AI nie zabraknie klientów. Zabraknie jej prądu i czasu w spłatę długu

norbertbiedrzycki.pl 1 dzień temu

Spadki kursów spółek od centrów danych wiele osób odczytało jako pierwszą rysę na bańce AI. Patrzę na te same liczby i widzę coś innego. Popyt jest, i to spory. Kłopot leży gdzie indziej: w samej budowie, w dostępie do prądu i w tym, kto to wszystko sfinansował na kredyt.

Skala, która budzi strach

14 października Gartner opublikował wyliczenie, które obiegło chyba wszystkie serwisy finansowe. W tym roku dostawcy AI wydadzą na infrastrukturę prawie bilion dolarów, a w latach 2027 do 2030 kolejne sześć. Żeby to się spięło, czyli pokryło koszty finansowania i dało 12% zwrotu z kapitału, właściciele centrów danych musieliby do 2030 roku zarobić 8,5 bln USD. Gartner zakłada, iż zarobią najwyżej 3,6 bln. Luka jest większa niż cały PKB Japonii.

Brookings policzył z kolei, iż w latach 2025 do 2032 Amerykanie będą wydawać na infrastrukturę AI średnio 3,63% PKB rocznie. To przeciętnie więcej niż na kolej w XIX wieku czy na światłowody w czasach bańki internetowej.

Nic dziwnego, iż kiedy Vertiv, Eaton i Schneider zaczęły tracić na giełdzie, od razu wróciło porównanie z 2000 rokiem. Kto pracował wtedy w branży, ten pamięta, jak telekomy położyły tysiące kilometrów światłowodów, które potem latami leżały w ziemi nieużywane.

Perez i pytanie, którego brakuje w debacie

Lubię w takich momentach wracać do Carloty Perez. W „Technological Revolutions and Financial Capital” opisała, jak przebiegają wielkie rewolucje technologiczne. Najpierw jest faza instalacji: kapitał zalewa nową infrastrukturę, wyceny odlatują i w końcu przychodzi krach. Dopiero po nim zaczyna się faza wdrożenia, kiedy technologia naprawdę wchodzi do gospodarki i zaczyna na siebie zarabiać. Tak było z koleją i tak było z internetem.

Cała debata o bańce AI zakłada, iż jesteśmy gdzieś w środku tej pierwszej fazy, a krach to kwestia czasu. Mam wrażenie, iż coś się tu nie zgadza. Coraz więcej wskazuje na to, iż tym razem obie fazy idą równolegle.

Kilka danych. Pustostany w centrach danych w Ameryce Północnej to 1,4%, chociaż podaż mocy urosła w rok o ponad jedną trzecią. Nowe budynki znajdują najemców od razu. 15 października Jensen Huang powiedział, iż Nvidia nie nadąża z dostawami chipów. Tokeny tanieją, a wynajem najnowszych GPU (B200, B300) drożeje. Prognozy capexu hiperskalerów na 2027 rok są dziś dwa razy wyższe niż rok temu, a przez ostatnie lata analitycy raczej je zaniżali, niż zawyżali.

W 2000 roku światłowody czekały na użytkowników. Dziś to użytkownicy czekają na centra danych.

Żeby była jasność: to wcale nie obala wyliczeń Gartnera. Gartner nigdzie nie pisze, iż zabraknie chętnych. Pisze, iż nie wróci kapitał, a to dwie różne sprawy. Centrum danych może być wynajęte do ostatniej szafy i dalej przynosić straty, jeżeli sprzęt w środku zestarzeje się szybciej, niż zdąży na siebie zarobić. Dlatego w debacie o bańce bardziej interesuje mnie, kto i na jakich warunkach pożyczył pieniądze, żeby ten popyt obsłużyć.

Co widzę w firmach

W spółkach portfelowych funduszy PE i u klientów, z którymi pracuję, widzę jeszcze jedną rzecz, o której raporty piszą mało. Tokenów zużywa się tak dużo, iż rachunki za AI rosną, chociaż cena za jednostkę spada. I firmy zaczęły liczyć. Każde zastosowanie AI musi dziś obronić swoje ROI. Zdarza się, iż taniej wychodzi zatrudnić doświadczonego programistę niż przepalać tokeny, i wtedy firmy po prostu tak robią.

Ktoś powie, iż to znak słabnącego popytu. Coś w tym jest, bo popyt na AI wyraźnie reaguje na cenę, a to ogranicza przychody, na które liczą właściciele infrastruktury. Ja widzę w tym jednak głównie dojrzewanie rynku. Kończy się etap „AI wszędzie”, zaczyna „AI tam, gdzie się zwraca”. W języku Perez to właśnie początek fazy wdrożenia. Na takim popycie da się budować biznes dłużej niż na entuzjazmie.

Prawdziwy problem: wykonanie

Najwięcej ryzyka widzę w samym budowaniu. Brzmi to mniej efektownie niż bańka, ale tak to wygląda.

