#GoldmanSees1.2TAICapex
About GoldmanSees1.2TAICapex
Goldman Sachs expects combined 2027 capital spending by Meta, Microsoft, Alphabet, Amazon and Oracle to reach about $1.2 trillion, up from roughly $800 billion in 2026, largely driven by AI infrastructure. The buildout may support demand for chips, memory, data centers, power and cloud services, but monetization remains the key test. Can AI applications generate enough revenue and cash flow to justify the rising investment?
Popolari
Più recenti
GoldmanSees1.2TAICapex Post popolari
Il grafico prende in input il capex AI (Amazon, Google, Meta, Microsoft, Oracle + SpaceX, accumulato anno per anno), quindi lo converte nel ricavo annuale perpetuo necessario per un rendimento del 10% secondo le ipotesi di ciascun modello su ammortamento, opex e metrica di rendimento. Il ricavo annuale richiesto è sull'asse y; supererà 1 trilione di dollari all'anno nel 2027.
La narrazione "L'AI è una bolla?" si è un po' raffreddata nel 2026—parzialmente a causa della crescita dei ricavi dell'AI nell'era degli agenti, e in parte perché il dibattito si è spostato sulla sicurezza dell'AI.
Ma il consenso emergente che i nuovi ricavi dell'AI guadagnati dagli hyperscaler dovranno avvicinarsi a 3 trilioni di dollari all'anno entro la fine del decennio è ancora incredibilmente scoraggiante.
Blockspace
Goldman Sachs: le ultime stime di capex degli hyperscaler mostrano 996 miliardi di dollari nel 2027
Neoclouds e ex miner di Bitcoin hanno assicurato capex significativi dagli hyperscaler dal 2025
$NBIS: Meta + Microsoft
$CRWV: Google, Meta, Microsoft
$CIFR: AWS + Fluidstack (supportato da Google)
$IREN: Microsoft
$WULF: Fluidstack (supportato da Google)
$HUT: Fluidstack (supportato da Google)
10,3 trilioni di dollari. Questa è la stima di Brookings per l'investimento in infrastrutture AI negli Stati Uniti dal 2025 al 2032, evidenziata da @Axios.
Si parla molto del fatto che l'AI sia una bolla. Questo documento di Brookings pone una domanda diversa, seppur correlata: il finanziamento dello sviluppo potrebbe creare un rischio sistemico? Una bolla AI e un evento di rischio sistemico non sono la stessa cosa. Una bolla si verifica quando gli investimenti o i prezzi degli asset superano i rendimenti. Il rischio sistemico è quando le perdite si diffondono oltre i progetti che hanno fatto le scommesse sbagliate e interrompono il sistema finanziario più ampio.
Quindi cosa dovrebbe succedere? Il documento indica un'esposizione concentrata tra banche, assicuratori e fondi, tutti dipendenti dagli stessi locatari AI. Se una domanda più debole di AI colpisse contemporaneamente l'utilizzo, i valori dei data center e delle GPU, e il rifinanziamento, le perdite potrebbero diffondersi dai progetti ai finanziatori e agli investitori.
L'autore afferma che è prematuro concludere che siamo arrivati a questo punto - e sono d'accordo. Ma gran parte di questo finanziamento si trova in strutture che rendono difficile vedere chi detiene effettivamente il rischio... In ogni caso, siamo solo all'inizio e non rallenterà presto.
TL/DR: Goldman pensa che 1,42 trilioni di dollari di ricavi nel periodo 2028-30, o 11,6 miliardi di dollari per GW, siano realizzabili (necessari per un ROIC del 15%), con il 59% già presente nei backlog cloud e i team di gestione che dichiarano tempi di ritorno da uno a tre anni
Ecco il contro: l'obiettivo è raggiungibile se il calcolo rimane scarso, se i prezzi di GPU e token non si svalutano, se una vita utile di 5 anni è reale, se una manciata di laboratori AI continua a pagare le proprie bollette, e se l'iceberg da 3 trilioni fuori bilancio non necessita di un proprio ritorno.
