На тлі того, що підприємства почали "знижувати витрати на обчислювальні потужності", Goldman Sachs попереджає: AI-капітальні витрати у розмірі 5,3 трлн доларів наближаються до кредитного насичення!

Хвиля інвестицій у AI-інфраструктуру перебудовує світовий капітальний ринок, але приховані ризики заборгованості не можна ігнорувати.

Останній прогноз Goldman Sachs показує, що з 2025 по 2030 роки сукупні капітальні витрати гіпермасштабних підприємств у сфері AI та дата-центрів досягнуть 5,3 трильйона доларів, започаткувавши безпрецедентний суперцикл капітальних витрат.

Goldman Sachs очікує, що гіпермасштабні компанії будуть змушені залучати фінансування з різних ринків, адже можуть стикнутися з обмеженнями насиченості ліквідних кредитних ринків.

Почесний професор Нью-Йоркського університету Gary Marcus, коментуючи цей аналіз, назвав заяву Goldman Sachs "страшною фразою", і зазначив:

Для мене питання вже не в тому, чи гіпермасштабна модель впаде, а наскільки серйозними будуть супутні збитки.

Gary Marcus додатково попереджає:

Гіпермасштабні провайдери хмарних сервісів не можуть повернути свої інвестиції у 5,3 трильйона доларів, якщо не отримають величезні державні субсидії, витягнувши кошти з платників податків. Саме це вони і планують зробити.

Тим часом Morgan Stanley оцінює, що лише на глобальне будівництво дата-центрів до 2028 року капітальні витрати наблизяться до 2,9 трильйона доларів, значна частина яких залежить від боргового фінансування. Це означає, що в разі корекції ринку втрати не обмежаться акціонерами й можуть поширитися на все суспільство через кредитні ринки.

Темна сторона інвестиційного бенкету — постійне затягування гаманців на корпоративному рівні. Uber, Amazon, Walmart та інші ранні великі користувачі AI вже почали обмежувати кількість використання AI серед співробітників або впроваджувати заходи зі скорочення витрат.

Після того, як Anthropic перейшла на модельbilling на основі Token, головний інформаційний директор компанії Workato Carter Busse помітив, як витрати за день зросли у 7 разів, і відреагував:

Ми створили чудовисько.

Згідно з аналізом Goldman Sachs, капітальні витрати на AI стрімко зростають, випереджаючи темпи реального будівництва дата-центрів,тому в майбутньому вузьким місцем можуть стати фінансові можливості, забезпечення електроенергією та реалізація проектів, а не лише потреби в моделях.

Оцінка Morgan Stanley більш деталізована. Очікується, що до 2028 року структура фінансування 2,9 трильйона доларів капітальних витрат на глобальне будівництво дата-центрів наступна:

• Гіпермасштабні хмарні підприємства власний грошовий потік — приблизно 1,4 трильйона доларів;
• Корпоративні облігації — близько 200 мільярдів доларів;
• Сек’юритизовані кредитні активи — близько 150 мільярдів доларів;
• Приватні кредити, іпотечне фінансування та спільні борги — близько 800 мільярдів доларів;
• Інший капітал — близько 350 мільярдів доларів;

Ця структура означає, що інвестиції в AI-інфраструктуру значною мірою стимулюються кредитуванням.

AI-журналіст Rohan Paul на платформі X зазначив, що через неможливість для кількох гіпермасштабних підприємств безмежно випускати облігації на публічних ринках, інвестори почали хвилюватися про ризик концентрації емітентів.

Складність фінансування для дата-центрів лише посилює цю проблему.

Дата-центр — це не один актив, а інтеграція землі, підключення до електромережі, мережевих каналів, будівництва, систем охолодження й AI-серверів, тому потреба у фінансуванні розливається на інфраструктурні фонди, фонди нерухомості, приватні кредити й корпоративні облігації.

У разі системної корекції ринку ланцюг передачі збитків буде набагато складнішим, ніж під час бульбашки інтернету.

На боці попиту висока вартість роботи AI змушує компанії переглядати цінність кожного запиту й автоматизованого робочого потоку.

Uber — найбільш показовий приклад. Ukrainian Financial Times повідомляє, що цей транспортний гігант витратив за один квартал весь свій AI-бюджет на 2026 рік.

Після того, як бюджет був вичерпаний ще у квітні, Uber ввів місячний ліміт використання слів на один AI-інструмент у 1500 доларів для співробітників. Голова Uber та операційний директор Andrew Macdonald визнав:

Зараз все важче обґрунтувати витрати на AI-слова, важко визначити чіткий причинно-наслідковий зв'язок між витратами й реальним збільшенням функціональності продуктів.

Walmart також встановив ліміт на використання слів для внутрішнього AI-асистента. Головний технічний директор Suresh Kumar заявив, що обсяги використання платформи програмування Code Puppy "різко зросли", і зараз "час зробити крок назад та переосмислити ситуацію".

Цей тренд зумовлений структурною зміною моделей billing. Основні AI-лабораторії, такі як Anthropic та OpenAI, вже перевели частину своїх сервісів з фіксованої підписки на billing за словами, зробивши компанії більш чутливими до затрат на кожне ключове слово й автоматизований процес.

Глобальний керівник Deloitte з генеративного AI Costi Perricos коментує:

Вартість обчислень стала частиною порядку денного CFO і ради директорів. Споживачам і бізнесам завжди казали, що AI дешевий або безкоштовний, але це далеко не так.

Генеральний директор OpenAI Sam Altman цього місяця також визнав, що витрати стали "значною проблемою" для клієнтів у цьому році, хоча ще минулого року ця тема майже не піднімалася.

Корпоративні заходи зі скорочення витрат мають значний вплив на upstream AI-індустрії.

Anthropic та OpenAI планують IPO цього року з оцінкою, близькою до трильйона доларів. Але тренд скорочення AI-витрат компаніями створює потенційний тиск на прогнози зростання доходів цих двох компаній.

Великі AI-платформи вже вживають заходів, спрямовуючи користувачів до дешевших, не передових моделей для підтримки рівня прийняття.

Головний операційний директор GitHub Kyle Daigle зазначив, що Microsoft завчасно почала обговорювати зміни цін із клієнтами, розглядаючи "адаптивність та відповідні сценарії використання" й підкреслюючи: "не всі задачі потребують передових моделей".

Microsoft, Amazon і Google вже запустили інструменти, які автоматично маршрутизують запити користувачів до найбільш оптимальних за ціною моделей.

Деякі компанії обирають відкриті моделі й запускають їх на локальних серверах або особистих пристроях, щоб зменшити витрати на послуги AI-лабораторій і хмарних провайдерів.

Patel з Cisco описав ситуацію багатьох компаній:

Наші інженери хочуть більше слів, і ми повинні знайти спосіб за це заплатити.

Ця фраза відображає дилему всієї індустрії — стратегічна цінність AI вже визнана, але комерційна логіка для постійної оплати ще має пройти випробування ринком.