Pytanie o 3 biliony dolarów w świecie AI: Czy przychody nadążą za wydatkami na infrastrukturę?

Branża sztucznej inteligencji znajduje się obecnie w wyścigu o wysoką stawkę, rozgrywającym się między ogromnymi wydatkami kapitałowymi a pilną potrzebą generowania przychodów. W miarę jak hyperscalerzy pompują biliony w sprzęt, pojawia się kluczowe pytanie: czy warstwa oprogramowania jest w stanie wygenerować wystarczającą wartość, aby uzasadnić gigantyczne koszty krzemu?

Rosnąca przepaść między CapEx a przychodami

Skala inwestycji w infrastrukturę AI jest oszałamiająca. Partner firmy Sequoia, David Cahn, który wcześniej szacował zapotrzebowanie na przychody na poziomie 200 miliardów dolarów w oparciu o 50 miliardów dolarów przychodów Nvidii ze sprzedaży GPU, znacząco zrewidował swoje prognozy. W wyniku trzech lat nieustannego skalowania (hyperscaling), Cahn szacuje obecnie, że wydatki na infrastrukturę AI osiągną 1,5 biliona dolarów do 2026 roku.

Aby odzyskać te koszty, branża musi wygenerować szacowane 3 biliony dolarów przychodu. Liczba ta jest prawdopodobnie konserwatywnym punktem wyjścia. Rosnące koszty pamięci, wdrażanie egzotycznych chipów dedykowanych wnioskowaniu (inference) oraz rosnące koszty budowy centrów danych sprawiają, że wymagany przychód na gigawat (GW) wydatków CapEx gwałtownie rośnie. Choć laboratoria typu frontier odnotowują wzrosty – z raportami o 60 miliardach dolarów ARR dla Anthropic i 20 miliardach dolarów ARR dla OpenAI – między obecnymi zarobkami a progiem 3 bilionów dolarów wciąż istnieje ogromna przepaść.

Zakład hyperscalerów i ryzyko deflacji

Hyperscalerzy w stylu „Magnificent Seven” – Google, Meta, Microsoft i Amazon – są głównymi motorami tych wydatków. Giganci ci stawiają na masowe przyspieszenie wolnych przepływów pieniężnych (free cash flow) do 2028 roku, opierając się na założeniu, że usługi AI staną się niezbędnymi usługami użyteczności publicznej o wysokiej marży.

Jednak główny ekonomista Apollo, Torsten Slok, ostrzega przed znacznymi przeciwnościami, które mogą zniweczyć te obliczenia. Dwa konkretne trendy zagrażają modelowi biznesowemu „fabryki tokenów”:

  1. Wzrost znaczenia modeli Open Weights: Organizacje coraz częściej zwracają się ku tańszym modelom o otwartych wagach (open-weight), w tym tym pochodzącym z Chin, zamiast polegać wyłącznie na drogich modelach typu frontier.
  2. Deflacja tokenów: W miarę jak modele stają się bardziej wydajne, cena za token gwałtownie spada. Na przykład najnowsze modele OpenAI osiągnęły 54-procentowy wzrost wydajności tokenów w zadaniach programistycznych. Choć jest to sukces dla programistów i użytkowników końcowych, tworzy to „wyścig do dna” dla dostawców, którzy polegają na wysokim wolumenie tokenów, aby zrekompensować ogromne koszty infrastruktury.

Makroekonomiczne skutki braku zwrotu z inwestycji w AI

Stawka wykracza daleko poza bilanse gigantów technologicznych. Ponieważ obecna dominacja rynkowa jest skoncentrowana w rękach zaledwie kilku podmiotów, cały indeks S&P 500 jest powiązany z sukcesem tego cyklu inwestycyjnego w AI.

Jeśli hyperscalerzy nie osiągną swoich prognozowanych celów w zakresie przepływów pieniężnych do 2028 roku, reakcja rynku może mieć charakter systemowy. Slok sugeruje, że wolniejszy niż oczekiwano zwrot nie spowoduje jedynie korekty w konkretnym sektorze; może on potencjalnie wprowadzić szerszą gospodarkę w recesję. Dla ekosystemu AI nadchodzące lata będą ostatecznym testem na to, czy inteligencję można monetyzować wystarczająco szybko, aby nadążyć za przyspieszającymi kosztami sprzętu, który ją wytwarza.

Kluczowe wnioski

  • Ogromne zapotrzebowanie na przychody: Branża AI musi wygenerować około 3 bilionów dolarów przychodu, aby uzasadnić prognozowane wydatki na infrastrukturę w wysokości 1,5 biliona dolarów do 2026 roku.
  • Paradoks wydajności: Poprawa wydajności modeli (taka jak 54-procentowy wzrost w zadaniach programistycznych OpenAI) obniża koszty dla użytkowników, ale wywiera presję cenową na firmy finansujące sprzęt.
  • Systemowe ryzyko gospodarcze: Ponieważ wzrost hyperscalerów jest głównym motorem indeksu S&P 500, brak realizacji zwrotów z AI może wywołać szerszą korektę rynkową lub recesję.