Io+@econJaredB abbiamo pubblicato un nuovo articolo che esamina quanto fatturato è necessario per giustificare la spesa in capitale AI dei hyperscaler. Stimiamo che il fatturato incrementale da AI sia attualmente tra 86 e 188,1 miliardi di dollari per i hyperscaler, ma hanno bisogno di 13,1-18,7 *trilioni* nei prossimi dieci anni affinché ciò sia sostenibile.
Ho evidenziato Meta la settimana scorsa e la tesi sta iniziando a diventare più interessante
la loro spesa in AI sta cominciando a manifestarsi in tutto il business reale, specialmente nella pubblicità, mentre il lato consumer continua ad espandersi con prodotti come Meta AI
il mercato ha passato molto tempo concentrandosi su chi possiede il modello migliore
distribuzione, monetizzazione e la capacità di consegnare AI direttamente a miliardi di utenti contano altrettanto
Meta è uno dei nomi che sto osservando da vicino qui
Ansem 🐂🀄️
dal mio punto di vista, Meta è ancora piuttosto poco discussa nella corsa all'AI
> i modelli open-source continuano a diventare più efficienti
> la distribuzione diventa un enorme vantaggio man mano che i modelli migliorano
> Meta ha già miliardi di utenti tra i suoi prodotti
> un'AI migliore può migliorare la personalizzazione + il targeting pubblicitario
la sua strategia di AI open-source le conferisce una posizione diversa rispetto ad altri grandi laboratori, una delle grandi aziende di AI a cui sto prestando più attenzione in questo momento
🚨 L'INTELLIGENZA ARTIFICIALE STA DIVENTANDO PIÙ ECONOMICA A UNA VELOCITÀ RIDICOLA
SECONDO EPOCH AI, LO STESSO LIVELLO DI PRESTAZIONI DELL'IA È DIVENTATO ~13 VOLTE PIÙ ECONOMICO OGNI ANNO DAL 2023
PIÙ VELOCE DI ELETTRICITÀ, CALCOLO, BATTERIE O SEQUENZIAMENTO DEL DNA IN QUESTO GRAFICO
MA FAR FUNZIONARE L'IA RICHIEDE ANCORA CHIP, ENERGIA E DATA CENTER
LE AZIENDE STANNO SPENDENDO MILIARDI PER VENDERE QUALCOSA CHE CONTINUA A DIVENTARE PIÙ ECONOMICO
STA INIZIANDO A SEMBRARE UNA CARITÀ MOLTO COSTOSA
ESCLUSIVO: Subconscious sta affrontando una delle sfide più grandi per gli agenti AI a lungo termine: il costo dell'inferenza.
@subsysdev ha raccolto 5,1 milioni di dollari per costruire una piattaforma di inferenza progettata specificamente per agenti, utilizzando la compressione dinamica del contesto e la memorizzazione nella cache per rendere i carichi di lavoro a lungo termine più veloci ed economici. L'azienda afferma che la sua tecnologia può ridurre i costi di inferenza fino all'80%, estendendo al contempo le finestre di contesto efficaci oltre i 5 milioni di token. Per le aziende che scalano l'AI agentica, questo potrebbe rendere più pratico far funzionare gli agenti per periodi più lunghi su compiti sempre più complessi.
@deantak ha parlato con @thejackobrien, CEO di Subconscious, della tecnologia dell'azienda, del suo focus sugli agenti a lungo termine e dell'economia che alimenta la prossima generazione di applicazioni AI.
"La maggior parte delle aziende di inferenza costruisce sistemi universali per chat, richieste one-shot e agenti allo stesso modo. Ma gli agenti sono molto più difficili da servire bene. Abbiamo costruito l'intero nostro stack attorno agli agenti a lungo termine, e la nostra tecnologia principale deriva da una ricerca innovativa del MIT, che ci dà un vantaggio di oltre un anno", ha detto O’Brien.
Leggi la storia completa su @GamesBeat:
#AI #AgenticAI #Technology
