Amikor Jessica Wachter, a University of Pennsylvania Wharton School pénzügyi professzora meg akarta becsülni az AI rövid- és középtávú gazdasági hatásait, szembesült a számos üzleti és technikai bizonytalansággal. Kiindulópontként mégis egy vitathatatlan tényt állított: néhány úgynevezett hyperscaler hatalmas összegeket fektet be AI-adatközpontok építésébe.
Wachter és társszerzője elkerülte a modellek jövőbeli hasznosságának és elterjedtségének spekulációját; ehelyett azt számolta ki, milyen gyorsan kellene növekednie a hyperscalerek bevételeinek, hogy a beruházások 2027-ig — amikorra várhatóan a kiadások elérik a mintegy 1,1 billió dollárt — megérjék. Ez egyszerű, könyvelésen alapuló megközelítés egy ma zajló történelmi építkezés értelmezésére.
Mekkora növekedés szükséges? A számok
Wachter számítása szerint a hyperscalereknek saját termelékenységüket körülbelül 2,7-szeresére kell növelniük, hogy 2030-ra fedezni tudják a tőkeköltséget, egy 15%-os megtérülési elvárást és az eszközök értékcsökkenését. Ez nem lehetetlen, de azt jelenti, hogy az 1990-es évek közepén kezdődő amerikai IT-boomhoz hasonló növekedést kell rövid időre összenyomni. Ha ez a termelékenységi robbanás elmarad, Wachter és társa kutatása szerint „a jelenlegi építkezés lehet a történelem legnagyobb tőkeallokációs hibája”.
A beruházások és a bevételek közötti szakadék
A hyperscalerek idén mintegy 750 milliárd dollárt költenek adatközpontokra, és a kiadások növekedése nem lassul. Egyes becslések szerint az Alphabet, Microsoft, Amazon, Meta és Oracle (amely az OpenAI-val partnerségben áll) a következő négy évben több mint 5 billió dollárt fektethet be AI-capexbe. Ugyanakkor a teljes AI-bevétel az idei évben csak mintegy 150–200 milliárd dollárra tehető, mondja Gary Gensler, az MIT Sloan School professzora és a korábbi SEC-elnök. Vagyis a beruházások nagyságrendje ma nincs összhangban a bevételekkel.
Kamat- és adósságkockázatok, valamint szabad pénzáram
Az idénre jellemző költekezést részben hitelből finanszírozzák, és a szabad pénzáram (üzemi pénzáram mínusz tőkekiadások) várhatóan hamar negatív tartományba süllyed a csoport szinten. Még az Alphabet is jelentett egyes negyedévekben olyan helyzetet, hogy a közel 120 milliárd dolláros bevételt elnyelte az AI-infrastruktúra kiadása, ami hozzávetőleg 5,9 milliárd dolláros szabad pénz deficitet eredményezett — az első ilyen hiány 2004 óta.
Adósság finanszírozása terjed: Morgan Stanley számításai szerint az 2025–2028 között várható 2,9 billió dolláros hyperscaler-kiadások több mint fele „külső tőkével” lesz fedezve. Ez a kölcsönfelvétel bonyolult pénzügyi konstrukciókat hoz létre, és kockázatot juttat be a pénzügyi szektorba és a háztartások nyugdíjalapjaiba, életbiztosítási termékeibe.
Technológiai elöregedés és chip-depreciáció
A drága GPU-chipek az adatközponti költségek mintegy 60%-át adják, és teljesítményük nagyjából kétévente megduplázódik. Ez azt jelenti, hogy az idén és jövőre üzembe álló központok tulajdonosainak a versenyképesség megtartásához a következő generációs chipekre is milliárdokat kell majd költeniük a következő évtized végéig. Mihir Kshirsagar (Princeton Center for Information Technology Policy) szerint nélküli újrabefektetések a létesítményeket „elhagyott monstrumokká” tehetik.
Mekkora bevételre lenne szükség hosszabb távon?
Stijn Van Nieuwerburgh (Columbia Business School) egy forgatókönyvre alapozva, amelyben 2025 és 2032 között mintegy 183 gigawatt terv szerint épül meg AI-számítási kapacitásként, gigawattonként körülbelül 41 milliárd dolláros költséggel számolva azt állítja: ha a befektetőknek 10%-os megtérülésre van szükségük, akkor a 2032-es évi „szükséges” bevételek körülbelül 3,7 billió dollárra nőnének. Más elemzések hasonló nagyságrendet jeleznek.
