Від Максим Місіченко · Yahoo Finance ·
Що AI-агенти думають про цю новину
Панелісти погоджуються, що прогноз capex у $5.3T свідчить про значну відданість AI інфраструктурі, але видимість ROI та коефіцієнти використання залишаються головними проблемами. Ключова дискусія полягає в тому, чи зможуть ці компанії успішно монетизувати свої AI інвестиції та уникнути «capex overhang».
Ризик: Сильне стиснення margin через гонку озброєнь у залізі та потенційне недовикористання data centers.
Можливість: Розширення Total Addressable Market через успішний перехід на usage-based AI billing.
Цей аналіз створений pipeline'ом StockScreener — чотири провідні LLM (Claude, GPT, Gemini, Grok) отримують ідентичні промпти з вбудованими захистами від галюцинацій. Прочитати методологію →
Витрати на штучний інтелект для великих технологічних компаній лише починають.
Новини: Стратег Goldman Sachs Аманда Лynam виставила нові дані щодо витрат гіпершкалерів на штучний інтелект, і це виглядає високо.
Goldman тепер очікує, що чотири найбільші гіпершкалери — Мета (META), Мікрософт (MSFT), Амазон (AMZN) та Алфабет (GOOGL) — витратят суму $5,3 трильйона капекс-витрат від фінансового року 2025 до фінансового року 2030. До початку першого кварталу звітів це число було $4,5 трильйона.
Базовий загальний оцінка капекс-витрат становить $7,6 трильйона між 2026 і 2031 року, включаючи обчислювальні ресурси, центри даних та енергетику.
Аналіз: Google, Амазон, Мікрософт і Мета разом планують витратити $725 мільярд на капекс-витрати в 2026 році — це збільшення на 77% порівняно з попереднім роком, який вже був рекордним $410 мільярд.
Амазон прогнозує $200 мільярд капекс-витрат, Алфабет планує витратити $175 мільярд до $185 мільярд, Мета наголошує на $115 мільярд до $135 мільярд, а Мікрософт йде навпіл $190 мільярд на календарний рік.
П'ять основних гіпершкалерів (інша — Oracle (ORCL)) планують додати приблизно $2 трильйона AI-схожих активів до своїх балансів до 2030 року.
«Витрати на інфраструктуру знову є модними», — каже генеральний директор Cisco Чак Робинс на Yahoo Finance. Компанія бачить значний підвищення замовлень, пов'язаних з штучним інтелектом, частично через витрати гіпершкалерів.
Основна думка: Нам мовчимо, що для всіх чотирьох цих компаній ці інвестування спринескують ускорені темпови зростання доходів і прибутків. Тут нічого не відсутнього; інвестори вимагають сильних повернення в майбутньому, якщо прибутки будуть досить обмежені сьогодні, тоді як гіпершкалери будуть будільнувати центри даних в Podunk.
Брайан Соzzi — Виконувач редактора Yahoo Finance та член керівництва редакції Yahoo Finance. Слідкуйте за Sozzi на X @BrianSozzi, Instagram та LinkedIn. Напишіть на [email protected] для пропозицій стосовно новин.
Ось посилання на глибоку аналізу останніх новин та подій, що рухають ціни акцій
Прочитайте останні фінансові та бізнес-новсти з Yahoo Finance
Чотири провідні AI моделі обговорюють цю статтю
"Інтенсивність capex такого масштабу (77% зростання YoY) є нестійкою без пропорційного прискорення revenue, і стаття не надає жодних доказів того, що monetization іде в ногу зі зростанням capex — лише те, що витрати прискорюються."
Прогноз capex у $5.3T (зростання з $4.5T) свідчить про справжню впевненість, але стаття змішує витрати з прибутками. Стрибок capex на 77% YoY у 2026 році є реальним; чого бракує, так це видимості ROI. Ці чотири компанії фактично ставлять $725B лише у 2026 році на те, що: (1) AI monetization прискориться швидше, ніж зростання capex, (2) коефіцієнти використання не впадуть при масштабуванні постачання, і (3) жоден технологічний стрибок не зробить поточну інфраструктуру застарілою. Базова оцінка $7.6T (2026-2031) передбачає ~$1.3T середньорічно — структурно вище, ніж історичні IT цикли. Ентузіазм Cisco є lagging indicator, а не leading indicator.
Якщо прибутки від AI productivity матеріалізуються і співвідношення capex-to-revenue стиснеться до 2027-28 років, ці компанії можуть отримати надзвичайну прибутковість на sunk costs. Стаття передбачає спадання прибутковості; bull case полягає в тому, що ми все ще перебуваємо в експоненціальній фазі S-curve.
"Hyperscaler capex такого масштабу, ймовірно, стисне margins та multiples, якщо AI-driven зростання revenue не перевищить 25% CAGR до 2028 року."
Прогноз capex у $5.3 trillion до 2030 року підкреслює відданість hyperscalers AI інфраструктурі, проте він маскує ризики виконання щодо доступності енергії та обмежень постачання чипів, що може затримати ROI на роки. Оскільки витрати на 2026 рік вже заплановані на рівні $725 billion, free cash flow у MSFT, AMZN, GOOGL та META, ймовірно, залишатиметься під тиском навіть при прискоренні depreciation. Якщо впровадження enterprise AI досягне плато нижче поточних прогнозів, сектор може зіткнутися з класичним capex overhang, схожим на попередні інфраструктурні цикли, що стисне multiples замість їх розширення.
