Крупнейшие технологические компании мира накопили около $1,6 трлн потенциального «ИИ-долга», используя сложные финансовые структуры для вывода капитальных затрат за пределы баланса. Аналитики сравнивают эту практику с методами, которые привели к краху корпорации Enron, указывая на непрозрачность инвестиций в инфраструктуру и оборудование, необходимых для обучения и поддержки масштабных нейросетевых моделей.
Основная проблема заключается в использовании совместных предприятий и партнерств, которые позволяют компаниям не отражать значительные расходы на строительство дата-центров и закупку вычислительных мощностей в своих основных финансовых отчетах. Это создает иллюзию более высокой операционной эффективности и прибыльности, скрывая реальную стоимость поддержания ИИ-инфраструктуры от инвесторов и регуляторов.
Подобные схемы усложняют оценку долгосрочной устойчивости бизнес-моделей, ориентированных на генеративный ИИ. Если доходы от внедрения технологий не покроют скрытые обязательства, компании могут столкнуться с серьезным финансовым давлением, когда придет время рефинансирования или списания активов, стоимость которых была искусственно завышена через сложные бухгалтерские манипуляции.
Ключевые факты
- Общий объем скрытого «ИИ-долга» пяти крупнейших технологических корпораций оценивается в $1,6 трлн.
- Практика вывода затрат за баланс через партнерства и совместные предприятия напоминает финансовые махинации, ставшие причиной банкротства Enron.
- Основная часть скрытых расходов приходится на капитальные вложения в строительство центров обработки данных и приобретение специализированного оборудования для обучения моделей.
- Непрозрачность отчетности затрудняет объективную оценку ROI (возврата инвестиций) в сфере ИИ для акционеров и аналитиков рынка.