#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?
Populært
Siste
GoldmanSees1.2TAICapex Populære innlegg
Kort oppsummert: Goldman mener at 1,42 billioner dollar i inntekter over 2028-30, eller 11,6 milliarder dollar per GW – kan avklares (kreves for 15 % ROIC), med 59 % av det allerede liggende i sky-backlogs og ledelsesteam som krever tilbakebetalinger på alt fra ett til tre år
Og her er motargumentet: terskelen er overvinnelig hvis beregningen forblir knapp, hvis GPU- og tokenprisene ikke faller, hvis en 5-års nyttetid er reell, hvis en håndfull AI-laboratorier fortsetter å betale regningene sine, og hvis det 3 billioner dollar utenom balanse-isfjellet ikke trenger sin egen avkastning.
Me+@econJaredB har kommet med en ny artikkel som undersøker hvor mye inntekter som trengs for å rettferdiggjøre hyperskalerer-AI-investeringer. Vi anslår at den inkrementelle AI-inntekten for øyeblikket er mellom 86 og 188,1 milliarder dollar for hyperskalererne, men de trenger 13,1–18,7 billioner dollar over det neste tiåret for at det skal kunne regnes ut.
Jeg markerte Meta forrige uke, og avhandlingen begynner å bli mer interessant
deres AI-forbruk begynner å vise seg i hele virksomheten, spesielt annonser, mens forbrukersiden fortsetter å vokse med produkter som Meta AI
Markedet har brukt mye tid på å fokusere på hvem som eier den beste modellen
distribusjon, inntektsgenerering og muligheten til å sende AI direkte til milliarder av brukere betyr like mye
Meta er et av navnene jeg følger nøye med på her
Ansem 🐂🀄️
fra mitt perspektiv er Meta fortsatt ganske lite diskutert i AI-racet
> åpen kildekode-modeller blir stadig mer effektive
> distribusjon blir en stor fordel etter hvert som modellene forbedres
> Meta har allerede milliarder av brukere på tvers av produktene sine
> bedre AI kan forbedre personalisering + annonsemålretting
deres åpen kildekode-AI-strategi gir dem en annen posisjon sammenlignet med andre store laboratorier, et av de større AI-selskapene jeg følger mest med på akkurat nå
🚨 AI BLIR BILLIGERE I ET LATTERLIG TEMPO
IFØLGE EPOCH AI HAR SAMME NIVÅ AV AI-YTELSE BLITT ~13 × BILLIGERE HVERT ÅR SIDEN 2023
RASKERE ENN ELEKTRISITET, COMPUTE, BATTERIER ELLER DNA-SEKVENSERING PÅ DETTE DIAGRAMMET
MEN Å KJØRE AI KREVER FORTSATT BRIKKER, STRØM OG DATASENTRE
SELSKAPER BRUKER MILLIARDER PÅ Å SELGE NOE SOM STADIG BLIR BILLIGERE
DET BEGYNNER Å SE UT SOM EN VELDIG DYR VELDEDIGHET
EKSKLUSIVT: Subconscious tar tak i en av de største utfordringene for langvarige AI-agenter: slutningskostnad.
@subsysdev har hentet inn 5,1 millioner dollar for å bygge en inferensplattform spesielt designet for agenter, som bruker dynamisk kontekstkomprimering og caching for å gjøre langvarige arbeidsbelastninger raskere og billigere. Selskapet sier at teknologien deres kan redusere inferenskostnadene med opptil 80 %, samtidig som effektive kontekstvinduer utvides utover 5 millioner tokens. For bedrifter som skalerer agentisk AI, kan det gjøre det mer praktisk å kjøre agenter over lengre perioder på stadig mer komplekse oppgaver.
@deantak snakket med @thejackobrien, administrerende direktør i Subconscious, om selskapets teknologi, fokus på langvarige agenter og økonomien bak neste generasjon AI-applikasjoner.
"De fleste inferensselskaper bygger én-størrelse-passer-alle-systemer for chatter, enkeltstående forespørsler og agenter. Men agenter er mye vanskeligere å betjene godt. Vi bygde hele stacken vår rundt langvarige agenter, og kjerneteknologien vår kommer fra ny MIT-forskning, som gir oss et forsprang på over ett år," sa O'Brien.
Les hele historien på @GamesBeat:
#AI #AgenticAI #Technology
Goldman Sachs Asset Management undervekter store AI-låntakere ettersom en forventet amerikansk AI-infrastrukturboom på 10,3 000 dollar driver en massiv bølge av obligasjonsutstedelser!
VIKTIGE HØYDEPUNKTER:
• Etterspørselen etter kapital i amerikansk AI-infrastruktur kan nå 10,3 000 dollar frem til 2032, noe som utløser tung obligasjonsutstedelse sammen med økende lånekostnader
• 10-årige statsobligasjoner som når 5,11 % øker risikoen for gjeldsbyrden for teknologigiganter, med Amazon $AMZN investert 173 milliarder dollar i kapitalutgifter
• Seeking Alpha Quant Ratings fremhever grunnleggende divergens blant teknologiledere, og vurderer Amazon $AMZN som et sterkt kjøp mens Alphabet $GOOG vurderes som en Hold
VURDERINGEN: Robust fundamental gjennomføring holder $AMZN vurdert som Seeking Alpha Quant STERKT KJØP til tross for gjeldsreprisingsrisiko, mens $GOOG står på PAUSE mens markedene vurderer kapitalinvesteringer og motvind i renten.
Vil stigende statsobligasjonsrenter og massiv AI-gjeldsutstedelse bremse momentumet i store teknologiaksjer, eller er de fundamentale vekstutsiktene sterke nok til å komme seg gjennom høyere renter? Del din mening nedenfor!
