — это необязательно то, что встаёт поверх языковой модели, а скорее дополняет и служит элементом оптимизации в решении конкретных задач для бизнеса. Сейчас универсальные LLM (ChatGPT, Claude, Gemini, Grok, Moonshot) обучены в большинстве своём на общедоступных данных, из-за чего они пока ещё не обладают точечной экспертизой в сложных вопросах.
Например, если необходимо решение вопроса в области юриспруденции или медицины, более уместно будет обратиться к агентской истории со специализацией в этой области. Базовые LLM часто могут «галлюцинировать»: ссылаться на вымышленные указы и опираться на неподтверждённые факты, что для пользователя может оборачиваться не просто «ошибкой» в расчётах, а штрафами и даже более строгими санкциями»
Максим Васильев, главный аналитик ТРИНФИКО Private
2. Узкие горлышки: ИИ нужны чипы, дата-центры и энергия
Во время золотой лихорадки больше всех заработали не старатели, а те, кто продавал кирки и лопаты. С ИИ работает похожая логика: модели требуют всё больше вычислений, поэтому ограничениями становятся мощность чипов, память, скорость передачи данных, охлаждение и электричество — рынок ищет решения на каждом из этих уровней.
McKinsey ждёт роста ИИ-рынка до $1,3–1,5 трлн к 2030 году. При этом нельзя утверждать, что бенефициаром роста в этом или следующем году станет конкретный сегмент или компания. Именно определение узких мест и главных бенефициаров меняющейся экономики и внедрения ИИ становится тем самым вопросом, на который мы пытаемся найти ответ в рамках поиска наиболее привлекательных идей на рынке.
Сейчас очевидно, что производство чипов становится одним из ключевых сегментов, где неоспоримым лидером выступает Nvidia — ныне самая дорогая компания США с капитализацией выше $5 трлн, обошедшая по капитализации Apple, Microsoft, Amazon и Alphabet (Google). Позади находятся AMD (по рыночной капитализации преодолевшая отметку в $1 трлн) и Intel (капитализация ~$700 млрд), занимающиеся разработкой и производством передовых GPU- и CPU-процессоров.
Однако сам размер этих компаний не означает, что рынок ограничивается только тремя крупнейшими игроками: под конкретные задачи с позиции энергоэффективности или цены могут быть востребованы и чипы других производителей. Так, например, в конце прошлого года Nvidia договорилась со своим конкурентом Groq о лицензировании технологии на производство узкоспециализированных под ИИ-задачи чипов LPU (Language Processing Unit), заплатив за это рекордные $20 млрд.
Другой пример — Cerebras. Компания разрабатывает иную архитектуру чипа — плата нестандартно большого размера, что отличает её продукт не универсальностью, а именно специализацией под конкретную задачу. Востребованность такого продукта отражается в спросе с позиции энергоэффективности и высоко ценится клиентами. В мае 2026 года компания вышла на IPO с оценкой $56,4 млрд — крупнейшее технологическое размещение года, если не брать в расчёт размещение акций SpaceX.
Ещё одно узкое место — память. Особый интерес представляет HBM — высокоскоростная память для ИИ-ускорителей, без которой масштабирование моделей становится значительно сложнее. Сегодня рынок фактически контролируют Samsung Electronics и SK Hynix, среди других крупных игроков на рынке также стоит выделить Micron и Western Digital.
Дефицит уже находит отражение в ценах и сроках поставки, а существующие производственные мощности уже законтрактованы на годы вперёд. По этой причине память может оказаться одним из наиболее жёстких ограничений для следующей фазы развития ИИ, наряду с производством ИИ-специализированных чипов и энергией.
В контексте доступа к вычислительным мощностям не всё так просто: реальный дефицит на рынке и законтрактованность на годы вперёд вынуждают арендовать мощности у других компаний. Базово инфраструктуру могут предлагать гиперскейлеры — крупнейшие облачные провайдеры, такие как AWS (Amazon), Azure (Microsoft) и GCP (Google). Однако всё большую популярность набирают так называемые неоклауды (NeoCloud), предлагающие в аренду свои серверы для обучения моделей или их использования.
В качестве примеров таких компаний выступают CoreWeave (провела IPO в 2025 году), Nebius (небезызвестная компания Аркадия Воложа, корнями уходящая в Yandex), а также IREN (сменила концепцию с майнинга криптовалют на предоставление вычислительных мощностей GPU в аренду). Среди непубличных компаний стоит выделить Lambda, предлагающую в аренду наиболее передовые процессоры Nvidia по партнёрскому соглашению с производителем. Сейчас обсуждается новый раунд финансирования на $3 млрд, в ходе которого оценка компании может превысить $12 млрд.
На уровне строительства дата-центров и потребляемой энергии находится Crusoe. Компания начинала с того, что ставила мобильные дата-центры прямо на нефтяных месторождениях и использовала попутный газ, который иначе просто сжигали бы на факелах, — таким образом получая дешёвое электричество для работы. Crusoe является главным подрядчиком строительства основного кампуса в ИИ-мегапроекте Stargate в Абилине в рамках масштабной инициативы по созданию ИИ-инфраструктуры стоимостью в сотни миллиардов долларов. Сейчас, на сентябрь 2026 года, оценка компании по последнему раунду составляет $30,9 млрд.
