Autor Maksym Misichenko · Yahoo Finance ·
Co agenci AI myślą o tej wiadomości
Panelistów zgadzają się, że projekcja wydatków kapitałowych w wysokości 5,3 biliona dolarów sygnalizuje znaczące zaangażowanie w infrastrukturę AI, ale widoczność zwrotu z inwestycji i wskaźniki wykorzystania pozostają głównymi obawami. Kluczowa debata dotyczy tego, czy firmy te zdołają skutecznie monetyzować swoje inwestycje w AI i uniknąć „nadmiernego obciążenia wydatkami kapitałowymi”.
Ryzyko: Poważne skurczenie się marż z powodu wyścigu zbrojeń sprzętowych i potencjalnego niedostatecznego wykorzystania centrów danych.
Szansa: Rozszerzenie całkowitego rynku docelowego poprzez udane przejście na rozliczanie AI oparte na użyciu.
Analiza ta jest generowana przez pipeline StockScreener — cztery wiodące LLM (Claude, GPT, Gemini, Grok) otrzymują identyczne instrukcje z wbudowaną ochroną przed halucynacjami. Przeczytaj metodologię →
Inwestycje w sztuczną inteligencję dla Big Tech dopiero się zaczynają.
The news: Goldman Sachs strategist Amanda Lynam postawiła nowe dane dotyczące kapitałowych inwestycji w hiper skalery, a one są zaskakujące.
The news: Goldman Sachs teraz oczekuje łącznej inwestycji w kapitałowe wydatki dla czterech największych hiper skalery — Meta (META), Microsoft (MSFT), Amazon (AMZN) i Alphabet (GOOGL) — od roku finansowego 2025 do roku finansowego 2030. Przed rozpoczęciem pierwszego kwartału zysków, ta liczba wynosiła 4,5 biliona dolarów.
Podstawowy szacunek agregowany inwestycji kapitałowych wynosi 7,6 biliona dolarów między 2026 a 2031 r., obejmując obliczenia, centra danych i energię.
The analysis: Google, Amazon, Microsoft i Meta planują wspólnie przeznaczyć 725 miliardów dolarów na wydatki kapitałowe w 2026 r. — co oznacza wzrost o 77% w porównaniu do rekordowego 410 miliardów dolarów z poprzedniego roku.
Amazon planuje inwestycje w wysokości 200 miliardów dolarów, Alphabet celuje w 175–185 miliardów dolarów, Meta wskazuje na 115–135 miliardów dolarów, a Microsoft kieruje się w stronę 190 miliardów dolarów na rok kalendarzowy.
Pięć głównych hiper skalery (pozostały jest Oracle (ORCL)) planuje dodać około 2 bilionów dolarów w formie aktywów związanych z AI do swoich bilansów do 2030 r.
"Inwestycje w infrastrukturę są ponownie modne", powiedział prezes Cisco Chuck Robbins na Yahoo Finance’s Opening Bid. Gigant sieci zauważył znaczący wzrost zamówień związanych z AI, częściowo dzięki inwestycjom hiper skalery.
The bottom line: Nadzieję, że dla wszystkich czterech tych firm te inwestycje przyniosą przyspieszone tempo wzrostu przychodów i zysków. Nie ma tu miejsca na manewry; inwestorzy wymagają silnych zwrotów w przyszłości, jeśli zyski mają być dość ograniczone dziś, podczas gdy hiper skalery budują centra danych w Podunk.
Brian Sozzi jest redaktorem naczelnym Yahoo Finance i członkiem zespołu liderów redakcyjnych Yahoo Finance. Śledź Sozziego na X @BrianSozzi, Instagram, i LinkedIn. Porady do historii? Napisz e-mail do [email protected].*
Kliknij tutaj, aby uzyskać szczegółową analizę najnowszych wiadomości i wydarzeń rynkowych akcji
Przeczytaj najnowsze wiadomości finansowe i biznesowe z Yahoo Finance
Cztery wiodące modele AI dyskutują o tym artykule
"Intensywność wydatków kapitałowych na taką skalę (wzrost o 77% rok do roku) jest nie do utrzymania bez proporcjonalnego przyspieszenia przychodów, a artykuł nie dostarcza żadnych dowodów na to, że monetyzacja nadąża za wzrostem wydatków kapitałowych — jedynie, że wydatki przyspieszają."
Projekcja wydatków kapitałowych w wysokości 5,3 biliona dolarów (wzrost z 4,5 biliona dolarów) sygnalizuje prawdziwe przekonanie, ale artykuł myli wydatki ze zwrotami. 77% wzrost wydatków kapitałowych rok do roku w 2026 r. jest realny; brakuje widoczności zwrotu z inwestycji. Te cztery firmy zasadniczo stawiają na szali 725 miliardów dolarów w 2026 roku, zakładając, że: (1) monetyzacja AI przyspieszy szybciej niż wzrost wydatków kapitałowych, (2) wskaźniki wykorzystania nie załamią się wraz ze wzrostem podaży, i (3) żaden technologiczny przeskok nie sprawi, że obecna infrastruktura stanie się przestarzała. Podstawowa prognoza 7,6 biliona dolarów (2026–2031) oznacza średnio około 1,3 biliona dolarów rocznie — strukturalnie wyżej niż historyczne cykle IT. Entuzjazm Cisco jest wskaźnikiem opóźnionym, a nie wyprzedzającym.
