AnswersPublished16 sources
Halpeneva AI-laskenta voi koetella miljardien infrastruktuuri-investointien tuottoja
Goldman Sachsin keskeinen huoli on, että kielimallien tokenien hinnat ovat laskeneet noin 0,97 dollariin miljoonaa tokenia kohti. Riskin vastapainona on agenttipohjainen tekoäly: Goldman Sachs Research arvioi kuukausittaisen tokenikulutuksen kasvavan 24 kertaiseksi noin 120 kvadriljoonaan tokeniin vuoteen 2030 menne...
JulkaisijaMuokattu mallilla GPT-5.6 TerraKuvat luotu mallilla GPT Image 2
Research answer
Key takeaways
- Goldman Sachsin keskeinen huoli on, että kielimallien tokenien hinnat ovat laskeneet noin 0,97 dollariin miljoonaa tokenia kohti.
- Riskin vastapainona on agenttipohjainen tekoäly: Goldman Sachs Research arvioi kuukausittaisen tokenikulutuksen kasvavan 24 kertaiseksi noin 120 kvadriljoonaan tokeniin vuoteen 2030 mennessä.
- Sijoittajalle olennaisia mittareita ovat AI liikevaihdon kehitys suhteessa tokenhintoihin, kiihdytin ja palvelintilausten muuttuminen todellisiksi käyttöönotoksi sekä datakeskusten käyttöaste ja sopimuskanta.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How is Goldman Sachs’ warning that rapidly falling LLM token prices—down to about $0.97–$0.98 per million tokens after a 29% August decline. Article summary: Goldman’s warning implies a more selective, riskier outlook for AI-infrastructure investors: compute demand can grow sharply while the revenue earned per unit of compute falls even faster. If that happens, utilization, p. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
Tekoälyn inferenssi eli mallien käytönaikainen laskenta halpenee nopeasti. Se voi tehdä malleista saavutettavia yhä useammille sovelluksille ja lisätä työkuormia. Samalla se tekee vaikeammaksi arvioida, tuottavatko siruihin, pilvikapasiteettiin ja datakeskuksiin tehtävät valtavat investoinnit odotetun tuoton.
Goldman Sachsin varoituksen ydin on ajoitusero: infrastruktuuria rakennetaan vuosia ennen kysyntää, mutta mallien käytöstä veloitettava hinta voi laskea hyvin nopeasti. Silicon Datan LLM Token Expenditure Index putosi elokuussa 29 prosenttia ja päätyi noin 0,97 dollariin miljoonaa tokenia kohden. Token on kielimallin käsittelemä tekstin yksikkö. Erillinen johtavien mallien hinnoitteluindeksi oli 2. syyskuuta 2026 84 prosenttia alle maaliskuun 2023 lähtötasonsa. 2
4
5
Jos käytön kasvu ei kompensoi hinnan laskua, seurauksena voi olla, että kallista laskentakapasiteettia kilpailee pienempituottoisista inferenssityökuormista. Vaikutus ulottuisi koko AI-infrastruktuurin ketjuun.
Peruskysymys: kasvaako volyymi hintojen laskua nopeammin?
Tokenhinnan lasku ei itsessään ole kielteinen asia. Alempi hinta voi tehdä tekoälystä käyttökelpoista uusissa sovelluksissa, lisätä kokeiluja ja kasvattaa kokonaiskulutusta. Palveluntarjoajille haaste on siinä, ylittävätkö maksullisen tokenivolyymin kasvu ja toiminnan tehostuminen tokenikohtaisen liikevaihdon laskun.
Raportoidun Goldman-varoituksen mukaan kilpailu mallien hinnoittelussa voi heikentää tokenikohtaisen ansainnan kestävyyttä. Jos laskennallinen kulutus ei kasva riittävän nopeasti, alalle voi lopulta jäädä liikaa infrastruktuuria. 1
2
Ero on sijoittajan kannalta olennainen:
- Halvempi tekoäly hyödyttää käyttäjiä, jos se avaa hyödyllisiä käyttötapoja pienemmillä kustannuksilla.
- Infrastruktuurin omistajille halpeneminen voi olla hankalaa, jos kapasiteetti on rahoitettu oletuksella niukasta ja korkeahintaisesta laskennasta.
- Ratkaisevaa on kysynnän hintajousto: synnyttääkö hinnan alennus riittävästi lisäkäyttöä, jotta liikevaihto ja laskentatarve säilyvät tai kasvavat?
