De AI-gok van $1,4 biljoen

Waarom Goldman denkt dat de consensus te laag is

De kern van Goldmans argument is dat de huidige ramingen van Wall Street een onwaarschijnlijke vertraging in de uitgavengroei impliceren. De consensus voor de investeringen door hyperscalers in 2027 ligt op ongeveer $920 miljard, wat een scherpe terugval zou zijn ten opzichte van het moordende tempo van 2025 en 2026 . Goldman trekt die aanname in twijfel door te modelleren wat er gebeurt als AI-investeringen 2% tot 3% van het bbp blijven opslokken – een scenario dat de jaarlijkse uitgaven richting een basislijn van $1,1 biljoen duwt en kan oplopen tot $1,4 biljoen in het meest gunstige geval .

Achter het model schuilt een weddenschap op agentic AI. In tegenstelling tot simpele chatbots die een vraag beantwoorden en stoppen, opereren AI-agenten continu – ze voeren meertraps-taken uit, roepen API's aan en redeneren via lange denkketens. Goldman verwacht dat dit altijd-actieve gedrag tegen 2030 zal leiden tot een 24-voudige toename in tokenconsumptie . Elke interactie met een agent kost dramatisch meer rekenkracht, en nu bedrijven agenten op grote schaal beginnen in te zetten, lijkt de vraagcurve in niets op de lineaire groeicurves die aan de consensusmodellen ten grondslag liggen.

De echte flessenhals: stroom, personeel en fysieke beperkingen

Goldman Sachs is opmerkelijk openhartig over waar de ware grenzen liggen. In zijn rapport over de stroomvoorziening voor het AI-tijdperk stelt de bank onomwonden: "een gebrek aan kapitaal is niet de meest prangende flessenhals – het is de stroom die nodig is om het te voeden" . Na een decennium van vlakke elektriciteitsvraag zal het wereldwijde stroomverbruik van datacenters tegen 2030 naar verwachting met 160% stijgen . Alleen al de Verenigde Staten worden tegen 2028 geconfronteerd met een geschat stroomtekort van 45 gigawatt voor datacenters, wat 72 gigawatt aan nieuwe capaciteit vereist tot 2030 – het equivalent van ongeveer 72 grote kerncentrales .

Het elektriciteitsnet is niet ontworpen voor deze toekomst. De doorlooptijden voor transmissie en vergunningen voor nieuwe aardgascentrales bedragen vijf tot zeven jaar, wind- en zonne-energie leveren slechts een wisselende stroomvoorziening, en kernenergie is een oplossing voor de langere termijn . Nieuwe gasverbrandingsturbines, de werkpaarden van betrouwbare stroomopwekking, zijn tot 2030 feitelijk uitverkocht .

De arbeidsmarkt zou uiteindelijk de lastigste beperking kunnen blijken. Goldman schat dat er ongeveer 760.000 extra elektriciens, monteurs en vakmensen nodig zijn om de fysieke infrastructuur te bouwen die AI vereist. Dit omvat 207.000 gespecialiseerde functies waarvoor drie tot vier jaar opleiding nodig is . Dit zijn geen banen die Silicon Valley kan automatiseren of offshoren – ze vereisen mensen ter plaatse, en het tekort betekent dat de doorlooptijden van projecten met elke gigawatt aan nieuwe vraag verder oplopen .

In het paper "Tracking Trillions" introduceert de bank het concept van "verlengingsrisico": wachtrijen voor stroomaansluiting, vergunningsvertragingen en tekorten aan kritieke apparatuur zoals transformatoren en schakelapparatuur kunnen de bouwtijden ver voorbij de oorspronkelijke planning rekken. In stressscenario's slaan deze vertragingen terug op de vraagkant, wat een zichzelf versterkende cyclus creëert waarin projecten langer duren en de motivering om meer te bouwen afneemt . Desondanks schat de basisraming van Goldman de cumulatieve AI-kapitaaluitgaven tussen 2026 en 2031 op ongeveer $7,6 biljoen .

Hoe Morgan Stanleys ramingen zich verhouden

De projecties van Morgan Stanley hebben een eigen dramatische opwaartse bijstelling ondergaan. Een jaar geleden schatte het bedrijf de gecombineerde investeringen van hyperscalers op ongeveer $450 miljard voor zowel 2026 als 2027. Na de winstrapporten over het eerste kwartaal van 2026 verhoogden analisten onder leiding van Brian Nowak die cijfers tot ongeveer $800 miljard voor 2026 en $1,2 biljoen voor 2027 .

Morgan Stanley voorspelt nu $1,16 biljoen aan hyperscaler-investeringen voor 2027, een cijfer dat boven Goldmans basislijn van circa $1,1 biljoen ligt, maar achterblijft bij Goldmans bovenband van $1,4 biljoen . Tot en met 2028 verwacht Morgan Stanley $2,9 biljoen aan wereldwijde kapitaaluitgaven voor datacenters, waarbij $1,4 biljoen wordt gefinancierd uit de cashflows van hyperscalers en een financieringstekort van $1,5 biljoen moet worden opgevuld met leningen, leaseconstructies en joint ventures .