Jeśli zyski z produktywności AI zmaterializują się, a wskaźniki wydatków kapitałowych do przychodów skurczą się do 2027–2028 r., firmy te mogą wygenerować ponadprzeciętne zwroty z poniesionych kosztów. Artykuł zakłada malejące przychody; byczy scenariusz zakłada, że wciąż jesteśmy w wykładniczej fazie krzywej S.
"Wydatki kapitałowe hyperscalerów na taką skalę prawdopodobnie spowodują skurczenie się marż i mnożników, chyba że wzrost przychodów napędzany przez AI przekroczy 25% CAGR do 2028 roku."
Projekcja wydatków kapitałowych w wysokości 5,3 biliona dolarów do 2030 roku podkreśla zaangażowanie hyperscalerów w infrastrukturę AI, jednak maskuje ryzyka wykonawcze związane z dostępnością energii i ograniczeniami w dostawach chipów, które mogą opóźnić zwrot z inwestycji o lata. Przy wydatkach na 2026 rok już zaplanowanych na 725 miliardów dolarów, wolne przepływy pieniężne w MSFT, AMZN, GOOGL i META prawdopodobnie pozostaną pod presją, nawet jeśli amortyzacja przyspieszy. Jeśli adopcja AI w przedsiębiorstwach ustabilizuje się poniżej obecnych prognoz, sektor może stanąć w obliczu klasycznego nadmiernego obciążenia wydatkami kapitałowymi, podobnie jak w poprzednich cyklach infrastrukturalnych, co spowoduje skurczenie się mnożników, a nie ich wzrost.
Historia firm w zakresie wydatków kapitałowych na chmurę pokazuje szybką monetyzację po osiągnięciu skali, a obecne zapotrzebowanie na AI sygnalizowane przez obciążenia treningowe może okazać się wystarczająco trwałe, aby uzasadnić wydatki bez większych opóźnień.
"Bezprecedensowa skala tego cyklu wydatków kapitałowych stwarza znaczące ryzyko erozji marż, jeśli wzrost przychodów z AI nie przewyższy szybkiej amortyzacji tych masowych, wyspecjalizowanych aktywów kapitałowych."
Kwota 5,3 biliona dolarów wydatków kapitałowych to nie tylko inwestycja; to ćwiczenie w budowaniu defensywnej fosy. Podczas gdy rynek postrzega to jako „wzrost AI”, ja widzę masowy wyścig zbrojeń sprzętowych, który grozi poważnym skurczeniem się marż. Jeśli ci hyperscalerzy zbiorowo wydadzą 725 miliardów dolarów w 2026 roku, zasadniczo stawiają cały swój wolny przepływ pieniężny na strategię „zbuduj to, a oni przyjdą”. Krytycznym ryzykiem jest wskaźnik wykorzystania tych centrów danych. Jeśli zwrot z inwestycji w wnioskowanie AI nie zmaterializuje się poza wewnętrznymi zyskami z efektywności, będziemy mieli do czynienia z masową alokacją kapitału, która ukarze akcjonariuszy latami podwyższonych kosztów amortyzacji.
To masowe rozbudowanie infrastruktury tworzy „barierę wejścia” tak wysoką, że skutecznie zapewnia trwałą oligopolię, pozwalając tym czterem firmom dyktować siłę cenową dla całej globalnej gospodarki cyfrowej.
"Wydatki kapitałowe bez udowodnionej monetyzacji AI mogą nie przełożyć się na proporcjonalny zwrot z inwestycji (ROIC) dla hyperscalerów."
Nagłówkowe liczby wydatków kapitałowych sugerują boom infrastruktury AI, ale zwrot z inwestycji zależy od monetyzacji obciążeń AI, a nie tylko od budowy centrów danych. Artykuł pomija kluczowe ryzyka: 1) ryzyko wykorzystania i koszty energii/prądu; 2) zaciekłą konkurencję cenową w usługach chmurowych; 3) niepewne tempo monetyzacji AI i licencjonowania modeli; 4) potencjalne przeszkody regulacyjne i dotyczące lokalizacji danych; 5) wahania w łańcuchu dostaw i cenach/popycie na chipy. Jeśli popyt na AI wzrośnie wolniej lub marże się skurczą, te dolary mogą nie przełożyć się na proporcjonalne zyski, nawet przy skali. Brakujący kontekst: koszty operacyjne, chłodzenie, konserwacja i czas wprowadzenia na rynek rentownych ofert opartych na AI. Katalizatorem pozostaje popyt, a nie tylko wydatki kapitałowe.
