Αυτή την άνοιξη η McKinsey έκανε μια εξαιρετικά αισιόδοξη πρόβλεψη για τις κεφαλαιουχικές δαπάνες σε τσιπ, κέντρα δεδομένων και ενέργεια για την παραγωγή τεχνητής νοημοσύνης: 5,2 τρισ. δολάρια παγκοσμίως τα επόμενα πέντε χρόνια. Λιγότερο από έξι μήνες αργότερα, η εταιρεία συμβούλων εξετάζει το ενδεχόμενο να αυξήσει αυτή την εκτίμηση. Οι ανακοινώσεις στην Αμερική υποδηλώνουν ότι οι επενδύσεις σε υποδομές παραγωγικής τεχνητής νοημοσύνης αυξάνονται σε πυρετώδεις ρυθμούς.
Οι δαπάνες αυτές, οι οποίες επιτείνονται από τις εντυπωσιακές συμφωνίες για κέντρα δεδομένων που ανακοινώνονται από εταιρείες όπως η OpenAI, η Nvidia και η Oracle, αποσκοπούν στην αύξηση της υπολογιστικής ισχύος που οι πρωταγωνιστές τους πιστεύουν ότι απαιτείται για την παροχή παραγωγικής ΤΝ. Ωστόσο, η ζήτηση – ιδιαίτερα αυτή που αποδίδει έσοδα – δεν ανταποκρίνεται ακόμη στο ντελίριο που επικρατεί. Όπως λέει ο Pankaj Sachdeva, εταίρος της εταιρείας, η χρήση των chatbots από τους καταναλωτές μπορεί να αυξάνεται, αλλά η McKinsey διαπίστωσε ότι το ποσοστό επιτυχίας των πιλοτικών έργων TN σε επιχειρήσεις που έχει εξετάσει είναι μικρότερο από 15%, ενώ προβλέπει μια περίοδο «ανισότητας» μεταξύ προσφοράς και ζήτησης που θα μπορούσε να διαρκέσει για χρόνια.
Η ζήτηση για παραγωγική τεχνητή νοημοσύνη μπορεί να είναι ο κρισιμότερος παράγοντας, καθώς θα καθορίσει αν αυτή η έκρηξη των υποδομών θα καταλήξει σε πτώση ή όχι. Ωστόσο, τρεις νέες πτυχές της φρενίτιδας για κατασκευή κέντρων δεδομένων αυξάνουν την αβεβαιότητα: οι απομακρυσμένες τοποθεσίες των κέντρων, οι μη δημόσιες επιχειρήσεις που τα χρηματοδοτούν και η χαμηλή πιστωτική ποιότητα ορισμένων δανειοληπτών. Αυτό το τρίπτυχο θυμίζει σε ορισμένους σκεπτικιστές την τελευταία μεγάλη καταστροφή των υποδομών: την έκρηξη των τηλεπικοινωνιών στα τέλη της δεκαετίας του 1990. Ωστόσο, πολλοί άλλοι κλείνουν τη μύτη και βουτούν.
Η γεωγραφία είναι η πιο απτή καινοτομία. Τα νέα κέντρα δεδομένων τεχνητής νοημοσύνης ξεφυτρώνουν στη μέση του πουθενά και όχι σε καθιερωμένα συγκροτήματα κοντά σε μεγάλες πηγές ζήτησης και κόμβους διασύνδεσης, όπως η βόρεια Βιρτζίνια. Η OpenAI και οι εταίροι της, η Oracle και η SoftBank, έχουν ξεκινήσει την πρώτη φάση του Stargate (φωτογραφία κάτω), ενός έργου υποδομής τεχνητής νοημοσύνης ύψους 500 δισ. δολαρίων, που ανακοίνωσε ο πρόεδρος Donald Trump τον Ιανουάριο, σε ένα μέρος του κεντρικού Τέξας με πολλή αιολική και ηλιακή ενέργεια – και άπλετο χώρο. Παρόμοιες τοποθεσίες βρίσκονται τόσο στη Βόρεια Ντακότα όσο και στο Νέο Μεξικό.
