В июне 2026 года биткоин держался около отметки 60 000 долларов, а эфир торговался в диапазоне 1 600 долларов, что свидетельствовало о периоде консолидации на крипторынке. В то же время другой сектор — инфраструктура дата-центров для искусственного интеллекта — переживал всплеск активности. По прогнозу Gartner, мировые расходы на IT достигнут 6,31 трлн долларов в 2026 году, увеличившись на 13,5 % по сравнению с предыдущим годом, при этом расходы на системы дата-центров станут лидерами с ростом в 55,8 %. IDC ожидает, что глобальные корпоративные расходы на искусственный интеллект составят 940 млрд долларов в 2026 году.
На фоне этой гонки вычислительных мощностей происходит важный сдвиг в подходах: конкурентоспособность дата-центров для ИИ определяется уже не только количеством GPU или максимальной вычислительной мощностью. В центре внимания оказывается общая синергия вычислений, хранения и сетевых ресурсов внутри кластеров. Понимание того, как память, сеть и хранилище работают вместе, становится ключевым для оценки инвестиционной привлекательности инфраструктуры ИИ.
«Стена памяти»: первый узкий участок в эпоху больших моделей
Размер параметров крупных моделей ИИ за последние два года вырос экспоненциально. С 2024 по 2026 год параметры основных моделей увеличились в сто раз, а контекстные окна расширились с десятков тысяч до миллионов токенов. Однако пропускная способность серверной памяти росла менее чем на 15 % в год, что значительно отставало от темпов развития бизнеса в сфере ИИ. Серьёзное несоответствие между скоростью обновления программного обеспечения и аппаратных компонентов сделало «стену памяти» главным ограничивающим фактором вычислительной мощности ИИ.
Так называемая «стена памяти» означает, что скорость обработки CPU/GPU растёт гораздо быстрее, чем пропускная способность и задержка памяти при чтении и записи данных. Вычислительные чипы работают с огромной скоростью, но данные не успевают поступать вовремя, из-за чего процессоры значительную часть времени простаивают в ожидании. По данным отраслевых тестов, в масштабных GPU-кластерах узкие места при вводе-выводе данных приводят к тому, что GPU простаивают более 40 % времени — почти половина дорогих чипов тратит время на ожидание передачи данных.
Память становится крайне дефицитным ресурсом. Один сервер для инференса ИИ потребляет более чем в десять раз больше DRAM и HBM, чем обычный сервер дата-центра, причём почти 60 % мировых мощностей по производству пластин DRAM уже задействовано для ИИ-кластеров. Особенно острый дефицит наблюдается по HBM: основные производственные мощности забронированы крупными заказчиками до 2026 и даже 2027 года. Gartner отмечает, что рост спроса и ограничения предложения привели к рекордному росту цен на HBM, сделав память сегментом с высокой маржинальностью для производителей микросхем.
Для преодоления «стены памяти» отрасль движется по двум направлениям: первое — оптимизация на уровне программного обеспечения, включая тонкую настройку и компрессию, такие как многоуровневое управление KV-кэшем и квантование с низкой разрядностью, чтобы максимально использовать имеющиеся ресурсы хранения; второе — инновации на уровне аппаратной архитектуры, включая обновления HBM и внедрение новых протоколов межсоединений памяти, например, CXL (Compute Express Link). Платформа NVIDIA HGX Rubin нового поколения увеличила пропускную способность памяти GPU до 176 ТБ/с, что в три раза выше предыдущего поколения. Эти подходы дополняют друг друга и формируют новую логику взаимодействия хранения и вычислений во всей отрасли.
Сети: «нейронная сеть» ИИ-кластеров
Если память отвечает за эффективность передачи данных внутри одного узла, то сеть решает задачу перемещения данных между узлами. В масштабных ИИ-кластерах сотни или тысячи GPU должны работать совместно для обучения или инференса одной модели, поэтому эффективность меж-GPU коммуникаций критически важна для общей скорости обучения.
Сегодня узкие места по пропускной способности существуют на разных уровнях: между чипами традиционные межсоединения на печатных платах уже не соответствуют требованиям по высокой пропускной способности и низкой задержке для ИИ-чипов; внутри серверных стоек пропускная способность между серверами ограничивает вертикальное масштабирование; между дата-центрами пропускная способность и задержка при передаче данных на большие расстояния сдерживают горизонтальное масштабирование и межрегиональное распределение рабочих нагрузок. По оценкам, в современных ИИ-кластерах для обучения энергозатраты на перемещение данных уже превышают затраты на вычисления.
NVLink и InfiniBand от NVIDIA долгое время доминировали на рынке внутренних межсоединений для ИИ-кластеров. Последний NVLink Switch обеспечивает пропускную способность 28,8 ТБ/с, что вдвое больше предыдущего поколения. Однако ситуация меняется: компании AMD и Broadcom разрабатывают собственные решения, а открытые стандарты, такие как UALink (Ultra Accelerator Link), быстро развиваются. К 2026 году рынок сетей перейдёт от «монополии NVIDIA» к конкуренции между несколькими стандартами, что повысит требования к интеграции систем со стороны операторов дата-центров.
