Όταν η AI χρηματοδοτεί την ίδια τη ζήτησή της
Η αγορά μπορεί να είναι πραγματική και ταυτόχρονα οικονομικά υπερθερμασμένη
Η τεχνητή νοημοσύνη είναι ακριβό σπορ. Αυτό ήταν γνωστό από την πρώτη στιγμή. Η ανάπτυξη των μοντέλων, η αγορά των chips, η κατασκευή των data centers, η ενέργεια και η ψύξη απαιτούν κεφάλαια σε κλίμακα που ελάχιστες εταιρείες μπορούν να υποστηρίξουν.
Το τελευταίο διάστημα, όμως, παρατηρούμε κάτι ακόμη πιο ενδιαφέρον από το μέγεθος των επενδύσεων: τον τρόπο με τον οποίο αυτές χρηματοδοτούνται.
Οι εταιρείες που κατασκευάζουν την τεχνολογία δεν περιορίζονται πλέον στην πώλησή της. Επενδύουν στους πελάτες τους, εγγυώνται τη χρηματοδότηση των υποδομών τους, αναλαμβάνουν μακροχρόνιες μισθώσεις και συμμετέχουν στη δημιουργία των σχημάτων που τελικά θα αγοράσουν τα δικά τους προϊόντα.
Με απλά λόγια, οι προμηθευτές της AI αρχίζουν να χρηματοδοτούν και τη ζήτηση για την AI.
Αυτό δεν σημαίνει απαραίτητα ότι υπάρχει απάτη. Δεν σημαίνει ότι οι πωλήσεις είναι εικονικές ή ότι η τεχνολογία δεν έχει πραγματική αξία. Δημιουργεί, όμως, ένα κρίσιμο ερώτημα:
Όταν ο προμηθευτής χρηματοδοτεί τον πελάτη που θα αγοράσει τα προϊόντα του, σε ποιο βαθμό οι πωλήσεις εξακολουθούν να αποτελούν ανεξάρτητη απόδειξη πραγματικής και οικονομικά βιώσιμης ζήτησης;
Οι συμφωνίες που αλλάζουν την εικόνα
Η AMD ανακοίνωσε επίσημα ότι θα επενδύσει έως 5 δισεκατομμύρια δολάρια στην Anthropic. Παράλληλα, η Anthropic σχεδιάζει να εγκαταστήσει έως δύο gigawatts υποδομής βασισμένης στα AMD Instinct GPUs, με το πρώτο gigawatt να αναμένεται μέσα στο πρώτο εξάμηνο του 2027.
Δεν πρόκειται απλώς για μια επένδυση σε μια πολλά υποσχόμενη εταιρεία AI. Η AMD επενδύει σε έναν οργανισμό που ταυτόχρονα δεσμεύεται να γίνει ένας από τους μεγαλύτερους πελάτες της, αγοράζοντας εξοπλισμό αξίας δεκάδων δισεκατομμυρίων δολαρίων. Η επένδυση και η πώληση αποτελούν διαφορετικές συναλλαγές, αλλά οικονομικά ανήκουν στην ίδια σχέση. AMD, Reuters
Ακόμη μεγαλύτερη είναι η κλίμακα των συζητήσεων που φέρεται να πραγματοποιούνται ανάμεσα στη Nvidia και την OpenAI. Σύμφωνα με δημοσιογραφικές πληροφορίες, η Nvidia εξετάζει την παροχή εγγυήσεων για χρηματοδότηση περίπου 250 δισεκατομμυρίων δολαρίων, στο πλαίσιο της κατασκευής ενός data center ισχύος 10 gigawatts στο Οχάιο. Μαζί με τον τεχνολογικό εξοπλισμό, το συνολικό κόστος του έργου θα μπορούσε να ξεπεράσει τα 500 δισεκατομμύρια δολάρια.
Οι πληροφορίες αυτές αφορούν συζητήσεις και όχι μια οριστικοποιημένη συμφωνία. Η κατεύθυνση, ωστόσο, έχει ιδιαίτερη σημασία: ο μεγαλύτερος προμηθευτής AI chips στον κόσμο θα μπορούσε να χρησιμοποιήσει τη χρηματοοικονομική ισχύ του για να καταστήσει εφικτή την κατασκευή μιας υποδομής που θα χρειαστεί τεράστιες ποσότητες από τα δικά του προϊόντα. Reuters
Παράλληλα, η Nvidia φέρεται να βρίσκεται πίσω από μακροχρόνιες μισθώσεις για ένα data center της Hut 8 στο Τέξας. Η αρχική αξία των συμβάσεων έχει αναφερθεί στα 19,6 δισεκατομμύρια δολάρια για δεκαπέντε χρόνια και θα μπορούσε, μαζί με τις ανανεώσεις, να φτάσει περίπου τα 50 δισεκατομμύρια. Η ταυτότητα του μισθωτή δεν έχει επιβεβαιωθεί επίσημα από τις εμπλεκόμενες εταιρείες. Αν όμως οι πληροφορίες αποδειχθούν ακριβείς, θα έχουμε ακόμη μία περίπτωση στην οποία ο κατασκευαστής των chips δεν περιμένει απλώς να δημιουργηθεί η υποδομή, αλλά βοηθά ενεργά να καταστεί οικονομικά εφικτή. Reuters
Καμία από αυτές τις συμφωνίες δεν αποδεικνύει από μόνη της ότι υπάρχει πρόβλημα. Μαζί, όμως, δείχνουν ότι τα όρια ανάμεσα στον προμηθευτή, στον επενδυτή, στον χρηματοδότη, στον πελάτη και στον διαχειριστή της υποδομής γίνονται όλο και πιο δυσδιάκριτα.