«Оценивать сектор только через объём инвестиций недостаточно: важно понимать, где находится наиболее «узкое место» и кто будет выступать бенефициаром. Поиск инвестиционных возможностей имеет смысл вести вдоль всей цепочки: от производства чипов и памяти до конечных приложений и робототехники.
Все три направления, о которых мы говорим, фактически связаны между собой: агентам нужны модели и данные, моделям нужны вычисления, а Physical AI добавляет к этому ещё и необходимость взаимодействовать с реальным миром. Именно такие узкие места могут определять лидеров следующего этапа развития ИИ»
Максим Васильев, главный аналитик ТРИНФИКО Private
3. Физический ИИ: роботы выходят на производство
ИИ выходит за пределы текста и кода — учится управлять оборудованием и работать в физических процессах. Здесь недостаточно красивой демонстрации робота перед зрителями: компания должна доказать, что решение надёжно, его можно внедрить в операцию и повторить результат в масштабе.
Направление стоит рассматривать с двух сторон. Первая — софт, который помогает как проектировать и производить сложные физические системы, так и управлять ими и взаимодействовать с внешним миром. Вторая — сами роботы и автоматизированные системы, которые уже применяются на реальных производствах.
Одно из самых известных имён в робототехнике — Boston Dynamics. Более 20 лет назад компания выпустила один из первых прототипов «робособак», видео с которыми становились вирусными и заложили начало эпохи развития и популяризации уже человекоподобных роботов, «гуманоидов». Сейчас компания производит роботов разного типа под конкретные запросы: роботы инспектируют укрытие над реактором Чернобыльской АЭС, обходят подстанции National Grid, следят за оборудованием на пивоварне AB InBev.
Другой известный проект — концепт робота-гуманоида от Илона Маска, известный как Optimus, производимый на заводах Tesla. Робот был впервые представлен пять лет назад, в 2021 году, однако на текущий момент до начала полноценной коммерциализации проекта дело не дошло. В ближайшее время Tesla планирует представить новое поколение робота Optimus Gen 3, который, как ожидается, поступит в массовое производство уже к концу 2026 года. Предполагается, что к моменту релиза такой робот будет стоить не более $100 000.
Китай, со своей стороны, не уступает позиции с точки зрения развития роботехники. Помимо демонстрации отдельных функций, в Китае уже проводятся конкурентные бои, аналогичные UFC и даже «Олимпийские игры», где роботы уже обгоняют по скорости бега Усэйна Болта, но пока, к сожалению, не могут остановиться. Тем не менее прогресс действительно не стоит на месте: роботы используют в логистике в портах и на складах, в производстве, медицине, строительстве. Unitree — одна из самых известных китайских компаний в сфере робототехники. В августе она провела IPO на бирже в Китае: в первый день торгов акции выросли на 460%, а капитализация превысила $50 млрд.
Другой пример из этой сферы — Figure AI. Её отличительной чертой становится совмещение софтверной части управления роботом (Helix), проектирования и физического производства. Синергия софта и железа обеспечивает для компании большую устойчивость с позиции управления процессами на каждом этапе производства, за счёт чего инвесторы готовы платить более высокую оценку. По последнему раунду в сентябре 2025 года компанию оценили в $39 млрд (раунд Series C) с участием Brookfield, Nvidia, Qualcomm и ещё нескольких инвесторов — это рекорд для непубличных компаний из сектора робототехники.
Пример: чтобы показать, что роботы Figure справляются не только со знакомой средой, компания арендовала 30 домов в Сан-Франциско, по роликам из которых не обучали базовую модель. Роботы самостоятельно сориентировались в незнакомом пространстве и убрались в них — за это отвечает новая адаптивная модель Figure 03, Helix 2.5.
Помимо физического производства роботехники и создания ПО для управления, важная часть развития заключается в проектировании инженерных процессов на уровне ИИ. Эта ниша пока ещё полноценно не раскрыта. «Пробел» в этой области может закрыть Prometheus — стартап Джеффа Безоса и Вика Баджаджа, ориентированный на автоматизацию инженерного проектирования и оптимизацию производства (или AutoCAD для физического мира, как говорит сам Безос). Компания в июне 2026 года привлекла $12 млрд — наиболее капитализированный стартап в сфере ИИ, с сильной командой, поддержкой инвесторов и обозначенным треком развития.
Вывод: ИИ-рынок — это не только OpenAI и Anthropic
ИИ-рынок уже не ограничивается языковыми моделями: стабильность работы обеспечивается за счёт ИИ-инфраструктуры (процессоры, энергия, вычислительные мощности), агенты берут на себя задачи бизнеса, а роботехнологии упрощают жизнь людей благодаря автоматизации.
Само по себе развитие ИИ оказывает влияние на всю мировую экономику, и поэтому сейчас важно разобраться и выбрать ту самую область и сегмент, где процесс внедрения ИИ оставит наиболее значимый след. При этом с позиции поиска инвестиционных возможностей важно следовать диверсификации портфеля: покупая акции, нужно смотреть как на публичные, так и непубличные имена, а также придерживаться стратегии выбора нескольких компаний-лидеров своего сегмента для обеспечения большей стабильности портфеля.
Источники: данные компаний, эксперты ТРИНФИКО Private
Автор: trinfico-private
