Három évvel ezelőtt, 2023-ban, a Sequoia partnere David Cahn az elsők között kezdett számolni a Szilícium-völgy óriási AI-infrastruktúra-beruházásainak következményeivel. Akkor az Nvidia jelentett éves GPU-bevételének 50 milliárd dolláros értékére reagálva azt a következtetést vonta le, hogy ha ehhez hozzászámoljuk az adatközpontok működtetésének költségét és az üzemeltetők haszonkulcsát, nagyjából 200 milliárd dollárnyi bevételre lenne szükség a beruházások visszafizetéséhez.
Cahn ezt kihívásként fogta fel, és arra biztatta a vállalkozókat, hogy találjanak ki AI-termékeket és -szolgáltatásokat, amelyek kihasználják és bevételt generálnak az infrastruktúrából. Az elmúlt három év hiperskálázásának beszámításával most új számot közölt a 2026-ra vonatkozó AI-infrastruktúra-kiadásokra: 1,5 billió (trillion) dollár.
Összegezve Cahn azt számolja, hogy az AI-ágazatnak körülbelül 3 billió dollárt kell keresnie ahhoz, hogy ezek a chipek és egyéb adatközponti beruházások indokolhatóvá váljanak. Hozzátette, hogy ez valószínűleg alulbecslés: a memóriaárak emelkedése és egyre gyakoribb speciális, például inference-t felvillantó chipek használata tovább növelheti az igényelt bevételt. „A szükséges bevétel per GW CapEx-re az utóbbi időben élesen emelkedett ezeknek a szűk keresztmetszeteknek és a kivitelezési költségek növekedésének köszönhetően” — írta.
A bevételi oldalon néhány nagy szereplő adatai már láthatók. Az Anthropicról azt tartják, hogy elérte a 60 milliárd dolláros éves ismétlődő árbevételt (ARR), míg az OpenAI-ról jelentések szerint 2025-ben 13 milliárd dolláros bevételt könyveltek el — bár 2025 novemberében az OpenAI azt közölte, hogy 20 milliárd dolláros ARR-nél tartott — és feltételezhetően 2026-ban tovább növekedett. Mindezek ellenére jelentős rés marad, amit be kell tölteni a 3 billiós célhoz képest.
Egy másik fontos megfigyelő Torsten Slok, az Apollo (a nagy eszközkezelő) vezető közgazdásza. Legutóbbi feljegyzésében rámutatott, hogy a hiperskálázók — Google, Meta, Microsoft és Amazon — mind nagymértékű gyorsulást várnak a szabad cash-flow-jukban 2028-ra. Más szóval azt tervezik, hogy ekkorra térülnek meg azok a chipek, amelyeket vásároltak.
Slok felhívta a figyelmet arra a kockázatra is, amelyet jelenleg az AI-használatban látunk: egyre több szervezet fordul olcsóbb, gyakran kínai eredetű, nyílt súlyú (open-weight) modellek felé, és összességében a tokenárak csökkennek. Az OpenAI legfrissebb modelljének, CEO Sam Altman szerint, 54%-kal jobb token-hatékonyságot tulajdonítanak kódolási feladatokon. Ez a felhasználók számára előnyös lehet a költségek szempontjából, ám problémát jelenthet azoknak a vállalatoknak, amelyek token-értékesítéssel (token factories) számoltak: ha a felhasználók nem növelik jelentősen az összes tokenhasználatukat, akkor a bevételek elmaradhatnak.
Slok attól tart, hogy ha a hiperskálázók nem érik el a pénzforgalmi céljaikat, a piaci reakció súlyos lehet. „Mivel ennyire sok múlik ennyire kevés néven” — írta — „a lassabb megtérülés nem csupán egy szektort érintene, hanem kockáztatná a gazdaság recesszióba sodródását és az S&P 500 korrekcióját.”
Ez egy fontos szempont, amire érdemes gondolni, miközben a cégek olcsóbb tokenek felé terelik AI-ügynökeiket.
