AI-boomen står inför sitt stora test: vem ska betala?

AI-kapplöpningen har blivit en av historiens största investeringsvågor.

Google, Microsoft, Amazon och andra techjättar bygger datacenter, köper AI-chip och säkrar enorma mängder elektricitet för att möta den väntade efterfrågan på artificiell intelligens.

Men kostnaderna växer så snabbt att ekonomer börjar ställa en allt viktigare fråga: kan AI skapa tillräckligt mycket pengar innan investeringarna måste börja betala sig?

En analys från Bain & Company som Reuters hänvisar till uppskattar att hyperscalers och andra företag i AI-kapplöpningen behöver hitta mer än 4,2 biljoner dollar i nya intäkter under de kommande fem åren för att finansiera utbyggnaden.

Läs även: Nvidia bygger en nödbroms för AI-agenter

Datacenter kan kosta över 31 biljoner dollar

Investeringarna väntas dessutom fortsätta långt efter de kommande fem åren.

PwC uppskattar att det globalt kan investeras omkring 31,6 biljoner dollar i datacenter fram till 2050. Bara under 2026 väntas de årliga investeringarna ligga på omkring 800 miljarder dollar, för att enligt prognosen öka till 1,8 biljoner dollar per år 2050.

En stor anledning är att ett datacenter inte är en engångsinvestering.

Själva byggnaden kan stå i årtionden, men servrar, GPU och annan hårdvara måste bytas ut betydligt oftare. PwC räknar med att AI-hårdvara normalt behöver förnyas ungefär vart fjärde till sjätte år.

Det gör AI-utbyggnaden annorlunda jämfört med exempelvis järnvägar och äldre internetinfrastruktur. När datacentret väl är byggt fortsätter det att kräva nya miljardinvesteringar i hårdvara.

PwC beskriver därför den pågående satsningen som större än tidigare infrastrukturvågor som järnvägsutbyggnaden och internetboomen.

Produktivitetsvinsterna måste komma snabbt

Problemet är att de ekonomiska effekterna hittills inte vuxit lika snabbt som investeringarna.

JP Morgan konstaterade i augusti att breda produktivitetsökningar i USA fortfarande är svåra att se, enligt Reuters.

Banken har bland annat räknat på Nvidia och kommit fram till att den amerikanska produktiviteten skulle behöva öka med omkring 3 till 5 procent per år under det kommande decenniet för att motivera bolagets värdering.

Det kan jämföras med den amerikanska kongressens budgetkontors långsiktiga grundprognos på omkring 1,75 procents årlig produktivitetsökning.

Även Bain varnar för att effektiviseringar i befintliga branscher sannolikt inte räcker.

För att dagens investeringar ska gå ihop kan det behöva uppstå helt nya marknader kring AI, exempelvis AI-styrda robotar eller snabbare utveckling av nya material och läkemedel.

Det avgörande blir alltså inte bara om AI kan hjälpa anställda att skriva mejl eller kod snabbare. Tekniken behöver skapa helt nya intäktsströmmar i mycket stor skala.

Läs även: OpenAI:s säkerhetsansvariga hoppar av

Historien visar att det kan ta årtionden

Det betyder däremot inte nödvändigtvis att AI-satsningen kommer att misslyckas.

Cambridge-ekonomen Diane Coyle påpekar för Reuters att stora tekniska revolutioner historiskt ofta har behövt mellan 10 och 50 år innan produktivitetsvinsterna slagit igenom fullt ut.

Problemet för dagens AI-bolag är att deras ekonomiska tidsplan kan vara betydligt kortare.

Datacenter finansieras, lån ska betalas tillbaka och investerare förväntar sig avkastning långt innan flera årtionden har passerat.

Anthropic ger ett tydligt exempel på storleken på satsningarna. Enligt bolagets börsprospekt, som Reuters tagit del av, planerar Claude-utvecklaren investeringar på omkring 518 miljarder dollar under kommande år. Det motsvarar mer än 100 gånger bolagets intäkter under 2025.

Samtidigt finns en historisk lärdom för både optimister och skeptiker.

Järnvägsboomen på 1800-talet gjorde många investerare ruinerade, men järnvägarna förändrade ändå ekonomin. Dotcom-bubblan slog ut mängder av internetbolag, men internet fortsatte att växa.

Samma sak kan hända med AI. Tekniken kan förändra samhället i grunden även om dagens investeringar visar sig vara för stora, vissa AI-bolag försvinner och investerare förlorar pengar på vägen.

Den verkliga kapplöpningen handlar därför inte bara om vem som bygger den bästa AI-modellen. Den handlar också om huruvida AI hinner skapa tillräckligt mycket ekonomiskt värde innan räkningarna för den enorma utbyggnaden förfaller.