Ο κύκλος της χρηματοδοτούμενης ζήτησης
Η οικονομική αλυσίδα λειτουργεί περίπου ως εξής:
Ο κατασκευαστής των chips επενδύει σε μια εταιρεία AI ή εγγυάται τη χρηματοδότησή της. Η εταιρεία AI δεσμεύεται να αγοράσει τεράστια υπολογιστική ισχύ. Οι εταιρείες data centers και cloud υποδομών χρησιμοποιούν αυτές τις δεσμεύσεις για να εξασφαλίσουν δάνεια και επενδυτικά κεφάλαια. Μεγάλο μέρος των χρημάτων που αντλούνται καταλήγει στην αγορά chips και συστημάτων από τον αρχικό προμηθευτή.
Οι πωλήσεις του προμηθευτή αυξάνονται και παρουσιάζονται ως απόδειξη ότι η ζήτηση για AI παραμένει εκρηκτική. Η ισχυρότερη οικονομική του θέση και η υψηλότερη αποτίμησή του τού επιτρέπουν να χρηματοδοτήσει τον επόμενο πελάτη και το επόμενο έργο.
Οι συναλλαγές είναι πραγματικές. Τα chips κατασκευάζονται, τα data centers δημιουργούνται και οι υπολογιστικές εργασίες εκτελούνται. Δεν μιλάμε, επομένως, για φανταστικές πωλήσεις.
Μιλάμε για κάτι πιο σύνθετο: διαφορετικά σημεία της ίδιας οικονομικής αλυσίδας εμφανίζονται συχνά ως ανεξάρτητες επιβεβαιώσεις της ζήτησης, ενώ στην πραγματικότητα χρηματοδοτούν και ενισχύουν το ένα το άλλο.
Αν αφαιρούσαμε από την εξίσωση τις στρατηγικές επενδύσεις, τις εγγυήσεις, τις μακροχρόνιες δεσμεύσεις, τον δανεισμό και την υπόσχεση μελλοντικών αγορών, πόσο μεγάλο μέρος της σημερινής ζήτησης για AI υποδομή θα μπορούσε ήδη να σταθεί μόνο του;
Αυτό είναι το ερώτημα που δεν απαντάται από το ύψος των επενδύσεων ούτε από τον αριθμό των chips που πωλούνται.
Γιατί αυτό δεν είναι αυτομάτως μια «φούσκα»
Η χρηματοδότηση πελατών από τους ίδιους τους προμηθευτές τους δεν αποτελεί καινούργια πρακτική. Εφαρμόζεται εδώ και δεκαετίες στις αερομεταφορές, στις τηλεπικοινωνίες, στην ενέργεια και στη βαριά βιομηχανία.
Ένας κατασκευαστής μπορεί να διαθέτει ισχυρότερο ισολογισμό από τους πελάτες του και να τους βοηθά να ξεπεράσουν το αρχικό κόστος μιας επένδυσης. Αν η δραστηριότητα που δημιουργείται παράγει επαρκή έσοδα, ο πελάτης αποπληρώνει τη χρηματοδότηση, ο προμηθευτής πραγματοποιεί πραγματικές πωλήσεις και η αγορά αναπτύσσεται.
Το ίδιο μπορεί να συμβεί και στην AI.
Υπάρχει πραγματική χρήση. Εκατομμύρια άνθρωποι χρησιμοποιούν καθημερινά τα μοντέλα. Επιχειρήσεις ενσωματώνουν AI εργαλεία στις διαδικασίες τους. Τα APIs εξυπηρετούν διαρκώς περισσότερες εφαρμογές. Η εκπαίδευση των μοντέλων απαιτεί σημαντικούς υπολογιστικούς πόρους, ενώ η εξάπλωση της χρήσης αυξάνει και τις ανάγκες για inference.
Δεν έχουμε, επομένως, μια αγορά χωρίς προϊόν ή χωρίς πελάτες.