Αυτές οι νέες τοποθεσίες λύνουν ένα πρόβλημα ενέργειας. Πολλά υπάρχοντα συγκροτήματα (clusters) δεν διαθέτουν αρκετή πλεονάζουσα ενέργεια για την εκπαίδευση των τελευταίων μεγάλων γλωσσικών μοντέλων (LLM), που αναπτύσσονται από εργαστήρια όπως η OpenAI. Βέβαια, η απομόνωση εισάγει κινδύνους για τους επενδυτές ακινήτων, που μπορεί να μην αντικατοπτρίζονται επαρκώς στις αποδόσεις, λέει ο Gautam Bhandari της I Squared Capital, μιας εταιρείας ιδιωτικών συμμετοχών με επίκεντρο τις υποδομές. Τα κέντρα δεδομένων συνήθως χρηματοδοτούνται για δεκαετίες, αλλά όσα βρίσκονται στην αιχμή της τεχνητής νοημοσύνης μπορεί να θεωρηθούν παρωχημένα πολύ πιο γρήγορα, λέει. Αυτό οφείλεται εν μέρει στην τεχνολογία. Η Nvidia, η κυρίαρχη κατασκευάστρια μονάδων επεξεργασίας γραφικών (GPU) που σχετίζονται με την ΤΝ, βελτιώνει αδιάκοπα την αποδοτικότητα των τσιπ της, γεγονός που μπορεί να απαιτεί τακτικές αναβαθμίσεις των κέντρων δεδομένων, όπως νέα συστήματα ψύξης. Επιπλέον, με τη γη να είναι τόσο εύκολα διαθέσιμη, ένας αντίπαλος κατασκευαστής κέντρων δεδομένων με καλύτερο και φθηνότερο σχεδιασμό μπορεί εύκολα να εγκατασταθεί αλλού, γεγονός που αυξάνει την πιθανότητα μη αξιοποιήσιμων στοιχείων ενεργητικού.
Οι πηγές χρηματοδότησης της έκρηξης είναι επίσης σχετικά νέες. Μέχρι πρόσφατα, οι μεγάλοι προμηθευτές κεφαλαίων για κέντρα δεδομένων σε προνομιακές τοποθεσίες ήταν οι επενδυτές του χρηματιστηρίου, μέσω των Eταιρειών Eπενδύσεων σε Aκίνητα (REIT). Ήταν πιο άνετοι όταν η κατανάλωση ενέργειας ενός κέντρου δεδομένων ήταν πολύ μικρότερη από 100 μεγαβάτ. Όμως, στην εποχή της Τεχνητής Νοημοσύνης, οι ορέξεις μετριούνται σε γιγαβάτ (GW) και το κόστος μπορεί να φτάσει τα 50 δισ. δολάρια ανά GW.
Καθώς η ζήτηση για κεφάλαια έχει εκτοξευθεί, οι εταιρείες REIT έχουν περιοριστεί εξαιτίας της δανειοληπτικής τους ικανότητας, λέει ο David Guarino της Green Street, μιας εταιρείας ερευνών για εμπορικά ακίνητα. Τη θέση τους καταλαμβάνουν μεγάλες εταιρείες ιδιωτικών πιστώσεων (ορισμένες από τις οποίες έχουν αποκτήσει πρώην REIT) και κρατικά επενδυτικά κεφάλαια, αλλά και παραδοσιακές τράπεζες. Πρόκειται για εξελιγμένους δανειστές με μεγάλες δεξαμενές κεφαλαίων, που είναι εξοικειωμένοι με τη χρηματοδότηση έργων που περιλαμβάνουν δανεισμό υποδομών ΤΝ. Όμως, η συμμετοχή τους μεταφέρει τον κίνδυνο από τις αγορές μετοχών στις αγορές χρέους, θέτοντας πιο άμεσα το τραπεζικό σύστημα στη γραμμή του πυρός σε περίπτωση αύξησης των αθετήσεων.
Παράλληλα, ο κίνδυνος αθέτησης αυξάνεται από την αμφίβολη πιστοληπτική ικανότητα ορισμένων επιχειρήσεων που βρίσκονται στην καρδιά της οικοδομικής έκρηξης. Αυτό δεν αποτελούσε μεγάλη ανησυχία όταν οι πλούσιοι σε μετρητά γίγαντες του cloud, όπως η Amazon, η Microsoft και η Google, ήταν αποδέκτες μεγάλου μέρους της χρηματοδότησης. Είναι «οι καλύτεροι ενοικιαστές στον κόσμο», λέει ο κ. Guarino. Ωστόσο πιο πρόσφατα, εργαστήρια τεχνητής νοημοσύνης, όπως η OpenAI και εταιρείες «neocloud» που νοικιάζουν GPUs μπήκαν στη μάχη, αυξάνοντας την ποσότητα – αλλά μειώνοντας την πιστωτική ποιότητα – των εμπλεκομένων. Όσο περισσότερες οι CPU, τόσο περισσότερο αντιμετωπίζουν τον ανταγωνισμό, την πίεση στις αποδόσεις και την αβεβαιότητα σχετικά με τη μακροπρόθεσμη βιωσιμότητά τους.
