Снижение котировок компаний, выпускающих память, не обязательно говорит о падении спроса на искусственный интеллект. В начале июля акции Samsung, Micron и SanDisk снизились, хотя Samsung ожидала роста операционной прибыли во втором квартале примерно в 19 раз год к году, а прогнозы по контрактным ценам на DRAM и NAND по-прежнему предполагали дальнейшее повышение. Рынок, скорее, начал осторожнее оценивать перспективы сектора памяти после сильного роста, чем получил доказательства ослабления ИИ-спроса.

Чтобы понять, сохраняет ли ИИ статус главной рыночной темы, важно смотреть не на один сегмент цепочки поставок, а на общий объём задач, которые пользователи передают системам искусственного интеллекта. Если ИИ берёт на себя всё больше работы, фундаментальный спрос продолжает расти — даже если прибыль временно перераспределяется между производителями чипов, дата-центрами, разработчиками моделей и прикладными сервисами.

Прямого биржевого индикатора количества работы, выполняемой ИИ, пока не существует. Однако косвенные показатели остаются сильными. По оценкам Международного энергетического агентства, энергопотребление одной ИИ-задачи в последние годы снижалось не менее чем на 90% ежегодно, однако потребление электроэнергии специализированными ИИ-центрами обработки данных в 2025 году выросло на 50%. Google, в свою очередь, сообщала о росте объёма ежемесячно обрабатываемых токенов примерно в 330 раз за два года.

Такое сочетание можно объяснить парадоксом Джевонса: повышение эффективности удешевляет использование ресурса, что расширяет спрос и в итоге может увеличить его суммарное потребление. Иными словами, более дешёвый и быстрый ИИ не обязательно снижает общий спрос на вычисления — он делает возможным большее число сценариев применения.

Исследование, показывает, что при снижении цены ИИ-вызовов на 10% объём использования может вырасти примерно на 11%. При этом рост связан не только с числом запросов. Важнее то, что один запрос всё чаще запускает сложную цепочку действий: поиск информации, анализ документов, обращение к внешним инструментам, выполнение задач, проверку результатов и повторные попытки.

Именно в этом заключается различие между обычным чат-ботом и ИИ-агентом. В традиционном режиме пользователь задаёт вопрос и получает ответ. В агентном режиме он формулирует цель, после чего система самостоятельно разбивает задачу на этапы и выполняет множество шагов.

По данным Anthropic, пользователи, лучше знакомые со своими задачами, не упрощают работу для ИИ, а, наоборот, поручают ему больше последовательных действий. Это означает, что ИИ постепенно переходит от роли помощника, который отвечает на отдельные вопросы, к роли исполнителя более цельных рабочих процессов.

Агентные системы требуют заметно больше токенов, чем обычный диалог. В исследовательских сценариях один агент может потреблять примерно в четыре раза больше токенов, чем стандартный чат, а система из нескольких агентов — до 15 раз больше. Несколько агентов могут параллельно искать сведения, проверять источники, выполнять расчёты и передавать результаты главному агенту для итоговой проверки.

Часть нынешнего роста токенов, безусловно, неэффективна. Разные модели могут расходовать на одну и ту же задачу объём токенов, различающийся в десятки раз. По мере совершенствования моделей и рабочих процессов количество повторных запусков и лишних шагов будет сокращаться. Однако это не отменяет долгосрочного тренда: если ИИ получает всё более комплексные задачи, общая потребность в вычислениях может продолжать увеличиваться даже при снижении затрат на отдельную операцию.

При этом ИИ выходит за пределы программирования. Код стал первым массовым полем для агентов, потому что его легко тестировать: программу можно запустить, получить ошибку, исправить её и снова проверить результат. Но схожая логика появляется и в других профессиях.

В биотехнологиях ИИ уже применяется для анализа данных, планирования экспериментов и работы с научными базами. В финансах, юридической сфере, промышленном моделировании и аналитике также существуют правила, инструменты и критерии проверки, на которые можно опираться при создании агентных систем.

Ключевой сдвиг происходит в пользовательском поведении. Ранее люди использовали ИИ по схеме «задать вопрос — получить ответ». Теперь они всё чаще передают ему полноценную задачу: собрать данные, проанализировать материалы, проверить цифры, подготовить документ, внести исправления и выдать готовый результат. Когда такой сценарий становится привычной частью рабочего процесса, отказ от ИИ означает возвращение большого объёма рутинной работы обратно человеку.

Поэтому основной риск для ИИ-рынка состоит не в краткосрочном падении акций производителей памяти. Настоящий разворот спроса можно будет обсуждать, если модели продолжат улучшаться, стоимость использования будет снижаться, но пользователи перестанут отдавать ИИ новые задачи — или начнут возвращать уже автоматизированную работу людям.

Пока же расширяются и глубина задач, и число профессиональных областей, где ИИ становится рабочим инструментом, снижение отдельных акций больше похоже на внутреннюю ротацию рынка, а не на уход капитала из темы искусственного интеллекта.