Według Goldman Sachs z 2,3 bln USD inwestycji w centra danych zapowiedzianych na świecie faktycznie budowane są projekty za 492 mld. Reszta jest na papierze. Koszty rosną szybciej niż ceny materiałów budowlanych. Rozdzielnice są dziś o 60% droższe niż pod koniec 2021 roku, transformatory, generatory i chłodzenie o mniej więcej 30%. Megawat mocy kosztował przed pandemią około 7 mln USD, dziś średnio 11,3 mln, a w centrach danych 15 do 20 mln.

Do tego prąd. Morgan Stanley w scenariuszu bazowym liczy, iż do 2029 roku w samych Stanach zabraknie dla centrów danych około 76,5 GW mocy. Dla porównania: mniej więcej tyle mają wszystkie elektrownie w Polsce razem.

Chętnych do inwestowania nie brakuje. Brakuje prądu i sprzętu, które da się fizycznie dostarczyć na czas.

Trzy warstwy, trzy różne ryzyka

Zamiast więc pytać, czy to bańka, wolę rozłożyć ten rynek na warstwy, bo każda ma zupełnie inny profil ryzyka.

Hiperskalerzy, czyli Amazon, Microsoft, Google i Meta, są w najwygodniejszej sytuacji. Mają kapitał, klientów i mocną pozycję w negocjacjach. Kiedy projekt się sypie, mogą się wycofać. Z doniesień prasowych wynika, iż tak zrobił Microsoft w Loughton pod Londynem, gdzie miał być głównym najemcą centrum Nscale, a przyłącze do sieci przesunęło się na lata 30. Ryzyko zostaje u kogoś niżej w łańcuchu.

Najbardziej narażone są neocloudy. CoreWeave miał na koniec czerwca około 35 mld USD długu i kapitał własny w okolicach 5 mld. Do tego sprzęt, który gwałtownie traci wartość, i portfel zamówień w dużej części warunkowy. Każde opóźnienie boli tu podwójnie. Gartner przewiduje, iż do 2030 roku ponad 80% neocloudów straci samodzielność. jeżeli gdzieś coś pęknie, to moim zdaniem właśnie tutaj, i to choćby przy pełnym obłożeniu. Po prostu zabraknie czasu w spłatę.

Ciekawie wygląda sytuacja dostawców infrastruktury fizycznej, czyli zasilania, chłodzenia i rozdzielnic. Im opóźnienia wręcz pomagają. Dobrze widać to na Vertiv. W drugim kwartale przychody urosły o 24%, ale były o około 110 mln USD niższe od oczekiwań analityków, bo duże, wieloetapowe projekty się przeciągnęły, a łańcuch dostaw się zatkał. Kurs spadł w jeden dzień o 17%, chociaż zysk na akcję był lepszy od prognoz, a do 20 października akcje straciły w sumie ponad 30%. Rynek ukarał spółkę za harmonogram, choć z popytem wszystko było w porządku.

28 października Vertiv pokazał trzeci kwartał: sprzedaż o 61% wyższa niż rok wcześniej, zamówienia organiczne ponad dwa razy większe, prognoza na cały rok po raz kolejny w górę. Przychody, których zabrakło w lipcu, przyszły kwartał później. Tacy dostawcy mają zamówienia na lata i coraz więcej do powiedzenia w rozmowach o cenach.

Co z tego wynika dla zarządów i funduszy

Pytanie „czy to bańka” kilka daje. Lepiej zapytać, w której warstwie jest moja ekspozycja i jak jest sfinansowana.

Funduszom PE dorzuciłbym jeszcze jedną rzecz. W prawie każdym planie tworzenia wartości opartym na AI siedzi założenie o tym, czy moc obliczeniowa będzie dostępna i ile będzie kosztować. Mało kto je sprawdza, a powinno się je testować tak samo jak kurs walut albo ceny energii. Na radzie nadzorczej zadałbym zarządowi proste pytanie: jaką cenę mocy obliczeniowej wpisaliście do business case i co się stanie, jeżeli wzrośnie o połowę?

Spółki, które już dziś liczą koszt tokenów przy każdym wdrożeniu i świadomie decydują, gdzie model, a gdzie człowiek, są o krok przed resztą. Wcale nie dlatego, iż wydają mniej na AI. Po prostu wiedzą, za co płacą.

Rewolucje technologiczne rzadko przegrywają z brakiem wizji. Częściej z transformatorem, który nie dojechał na czas, albo z kredytem, którego nie udało się spłacić. Strategia AI, która tego nie uwzględnia, jest deklaracją, a nie strategią. Pokora wobec fizyki i bilansu powinna być jej pierwszym rozdziałem.

#AI #CentraDanych #PrivateEquity #Infrastruktura #RadaNadzorcza #TworzenieWartości

– Algorithms born of our prejudices

– Will algorithms commit war crimes?

– Machine, when will you learn to make love to me?

– Artificial Intelligence is a new electricity