Хранилище: от «склада» к «потоку данных»
В традиционных дата-центрах хранилище выполняло функцию «склада данных» — в основном для архивирования и хранения холодных данных. В ИИ-дата-центрах хранилище превратилось в «поток данных» — оно должно непрерывно подавать обучающие данные вычислительным узлам с очень высокой скоростью и поддерживать быстрые чтения параметров моделей при инференсе.
Для обучения ИИ необходим быстрый доступ к огромным объёмам исходных данных, а для инференса — оперативное извлечение весов модели и KV-кэшей. KV-кэши теперь распространяются от HBM GPU вниз к системной DRAM и даже к высокоскоростным локальным SSD. Это стирает границу между хранилищем и памятью, превращая устройства хранения не просто в конечные точки данных, а в ключевые узлы потока данных.
All-flash хранилища вытесняют традиционные жёсткие диски и становятся основным выбором для ИИ-дата-центров. На ISC High Performance 2026 компания Sugon представила all-flash хранилища и продукты с нативной высокоскоростной сетью, что подчёркивает тенденцию отрасли. Производительность хранилища теперь напрямую определяет, успевают ли данные поступить к вычислительным блокам, а значит, влияет на уровень загрузки GPU.
Синергия вычислений, памяти и сети: от точечных прорывов к системной оптимизации
Когда роли и узкие места каждого компонента становятся понятны, появляется смысл понятия «синергия»: реальная вычислительная мощность ИИ-дата-центра — это не просто сумма производительности GPU, пропускной способности памяти, сетевого трафика и IOPS хранилища. Это эффективный результат, возникающий при системном взаимодействии всех четырёх компонентов.
Беспрерывный рост параметров моделей стимулирует появление супер-кластеров ИИ. Работоспособность определяется уже не только производительностью чипов, но всё больше — общей синергией и эффективностью вычислений, хранения и сетевых ресурсов внутри кластера. Такой подход быстро становится отраслевым стандартом.
На практике интегрированный дизайн вычислений, памяти и сети становится стандартом у ведущих производителей. Суперкластер scaleX AI от Sugon реализует эту концепцию, значительно увеличивая эффективность обучения и инференса. Операционная система NVIDIA Dynamo 1.0 для инференса в сочетании с платформой BlueField-4 CMX объединяет GPU, HBM, DRAM хоста, локальный flash и удалённое хранилище на разных уровнях, устраняя изолированность памяти GPU с помощью автоматизированного маршрутизирования горячих и холодных данных.
В отчёте IDC за июнь 2026 года отмечено: конкурентное преимущество в ИИ связано уже не с самой мощной вычислительной техникой, а с тем, насколько эффективно можно превратить ИИ в устойчивую бизнес-функцию с минимальной стоимостью токена. В основе стоимости токена лежит совокупная эффективность вычислений, памяти, сети и хранилища.
Рыночная ситуация: кто выигрывает?
Эта тенденция уже хорошо отражается на капиталовложениях.
В сегменте памяти лидером 2026 года стала SK Hynix. 22 июня 2026 года акции SK Hynix выросли на 6 % до рекордных 2 944 000 KRW, обогнав Samsung и став самой дорогой публичной компанией Кореи, а с начала года их рост составил более 349 %. Micron также показала сильные результаты: квартальная выручка за последнюю неделю июня увеличилась более чем в четыре раза, было объявлено о 16 новых долгосрочных контрактах на поставку. Акции Micron выросли на 16 % в день публикации отчёта.
В сетевом сегменте поставщик оптического волокна Corning достиг исторического максимума в последнюю неделю июня, поскольку рынок переоценил ключевую роль его продукции в ИИ-дата-центрах. Заказы Cisco на инфраструктуру ИИ превысили 9 млрд долларов.
В области серверов и системной интеграции доходы Dell от серверов, оптимизированных для ИИ, за квартал составили 16,1 млрд долларов, что на 757 % больше, чем годом ранее. Supermicro занимает около 70 % рынка технологий прямого жидкостного охлаждения.
Среди операторов дата-центров BOCOM International выделяет GDS (GDS-SW) и SUNeVision (SUNEVISION) как лидеров сегмента, отмечая взрывной рост спроса благодаря генеративному ИИ. UBS также прогнозирует ускорение развития индустрии интернет-дата-центров Китая во второй половине 2026 года.
Как инвестировать в инфраструктуру ИИ через Gate?
Gate предоставляет доступ к более чем 12 500 акциям и ETF на рынках США, Гонконга и Кореи. Инвесторы могут использовать единый аккаунт для прямой торговли глобальными акциями с USDT и другими цифровыми активами, что позволяет гибко распределять средства между криптовалютой и традиционными ценными бумагами.