Rakennusbuumin mittakaava nostaa panoksia
Mahdollinen epäsuhta syntyy aikana, jolloin AI-infrastruktuuria suunnitellaan valtavasti lisää. Goldman Sachsin perusskenaario arvioi laskennan, datakeskusten ja sähköinfrastruktuurin AI-pääomainvestointien olevan yhteensä noin 7,6 biljoonaa dollaria vuosina 2026–2031. Mallissa vuotuinen kulutus kasvaa noin 765 miljardista dollarista vuonna 2026 noin 1,6 biljoonaan dollariin vuonna 2031. Goldman korostaa, että kyse on oletuksille herkästä arviosta, ei varmuudesta. 9
Merkittävä osa tästä rahasta sitoutuu pitkäikäisiin omaisuuseriin: AI-kiihdyttimiin, palvelimiin, verkkolaitteisiin, konesalitiloihin ja sähköjärjestelmiin. Niiden kannattavuus vaatii pitkäjänteisesti riittävää käyttöastetta ja tuottoa.
Siruvalmistajille riski näkyy ensin käyttöasteessa
Puolijohdetoimittajille hintapaine ei välttämättä tarkoita kysynnän äkillistä romahdusta. Asiakkaat voivat jatkaa kapasiteetin rakentamista uusien AI-tuotteiden vuoksi tai varmistaakseen laitesaatavuuden.
Riski kasvaa, jos käyttöön otettu kapasiteetti alkaa ylittää kannattavan kysynnän. Tällöin asiakkaat voivat hidastaa kiihdyttimien ja palvelinten hankintoja, neuvotella hinnoista aiempaa tiukemmin tai hakea parempaa suorituskykyä rahalleen. Suhteellisesti paremmassa asemassa voivat olla toimijat, joilla on erottuva laitteisto, vahva ohjelmistoekosysteemi tai tehokas inferenssirakenne.
Käytännön kysymys ei siis ole vain se, toimitetaanko laitteita, vaan muuttuvatko tilaukset kestäväksi käyttöasteeksi ja liikevaihtoa tuottaviksi työkuormiksi.
Datakeskuksissa mitataan käyttöastetta ja sopimusten laatua
Datakeskushankkeet sitovat pääomaa maahan, sähkönsaantiin ja rakennuksiin pitkäksi aikaa. Jos mallien inferenssi halpenee tai tehostuu, asiakkaat voivat tarvita vähemmän infrastruktuuria samaan sovellustuotokseen. Se voi painaa käyttöastetta, vuokrasopimusten taloutta ja hankkeiden tuottoja, jos laskelmat perustuivat jatkuvaan kapasiteettipulaan.
Tämä ei tarkoita, että datakeskuskysyntä katoaisi. Sähkön saatavuus ja AI-käyttöönottojen tekniset vaatimukset voivat edelleen rajoittaa tarjontaa. Kapasiteettipula yhdessä sijainnissa tai sähkömarkkinassa voi silti esiintyä samanaikaisesti heikompien taloudellisten edellytysten kanssa muualla. Siksi fyysinen niukkuus on syytä erottaa siitä, käyttävätkö asiakkaat kapasiteettia kannattavasti ja uusivatko tai kasvattavatko he sitoumuksiaan.
Pilvipalvelujen ja mallialustojen on korvattava hinta volyymilla ja lisäarvolla
Pilvialustat ja mallien tarjoajat voivat hyötyä inferenssin halpenemisesta, jos edullisuus tuo niiden alustoille enemmän kehittäjiä ja yritystyökuormia. Samalla hinta laskee jokaiselta käyttöyksiköltä saatavaa liikevaihtoa.
Bruttokatteen suojaaminen edellyttää jotakin seuraavista – mieluiten useampaa yhtä aikaa:
- Selvästi suurempaa tokenivolyymia toistuvasta tuotantokäytöstä;
- Tehokkuusparannuksia, jotka alentavat omaa kustannusta hintoja nopeammin; sekä
- Lisäarvopalveluja mallien ympärille, kuten käyttöönottoa, tietoturvaa, dataintegraatioita ja työnkulkuvälineitä.
Omisteisten mallien kilpailullinen hinnoittelu on keskeinen osa Goldmaniin liittyvässä raportoinnissa kuvattua riskiä. 1
2 Olennaista ei ole pelkkä nimellinen tokenhinta, vaan asiakkaalta perityn hinnan, palveluntarjoajan kustannuksen ja maksullisen kokonaiskäytön suhde.
