Prije tri godine, David Cahn, partner u Sequoii, bio je jedan od prvih koji je izračunao posljedice golemih ulaganja Silicijske doline u AI infrastrukturu.
U 2023., reagirao je na izvještaj o godišnjem prihodu Nvidia-e od 50 milijardi dolara od GPU-a. Počevši od te brojke, i dodajući troškove rada podatkovnih centara i marže za njihove operatore, zaključio je da bi bilo potrebno 200 milijardi dolara prihoda za povrat inicijalne investicije.
Postavio je izazov, tražeći od poduzetnika da razviju AI proizvode i usluge koje će iskoristiti tu infrastrukturu i generirati prihod. Nakon tri godine hiperskaliranja, Cahn je dobio novi broj o potrošnji na AI infrastrukturu za 2026. godinu: 1,5 trilijuna dolara.
Ukupno, izračunava da će AI industrija morati zaraditi 3 trilijuna dolara kako bi opravdala sve te čipove i druge troškove podatkovnih centara. A to je vjerojatno podcijenjena procjena — rastući troškovi memorije i sve veća upotreba egzotičnih ili specifičnih čipova za inferenciju povećat će tu brojku. “Nedavno,” piše, “potreban prihod po GW kapitalnih ulaganja oštro je porastao zbog ovih uskih grla i rastućih troškova gradnje.”
S druge strane, smatra se da je Anthropic postigao 60 milijardi dolara godišnjeg ponavljajućeg prihoda, dok je OpenAI navodno zaradio 13 milijardi dolara u 2025. (iako je u studenom 2025. izjavila da je na 20 milijardi dolara godišnjeg prihoda) i vjerojatno zarađuje više ove godine. No, očito postoji velika razlika koja se mora zatvoriti.
Neko tko prati tu razliku je Torsten Slok, glavni ekonomist u Apollu, velikom upravitelju imovine. U nedavnom izvješću, ističe da svi hiperskaleri — Google, Meta, Microsoft i Amazon — predviđaju masovne ubrzanja u svom slobodnom novčanom toku do 2028. godine.
A što ako ne uspiju? Slok ukazuje na rizik koji trenutno vidimo u korištenju AI: sve više organizacija prelazi na jeftinije modele otvorenih težina, često kineske, umjesto onih koje su razvijali napredni laboratoriji, a ukupne cijene tokena padaju. Najnoviji model OpenAI-a, prema izvršnom direktoru Samu Altmanu, 54% je učinkovitiji u zadacima kodiranja. To je dobro za korisnike koji brinu o troškovima svojih AI agenata, ali može biti loše za kompanije koje proizvode tokene ako korisnici ne povećaju znatno svoju ukupnu upotrebu tokena.
Slok se brine da ako hiperskaleri ne postignu svoje ciljeve novčanog toka, tržišna reakcija može biti ozbiljna — “s obzirom na to da toliko toga ovisi o tako malom broju imena,” piše, “sporiji povrat ne bi bio samo problem sektora, već bi mogao dovesti ekonomiju do recesije i S&P 500 do korekcije.”
To je nešto što treba imati na umu dok usmjeravate svoje AI agente prema jeftinijim tokenima.
