AI-boomens skjulte regning: Goldman Sachs jubler, men milliardgjelden kan sprekke

Derfor mener Goldman Sachs at konsensus er altfor lav

Kjernen i Goldmans argumentasjon er at dagens Wall Street-estimater impliserer en usannsynlig brå nedbremsing i utgiftsveksten. Konsensus for 2027 ligger på rundt 920 milliarder dollar, noe som ville representere en kraftig nedgang fra den svimlende veksttakten i 2025 og 2026 . Goldman utfordrer denne antagelsen ved å modellere hva som skjer hvis KI-investeringene fortsetter å suge 2 til 3 prosent av BNP – et scenario som presser de årlige utgiftene mot en basis på 1.100 milliarder dollar og opp mot 1.400 milliarder i et mer optimistisk utfall .

Bak modellen ligger en massiv innsats på agentisk AI. I motsetning til enkle chatboter som svarer på en melding og stopper, opererer KI-agenter kontinuerlig – de utfører komplekse oppgaver i flere steg, kaller på API-er og resonnerer over lange tankerekker. Goldman forventer at denne «alltid-på»-atferden vil drive en 24-dobling av token-forbruket innen 2030 . Hver agent-interaksjon krever dramatisk mer regnekraft, og med bedrifter som nå begynner å ta i bruk agenter i stor skala, ser etterspørselskurven på ingen måte ut som de lineære modellene dagens estimater er bygget på. For nordmenn er dette relevant; vårt eget oljefond er tungt investert i disse teknologigigantene. Dette er med andre ord et veddemål som også angår norsk pensjonsformue.

De virkelige flaskehalsene: Strøm, arbeidskraft og fysiske begrensninger

Goldman Sachs er uvanlig direkte om hvor de sanne begrensningene ligger. I en rapport om å skaffe kraft til KI-tidsalderen slår banken fast: “Mangel på kapital er ikke den mest presserende flaskehalsen – det er strømmen som trengs for å drive den” . Etter et tiår med flat etterspørsel, forventes det globale strømforbruket til datasentre å skyte i været med 160 prosent innen 2030 . Bare i USA anslås et kraftunderskudd på 45 gigawatt for datasentre innen 2028, noe som krever 72 gigawatt ny kapasitet frem mot 2030 – tilsvarende rundt 72 store atomkraftverk .

Dagens strømnett er ikke bygget for denne fremtiden. Saksbehandlingstid og tillatelser for nye gasskraftverk tar fem til syv år, vind og sol gir bare periodisk kraft slik ting står, og kjernekraft er en langsiktig løsning . Nye gassturbiner, en bærebjelke for pålitelig kraftproduksjon, er nærmest utsolgt frem til 2030 .

Arbeidskraft kan vise seg å bli den aller hardeste nøtten. Goldman anslår at det trengs rundt 760.000 nye elektrikere, linjearbeidere og fagarbeidere for å bygge den fysiske infrastrukturen KI krever. Dette inkluderer 207.000 spesialiserte roller som krever tre til fire års opplæring . Dette er ikke jobber teknologiselskaper kan automatisere bort – de krever folk på bakken, og mangelen betyr at prosjekttidslinjene strekker seg ut for hver ny gigawatt med etterspørsel .

Bankens analyse introduserer begrepet “elongation risk” – forlengelsesrisiko: Strømkøer, byråkrati og mangel på kritisk utstyr som transformatorer og kjølesystemer kan forlenge byggetiden langt utover opprinnelige planer. I stresscenarioer kan disse forsinkelsene forsterke tvilen om det egentlig er nok etterspørsel, i en selvforsterkende ond sirkel . Likevel venter Goldmans basisanslag hele 7.600 milliarder dollar i samlede KI-investeringer mellom 2026 og 2031 .

Slik ligger Morgan Stanleys anslag

Morgan Stanleys prognoser har også gjennomgått en dramatisk, oppadgående revisjon. For et år siden anslo banken samlede hyperscaler-investeringer til rundt 450 milliarder dollar for både 2026 og 2027. Etter første kvartalsrapporter i 2026, ledet an analytiker Brian Nowak, ble tallene jekket opp til omtrent 800 milliarder dollar for 2026 og 1.200 milliarder dollar for 2027 .

Morgan Stanley forventer nå investeringer på 1.160 milliarder dollar i 2027, et tall som overgår Goldmans basislinje på 1.100 milliarder dollar, men som er lavere enn deres øvre vurdering på 1.400 milliarder . Frem mot 2028 venter Morgan Stanley globale datasenterinvesteringer på 2.900 milliarder dollar, hvor 1.400 milliarder finansieres av kontantstrøm, som etterlater et finansieringsgap på 1.500 milliarder dollar som må dekkes av gjeld, leasing og joint ventures .

