Η κούρσα για την κατασκευή της υποδομής της τεχνητής νοημοσύνης έχει πάρει διαστάσεις που θυμίζουν μεγάλα κύματα επενδύσεων του παρελθόντος. Οι hyperscalers —Alphabet, Amazon, Meta, Microsoft, Oracle και SpaceX, σύμφωνα με την ανάλυση που επικαλείται το Axios— επενδύουν σε chips, data centers και δίκτυα πολύ γρηγορότερα από όσο μετατρέπουν αυτές τις δαπάνες σε έσοδα από AI.
Νέα ανάλυση των οικονομολόγων Jared Bernstein και Ryan Cummings, από το Stanford Institute for Economic Policy Research, υπολογίζει ότι από το 2024 έχει δημιουργηθεί κενό σχεδόν 1 τρισ. δολαρίων ανάμεσα στις δαπάνες των εταιρειών και στα έσοδα που έχουν αποφέρει οι σχετικές δραστηριότητες. Το νούμερο δεν είναι λογιστικό «φέσι» με την αυστηρή έννοια· είναι μια ένδειξη της απόστασης που πρέπει να καλυφθεί για να δικαιολογηθεί ο ρυθμός των επενδύσεων.
Η επένδυση προηγείται των εσόδων
Οι εταιρείες χτίζουν σήμερα την υπολογιστική ικανότητα που περιμένουν να αξιοποιήσουν τα επόμενα χρόνια. Το πρόβλημα είναι ότι ένα σημαντικό μέρος αυτής της υποδομής αποτελείται από επιταχυντές και άλλα chips, των οποίων η αξία μπορεί να υποχωρήσει γρήγορα καθώς εμφανίζονται νεότερες γενιές. Η ανάλυση εκτιμά ότι τα chips χάνουν αξία σε ορίζοντα περίπου πέντε ετών, άρα η περίοδος για να αποδώσουν είναι περιορισμένη.
Με βάση τις συγκεκριμένες παραδοχές, τα έσοδα από AI θα έπρεπε να τριπλασιάζονται ή να τετραπλασιάζονται το 2027 και κάθε χρόνο για την επόμενη δεκαετία. Δεν πρόκειται για αδύνατο σενάριο, αλλά για εξαιρετικά απαιτητικό στόχο, ειδικά αν αυξηθεί το κόστος κεφαλαίου και τα επιτόκια παραμείνουν σε υψηλά επίπεδα.
Φούσκα ή κύκλος υποδομών;
Η προειδοποίηση δεν σημαίνει ότι η AI δεν θα γίνει κερδοφόρα. Η ίδια ανάλυση αναγνωρίζει ότι οι μεγάλες υποδομές συχνά χρειάζονται χρόνια μέχρι να μεταφέρουν τα οφέλη τους στην οικονομία. Η ηλεκτροδότηση, οι σιδηρόδρομοι, οι αυτοκινητόδρομοι και το διαδίκτυο χρειάστηκαν χρόνο για να δικαιολογήσουν τις αρχικές τους επενδύσεις.
Η διαφορά είναι η ταχύτητα. Η Goldman Sachs έχει επίσης εκτιμήσει ότι τα έσοδα των hyperscalers από AI παραμένουν κάτω από το επίπεδο που απαιτείται μόνο για να καλυφθούν οι κεφαλαιουχικές δαπάνες, αν και η τράπεζα βλέπει τελικά θετική απόδοση. Παράλληλα, η αγορά πρέπει να αποδείξει ότι η ζήτηση δεν προέρχεται μόνο από εταιρείες που αγοράζουν υπολογιστική ισχύ για να κατασκευάσουν τα επόμενα μοντέλα.
Τι πρέπει να αποδείξει η αγορά
Το κρίσιμο ερώτημα είναι ποιος θα μετατρέψει την υποδομή σε σταθερά περιθώρια κέρδους. Οι πάροχοι cloud, οι κατασκευαστές chips και οι εταιρείες που πουλούν εφαρμογές AI μπορεί να κερδίσουν σε διαφορετικές χρονικές στιγμές —και όχι απαραίτητα με τον ίδιο ρυθμό. Η περίπτωση της Anthropic δείχνει την ένταση του ανταγωνισμού: τα έσοδα αυξάνονται θεαματικά, αλλά μαζί τους αυξάνονται και οι απώλειες και οι ανάγκες για υπολογιστική ισχύ.
Οι επενδυτές επομένως δεν κοιτούν μόνο τις ανακοινώσεις νέων μοντέλων. Κοιτούν αν οι υπηρεσίες έχουν επαναλαμβανόμενους πελάτες, αν το κόστος inference μειώνεται και αν οι επιχειρήσεις είναι διατεθειμένες να πληρώνουν αρκετά ώστε να χρηματοδοτήσουν τον επόμενο γύρο data centers.
Η AI μπορεί τελικά να δημιουργήσει τρισεκατομμύρια δολάρια κέρδους, όπως υποστηρίζει ο Cummings. Το ανοιχτό ζήτημα είναι αν αυτά τα κέρδη θα έρθουν αρκετά γρήγορα για να στηρίξουν τις σημερινές αποτιμήσεις και δαπάνες. Αν όχι, η αγορά δεν χρειάζεται να καταρρεύσει για να αλλάξει: αρκεί μια απότομη επιβράδυνση, καθώς οι επενδυτές θα απαιτούν αποδείξεις αντί για προβλέψεις.