Δεν είναι μόνο οι δανειστές που ανησυχούν γι’ αυτούς τους νέους παίκτες. Οι επιχειρήσεις κοινής ωφέλειας, συντηρητικές από τη φύση τους, μπορεί επίσης να σκεφτούν διπλά πριν υπογράψουν μακροπρόθεσμες συμβάσεις ενέργειας μαζί τους. «Δεν ξέρετε ποιοι από αυτούς τους παίκτες θα υπάρχουν σε πέντε, δέκα ή 15 χρόνια», λέει ο κ. Sachdeva. Σε απάντηση, λέει, σχεδιάζονται ασφαλιστήρια συμβόλαια, τιτλοποιήσεις και άλλα παρόμοια για να μετριαστούν οι κίνδυνοι. Ομοίως, τεχνολογικοί γίγαντες όπως η Nvidia συμμετέχουν με ένα πλέγμα από χρηματοδοτήσεις προμηθευτών και διασταυρούμενες επενδύσεις που θα μπορούσαν επίσης να καθησυχάσουν τους αντισυμβαλλόμενους. Ωστόσο, αν συμβεί το χειρότερο, αυτή η αιμομιξία θα αυξήσει την ευπάθεια του οικοσυστήματος της τεχνητής νοημοσύνης στο σύνολό του.
Τέτοιες διασυνδέσεις αυξάνουν τις ανησυχίες ότι σχηματίζεται μια φούσκα υποδομών, παρόμοια με την τοποθέτηση οπτικών ινών και υποθαλάσσιων καλωδίων στις πρώτες ημέρες του διαδικτύου. Ο Andrew Odlyzko του Πανεπιστημίου της Μινεσότα, ιστορικός των διαφόρων εμμονών με τις υποδομές, από τους σιδηροδρόμους του 19ου αιώνα και μετά, κάποτε υποβάθμιζε τις οικονομικές επιπτώσεις της έκρηξης της ΤΝ. Πίστευε ότι αν μερικοί τεχνολογικοί κολοσσοί αναγκάζονταν να διαγράψουν τις επενδύσεις τους σε κέντρα δεδομένων, θα καταστρέφονταν τα κέρδη μερικών μόνο ετών. Τώρα, λέει, ότι «ανησυχεί πολύ» λόγω του αριθμού των επιχειρήσεων που δίνουν μεγάλες επενδυτικές υποσχέσεις.
Βλέπει παραλληλισμούς με την επενδυτική φρενίτιδα στα τέλη της δεκαετίας του 1990 που κορυφώθηκε με το κραχ των dotcom. Προτεινόμενες συμφωνίες, όπως η πιθανή επένδυση 100 δισ. δολαρίων της Nvidia στην OpenAI, αν αγοράσει GPUs έως και 10GW, του θυμίζουν τις συμφωνίες χρηματοδότησης της Nortel με τους αγοραστές του εξοπλισμού της κατά τη διάρκεια της φούσκας των τηλεπικοινωνιώνΆλλοι, ωστόσο, σπεύδουν να τονίσουν τις διαφορές. Ο Nick Del Deo της MoffettNathanson, εταιρείας ερευνών στον χώρο των μετοχών, επισημαίνει ότι στην «έκρηξη» των τηλεπικοινωνιών τα καλώδια τοποθετούνταν χωρίς να υπάρχει καμία εξασφάλιση πελατών. Σήμερα, αντίθετα, τα κέντρα δεδομένων κατασκευάζονται μόνο όταν έχουν ήδη υπογραφεί συμβόλαια με τους αντισυμβαλλόμενους — αν και οι λεπτομέρειες αυτών των συμφωνιών θα είναι καθοριστικές για να φανεί αν οι αποδόσεις δικαιολογούν τον αναλαμβανόμενο κίνδυνο.
Προς το παρόν, οι πιθανές αποδόσεις φαίνονται τόσο ελκυστικές που τα κεφάλαια ρέουν ασταμάτητα, σημειώνει. Υποστηρικτές όπως ο Sam Altman, επικεφαλής της OpenAI, τονίζουν ότι οι κίνδυνοι από τις ίδιες τις υποδομές είναι τουλάχιστον τόσο σοβαροί όσο και εκείνοι της υπερβολικής επέκτασης, ακριβώς λόγω του τεράστιου μακροπρόθεσμου οικονομικού δυναμικού της παραγωγικής ΤΝ. Ακόμα και αν προκύψει πλεόνασμα χωρητικότητας στα πλέον προηγμένα κέντρα δεδομένων, αυτό θα μπορούσε να αξιοποιηθεί για εκτέλεση -και όχι μόνο για εκπαίδευση- των Μεγάλων Γλωσσικών Μοντέλων, επισημαίνει ο κ. Sachdeva. Ωστόσο, αυτό μας επιστρέφει στο κρίσιμο ερώτημα: πότε η ζήτηση για chatbots και εφαρμογές παραγωγικής ΤΝ θα φτάσει σε επίπεδο αντάξιο των φιλοδοξιών όσων τις αναπτύσσουν; Αυτή ίσως είναι η πιο συναρπαστική -και αβέβαιη- παράμετρος όλων.
© 2025 The Economist Newspaper Limited. All rights reserved. Άρθρο από τον Economist, το οποίο μεταφράστηκε και δημοσιεύθηκε με επίσημη άδεια από την www.powergame.gr. Το πρωτότυπο άρθρο, στα αγγλικά, βρίσκεται στο www.economist.com.