Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Centra danych: amerykański zakład AI to 3,6 proc. PKB rozłożone na kilka lat

Zdaniem ekonomisty z Columbia University nakłady inwestycyjne związane z AI w Stanach Zjednoczonych sięgają 3,6 proc. PKB. To prawie dwa razy więcej niż poprzedni rekord historyczny. Konstrukcje finansowe stają się coraz mniej przejrzyste.

TechnologiaAnalizaMarta ZielińskaOpublikowano: 25 września 20266 min czytaniaŹródła 3
Centra danych: amerykański zakład AI to 3,6 proc. PKB rozłożone na kilka lat

Skala przedsięwzięcia przewyższa wszystko, co gospodarka amerykańska dotąd widziała. Ekonomista Stijn Van Nieuwerburgh policzył, że nakłady inwestycyjne w infrastrukturę AI w Stanach Zjednoczonych odpowiadają 3,6 proc. produktu krajowego brutto tego kraju, rozłożone na kilka lat. To prawie dwa razy więcej niż poprzedni rekord, ustanowiony w czasie boomu kolejowego, gdy zaangażowano 2,24 proc. ówczesnego PKB. Analizę opisuje heise online.

Porównanie z wielkimi cyklami z przeszłości

Żeby zmierzyć tę anomalię, ekonomista osadza zjawisko w historii wielkich sieci. Rozbudowa kanałów, elektryfikacja, budowa autostrad i boom na światłowody w czasach bańki internetowej zmobilizowały od 0,5 do 1,13 proc. PKB. Obecne przedsięwzięcie jest na zupełnie innym poziomie.

Czuły punkt to nie kwota, ale jej finansowanie. Do 2024 roku duże grupy, o których mowa, czyli Oracle, Amazon, Alphabet, Microsoft i Meta, inkasowały co najmniej dwa razy tyle, ile wydawały. W 2026 roku ten stosunek ma się odwrócić: inwestycje mają wyraźnie przewyższyć przychody, choć te ostatnie rosną z roku na rok. Bez wystarczającej gotówki coraz większa część finansowania pochodzi z zewnątrz, co zwiększa ryzyko.

Modele finansowe coraz mniej przejrzyste

Ekonomista kreśli paralelę z wcześniejszymi epizodami: technologia ogólnego zastosowania pociąga za sobą inwestycje uzupełniające w rozległą sieć fizyczną, której zwroty zależą od niepewnego przyszłego popytu, a potrzeba finansowania jest ogromna. Jest jednak wyraźna różnica: szybkie starzenie się sprzętu kupowanego masowo. Finansowanie infrastruktury rozkłada się na długie okresy, a karty graficzne i inne podzespoły mogą tracić wartość znacznie szybciej. To tworzy poważną nierównowagę.

Analiza przywołuje nawet wspomnienie kryzysu subprime, który stał za kryzysem finansowym z 2008 roku, zaznaczając zarazem, że nie sugeruje bliskich trudności finansowych. Równolegle zobowiązań przybywa. Anthropic ogłosił, że wyda 11,6 mld dolarów w ciągu siedmiu lat na infrastrukturę chmurową Akamai, ponad sześć razy więcej niż umowa na 1,8 mld dolarów opisana w maju. Zobowiązanie nie jest jednak bezwarunkowe: zależy od spełnienia określonych wymagań dotyczących dostaw i dostępności, a obie firmy mogą je zakończyć w pewnych warunkach.

Lokalne ograniczenia rosną

Na poziomie lokalnym organizuje się opór. W Wirginii rada hrabstwa Loudoun, historycznego serca centrów danych, zagłosowała za wstrzymaniem rozpatrywania nowych wniosków o lokalizację. Spór dotyczy energii elektrycznej, wody i akceptacji ze strony mieszkańców, czyli tematów, które wracają do agendy politycznej.

Technologia ogólnego zastosowania pociąga za sobą inwestycje w sieć fizyczną, której zwroty zależą od niepewnego przyszłego popytu.

Komentarze 0

Źródła

3
  1. 01heise online : Analyse – In KI-Ausbau der USA fließen über Jahre 3,6 % des BIPDE
  2. 02TechCrunch : Anthropic to pay Akamai $11.6 billion over seven yearsEN
  3. 03Data Center Dynamics : Loudoun County pauses new data center applicationsEN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Marta Zielińska

Marta Zielińska

AI, modele i technologie

Marta Zielińska pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, preprintach i danych z API, a nie na zapowiedziach producentów. Przy każdej publikacji sprawdza karty modeli, parametry treningowe i benchmarki, a liczby porównuje z niezależnymi testami i wynikami z repozytoriów. Rozmawia z badaczami i inżynierami, czeka na kolejne wydania modeli i zestawia ich działanie z wcześniejszymi wersjami. Prywatnie drukuje w 3D, naprawia stare komputery i sprawdza, jak modele uczą się na śmieciach z internetu. Nie publikuje wyników, których nie może odtworzyć na własnym sprzęcie.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.