Inwestycje w centra danych AI: bilionowy zakład z wysokim ryzykiem

Hiperskalery, czyli giganci technologiczni, planują w przyszłym roku przeznaczyć ponad 1 bilion dolarów na budowę centrów danych AI. Te bezprecedensowe inwestycje budzą pytania o ich opłacalność i zdolność firm do wygenerowania wystarczających przychodów, aby utrzymać ten boom infrastrukturalny. Analiza finansowa wskazuje, że aby inwestycje te były uzasadnione, firmy AI będą musiały znacząco zwiększyć swoją produktywność w ciągu kilku najbliższych lat.

Wyzwania finansowe i ryzyko dla hiperskalerów

Jessica Wachter, profesor finansów z Wharton School na Uniwersytecie Pensylwanii, podjęła się oceny wpływu AI na gospodarkę, koncentrując się na niekwestionowanym fakcie: garstka hiperskalerów inwestuje ogromne sumy w centra danych AI. Zamiast przewidywać użyteczność modeli AI, Wachter i jej współpracownicy oszacowali, jak szybko muszą rosnąć zyski hiperskalerów, aby uzasadnić wydatki do 2027 roku, kiedy to łączne nakłady mogą osiągnąć niemal 1,1 biliona dolarów. Ich obliczenia wskazują, że firmy AI będą musiały zwiększyć swoją produktywność 2,7-krotnie do 2030 roku, aby osiągnąć próg rentowności, uwzględniając koszt kapitału, 15% zwrotu i amortyzację aktywów. Wachter uważa, że jest to możliwe, ale wymagałoby to skompresowania znacznego wzrostu gospodarczego w krótkim okresie, podobnego do boomu IT w USA w połowie lat 90. Jeśli jednak cele zysku nie zostaną osiągnięte, firmy mogą mieć problemy z obsługą odsetek, co grozi bankructwem. Wachter, była główna ekonomistka SEC, ostrzega, że w przypadku braku wzrostu produktywności, obecna rozbudowa infrastruktury AI może okazać się "największą w historii niewłaściwą alokacją kapitału".

W tym roku hiperskalery wydadzą około 750 miliardów dolarów na budowę centrów danych, a tempo inwestycji nie słabnie. Według niektórych prognoz, całkowite inwestycje kapitałowe w AI ze strony firm takich jak Alphabet, Microsoft, Amazon, Meta i Oracle (partnera OpenAI) mogą przekroczyć 5 bilionów dolarów w ciągu najbliższych czterech lat. To jedna z największych inwestycji kapitałowych w historii jakiejkolwiek branży. Problem polega na tym, że obecne przychody z AI wynoszą zaledwie 150-200 miliardów dolarów rocznie, jak zauważa Gary Gensler, profesor w Sloan School MIT i były szef SEC. Brak proporcjonalnych przychodów w stosunku do wydatków jest faktem, a kluczowe pytanie brzmi, czy te inwestycje zwrócą się w przyszłości.

Trzy filary sukcesu i ryzyko dla gospodarki

Stawka w tym bilionowym zakładzie jest wysoka – dotyczy stabilności finansowej gigantów AI i całej gospodarki USA, gdyż inwestycje te mogą wkrótce stanowić około 3% PKB. Nikt nie wie, jak dochodowe i użyteczne okażą się te wielomiliardowe centra danych. Modele AI poczyniły ogromne postępy, ale nie wiadomo, ile mocy obliczeniowej będzie potrzebne w przyszłości. Technologia może stać się bardziej wydajna, zmniejszając zapotrzebowanie na surową moc obliczeniową, lub popyt na produkty AI może spowolnić, a klienci mogą zwrócić się ku tańszym rozwiązaniom.

Ryzyko dla inwestorów i gospodarki wzrosło w tym roku, ponieważ firmy AI zaczęły pożyczać znaczne kwoty na budowę kolejnych centrów danych. Oczekuje się, że wolne przepływy pieniężne (środki z działalności operacyjnej pomniejszone o wydatki kapitałowe) wkrótce znajdą się na ujemnym terytorium dla tej grupy. Nawet Alphabet, znany z generowania i gromadzenia ogromnych ilości gotówki, odnotował w ostatnim kwartale deficyt wolnych środków pieniężnych w wysokości 5,9 miliarda dolarów, pomimo imponujących przychodów bliskich 120 miliardów dolarów. Był to pierwszy deficyt firmy od momentu wejścia Google na giełdę w 2004 roku.

Krótkoterminowo nie stanowi to dużego problemu dla większości tych firm, które mają głębokie kieszenie. Jednak dług jest kosztowny, a niektórzy inwestorzy tracą cierpliwość. Jeśli przyszłe zapotrzebowanie na moc obliczeniową centrów danych spadnie, firmy nadal będą musiały spłacać pożyczone pieniądze. Co więcej, ryzyko rozprzestrzenia się na resztę gospodarki, ponieważ pożyczki są przekazywane za pośrednictwem różnych mechanizmów finansowych. Nie wystarczy pokryć ogromnych kosztów nowych centrów danych; hiperskalery będą również musiały sprostać rosnącym kosztom kapitału, a także zrekompensować amortyzację miliardów dolarów w chipach, które są sercem tych obiektów – to tykająca bomba zegarowa.

