Мировая экономика день за днем 🕘 история названий (1)

Золото многократно обогнало инфляцию на сверхдлинной дистанции За 100 лет прирост стоимости золота превысил рост потребительских цен более чем в 11 раз Если покупательная способность $ за этот век снизилась почти на 95%, то покупательная способность золота выросла более чем в 10 раз Есть две эпохи 1926–1971 гг. Золотой стандарт и Бреттон-Вудс Цена металла была зафиксирована государством (сначала $20,67, а с 1934 г $35 за унцию). В этот период золото не могло свободно реагировать на инфляцию Послевоенный скачок цен 1940–1960х годов привел к тому, что реальная ценность золота снизилась почти в 2,5 раза к 1970 г 1971–2026 гг. Эра свободного плавания После отмены конвертируемости доллара в золото Никсоном металл подорожал с $40,80 до $4350+. Рост более чем в 106 раз При этом инфляция за этот период составила ~3,9%. Именно в режиме фиата золото полностью реализовало свой потенциал защиты от обесценения валют Золото это инструмент защиты от девальвации на вековом горизонте, но плохой краткосрочный хедж

На видео показана динамика золотых резервов центральных банков с 2006 по 2026 год (без учета США). Доминирование развивающихся экономик (Россия и Китай) В 2006 году Россия имела лишь 534 тонны, а Китай — 600 тонн, находясь в нижней половине списка За два десятилетия обе страны нарастили запасы более чем в 3,5–4 раза (Китай достиг 2 346 тонн, Россия — 2 283 тонны), практически догнав Францию и Италию Основной скачок отражает стратегию диверсификации резервов и снижения зависимости от доллара США Традиционные европейские держатели остаются стабильнымм Германия сохраняет лидерство за пределами США на протяжении всех 20 лет, начав с 3 422 тонн и завершив на отметке 3 350 тонн Италия (стабильно 2 452 тонны) и Франция (около 2 437 тонн) практически не меняли объемы своих хранилищ после небольших распродаж в 2006–2009 годах Индия нарастила запасы с 358 тонн в 2006 году до 881 тонны к 2026 году, обогнав Нидерланды и Японию Швейцария в начале периода активно снижала золотой запас

На изображении представлена инфографика, иллюстрирующая радикальное изменение направлений экспорта российской нефти при сравнении 2000 года и периода с 2022 по август 2026 года Ситуация в 2000 году Основной объем экспорта нефти и газа (по данным UN Comtrade и Всемирного банка) направлялся в страны Европейского союза (ЕС-27), составляя 80,9%. На Китай приходилось лишь 2,0%, а на другие направления — 17,1%. Ситуация в период 2022 – август 2026 Согласно данным CREA по сырой нефти, структура экспорта претерпела кардинальную переориентацию на Восток и Юг. Крупнейшими покупателями стали Китай (на него теперь приходится 50%) и Индия (37%) Остальные направления Доля Турции составляет 5%, на долю оставшегося ЕС приходится лишь 5%, а на прочие направления — 3%.

Главными факторами роста цены с 1,48 € до 2,40 € являются изменения в законодательстве ​Фиксированный акциз (Energiesteuer) это основной налог Хотя он не менялся так резко, как другие сборы, его общий рост за 14 лет (с 2012 по 2026 год) вносит свой вклад в конечную сумму ​Налог на добавленную стоимость (Mehrwertsteuer). НДС в Германии составляет 19%. Важно, что НДС начисляется на всю сумму, включая сам акциз. Это означает, что государство получает больше налогов не только если дорожает нефть, но и если дорожают другие сборы НДС автоматически увеличится на 19% от этих новых сборов ​Новый налог на выбросы CO2 (Nationale CO2-Bepreisung) это самый значительный новый сбор, введенный в Германии с 2021 года в рамках климатической политики. С 2012 по 2020 год этого налога не существовало ​К 2026 году ставка за тонну CO2 значительно выросла, что напрямую отразилось на цене литра дизельного топлива

Это не цена на нефть, это налоги и акцизы

Переход к сокращению численности населения (демографическому спаду) — это один из самых сложных вызовов для современной экономической модели, которая исторически строилась на непрерывном количественном росте. ​Функционирование экономики в условиях сокращения численности населения зависит от того, как удастся компенсировать дефицит людей с помощью новых ИИ технологий Сокращение населения означает сжатие внутреннего потребительского рынка Строительный сектор, рынок недвижимости и производство товаров массового спроса сталкиваются с падением спроса, что заставляет бизнес переориентироваться с экстенсивного роста на качество и глубокую кастомизацию ​Простыми словами Эпоха продажи «всего для всех и как можно больше» уйдёт в прошлое; наступит время работать с меньшей аудиторией, но предлагать ей более дорогие, уникальные и индивидуальные решения

