#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?
Angesagt
Neueste
GoldmanSees1.2TAICapex Beliebte Beiträge
TL/DR: Goldman geht davon aus, dass 1,42 Billionen $ Umsatz über 2028-30, bzw. 11,6 Mrd. $ pro GW, realisierbar sind (erforderlich für 15 % ROIC), wobei 59 % davon bereits in Cloud-Auftragsbeständen liegen und Management-Teams Rückzahlungen von ein bis drei Jahren angeben
Und hier ist das Gegenargument: Die Hürde ist realisierbar, wenn Rechenleistung knapp bleibt, wenn GPU- und Token-Preise nicht fallen, wenn eine Nutzungsdauer von 5 Jahren realistisch ist, wenn eine Handvoll AI-Labore ihre Rechnungen weiter bezahlt und wenn der 3-Billionen-$-außerbilanziell Eisberg keine eigene Rendite benötigt.
Me+@econJaredB veröffentlichen ein neues Werk, das untersucht, wie viel Umsatz erforderlich ist, um Hyperscaler-AI-Capex zu rechtfertigen. Wir schätzen, dass der zusätzliche AI-Umsatz derzeit zwischen 86 und 188,1 Mrd. $ für die Hyperscaler liegt, aber sie benötigen in den nächsten zehn Jahren 13,1 bis 18,7 *Billionen*, damit sich das rechnet.
Ich habe letzte Woche Meta hervorgehoben und die These wird langsam interessanter
ihre Ausgaben für AI beginnen sich im tatsächlichen Geschäft bemerkbar zu machen, besonders bei Werbung, während die Verbraucherseite mit Produkten wie Meta AI weiter wächst
der Markt hat viel Zeit darauf verwendet, sich darauf zu konzentrieren, wer das beste Modell besitzt
Verteilung, Monetarisierung und die Fähigkeit, AI direkt an Milliarden von Nutzern zu liefern, sind genauso wichtig
Meta ist einer der Namen, die ich hier genau beobachte
Ansem 🐂🀄️
Aus meiner Sicht wird Meta im KI-Rennen immer noch ziemlich wenig diskutiert
> Open-Source-Modelle werden immer effizienter
> Die Verteilung wird zu einem großen Vorteil, wenn sich die Modelle verbessern
> Meta hat bereits Milliarden von Nutzern über seine Produkte
> Bessere KI kann Personalisierung und Werbezielgruppen verbessern
Die Open-Source-KI-Strategie verschafft Meta eine andere Position als andere große Labore, eine der größeren KI-Firmen, auf die ich derzeit mehr achte
🚨 KI WIRD MIT IRRSINNIGER GESCHWINDIGKEIT BILLIGER
Laut EPOCH AI ist das gleiche Leistungsniveau von KI seit 2023 etwa 13× günstiger pro Jahr geworden
Schneller als Strom, Rechenleistung, Batterien oder DNA-Sequenzierung in diesem Diagramm
Aber der Betrieb von KI erfordert immer noch Chips, Strom und Rechenzentren
Unternehmen geben Milliarden aus, um etwas zu verkaufen, das immer günstiger wird
Es beginnt wie eine sehr teure Wohltätigkeitsorganisation auszusehen
EXKLUSIV: Subconscious geht eine der größten Herausforderungen für lang laufende KI-Agenten an: die Inferenzkosten.
@subsysdev hat 5,1 Millionen Dollar eingesammelt, um eine Inferenzplattform zu entwickeln, die speziell für Agenten konzipiert ist und dynamische Kontextkompression sowie Caching nutzt, um lang laufende Arbeitslasten schneller und günstiger zu machen. Das Unternehmen sagt, seine Technologie könne die Inferenzkosten um bis zu 80 % senken und gleichzeitig effektive Kontextfenster auf über 5 Millionen Tokens erweitern. Für Unternehmen, die agentische KI skalieren, könnte das den Betrieb von Agenten über längere Zeiträume bei zunehmend komplexeren Aufgaben praktikabler machen.
@deantak sprach mit @thejackobrien, CEO von Subconscious, über die Technologie des Unternehmens, den Fokus auf lang laufende Agenten und die Wirtschaftlichkeit der nächsten Generation von KI-Anwendungen.
„Die meisten Inferenzunternehmen bauen Einheitslösungen für Chats, Einmalanfragen und Agenten gleichermaßen. Aber Agenten sind viel schwieriger gut zu bedienen. Wir haben unseren gesamten Stack um lang laufende Agenten herum aufgebaut, und unsere Kerntechnologie stammt aus neuartiger MIT-Forschung, die uns einen Vorsprung von über einem Jahr verschafft“, sagte O’Brien.
Lies die vollständige Geschichte auf @GamesBeat:
#AI #AgenticAI #Technology
Goldman Sachs Asset Management ist bei großen KI-Kreditnehmern untergewichtet, da ein prognostizierter US-KI-Infrastrukturbereich im Wert von 10,3 Billionen US-Dollar eine massive Welle von Anleiheemissionen auslöst!
WICHTIGE HIGHLIGHTS:
• Die Kapitalnachfrage für US-KI-Infrastruktur könnte bis 2032 10,3 Billionen US-Dollar erreichen, was neben steigenden Kreditkosten zu umfangreichen Anleiheemissionen führt
• 10-jährige Treasury-Renditen von 5,11 % erhöhen die Risiken der Schuldenlast für Technologieriesen, wobei Amazon $AMZN 173 Mrd. USD an Investitionsausgaben einsetzt
• Seeking Alpha Quant Ratings heben fundamentale Divergenzen unter Technologieführern hervor, bewerten Amazon $AMZN als Strong Buy und Alphabet $GOOG als Hold
DIE BEWERTUNG: Robuste fundamentale Umsetzung hält $AMZN trotz Risiken durch die Neubewertung von Schulden als Seeking Alpha Quant STRONG BUY eingestuft, während $GOOG bei HOLD bleibt, da die Märkte Capex- und Zinsgegenwinde bewerten.
Werden steigende Treasury-Renditen und massive KI-Schuldenemissionen den Schwung der großen Tech-Aktien bremsen, oder sind die fundamentalen Wachstumsaussichten stark genug, um höhere Zinsen zu überstehen? Teile deine Meinung unten mit!