Begge banker er enige om at forholdet mellom investeringer og omsetning har beveget seg inn i ukjent farvann. Morgan Stanley anslår et nivå på 34 til 39 prosent fra 2026 til 2028, godt over toppen på rundt 32 prosent under dotcom-boblen. Tar man med leasingjusterte tall, kan nivået klatre til hele 44-45 prosent .

Den skjulte skyggeregnskapen: Ikke-bokførte leieavtaler og spesialforetak

Under de prangende milliardbeløpene ligger et mer urovekkende lag av finansiell ingeniørkunst. Kredittvurderingsselskapet Moody’s har anslått at de fem største amerikanske teknologiselskapene – Amazon, Meta, Alphabet, Microsoft og Oracle – sitter på 662 milliarder dollar i fremtidige leieforpliktelser for datasentre som ennå ikke har startet . I henhold til amerikanske regnskapsregler (GAAP) fremstår ikke disse forpliktelsene som løpende gjeld fordi tjenestene ikke har påbegynt. De ligger utenfor balansen, i all hovedsak synlige bare i fotnoter .

Når alle udiskonterte, fremtidige leieforpliktelser summeres, når tallet anslagsvis 969 milliarder dollar – omtrent 113 prosent av den samlede justerte gjelden til disse fem selskapene . Etter hvert som disse leieavtalene starter opp de kommende årene, vil de begynne å tynge resultatregnskapet som driftskostnader, potensielt presse den frie kontantstrømmen og redusere selskapenes mulighet for de tilbakekjøpsprogrammene investorene har vent seg til .

En parallell bekymring er den økende bruken av såkalte «spesialforetak» (SPV) for å finansiere KI-infrastruktur. Store teknologiselskaper har strukturert over 120 milliarder dollar i datasentergjeld gjennom slike konkursbeskyttede enheter, holdt utenfor de konsoliderte balansene . Morgan Stanley anslår at denne typen gjeld kan nå 800 milliarder dollar innen 2028 . Disse foretakene opererer typisk med svært tynne egenkapitalputer på 8 til 10 prosent, de er sikret med pant i grafikkprosessorer (GPUer) som faller raskt i verdi, og involverer leieperioder så korte som fire år, mot tidligere vanlige ti pluss år .

Oracle-advarselen og økende risikopåslag

Oracle er blitt et skrekkeksempel på hvor raskt forutsetningene for AI-finansiering kan rakne. Sent i 2025 avsluttet selskapet et samarbeid med Blue Owl Capital om finansiering av et datasenter i Michigan, noe som blottla skjørheten i den ikke-bokførte modellen. Oracle har 124 milliarder dollar i gjeld og 248 milliarder i leieforpliktelser. Markedets respons var nådeløs – kredittprisingen ble justert «med brutal hastighet», selv for en låntaker med investment grade-rating .

Den internasjonale oppgjørsbanken (BIS) har observert at risikopåslagene (CDS-spreadene) allerede har steget for teknologigiganter med lavere kredittverdighet, noe som reflekterer både det enorme tilbudet av gjeld og økende usikkerhet om KI-prosjektene vil gi avkastning . Både det amerikanske finanstilsynsrådet FSOC og Bank of England har eksplisitt flagget opphopningen av ikke-bokført AI-gjeld som en potensiell systemrisiko .

Konsentrasjonsrisiko forverrer problemet. Mye av SPV-gjelden er knyttet til én enkelt eiendel eller leietaker. Hvis leietakeren går konkurs eller etterspørselen avtar, gir SPV-strukturen begrenset regress til morselskapets balanse. Dermed kan tap forplante seg i kaskader . PIMCO har også flagget den sirkulære karakteren i AI-finansieringen, der leverandører som GPU-produsenter ofte yter kreditt til de samme SPV-ene de leverer maskinvare til, noe som eksponerer dem for refinansieringsrisiko hvis kapitalmarkedene strammer seg til .

En boom med to ansikter

Utbyggingen av KI-infrastruktur er uten sidestykke i skala og fart. De fem største aktørene har kurs mot å bruke til sammen 755 milliarder dollar bare i 2026 – en økning på 83 prosent fra året før . Morgan Stanley påpeker at dette 2026-tallet på 800 milliarder dollar omtrent tilsvarer det alle selskaper i S&P 500-indeksen utenom teknologisektoren brukte på investeringer året før .

Likevel skaper finansieringsstrukturene som muliggjør dette, sin egen risiko. Den optimistiske fortellingen hviler på en 24-dobling i etterspørsel fra KI-agenter som ennå ikke er utbredt. Det pessimistiske motargumentet, formulert internt i selveste Goldman Sachs, er at dagens avkastning ikke forsvarer investeringen . Mellom disse to polene ligger de fysiske realitetene: et strømnett som ikke kan holde følge, en fagarbeiderstyrke som ikke finnes, og en skyggeregnskap på nesten tusen milliarder dollar i forpliktelser som snart forfaller. Konsekvensene av dette veddemålet kan strekke seg langt utover teknologisektoren – også inn i pensjonssparingen til norske småinvestorer.