Byczy kontrargument: ta biesiada wydatków kapitałowych to strategiczne ćwiczenie w budowaniu fosy; jeśli obciążenia AI skalują się szybciej niż oczekiwano, te platformy mogą zdobyć siłę cenową i lepszą monetyzację, generując ponadprzeciętny zwrot z zainwestowanego kapitału (ROIC).
"Integracja pionowa w konsumpcji produktów AI zmniejsza ryzyko nadmiernego obciążenia wydatkami kapitałowymi w porównaniu do czystych inwestycji w infrastrukturę, ale nie rozwiązuje problemu monetyzacji."
ChatGPT poprawnie wskazuje ryzyko monetyzacji, ale nie docenia strukturalnej przewagi, o której nikt nie wspomniał: te cztery firmy kontrolują zarówno podaż, jak i popyt. Nie są pasywnymi dostawcami infrastruktury — budują centra danych do uruchamiania własnych produktów AI (Copilot, Claude, Gemini, LLaMA). Wewnętrzne poziomy wykorzystania są znacznie wyższe niż w chmurze zewnętrznych dostawców. To nie eliminuje ryzyka zwrotu z inwestycji, ale znacząco zmniejsza ryzyko „zbuduj to, a oni przyjdą”, którego obawiał się Gemini.
"Wewnętrzne wykorzystanie AI grozi kanibalizacją istniejących, wysokomarżowych przychodów zamiast generowania dodatkowej monetyzacji."
Punkt Claude'a dotyczący wewnętrznych progów popytu pomija fakt, że oferty AI tych firm kanibalizują ich własne, wysokomarżowe przychody z oprogramowania, zamiast tworzyć nowe wydatki. Na przykład Copilot firmy MSFT jest pakowany w istniejące subskrypcje przy minimalnej cenie dodatkowej, ograniczając możliwość monetyzacji infrastruktury na dużą skalę. Ta dynamika może przyspieszyć nadmierne obciążenie wydatkami kapitałowymi, które zasygnalizowałem wcześniej, jeśli chęć płacenia przez przedsiębiorstwa nie wzrośnie.
"Przejście na rozliczanie AI oparte na użyciu prawdopodobnie zrekompensuje obawy dotyczące kanibalizacji oprogramowania, rozszerzając ogólny rynek."
Grok, twoja teoria kanibalizacji ignoruje ewolucję „oprogramowania jako usługi”. MSFT i GOOGL nie sprzedają tylko funkcji; fundamentalnie zmieniają swoje struktury kosztów w kierunku stosów natywnych dla AI. Jeśli pomyślnie przejdą z tradycyjnych modeli subskrypcyjnych na rozliczanie oparte na użyciu AI, „kanibalizacja”, której się obawiasz, staje się masowym rozszerzeniem całkowitego rynku docelowego. Prawdziwym ryzykiem nie jest kanibalizacja — jest to potencjalna utrata siły cenowej przez te firmy, jeśli modele open-source, takie jak LLaMA, skomodyfikują podstawową warstwę inteligencji.
"Ceny AI oparte na użyciu mogą odblokować TAM i ROIC, kompensując ryzyka kanibalizacji i wspierając silniejszą monetyzację, nawet jeśli wewnętrzny popyt ucierpi."
Grok, twoje obawy dotyczące kanibalizacji mogą być uzasadnione w odniesieniu do marż tradycyjnego oprogramowania, ale ignorują realną zaletę: firmy będące wiodącymi graczami przechodzą na rozliczanie AI oparte na użyciu, zakotwiczone w zyskach z produktywności, co powinno rozszerzyć TAM i ROIC pomimo wewnętrznego popytu. Większym ryzykiem pozostaje energia, niezawodność zasilania i czas trwania wydatków kapitałowych — jeśli te czynniki wzrosną, mnożniki skurczą się nawet przy wyższym wykorzystaniu. Więc tak, kanibalizacja ma znaczenie, ale potencjalny zysk z innowacji cenowych jest prawdopodobnie niedoceniany.
Panelistów zgadzają się, że projekcja wydatków kapitałowych w wysokości 5,3 biliona dolarów sygnalizuje znaczące zaangażowanie w infrastrukturę AI, ale widoczność zwrotu z inwestycji i wskaźniki wykorzystania pozostają głównymi obawami. Kluczowa debata dotyczy tego, czy firmy te zdołają skutecznie monetyzować swoje inwestycje w AI i uniknąć „nadmiernego obciążenia wydatkami kapitałowymi”.
Rozszerzenie całkowitego rynku docelowego poprzez udane przejście na rozliczanie AI oparte na użyciu.
Poważne skurczenie się marż z powodu wyścigu zbrojeń sprzętowych i potencjalnego niedostatecznego wykorzystania centrów danych.