Goldman Sachs anslår at kapitalutgiftene til AI-infrastruktur vil nå 1,2 billioner dollar innen 2027. Banken advarer om at utgiftsøkningen kan belaste energiresursene, øke avhengigheten av gjeld og legge press på hyperscalernes inntektsvekst. Ifølge selskapet er energi i ferd med å bli en sentral flaskehals for utvidelsen.
Utbyggingen på 1,2 billioner dollar
Goldman Sachs forventer at selskaper vil pumpe 1,2 billioner dollar inn i AI-infrastruktur innen 2027. Tallet dekker datasentre, brikker og nettverksutstyr som trengs for å trene og kjøre store AI-modeller. Anslaget understreker hvor raskt teknologien har beveget seg fra forskningslaboratorier til industriell skala.
Men banken ser ikke på utgiftene som risikofrie. I sin vurdering peker den på at investeringsomfanget kan belaste energiresursene og øke gjeldsavhengigheten – to begrensninger som sjelden dukker opp i optimistiske AI-prognoser.
Energi: den stille flaskehalsen
Energi er i ferd med å bli en sentral flaskehals for utvidelsen av AI-infrastruktur, ifølge Goldman Sachs. Datasentre bruker allerede enorme mengder strøm, og den neste bølgen av AI-spesialiserte anlegg forventes å kreve enda mer. I mange regioner er ikke strømnettet utstyrt for å håndtere belastningen uten betydelige oppgraderinger.
Bankens advarsel antyder at den begrensende faktoren for AI-vekst kanskje ikke er brikketilgang eller kapital, men evnen til å generere og levere nok elektrisitet. Det skiftet vil sette kraftselskaper, regulatorer og energimarkeder i sentrum av AI-historien.
Gjeldsdrevet utvidelse reiser spørsmål
Goldman Sachs påpeker også at den anslåtte utgiftsøkningen kan øke gjeldsavhengigheten. Å bygge AI-infrastruktur i denne skalaen krever massive forhåndsinvesteringer, og selskaper kan ty til låneopptak for å finansiere det. Det øker innsatsen hvis inntektsveksten ikke materialiserer seg så raskt som håpet.
Bekymringen er ikke abstrakt. Hvis hyperscalere – de store skyleverandørene som driver mye av utbyggingen – opplever press på inntektsveksten, kan det bli vanskeligere å betjene gjelden. Bankens notat knytter disse trådene sammen: høye utgifter, energibegrensninger og gjeldsbyrde danner en risikotrekant.
Press på hyperscalere
De samme utgiftene som driver AI-fremgangen, kan legge press på hyperscalernes inntektsvekst. Disse selskapene forventes å lede infrastruktursatsingen, men kostnadene er enorme. Goldman Sachs spesifiserer ikke hvilke selskaper det gjelder eller hvor stort presset vil bli, men implikasjonen er klar: økonomien i AI-infrastruktur er ikke garantert å fungere i alles favør.
Hyperscalere har vært blant de mest entusiastiske utgiverne på AI, men bankens anslag tyder på at entusiasmen har en balansepost. Hvis inntektsveksten avtar mens kapitalutgiftene forblir høye, må gapet håndteres – gjennom prising, kostnadskutt eller ytterligere finansiering.
Hva man bør følge med på
Goldman Sachs' anslag på 1,2 billioner dollar for 2027 er en prognose, ikke en visshet. Den virkelige testen blir om energiinfrastrukturen kan holde tritt, og om selskapene kan finansiere utbyggingen uten å overstrekke seg. Foreløpig setter bankens notat et tall på AI-boomen og navngir begrensningene som kan bremse den.
Investorer og operatører vil følge hyperscalernes kvartalsrapporter for tegn på inntektspress. Energiregulatorer og kraftselskaper vil møte spørsmål om nettkapsitet. Og gjeldsmarkedene vil vise om långivere fortsatt er villige til å finansiere neste fase av AI-infrastrukturen – eller om kapitalkostnaden begynner å bite.
