MIT ostrzega przed bańką AI i ryzykiem liczonym w miliardach
Ekonomistka Wharton Jessica Wachter wylicza, że Alphabet, Microsoft, Amazon, Meta i Oracle muszą znacząco zwiększyć produktywność AI, aby odzyskać nakłady na centra danych.
Najważniejsze informacje
- MIT Technology Review ostrzega, że wydatki AI hyperscalerów mogą wymknąć się spod kontroli, jeśli przychody nie nadążą.
- Ekonomistka Wharton Jessica Wachter szacuje wydatki na centra danych do 2027 roku na niemal 1,1 biliona dolarów.
- Finansowanie coraz częściej przesuwa się w stronę długu i private credit, co może odbić się także na szerszych rynkach i krypto.
MIT Technology Review ostrzega, że ogromne wydatki na AI hyperscalerów mogą zakończyć się bolesnym rozliczeniem, jeśli przychody pozostaną w tyle. Z analizy ekonomistki Wharton Jessica Wachter wynika, że największe firmy technologiczne muszą niemal potroić swoją produktywność do 2030 roku, aby odzyskać inwestycje w centra danych. To sprawia, że dyskusja o wydatkach na AI jest istotna nie tylko dla Big Tech, lecz także dla szerszych rynków, na których porusza się dużo kapitału obcego i środków emerytalnych.
Kalkulacja stojąca za wydatkami na AI
Wachter i współautor oparli się na potwierdzonych wydatkach Alphabet, Microsoft, Amazona, Meta i Oracle. Ich szacunek wskazuje na niemal 1,1 biliona $ (1 bilion €) wydatków na centra danych do 2027 roku. W obliczeniach uwzględniono koszt kapitału, stopę zwrotu na poziomie 15% oraz amortyzację aktywów.
Wniosek jest jednoznaczny. Wachter stwierdza, że obecna rozbudowa infrastruktury AI bez wystarczającego wzrostu produktywności nie ma prawa się spiąć. Nazwała nawet obecne wdrożenie największym marnotrawstwem kapitału w historii, jeśli oczekiwane zyski nie nadejdą.
Dług przerzuca ryzyko dalej
Finansowanie tej fali AI coraz rzadziej pochodzi wyłącznie z przepływów pieniężnych. Morgan Stanley szacuje, że hyperscalerzy sfinansują ponad połowę ze swoich planowanych 2,9 biliona $ (2,5 biliona €) wydatków na centra danych do 2028 roku zewnętrznym finansowaniem. W praktyce oznacza to coraz częściej dług, private credit i konstrukcje, które pozostają poza bilansem największych firm technologicznych.
Przykładem jest Meta, która w Luizjanie przekazała 80% udziałów w swoim centrum danych Hyperion firmie private credit Blue Owl Capital. Zdaniem profesora Columbia Business School Stijna Van Nieuwerburgha tego typu dług rozlewa się dalej przez fundusze emerytalne i wehikuły private credit, przez co ekspozycja staje się znacznie szersza niż tylko wśród największych spółek technologicznych.
Presji podlega także sama infrastruktura. Szybki wzrost centrów danych AI obciąża amerykańskie sieci energetyczne i zmusza spółki użyteczności publicznej do dodatkowych inwestycji, podczas gdy koszty energii dla konsumentów mogą rosnąć. Ponadto sektor chipów wskazuje na tak zwany cykl giga, w którym wydatki na AI mogą popchnąć globalny rynek półprzewodników w kierunku ponad 1 biliona $ (0,9 biliona €) do 2028 lub 2029 roku.
Dlaczego ma to znaczenie także dla krypto
Dla czytelników zainteresowanych krypto jest to istotne, ponieważ ta sama skłonność do ryzyka i te same przepływy kapitału mogą wpływać również na rynek kryptowalut. Jeśli finansowanie projektów AI stanie się bardziej restrykcyjne albo pogorszy się jakość kredytowa, może to szerzej odbić się na ryzykownych instrumentach inwestycyjnych. Strateg kryptowalutowy Arthur Hayes wcześniej łączył taki scenariusz z bitcoinem, choć według źródła moment ewentualnego cofnięcia pozostaje niepewny. Również wzrost rynku obligacji AI pokazuje, jak silnie ta fala inwestycji jest już finansowana przez rynki kapitałowe.