Gary Gensler opisuje obecne inwestycje w infrastrukturę AI jako "zakład typu parlay" na rynkach kapitałowych i w gospodarce. Sukces wymaga wygrania trzech powiązanych, ale niezależnych zakładów:

• Hiperskalery muszą generować masowe przychody. Stijn Van Nieuwerburgh, profesor finansów z Columbia Business School, szacuje, że przy budowie około 183 gigawatów planowanej mocy obliczeniowej AI między 2025 a 2032 rokiem, wymagane roczne przychody wyniosą około 3,7 biliona dolarów do 2032 roku, zakładając 10% zwrotu.
• AI musi napędzać szeroki wzrost gospodarczy. Początkowo firmy AI mogą zwiększać przychody, sprzedając subskrypcje, ale ostatecznie klienci będą potrzebować realnych korzyści finansowych z technologii. AI musi spełnić obietnicę zwiększenia produktywności pracowników oraz efektywności i rentowności firm.
• Modele "frontier" muszą konkurować z tańszymi alternatywami. Droższe, zaawansowane modele AI, które polegają na centrach danych, muszą obronić się przed tańszymi wersjami, które mogą być wystarczające dla wielu przedsiębiorstw.

Produktywność i społeczne konsekwencje

Daron Acemoglu, ekonomista MIT i laureat Nagrody Nobla z 2024 roku, podkreśla, że bez wzrostu produktywności ludzie w pewnym momencie zniechęcą się do AI, co ograniczy inwestycje i wzrost przychodów. Obecnie statystyki gospodarcze pokazują niewielki lub żaden wzrost produktywności wynikający z AI. Jednak w niedawnym badaniu około 6000 menedżerów w USA, Wielkiej Brytanii, Niemczech i Australii, około 90% nie odnotowało wzrostu produktywności w ciągu ostatnich trzech lat, ale spodziewa się wzrostu o około 1,45% w ciągu najbliższych trzech lat (w USA o 2,25%). Respondenci planują również zwiększyć wydatki na AI, co może doprowadzić do 280 miliardów dolarów prywatnych inwestycji w AI do końca 2026 roku.

Dla hiperskalerów to dobra wiadomość, ale wiąże się z nią obawa o wpływ AI na miejsca pracy. Menedżerowie spodziewają się zwiększyć produktywność, zwiększając sprzedaż przy jednoczesnym znacznym cięciu liczby pracowników. Jeśli AI będzie zwiększać produktywność kosztem miejsc pracy, reakcja społeczna może być negatywna, podobna do tej, którą obserwujemy wokół centrów danych. Warto dodać jeszcze jeden zakład do "parlay bet" Genslera: społeczeństwo i lokalne społeczności muszą czuć, że również korzystają z masowych inwestycji w AI. Wszystkie te zakłady są wzajemnie zależne; jeśli wzrost produktywności będzie pochodził z tańszych modeli, przychody hiperskalerów mogą załamać się. Jeśli wzrost produktywności będzie oznaczał masowe zwolnienia, negatywna reakcja społeczna może zablokować wiele planowanych inwestycji i zahamować oczekiwane przychody. Aby inwestycje hiperskalerów się opłaciły, wszystkie te zakłady muszą zostać wygrane.

Ryzyko jest tym większe, że znaczna część pieniędzy na te inwestycje pochodzi z pożyczek. Morgan Stanley szacuje, że ponad połowa z 2,9 biliona dolarów, które hiperskalery wydadzą między 2025 a 2028 rokiem na centra danych AI, zostanie sfinansowana z "kapitału zewnętrznego". To prowadzi do tworzenia złożonych sieci finansowania, które splatają się z resztą gospodarki. Jak zauważa Stijn Van Nieuwerburgh, wiele instytucji finansowych jest bezpośrednio lub pośrednio narażonych na ryzyko związane z tymi centrami danych jako pożyczkodawcy, gwaranci długu lub wspierający fundusze kredytowe. Ryzyko to jest rozproszone w niewidoczny sposób, często ukryte w funduszach emerytalnych czy polisach ubezpieczeniowych, co czyni sytuację jeszcze bardziej skomplikowaną.

Konsekwencje dla przyszłości AI i gospodarki

Obecna skala inwestycji w infrastrukturę AI stawia przed globalną gospodarką i firmami technologicznymi bezprecedensowe wyzwania. Sukces tego "bilionowego zakładu" zależy nie tylko od technologicznych innowacji, ale przede wszystkim od zdolności do przekształcenia tych inwestycji w realny wzrost produktywności i zysków, przy jednoczesnym zarządzaniu ryzykiem finansowym i społecznym. Brak spełnienia tych warunków może prowadzić do poważnych konsekwencji, od bankructw firm po niestabilność finansową na szerszą skalę, co podkreśla potrzebę ostrożnego monitorowania i strategicznego planowania w obliczu dynamicznego rozwoju sztucznej inteligencji.

Źródło: technologyreview.com