Test 300 mld dolarów rocznie: czy inwestycje w infrastrukturę AI się zwrócą?

Rosnące wydatki na centra danych i moc obliczeniową nie są jeszcze dowodem, że inwestycje w AI dobrze się zwrócą. W analizach przypisywanych Goldman Sachs kluczowe jest nie tylko zapotrzebowanie na infrastrukturę, lecz także to, czy uzyskane dzięki niej przychody pokryją koszty i przyniosą trwały zysk.3717

300 mld dolarów rocznie — co oznacza ten próg?

Strateg banku Ryan Hammond szacuje, że najwięksi dostawcy infrastruktury chmurowej potrzebują w najbliższych latach około 300 mld dolarów rocznych przychodów z AI, aby wyjść na zero na swoich inwestycjach. Chodzi o przychód osiągany w skali roku, a nie sumę zebraną przez kilka lat.3713

Dane wskazują na popyt, ale nie przesądzają o wyniku finansowym. Według analizy Hammonda w II kwartale 2026 r. przychody tej grupy z usług chmurowych, przeliczone na tempo roczne, były o około 70 mld dolarów wyższe od trendu sprzed boomu na AI. Wartość ogłoszonego portfela przyszłych zamówień przekraczała 1,5 bln dolarów.7 Pierwsza kwota dotyczy przychodów chmurowych ponad wcześniejszy trend, a nie wykazanych przychodów wyłącznie z AI. Druga oznacza przyszły biznes, nie pieniądze już zarobione. Żadnej z nich nie można wprost zestawić z progiem 300 mld dolarów rocznie bez wiedzy, kiedy zamówienia staną się przychodem i jakie przyniosą marże.

Wyjście na zero to nie to samo co atrakcyjny zwrot

Odrębny model przypisywany Goldman Sachs stawia wyższy próg: sześć firm technologicznych musiałoby osiągnąć około 1,42 bln dolarów łącznych przychodów w latach 2028–2030, aby uzyskać 15-procentową roczną stopę zwrotu z zainwestowanego kapitału przeznaczonego na moc obliczeniową AI w latach 2026–2027. Relacje o tym modelu przeliczają wymóg na około 11,6 mld dolarów rocznych przychodów na gigawat mocy.1721 Nie jest to korekta szacunku Hammonda: różnią się grupa firm, okres pomiaru i oczekiwany wynik inwestycji.

Warto zachować ostrożność również przy samym określeniu 1,42 bln dolarów. Nagłówek jednej z relacji nazywa tę kwotę „dodatkowym zyskiem”, podczas gdy inne opisują ją jako łączne przychody. Bez dostępu do pierwotnego modelu banku nie da się rozstrzygnąć tej rozbieżności ani sprawdzić wszystkich założeń.1817

Hammond wskazuje też na klientów końcowych: według relacji użytkownicy musieliby wydawać około 1 bln dolarów rocznie na aplikacje AI, aby dostawcy infrastruktury osiągali solidne zwroty, a twórcy aplikacji zachowali zdrowe marże.613 Tych wydatków nie należy dodawać do przychodów z infrastruktury — to powiązane etapy tego samego łańcucha wartości.

Dlaczego poprzeczka nadal rośnie

Goldman Sachs przewiduje, że Amazon, Microsoft, Alphabet, Meta i Oracle wydadzą na infrastrukturę AI około 800 mld dolarów w 2026 r. i 1,2 bln dolarów w 2027 r. Ta druga prognoza przewyższa przytaczany konsensus rynkowy wynoszący około 1,1 bln dolarów.237 Nawet szybki wzrost przychodów trzeba więc oceniać w świetle coraz większego kapitału potrzebnego do jego osiągnięcia.

Ryzyko giełdowe nie sprowadza się przy tym do wysokich wycen. Strateg Goldman Sachs Peter Oppenheimer ostrzegał przed możliwością powstania bańki zysków: wyniki wspierane obecną falą budowy infrastruktury mogą okazać się nietrwałe, jeśli inwestycje wyhamują lub przychody z AI nie spełnią oczekiwań.3641 Z kolei Luke Barrs z Goldman Sachs Asset Management ocenia, że cykl nakładów kapitałowych jest wciąż na wczesnym etapie, choć inwestorzy coraz staranniej wybierają spółki, które mogą na nim skorzystać.34

Ostateczny sprawdzian jest prosty do sformułowania, choć trudny do zdania: czy zapowiedziane zamówienia zamienią się w przychody, czy te przychody zapewnią trwałe marże i czy zyski uzasadnią dalsze wydatki. Rozwój rynku AI i opłacalność inwestycji w jego infrastrukturę to powiązane, ale różne kwestie.