Co kryje się za prognozą Goldman Sachs na 5,3 biliona dolarów na infrastrukturę AI?

Podwyższenie prognoz odzwierciedla rzeczywistość, w której każdy kolejny sezon wyników przynosi wyższe deklaracje wydatków. Goldman Sachs wcześniej przewidywał, że roczne nakłady inwestycyjne hiperskalowców mogą przekroczyć 500 miliardów dolarów, jednak faktyczne plany firm znacznie te szacunki przekroczyły . Ten trend regularnych podwyżek jest cechą definiującą cykl inwestycyjny w AI – konsensus analityków co do wydatków na 2026 rok gwałtownie rósł przez kilka kwartałów .

Kamień milowy 2026: około 725 miliardów dolarów w jednym roku

Rok 2026 zapisuje się jako moment, w którym wydatki na infrastrukturę AI osiągają nowy poziom. Cztery firmy planują łączne nakłady inwestycyjne rzędu 725 miliardów dolarów, co stanowi oszałamiający skok o 77% w porównaniu z szacowanymi 410 miliardami dolarów w 2025 roku . Publikacje wyników firm z końca kwietnia 2026 roku wskazywały, że łączny środek przedziału wytycznych wynosi około 710 miliardów dolarów, a górna granica sięga właśnie 725 miliardów .

Ta kwota za jeden rok przyćmiewa historyczne porównania. Zaledwie trzy lata wcześniej, w 2023 roku, łączne wydatki hiperskalowców wyniosły około 160 miliardów dolarów . Przyspieszenie w krótkim terminie jest jeszcze ostrzejsze, niż się wydaje: konsensus Wall Street na 2026 rok wynosił pod koniec 2025 roku już 527 miliardów dolarów, ale zaktualizowane wytyczne ujawniły wzrost prognozowanego tempa do około 70% rok do roku .

Około 75% wydatków w 2026 roku, czyli niemal 500 miliardów dolarów, jest bezpośrednio związanych z infrastrukturą AI – w tym z procesorami graficznymi GPU, serwerami, sprzętem sieciowym i centrami danych – a nie z tradycyjną chmurą obliczeniową .

Rewolucja w finansowaniu: na scenę wkracza kapitał prywatny

Nota Goldman Sachs zwraca uwagę na kluczową zmianę strukturalną w sposobie finansowania boomu na centra danych. Sama skala wymaganych inwestycji zmusza firmy do wyjścia poza tradycyjne finansowanie bilansowe i dłużne. Oczekuje się, że znacznie większą rolę odegra prywatny kapitał infrastrukturalny i nieruchomościowy .

Ta zmiana już trwa. Hiperskalowcy pozyskali z samego długu 108 miliardów dolarów tylko w 2025 roku, a prognozy sugerują nawet 1,5 biliona dolarów emisji długu w nadchodzących latach, aby sfinansować tę rozbudowę . Raport banku przewiduje, że łączna wartość aktywów infrastrukturalnych pod zarządzaniem może przekroczyć 3 biliony dolarów do 2030 roku, co odzwierciedla skalę kapitału napływającego do infrastruktury energetycznej, centrów danych i sieci przesyłowych związanej z AI .

Ta ewolucja finansowania ma znaczenie, ponieważ poszerza pulę inwestorów narażonych na rozwój infrastruktury AI poza publiczne rynki akcji. Sygnalizuje również, że zapotrzebowanie kapitałowe rozbudowy AI konkuruje teraz z tradycyjnymi klasami aktywów infrastrukturalnych, a w niektórych przypadkach je przewyższa.

Popyt na energię: skok o 220% do 2030 roku

Fizyczny ślad tych wydatków jest ogromny, a nigdzie nie jest to bardziej widoczne niż w zużyciu energii elektrycznej. Dział analiz Goldman Sachs podniósł swoją prognozę wzrostu globalnego zapotrzebowania centrów danych na energię do 220% do 2030 roku w porównaniu z poziomami z 2023 roku, znacznie w górę z wcześniejszych prognoz rzędu 160–165% .

Analityk Goldman Sachs Global Investment Research stwierdził w raporcie z lutego 2026 roku: „Podnieśliśmy naszą prognozę wzrostu globalnego zapotrzebowania centrów danych na energię elektryczną ze 175% do 220% między 2023 a 2030 rokiem” . Oczekuje się, że Stany Zjednoczone będą odpowiadać za około 60% tego przyrostowego zapotrzebowania .

Ta korekta w górę ma głębokie implikacje. Przewiduje się, że centra danych będą zużywać 8% całkowitego zapotrzebowania USA na energię do 2030 roku, w porównaniu z około 3% obecnie, napędzając pierwszy trwały wzrost zużycia energii elektrycznej w USA od pokolenia . Goldman szacuje, że tylko w USA potrzebne będzie dodatkowe około 47 gigawatów mocy wytwórczych .

Co to oznacza dla szerszej rozbudowy AI

Instytut Goldman Sachs Global Institute modeluje oddzielnie jeszcze szerszy obraz branży. Jego bazowy model „Tracking Trillions” zakłada około 7,6 biliona dolarów całkowitych nakładów inwestycyjnych na AI w latach 2026–2031 na moc obliczeniową, centra danych i energetykę, przy czym wydatki mają wzrosnąć z 765 miliardów dolarów w 2026 roku do 1,6 biliona dolarów rocznie do 2031 roku .

Chociaż dane te obejmują szerszą grupę wydających poza wielką czwórką hiperskalowców, kierunek jest spójny: cykl inwestycyjny w infrastrukturę AI przyspiesza, a nie osiąga plateau. Pytanie, które coraz bardziej zaprząta rynki, nie brzmi „czy wydatki będą kontynuowane”, ale „czy przychody zwracające się z tych inwestycji je uzasadnią”. Jak zauważył Goldman we wcześniejszej analizie, utrzymanie historycznych stóp zwrotu z kapitału wymagałoby od hiperskalowców osiągnięcia rocznego zysku przekraczającego 1 bilion dolarów – ponad dwukrotnie więcej niż konsensus szacunkowy dochodu na 2026 rok .

Nota badawcza z czerwca 2026 roku jasno pokazuje, że na razie zobowiązania inwestycyjne tylko rosną. A w miarę jak ewoluują modele finansowania, a sieć energetyczna z trudem nadąża, rozbudowa AI przekształca nie tylko sektor technologiczny, ale i krajobraz infrastruktury oraz energetyki na resztę dekady.