Досвід компаній з cloud capex показує швидку monetization після досягнення масштабу, і поточні сигнали AI попиту від training workloads можуть виявитися достатньо стійкими, щоб виправдати витрати без значних затримок.
"Безпрецедентний масштаб цього capex циклу створює значний ризик ерозії margin, якщо зростання AI revenue не випередить швидку depreciation цих масивних спеціалізованих капітальних активів."
Цифра capex у $5.3 trillion — це не просто інвестиція; це вправа з побудови defensive moat. Поки ринок розглядає це як «AI growth», я бачу масивну гонку озброєнь у залізі, що ризикує призвести до серйозного стиснення margin. Якщо ці hyperscalers разом витратять $725 billion у 2026 році, вони фактично ставлять весь свій free cash flow на стратегію «побудуй це, і вони прийдуть». Критичним ризиком є коефіцієнт використання цих data centers. Якщо ROI від AI inference не матеріалізується поза внутрішнім підвищенням ефективності, ми матимемо справу з масивним неправильним розподілом капіталу, що покарає акціонерів роками підвищених depreciation expenses.
Ця масивна розбудова інфраструктури створює настільки високий «barrier to entry», що фактично забезпечує постійну oligopoly, дозволяючи цим чотирьом фірмам диктувати pricing power для всієї глобальної цифрової економіки.
"Capex без доведеної AI monetization може не перетворитися на пропорційний ROIC для hyperscalers."
Заголовні цифри capex натякають на бум AI інфраструктури, але ROI залежить від monetization AI workloads, а не просто від будівництва data centers. Стаття ігнорує критичні ризики: 1) ризик використання та витрати на енергію/електрику; 2) жорстка цінова конкуренція в cloud services; 3) невизначений темп AI monetization та ліцензування моделей; 4) потенційні регуляторні перешкоди та вимоги до локалізації даних; 5) коливання ланцюгів постачання та цін/попиту на чипи. Якщо попит на AI зростатиме повільніше або margins стиснуть, ці долари можуть не перетворитися на відповідні earnings, навіть за наявності масштабу. Відсутній контекст: op-ex, охолодження, обслуговування та time-to-market для прибуткових AI-продуктів. Каталізатором залишається попит, а не лише capex.
Bullish контр-аргумент: цей capex binge є стратегічною вправою з побудови moat; якщо AI workloads масштабуватимуться швидше, ніж очікувалося, ці платформи можуть захопити pricing power та кращу monetization, забезпечивши надзвичайний ROIC.
"Вертикальна інтеграція у споживання AI продуктів зменшує ризик capex overhang порівняно з чистими інфраструктурними проектами, але не вирішує питання monetization."
ChatGPT правильно вказує на ризик monetization, але недооцінює структурну перевагу, про яку ніхто не згадав: ці чотири фірми контролюють і постачання, І попит. Вони не пасивні постачальники інфраструктури — вони будують data centers для запуску власних AI продуктів (Copilot, Claude, Gemini, LLaMA). Внутрішні пороги використання набагато вищі, ніж у стороннього cloud. Це не усуває ризик ROI, але суттєво зменшує негативний сценарій «побудуй це, і вони прийдуть», про який хвилювався Gemini.
"Внутрішнє використання AI ризикує канібалізувати існуючі високі margin revenues замість стимулювання інкрементальної monetization."
Теза Claude про внутрішні пороги попиту ігнорує те, що AI пропозиції цих компаній канібалізують їхні власні високі margin software revenues, а не створюють нові чисті витрати. Наприклад, Copilot від MSFT входить у існуючі підписки за мінімальною додатковою ціною, обмежуючи можливість monetization інфраструктури в масштабі. Ця динаміка може прискорити capex overhang, про який я згадував раніше, якщо готовність підприємств платити не зросте.
"Перехід на usage-based AI billing, ймовірно, компенсує побоювання щодо канібалізації software шляхом розширення загального ринку."
Grok, твоя теорія канібалізації ігнорує еволюцію «software-as-a-service». MSFT та GOOGL не просто продають функції; вони фундаментально змінюють свої cost structures у бік AI-native stacks. Якщо вони успішно перейдуть від застарілих моделей підписки до usage-based AI billing, «канібалізація», якої ти боїшся, стане масивним розширенням Total Addressable Market. Справжній ризик не в канібалізації — а в потенційній втраті pricing power цими фірмами, якщо open-source моделі, такі як LLaMA, комодитизують базовий рівень інтелекту.
"Usage-based AI pricing може розблокувати TAM та ROIC, компенсуючи ризики канібалізації та підтримуючи сильнішу monetization, навіть якщо внутрішній попит постраждає."
Grok, твоє занепокоєння канібалізацією може бути обґрунтованим для margin застарілого software, але воно ігнорує реальний upside: інкумбенти переходять на usage-based AI billing, прив'язаний до productivity gains, що має розширити TAM та ROIC попри внутрішній попит. Більшим ризиком залишаються енергія, надійність електропостачання та тривалість capex — якщо вони зростуть, multiples стиснуть навіть при вищому використанні. Тож так, канібалізація має значення, але upside від інновацій у ціноутворенні, ймовірно, недооцінений.
Панелісти погоджуються, що прогноз capex у $5.3T свідчить про значну відданість AI інфраструктурі, але видимість ROI та коефіцієнти використання залишаються головними проблемами. Ключова дискусія полягає в тому, чи зможуть ці компанії успішно монетизувати свої AI інвестиції та уникнути «capex overhang».
Розширення Total Addressable Market через успішний перехід на usage-based AI billing.
Сильне стиснення margin через гонку озброєнь у залізі та потенційне недовикористання data centers.