AI-agentit ovat mahdollinen vastavoima
Nousujohteisen skenaarion keskiössä ovat AI-agentit: järjestelmät, jotka tekevät monivaiheisia tehtäviä ja voivat kuluttaa huomattavasti enemmän tokeneita kuin yksittäiset chatbot-kyselyt. Goldman Sachs Research ennustaa kuluttajien ja yritysten käyttöönoton nostavan kuukausittaisen tokenikulutuksen 24-kertaiseksi vuosien 2026–2030 välillä, noin 120 kvadriljoonaan tokeniin kuukaudessa. 7
Ennuste osoittaa, miksi tokenhintojen lasku ei automaattisesti merkitse laskevaa laskentakysyntää. Jos agentit siirtyvät demonstraatioista toistuviin ja arvokkaisiin tehtäviin, kokonaiskäyttö voi kasvaa riittävästi tukemaan infrastruktuurin rakentamista.
Tämä on kuitenkin ennuste, ei varmuus. Infrastruktuuri-investointien kannattavuus edellyttää, että agentit luovat toistuvia työkuormia, joista käyttäjät tai yritykset ovat valmiita maksamaan – eivät vain suurta määrää halpoja kokeilukyselyjä.
Mitä sijoittajan kannattaa seurata tokenhintojen sijaan?
Ylikapasiteettiriskiä voi arvioida muutaman toisiinsa liittyvän mittarin avulla:
- AI-liikevaihdon kasvu suhteessa tokenhintojen laskuun: Kasvaako kokonaisansainta yksikköhintojen pudotessa?
- Kiihdytin- ja palvelintilaukset suhteessa käyttöönottoihin: Päätyykö hankittu kapasiteetti todella tuotantokäyttöön?
- Datakeskusten käyttöaste, sopimuskapasiteetti ja uusinnat: Pysyvätkö kysyntäsitoumukset vahvoina keskusten avauduttua?
- Pilvipalvelujen bruttokatteet: Kompensoivatko tehokkuus ja lisäarvopalvelut inferenssin hinnan laskua?
- Agenttien tuotantokäyttö: Synnyttävätkö agentit toistettavia, liiketoimintakriittisiä työnkulkuja vai vain irrallisia kokeiluja?
- Sähkön saatavuus: Onko kyse pysyvästä hyödyllisen kapasiteetin rajoitteesta vai kysyntää edeltävästä pullonkaulasta?
Johtopäätös
Goldman Sachsin varoitus ei tarkoita, että kielimallien halpenevat tokenhinnat olisivat lähtökohtaisesti huono asia. Edullisempi inferenssi voi nimenomaan avata tien tekoälyn laajempaan käyttöön. Riski syntyy, jos hinnan lasku ja mallien tehostuminen pienentävät liikevaihtoa ja tarvittavaa laskentaa nopeammin kuin agenteista tuleva käyttö kasvaa.
AI-infrastruktuuriin sijoittavalle tämä muuttaa tarinan pelkästä kapasiteetin kasvattamisesta käyttöasteen ja ansainnan testiksi. Kestävimmässä asemassa voivat olla yritykset, jotka pystyvät muuttamaan halvemmat tokenit pitkäkestoisiksi ja arvokkaiksi työkuormiksi sekä säilyttämään etunsa kustannuksissa, suorituskyvyssä tai palvelujen laajuudessa. 1
7
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Halpeneva AI-laskenta voi koetella miljardien infrastruktuuri-investointien tuottoja"?
Goldman Sachsin keskeinen huoli on, että kielimallien tokenien hinnat ovat laskeneet noin 0,97 dollariin miljoonaa tokenia kohti.
What are the key points to validate first?
Goldman Sachsin keskeinen huoli on, että kielimallien tokenien hinnat ovat laskeneet noin 0,97 dollariin miljoonaa tokenia kohti. Riskin vastapainona on agenttipohjainen tekoäly: Goldman Sachs Research arvioi kuukausittaisen tokenikulutuksen kasvavan 24 kertaiseksi noin 120 kvadriljoonaan tokeniin vuoteen 2030 mennessä.
What should I do next in practice?
Sijoittajalle olennaisia mittareita ovat AI liikevaihdon kehitys suhteessa tokenhintoihin, kiihdytin ja palvelintilausten muuttuminen todellisiksi käyttöönotoksi sekä datakeskusten käyttöaste ja sopimuskanta.