Η ύπαρξη πραγματικής χρήσης, όμως, δεν αποδεικνύει από μόνη της την οικονομική βιωσιμότητα της υποδομής που κατασκευάζεται για να την υποστηρίξει.
Ένα προϊόν μπορεί να έχει τεράστια απήχηση και ταυτόχρονα να προσφέρεται σε τιμή χαμηλότερη από το πραγματικό του κόστος. Μπορεί να παράγει κοινωνική, επιστημονική ή επιχειρησιακή αξία, χωρίς τα αντίστοιχα έσοδα να επαρκούν για την αποπληρωμή εκατοντάδων δισεκατομμυρίων δολαρίων σε υποδομές.
Άλλο η τεχνολογική χρησιμότητα. Άλλο η εμπορική ζήτηση. Και άλλο η ικανότητα αυτής της ζήτησης να χρηματοδοτεί ολόκληρο το σύστημα που τη στηρίζει.
Το ζήτημα δεν είναι αν η AI θα πετύχει
Η δημόσια συζήτηση παγιδεύεται συχνά σε δύο ακραίες θέσεις.
Από τη μία βρίσκονται όσοι θεωρούν ότι κάθε νέα επένδυση επιβεβαιώνει πως η AI θα μεταμορφώσει τα πάντα και ότι το μέγεθος της υποδομής αποτελεί απόδειξη της αναπόφευκτης επιτυχίας της.
Από την άλλη βρίσκονται όσοι αντιμετωπίζουν κάθε ένδειξη υπερβολής ως απόδειξη ότι ολόκληρη η AI είναι μια φούσκα που αργά ή γρήγορα θα καταρρεύσει.
Η πραγματικότητα μπορεί να είναι πολύ λιγότερο βολική και για τις δύο πλευρές.
Η AI μπορεί να αποτελέσει μία από τις σημαντικότερες τεχνολογικές εξελίξεις της εποχής μας και ταυτόχρονα να κατασκευάζεται περισσότερη υποδομή από όση μπορεί σήμερα να δικαιολογήσει οικονομικά.
Το διαδίκτυο άλλαξε οριστικά τον κόσμο, αλλά αυτό δεν απέτρεψε την κατάρρευση χιλιάδων εταιρειών κατά την περίοδο του dot-com. Οι σιδηρόδρομοι μετασχημάτισαν τις οικονομίες, αλλά μεγάλα τμήματα του δικτύου τους αποδείχθηκαν κακές επενδύσεις. Μια τεχνολογία μπορεί να κερδίσει ιστορικά, ενώ πολλοί από εκείνους που χρηματοδότησαν την υπερβολική ανάπτυξή της χάνουν οικονομικά.
Δεν χρειάζεται, λοιπόν, να αποτύχει η AI για να αποδειχθούν υπερβολικές ορισμένες σημερινές επενδύσεις.
Αρκεί τα πραγματικά έσοδα από επιχειρήσεις και καταναλωτές να μην αυξηθούν αρκετά γρήγορα ώστε να καλύψουν την κατασκευή των data centers, το κόστος της ενέργειας, την ψύξη, τον δανεισμό, τη λειτουργία, τη συντήρηση και τη συνεχή αντικατάσταση του τεχνολογικού εξοπλισμού.
Υποδομές δεκαετιών, τεχνολογία λίγων ετών
Υπάρχει και μία ακόμη αντίφαση που δεν πρέπει να αγνοείται.
Τα data centers, τα ενεργειακά έργα και τα δίκτυα μεταφοράς χρηματοδοτούνται με χρονικό ορίζοντα πολλών ετών ή ακόμη και δεκαετιών. Τα chips που τοποθετούνται μέσα σε αυτά έχουν πολύ μικρότερο οικονομικό κύκλο ζωής.
Μια νέα γενιά επεξεργαστών μπορεί να αλλάξει δραστικά την απόδοση, την ενεργειακή κατανάλωση και το κόστος ανά υπολογιστική εργασία. Νέες αρχιτεκτονικές ή αποδοτικότερα μοντέλα μπορούν να περιορίσουν την απαιτούμενη ισχύ για το ίδιο αποτέλεσμα. Η μείωση του κόστους του inference μπορεί να αυξήσει τη συνολική χρήση, αλλά ταυτόχρονα να αλλάξει την οικονομική αξία υποδομών που σχεδιάστηκαν με βάση τις σημερινές τιμές και απαιτήσεις.
Τα κτίρια και τα ενεργειακά έργα θα εξακολουθούν να υπάρχουν. Το ερώτημα είναι αν ο εξοπλισμός και το οικονομικό μοντέλο πάνω στα οποία βασίστηκε η χρηματοδότησή τους θα εξακολουθούν να είναι εξίσου ανταγωνιστικά.
