Az AI-adatközpontok megtérülése az automatizálástól függhet

Évente egyre többet költenek adatközpontokra

Mihir Kshirsagar, a Princeton Egyetem kutatója a CITP Freedom to Tinker blogján vizsgálta, hogyan térülhetnek meg a jelenlegi AI-infrastruktúra beruházások. Elemzése az adatközpontok tőkekiadásaiból indul ki, miközben felidézi Arvind Narayanan álláspontját is, amely szerint az AI fejlesztésében az automatizálás helyett a képességek kiegészítésére, vagyis az augmentációra kellene helyezni a hangsúlyt.

A kérdés azért vált sürgetővé, mert az iparág egyre nagyobb összegeket fordít adatközpontokra, és a vállalatok az infrastruktúra finanszírozásához már adósságot is igénybe vesznek. A Goldman Sachs Research becslése szerint az Egyesült Államok adatközpont-infrastruktúrájára fordított kiadás 2026-ban 581 milliárd dollár lehet. Ennek körülbelül 67 százalékát a számítási kapacitás költsége adhatja.

Az amerikai adatközpont-beruházások a becslés szerint évente 16 százalékkal növekednek. A forrásban szereplő előrejelzés 2025-re 304, 2027-re 674, 2028-ra 782, 2029-re 907, 2030-ra pedig 1052 milliárd dolláros beruházással számol.

Három forgatókönyv az AI gazdasági hatására

Az Anthropic Institute elemzése három lehetséges pályát vázol fel arra, hogy az AI miként járulhat hozzá az Egyesült Államok gazdaságához 2030-ban. A mérsékelt forgatókönyv 1,6 százalékos GDP-növekedést, mintegy 540 milliárd dolláros éves többletet jelentene. A jelentős hatással számoló változat 8,3 százalékos növekedést, 2,8 billió dollárt, a szélsőséges forgatókönyv pedig 32,4 százalékos növekedést, 10,9 billió dollárt feltételez.

A szerző két fő bevételi forrást különít el az infrastruktúra finanszírozására. Az egyik az AI által létrehozott gazdasági növekedésből származó bevétel, a másik a bérekből az AI-vállalatokhoz kerülő jövedelem, amelyet az automatizálás tehet lehetővé.

Az Anthropic Institute jelentős forgatókönyvében a munka jövedelmének GDP-n belüli aránya 60 százalékról 56,1 százalékra csökken, miközben a munkából származó jövedelem tovább nő. Kshirsagar szerint ez arra utal, hogy a jelenlegi beruházási ütem a tőke javára történő jövedelemátcsoportosítást is feltételezheti.

A szerverek költsége önmagában is óriási

A Goldman Sachs becslése szerint az AI-adatközpontokban található számítási eszközök három-négyszer többe kerülnek, mint maga az épület. A felhőszolgáltatók ezeket az eszközöket általában öt-hat éves hasznos élettartammal számolják.

Kshirsagar számítása szerint 2030-ban 480 milliárd dollár éves pénzáramra lenne szükség pusztán a szerverflotta tőkéjének visszafizetéséhez. Ez a becslés a 2025 és 2030 között számítási kapacitásra fordított, összesen 2,88 billió dollárt osztja el egy hatéves élettartam alatt. A számítás nem tartalmaz tőkearányos megtérülést és működési költséget.

• A 480 milliárd dollár a mérsékelt gazdasági forgatókönyv többletének 89 százaléka.
• A jelentős forgatókönyv többletének 17 százalékát jelenti.
• A szélsőséges forgatókönyv többletének 4 százalékát teszi ki.

A szerző szerint a mérsékelt pályán a szerverek költsége felemésztené az új gazdasági teljesítményből származó teljes tőkejövedelmet. A jelentős forgatókönyvben a megtérülés elméletileg lehetséges, de ehhez a tőketulajdonosoknak az új tőkejövedelem ötödét kizárólag a szerverflotta költségeire kellene fordítaniuk.

Az augmentáció és a kisebb modellek kihívása

Kshirsagar szerint az AI eddig elsősorban feladatról feladatra történő automatizálást mutatott, a munka teljes körű kiváltása helyett. Sayash Kapoor és Arvind Narayanan korábbi érvei alapján azt írja, hogy az a feltételezés, miszerint az AI-vállalatok a bérek jelentős részét képesek megszerezni, bizonytalan alapokon áll.

A munkát segítő termelékenységnövekedésből származó többletet jellemzően a munkáltató, a dolgozó és az ügyfél között osztják meg. Az AI-vállalatok üzleti modelljének fenntartásához a szerző szerint ennek a többletnek a nagy részét nekik kellene megszerezniük.

További kockázatot jelenthetnek az olcsóbb következtetési modellek és a peremhálózati számítás. Ha a vállalatok kisebb, hatékonyabb, helyben futó modelleket használnak, az érték a hálózat szélén keletkezhet, és kevésbé folyhat vissza az adatközpontok szervereihez. Kshirsagar ezért arra figyelmeztet, hogy az augmentációra épülő AI ugyan létrehozhat gazdasági növekedést, de ez önmagában nem feltétlenül fedezi a nagy, adóssággal finanszírozott chipflották költségeit.