На предоставленном графике отображена динамика и прогноз мировых показателей рождаемости и смертности (в миллионах человек в год) с 1950 по 2100 год ​Рождаемость (зеленая линия) Исторически находилась на значительно более высоком уровне по сравнению со смертностью, демонстрируя волнообразный рост с пиками до и после 2000 года, после чего прогнозируется ее постепенное снижение до уровня около 110 миллионов к 2100 году ​Смертность (синяя линия) Долгое время держалась на относительно стабильной отметке около 50 миллионов в год (с резким скачком в районе 2020–2025 годов), после чего прогнозируется её стремительный рост до 123 миллионов к 2100 году Согласно прогнозу, в определенный момент (примерно во второй половине XXI века) линия смертности пересечет линию рождаемости, что обозначено как «Смертность превышает рождаемость, мир начинает сокращаться» (Deaths overtake births, the world starts shrinking).

На схеме представлена промышленная архитектура внедрения модели Claude AI в корпоративную IT-инфраструктуру. Она показывает сквозной путь пользовательского запроса — от клиентского интерфейса до обработки нейросетью и взаимодействия с внутренними корпоративными системами ​В этом контексте показательны данные платёжных платформ (например, аналитика корпоративных расходов Ramp), которые фиксируют реальное перераспределение бюджетов бизнеса между ключевыми игроками Когда компании начинают массово перенаправлять средства в пользу вендоров, это говорит о том, что руководители и IT-департаменты делают прагматичный выбор в пользу инструментов, решающих конкретные производственные задачи, будь то глубокий анализ данных, автоматизация программирования или жесткие требования к безопасности ​Полагаю, что борьба за эти контракты будет только усиливаться, так как именно корпоративная маржа позволяет разработчикам окупить колоссальные инвестиции в дата-центры и суперкомпьютеры нового поколения

Этот прогноз следует из главных экономических реалий рынка генеративного искусственного интеллекта. Корпоративный сегмент (B2B/Enterprise) действительно обладает рядом фундаментальных преимуществ перед массовым рынком (B2C), которые делают его главным драйвером выручки и маржинальности для ИИ-гигантов 1. Обычные потребители привыкли к freemium-моделям и подпискам стоимостью 20$ в месяц, причем многие легко отказываются от них при изменении финансовых условий. Бизнес же рассматривает ИИ не как развлечение, а как инструмент оптимизации затрат и роста производительности, поэтому готов платить тысячи и десятки тысяч долларов за корпоративные лицензии, безопасность и кастомизацию 2. Если пользователь в B2C может легко переключиться между ChatGPT, Claude или бесплатным аналогом в один клик, то внедрение ИИ в бизнес-процессы компании (интеграция с CRM, ERP, внутренними базами знаний и контурами безопасности) создает мощный барьер для ухода. Сменив провайдера ИИ, компания теряет накопленный контекст и налаженные рабочие цепочки 3. Для предприятий инвестиции в ИИ напрямую связаны с сокращением рутинного труда, ускорением разработки ПО, автоматизацией поддержки и аналитики. Экономический эффект здесь исчисляется часами сэкономленного рабочего времени высокооплачиваемых специалистов, что оправдывает любые высокие чеки разработчиков моделей 4. ​Именно жесткая конкуренция за корпоративные бюджеты, где на кону стоят контракты с крупнейшими мировыми компаниями, и формирует ту картину рынка, которую мы видим на графике с резким взлетом позиций Anthropic и борьбой за лидерство в сегменте платного корпоративного использования

Ключевым драйвером корпоративного перетока бюджетов стали специализированные инструменты и агенты для написания кода (например, интеграции вроде Claude Code и высокая доля использования моделей Anthropic в средах разработки) В этой нише модели продемонстрировали более стабильное и структурированное логическое мышление, перетянув на себя значительную часть разработчиков Появление сбалансированных версий семейств Claude (включая эффективные средние и быстрые тиры) позволило компаниям точечно маршрутизировать задачи, снижая издержки на рутинные запросы без потери качества сложных логических операций Мой прогноз, что корпоративный сектор будет давать больший рост и большую прибыть для AI компаний, чем масс-маркет