Ο κίνδυνος δεν είναι μόνο η έλλειψη ζήτησης. Είναι και η τεχνολογική απαξίωση πριν από την οικονομική απόσβεση.
Ποιος αναλαμβάνει τελικά το ρίσκο;
Όσο οι εταιρείες AI, οι κατασκευαστές chips και οι μεγάλοι cloud providers χρηματοδοτούν τις επενδύσεις με δικά τους κεφάλαια, το ρίσκο παραμένει σχετικά ορατό.
Όσο όμως οι επενδύσεις μεταφέρονται σε ειδικά χρηματοδοτικά σχήματα, operators, funds, τράπεζες, αγορές ομολόγων και μακροχρόνιες εγγυήσεις, το ρίσκο διαχέεται. Η εικόνα της τεχνολογικής ανάπτυξης παραμένει στην πρώτη γραμμή, ενώ οι οικονομικές υποχρεώσεις κατανέμονται σε περισσότερους οργανισμούς και σε πολύ μεγαλύτερο χρονικό ορίζοντα.
Αυτό μπορεί να κάνει την επέκταση ταχύτερη. Μπορεί, όμως, να κάνει και την πραγματική έκθεση του συστήματος δυσκολότερο να αξιολογηθεί.
Ποιος θα καλύψει το κόστος αν μια εταιρεία AI δεν δημιουργήσει τα αναμενόμενα έσοδα; Τι θα συμβεί αν μια μακροχρόνια μίσθωση δεν μπορεί να εξυπηρετηθεί; Ποια είναι η αξία ενός εξειδικευμένου data center αν ο βασικός πελάτης του περιορίσει τις ανάγκες του; Και πόσο ανεξάρτητη είναι η αποτίμηση του κινδύνου όταν ο προμηθευτής που ωφελείται από την κατασκευή της υποδομής εγγυάται και τη χρηματοδότησή της;
Οι απαντήσεις δεν είναι ακόμη γνωστές. Το γεγονός όμως ότι δεν είναι γνωστές δεν δικαιολογεί την παράβλεψη των ερωτημάτων.
Η αγορά δεν χρειάζεται να είναι ψεύτικη για να είναι υπερθερμασμένη
Η ουσία δεν είναι να βαφτίσουμε την AI «φούσκα». Ένας τέτοιος χαρακτηρισμός θα ήταν πρόωρος, απλοϊκός και πιθανότατα λανθασμένος ως συνολική περιγραφή μιας τεχνολογίας με ήδη πραγματικές και σημαντικές εφαρμογές.
Η ουσία είναι να διακρίνουμε τρία διαφορετικά πράγματα:
Την τεχνολογική αξία της AI.
Την πραγματική χρήση των προϊόντων της.
Και την οικονομική βιωσιμότητα της υποδομής που κατασκευάζεται γύρω της.
Τα τρία αυτά στοιχεία συνδέονται, αλλά δεν ταυτίζονται.
Η AI μπορεί να είναι χρήσιμη χωρίς κάθε εφαρμογή της να είναι κερδοφόρα. Μπορεί να γνωρίζει εντυπωσιακή αύξηση χρήσης χωρίς οι σημερινές τιμές να καλύπτουν το συνολικό κόστος. Και μπορεί να αποτελεί το μέλλον της τεχνολογίας χωρίς κάθε data center, χρηματοδοτικό σχήμα ή επενδυτική αποτίμηση που δημιουργείται σήμερα να αποδειχθεί βιώσιμη.
Όταν οι προμηθευτές επενδύουν στους πελάτες τους, η ζήτηση δεν παύει να είναι πραγματική. Παύει όμως να είναι πλήρως ανεξάρτητη από εκείνους που την παρουσιάζουν ως απόδειξη της ανάπτυξης της αγοράς.
Αυτό είναι το σημείο που χρειάζεται μεγαλύτερη διαφάνεια και σοβαρότερη αξιολόγηση.
Όχι μόνο πόσα chips πωλήθηκαν.
Όχι μόνο πόσα gigawatts ανακοινώθηκαν.
Όχι μόνο πόσα δισεκατομμύρια δεσμεύτηκαν.
Αλλά πόση πραγματική οικονομική αξία παράγεται στο τέλος της αλυσίδας και αν αυτή η αξία επαρκεί ώστε ολόκληρο το οικοσύστημα να συνεχίσει να λειτουργεί χωρίς να χρειάζεται διαρκώς νέα χρηματοδότηση από τους ίδιους παίκτες.
Γιατί το κρίσιμο ερώτημα δεν είναι αν η τεχνητή νοημοσύνη δημιουργεί ζήτηση.
Είναι αν δημιουργεί ήδη αρκετή ανεξάρτητη αξία για να πληρώσει το τεράστιο οικοδόμημα που κατασκευάζεται στο όνομά της.