Beide banken zijn het erover eens dat de verhouding tussen investeringen en omzet ongekend terrein heeft bereikt. Morgan Stanley voorspelt ratio's van 34% tot 39% voor de periode van 2026 tot 2028, waarmee de piek van ongeveer 32% uit het dot-comtijdperk wordt overschreden. Wanneer voor leases gecorrigeerde cijfers worden meegerekend, kunnen de ratio's oplopen tot 44% à 45% .

De schaduwboekhouding: off-balance leases en SPV-schulden

Onder de enorme uitgavencijfers schuilt een verontrustendere laag van financiële engineering. Moody's Ratings schat dat de vijf grootste Amerikaanse hyperscalers – Amazon, Meta, Alphabet, Microsoft en Oracle – $662 miljard aan toekomstige datacenter-leaseverplichtingen hebben die nog niet zijn begonnen . Volgens de Generally Accepted Accounting Principles (US GAAP) verschijnen deze verplichtingen niet als kortlopende schulden omdat de dienstverlening nog niet is gestart. Ze staan off-balance, voornamelijk zichtbaar in de voetnoten .

Wanneer alle niet-verdisconteerde toekomstige leaseverplichtingen bij elkaar worden opgeteld, komt het cijfer uit op naar schatting $969 miljard – ongeveer 113% van de gecombineerde aangepaste schuld van deze vijf bedrijven . Naarmate deze leasecontracten de komende jaren ingaan, zullen ze via de resultatenrekening als operationele kosten gaan drukken op de vrije kasstroom en mogelijk de ruimte beperken voor de inkoop van eigen aandelen waar beleggers zo lang op hebben vertrouwd .

Een parallelle zorg is het groeiende gebruik van Special Purpose Vehicles (SPV's) om AI-infrastructuur te financieren. Grote technologiebedrijven hebben voor meer dan $120 miljard aan datacenterschulden gestructureerd via faillissementsbestendige SPV's die buiten de geconsolideerde balans vallen . Morgan Stanley voorspelt dat dit off-balance financieringsmechanisme tegen 2028 kan oplopen tot $800 miljard . Deze vehikels werken doorgaans met dunne eigenvermogensbuffers van 8% tot 10%, vertrouwen op GPU-onderpand dat snel in waarde daalt, en hebben leasetermijnen van slechts vier jaar vergeleken met de traditionele tien-plus jaar .

De Oracle-waarschuwing en oplopende creditspreads

Oracle is een casestudy geworden van hoe snel de aannames achter AI-financiering kunnen ontrafelen. Eind 2025 brak het bedrijf met Blue Owl Capital over de financiering van een datacenter in Michigan, wat de fragiliteit van het off-balance model blootlegde. Oracle draagt een schuldenlast van $124 miljard en $248 miljard aan leaseverplichtingen. De reactie van de markt was snel – het kredietrisico werd "met meedogenloze snelheid" herprijsd, zelfs voor een emittent met een investment grade-status .

De Bank for International Settlements merkte op dat de spreads op credit default swaps voor hyperscalers met lagere kredietratings al zijn gestegen, wat zowel het enorme volume aan schulduitgifte weerspiegelt als de groeiende onzekerheid of AI-projecten voldoende rendement zullen genereren . De Financial Stability Oversight Council in de VS en de Bank of England hebben de opeenstapeling van off-balance AI-infrastructuurschulden expliciet aangemerkt als een potentiële systeemkwetsbaarheid .

Concentratierisico verergert het probleem. Een groot deel van de SPV-schulden is gekoppeld aan datacenters met één activum of één huurder. Als de huurder faalt of de vraag afzwakt, biedt de SPV-structuur beperkte terugval op de balans van het moederbedrijf, waardoor er een potentieel voor trapsgewijze verliezen ontstaat . PIMCO heeft ook gewezen op het circulaire karakter van AI-financiering, waarbij leveranciers zoals GPU-fabrikanten krediet verstrekken of aandelenbelangen nemen in dezelfde SPV's die zij bevoorraden, waardoor ze zichzelf blootstellen aan herfinancieringsrisico's als de kapitaalmarkten verkrappen .

Een hausse met twee gezichten

De uitbouw van AI-infrastructuur is ongekend in schaal en snelheid. De vijf grootste hyperscalers liggen op koers om alleen al in 2026 gezamenlijk $755 miljard uit te geven – een stijging van 83% op jaarbasis . Morgan Stanley merkt op dat het bedrag van $800 miljard voor 2026 ruwweg gelijk is aan wat de gehele niet-techgroep in de S&P 500 het jaar ervoor aan investeringen deed .

Toch genereren de financieringsstructuren die dit mogelijk maken hun eigen risico's. Het optimistische verhaal rust op een 24-voudige toename van de tokenvraag door AI-agenten die nog niet op grote schaal zijn ingezet. Het pessimistische tegenargument, verwoord binnen Goldman Sachs zelf, is dat de rendementen tot nu toe de investering niet rechtvaardigen . Tussen deze twee polen bevinden zich de fysieke realiteiten: een stroomnet dat het tempo niet kan bijbenen, een gekwalificeerd personeelsbestand dat in onvoldoende aantallen voorhanden is, en een schaduwboekhouding van bijna een biljoen dollar aan verplichtingen die binnenkort opeisbaar worden, met gevolgen die tot ver buiten de technologiesector reiken.