В сегменте инфраструктуры ИИ-дата-центров Gate охватывает всю цепочку отрасли — от чипов до приложений:
Для американских акций инвесторы могут торговать ключевыми компаниями, такими как NVIDIA (NVDA), AMD, Micron (MU), Broadcom (AVGO), Dell (DELL), Supermicro (SMCI), Corning (GLW) и Cisco (CSCO). Gate поддерживает торговлю до открытия и после закрытия рынка, расширяя торговые часы до 16×5, что позволяет оперативно реагировать на отчёты и публикацию макроданных.
Для гонконгских акций инвесторы могут обратить внимание на операторов дата-центров, таких как GDS (09698.HK) и SUNeVision (01686.HK).
Для корейских акций SK Hynix (000660.KS) является безусловным лидером по HBM, а Jeju Semiconductor играет важную роль на upstream-этапе в производстве оптических материалов для ИИ-дата-центров.
Торговля акциями на Gate предусматривает комиссии от 0,1 %, поддерживает как маржинальный, так и спотовый режимы, а пользователи с портфелем от 2 000 долларов получают эксклюзивные VIP-тарифы. Для инвесторов, желающих получить системную экспозицию к сектору инфраструктуры ИИ-дата-центров, кросс-маркетинговые, мультиактивные и комплексные торговые возможности Gate снижают барьеры для глобального распределения технологических активов.
Заключение
ИИ-дата-центры переходят от эпохи «наращивания GPU» к новой фазе системной оптимизации. Память, сеть и хранилище больше не являются разрозненными компонентами инфраструктуры — теперь это системные переменные, которые в рамках синергии вычислений, памяти и сети совместно определяют реальную отдачу вычислительной мощности ИИ.
Понимание этой логики помогает не только оценивать технологические тенденции, но и формировать прочную аналитическую базу для инвестиционных решений. От чипов до памяти, от сетей до хранилищ, от серверов до операторов дата-центров — вся цепочка отрасли только начинает переоцениваться. Когда краткосрочная волатильность крипторынка пересекается с долгосрочной историей развития инфраструктуры ИИ, открывается новое окно для распределения средств между цифровыми активами и реальным сектором экономики.
FAQ
Вопрос 1: Почему дата-центры ИИ не могут решить проблему вычислительной мощности просто увеличив количество GPU?
GPU — это лишь конечная точка вычислений. Их производительность сильно зависит от того, может ли память своевременно подавать данные, может ли сеть эффективно координировать параллельную работу нескольких GPU, и может ли хранилище быстро обрабатывать большие объёмы чтения и записи данных. В крупных GPU-кластерах узкие места при вводе-выводе приводят к тому, что GPU простаивают более 40 % времени — просто добавлять GPU без решения этих трёх задач означает огромные потери вычислительной мощности.
Вопрос 2: Почему наблюдается такой дефицит HBM?
HBM (High Bandwidth Memory) — стандартная память для ИИ-чипов, её производство сложное, а цикл расширения превышает два года. В 2026 году спрос на инференс ИИ превзойдёт обучение, что дополнительно увеличит спрос на HBM и DRAM большой ёмкости. Большая часть производственных мощностей уже забронирована крупными заказчиками до 2026 и даже 2027 года, поэтому гибкость предложения в краткосрочной перспективе минимальна.
Вопрос 3: Какова основная логика инвестирования в инфраструктуру ИИ-дата-центров?
Основная логика — переход от «доминирования обучения» к «взрывному спросу на весь стек». В 2026 году Microsoft, Google, Amazon и Meta совместно потратят 725 млрд долларов на капитальные расходы на инфраструктуру ИИ. Этот масштаб инвестиций не может быть обеспечен одним сегментом — выигрывает вся цепочка создания стоимости: от чипов и памяти до сетей и операторов дата-центров.
Вопрос 4: Как Gate позволяет торговать акциями, связанными с инфраструктурой ИИ-дата-центров?
Gate предоставляет доступ к более чем 12 500 акциям и ETF США, Гонконга и Кореи. Пользователи могут пополнять счёт USDT и другими цифровыми активами и торговать ключевыми акциями инфраструктуры ИИ, такими как NVIDIA, Micron и SK Hynix, через единый аккаунт. Gate поддерживает торговлю до открытия и после закрытия рынка, маржинальный и спотовый режимы, а комиссии начинаются от 0,1 %.
Вопрос 5: Каковы основные риски инвестирования в инфраструктуру ИИ-дата-центров?
Ключевые риски: (1) несоответствие спроса и предложения может привести к временному избытку предложения — BOCOM International рекомендует следить за циклическими дисбалансами и колебаниями оценки; (2) устойчивость капитальных расходов гипермасштабных облачных провайдеров — J.P. Morgan предупреждает, что рост capex в 2025–2026 годах значительно опережает рост выручки, что создаёт давление на денежные потоки; (3) геополитические риски и экспортные ограничения могут нарушить цепочки поставок передовых чипов.
