1 godzina temu
Sztuczna inteligencja coraz mniej przypomina dziś wyścig na kolejne modele, a coraz bardziej wielki program infrastrukturalny. Najnowsze szacunki Goldman Sachs pokazują skalę, która jeszcze niedawno wydawała się abstrakcyjna: łączne nakłady na infrastrukturę AI mogą sięgnąć ok. 7,6 bln dolarów w latach 2026–2031. To kwota, która stawia cały boom AI w zupełnie nowym świetle – nie jako modę technologiczną, ale jako wieloletni cykl inwestycyjny o znaczeniu dla energetyki, budownictwa, rynku długu i całych łańcuchów dostaw.
W praktyce trzon tego wyścigu tworzą dziś cztery firmy: Meta, Microsoft, Amazon i Alphabet. Goldman Sachs w swoim najnowszym raporcie podniósł prognozę ich łącznych nakładów inwestycyjnych do 5,3 bln dolarów w latach fiskalnych 2025–2030. To istotna rewizja w górę względem wcześniejszych 4,5 bln dolarów.
Jeszcze mocniej działa na wyobraźnię inna liczba z raportu Goldmana: według bazowego scenariusza roczne nakłady na AI mają wynieść 765 mld dolarów już w 2026 r., a do 2031 r. wzrosnąć do 1,6 bln dolarów rocznie. Tego typu skala oznacza, iż rynek przestał już dyskutować, czy inwestycje w AI są duże. Pytanie brzmi raczej, czy świat jest w stanie je fizycznie i finansowo udźwignąć.
Entuzjazm jest ogromny, ale zwrot wciąż pozostaje pytaniem
To jednak nie jest historia bez znaków zapytania. Goldman Sachs sam przyznaje, iż przy nakładach liczonych w bilionach dolarów kwestia realnego zwrotu z inwestycji staje się kluczowa. W opublikowanej na początku czerwca rozmowie ekspertów banku wybrzmiewa jasno, iż rynek przez cały czas nie ma przekonującej odpowiedzi, kiedy i gdzie dokładnie te wydatki zaczną przekładać się na trwałe, szerokie zyski biznesowe.
Na razie najwięcej wartości ekonomicznej zgarniają przede wszystkim dostawcy z warstwy infrastrukturalnej, zwłaszcza producenci chipów. Znacznie słabiej wygląda sytuacja po stronie firm, które AI wdrażają i próbują na niej budować nowy biznes. Reuters zwracał uwagę, iż wydatki dużych firm technologicznych rosną szybciej niż przychody związane z AI, a rynek coraz uważniej patrzy na relację między capex a monetyzacją.
Krótko mówiąc: inwestorzy przez cały czas kupują długoterminową tezę, ale coraz mniej wierzą w szybki i prosty scenariusz zwrotu.
AI potrzebuje nie tylko serwerów, ale przede wszystkim prądu
Drugim wielkim problemem jest energia. Międzynarodowa Agencja Energetyczna szacuje, iż zużycie energii przez centra danych wzrośnie z 485 TWh w 2025 r. do 950 TWh w 2030 r., czyli do ok. 3 proc. globalnego zapotrzebowania na energię elektryczną.
Goldman Sachs patrzy na ten trend jeszcze szerzej. Według banku globalny popyt na moc ze strony centrów danych ma wzrosnąć o 50 proc. do 2027 r. i choćby o 165 proc. do końca dekady względem poziomów z 2023 r.
To ważne, bo pokazuje, iż boom AI nie kończy się na półprzewodnikach i oprogramowaniu. Coraz bardziej chodzi o bardzo „starą gospodarkę”: przyłącza, transformatory, chłodzenie, linie przesyłowe i moce wytwórcze. IEA podkreśla, iż zużycie energii przez centra danych będzie rosło do 2030 r. średnio o ok. 15 proc. rocznie, czyli ponad cztery razy szybciej niż zużycie energii w pozostałych sektorach.
Wąskim gardłem może być nie technologia, tylko wykonanie
Na papierze wszystko wygląda imponująco. W praktyce problemem może się okazać tempo realizacji projektów. Reuters informował w maju, iż boom wokół centrów danych zaostrza niedobory elektryków, monterów linii i innych specjalistów potrzebnych do budowy sieci oraz infrastruktury energetycznej.
To nie detal, tylko realne ograniczenie dla całego rynku. Goldman Sachs szacuje, iż sama rozbudowa sieci energetycznej może wymagać około 720 mld dolarów inwestycji do 2030 r.
W Stanach Zjednoczonych widać już skalę wyzwania. Reuters, powołując się na Electric Power Research Institute, podawał wcześniej, iż centra danych mogą do końca dekady odpowiadać choćby za 9 proc. całej produkcji energii elektrycznej w USA.
Innymi słowy: choćby jeżeli popyt na AI pozostanie bardzo silny, tempo rozwoju może ograniczać nie brak kapitału czy chipów, ale zwykła zdolność do budowy – na czas, w odpowiedniej skali i przy dostępności energii.
Coraz większa rola prywatnego kapitału i długu
Rynek już dostosowuje się do tej nowej rzeczywistości. Goldman zakłada, iż coraz większą rolę w finansowaniu projektów AI będą odgrywać fundusze private infrastructure i private real estate. Reuters zwraca uwagę, iż przy tej skali nakładów tradycyjne źródła finansowania mogą po prostu nie wystarczyć.
To zresztą już widać na rynku obligacji. Według Reutersa Meta, Oracle i inne firmy pozyskały w tym roku około 250 mld dolarów na rynkach długu, finansując rozbudowę zaplecza AI. Skala emisji zaczyna być na tyle duża, iż – jak wskazywali analitycy cytowani przez agencję – wpływa choćby na wyceny i rentowności amerykańskich obligacji skarbowych.
To już nie moda, tylko nowa warstwa gospodarki
Z dzisiejszej perspektywy najważniejszy wniosek jest dość prosty. AI pozostaje w trendzie wzrostowym, ale jej środek ciężkości przesuwa się z narracji o modelach do twardej ekonomii infrastruktury. Najnowsze dane Goldmana pokazują, iż rynek wszedł w kilkuletni cykl wydatków liczonych w bilionach dolarów.
Jednocześnie równie wyraźnie widać, iż dalszy przebieg tego boomu rozstrzygną nie tylko możliwości technologiczne, ale też dużo bardziej przyziemne czynniki: dostępność energii, siła bilansów, koszt finansowania i zdolność do fizycznej realizacji projektów.
Źródła: Goldman Sachs, Reuters, IEA