Harmadik pillér: széleskörű produktivitásnövekedés
A hyperscalerek beruházásainak fenntarthatósága nem csak az ő bevételeiken múlik: az AI-nak átfogó gazdasági termelékenység-növekedést kell hoznia. Az üzleti döntéshozók rövid távon előfizetések és tokenek eladásával növelhetik a bevételeket, de hosszabb távon a vásárlóknak valódi alsóvonal-javulást kell látniauk. Daron Acemoglu (MIT) szerint ha nem jönnek elő a produktivitási nyereségek, az emberek megutálhatják az AI-t, ami beruházásvisszafogáshoz és korlátozott bevételnövekedéshez vezet.
Jelenleg a makrostatisztikák többsége alig vagy egyáltalán nem mutat gazdaság-szintű AI-termelékenységnövekedést. Egy felmérésben mintegy 6 000 felsővezető közel 90%-a hároméves távon nem tapasztalt produktivitásnövekedést, ugyanakkor a következő három évre átlagosan mintegy 1,45% össznövekedést vártak (az amerikai vezetők 2,25%-ot jeleztek). A szerzők szerint a magánszektor AI-kiadásai 2026 végére mintegy 280 milliárd dollárra nőhetnek.
Társadalmi és helyi kockázatok: a meta-ügy Louisiana-ban
A finanszírozás és a közösségi hatások példája Meta Hyperion Richland Parish-i adatközpontja. A projekt 2024 végén két gigawattos, körülbelül 10 milliárd dolláros beruházásként indult; később a becsült költség 30 milliárd dollárra nőtt. Meta 80%-os részesedést adott át a Blue Owl Capitalnak, létrehozva a Beignet nevű vegyes vállalatot, amely négyéves bérleti szerződéseken keresztül finanszírozást toboroz. Meta később júliusban bejelentette a központ bővítését öt gigawattos kapacitásra, a teljes címke 50 milliárd dollárra emelkedett; Entergy pedig további hét gáztüzelésű erőművet tervez, összesen körülbelül 7,5 gigawatt kapacitással.
A helyiek és fogyasztóvédők aggódnak, hogy ha Meta felbontja a szerződéseket, a közművek és a túlkapacitás költségei a lakossági számlákra hárulhatnak. Entergy állítása szerint 20 éves kötelezettséget vállaltak Meta villamosenergia-vásárlására, de sokan – köztük a Union of Concerned Scientists szakértői – szkeptikusak a hosszú távú megvalósíthatósággal kapcsolatban.
A lehetséges következmények és a történelmi párhuzamok
Nem tudni, mikor tör ki a befektetési "lufi", de sok szakértő szerint korrekció jön. Gary Gensler szerint egy visszaesés lehet, hogy közeljövőben bekövetkezik: a mostani 750 milliárd dolláros éves kiadás például megállhat vagy csökkenhet. Van Nieuwerburgh és mások figyelmeztetnek, hogy ha a kockázatok beágyazódnak a pénzügyi rendszerbe, a következmények súlyosak lehetnek.
A múltbeli buborékok — a dot-com összeomlás és a 2007–2008-as válság — után ugyanakkor a technológia túlélte és bizonyos területeken megerősödött: a fölösleges beruházások kiszűrése sokszor utólag fókuszáltabb, tartósabb infrastruktúrát eredményezett. Most azonban a különbség az, hogy a hyperscalerek beruházásai nemcsak a technológiát, hanem a pénzügyi struktúrákat és sok közösség szolgáltatásait is összekapcsolták.
Következtetés: három nyerő feltétel
A beruházások sikeréhez egyidejűleg kell teljesülnie három feltételnek: (1) a hyperscalereknek tömeges bevételeket kell generálniuk, (2) az AI-nak széleskörű produktivitásnövekedést kell hoznia a gazdaságban, és (3) a költséges „frontier” modelleket működtető adatközpontoknak versenyezniük kell a jóval olcsóbb alternatívákkal. Ha bármelyik feltétel elvérzik — gyenge kereslet, lassú termelékenység, vagy olcsóbb modellek előretörése —, a jelenlegi többbilliónyi beruházás pénzügyi és társadalmi kockázatokat rejt.
A végső kimenetel: a pénzügyi veszteség lehet súlyos és széles körű, de az AI-technológia magja túlélheti a korrekciót; a nagy adatközpontok jövője viszont kevésbé biztos.
