Er vi i en AI-boble? Et klart blik på infrastruktur vs. hype

Opkomsten af AI har udløst massiv investering, hurtig innovation og intens offentlig opmærksomhed. Disse betingelser rejser næsten uundgåeligt et velkendt spørgsmål: Er vi i en AI-boble?

Det er en berettiget bekymring. Perioder med teknologisk begejstring er ofte fulgt af smertefulde korrektioner, især når forventningerne løber foran fundamentet. Men for at besvare dette spørgsmål kræver det at skille synlig hype fra de mindre synlige systemer under den og at grundlægge diskussionen i historie, økonomi og realiteterne omkring infrastruktur-laget, der faktisk driver AI.

Når man gør det, ser billedet langt mere nuanceret ud end boble-narrativen antyder.

1. Den væsentlige forskel: Infrastruktur vs. Anvendelser

De fleste diskussioner om en “AI-boble” fokuserer på, hvad man ser på anvendelseslaget. Dette inkluderer overskriftsfanger finansieringsrunder fra selskaber som OpenAI, Anthropic og xAI med hurtige finansieringsmeddelelser, der kommer kun måneder apart. Så er der virale AI-agent-demos, der oversvømmer sociale medier, og svævende påstande om kunstig almen intelligens eller trillion-dollars udfald langt før indtægterne følger med.

Dette lag af industrien bevæger sig hurtigt, fordi det drives af historiefortælling, forventninger og investorpsykologi. Anvendelsesselskaber kan stige i opmærksomhed lige så hurtigt, som de kan falde ud af favor. Narrativer udvider ofte hurtigere end de underliggende forretningsfundament og fordi dette er den mest synlige del af AI-økonomien, bliver det standardreferencen for påstande om, at hele sektoren er overophedet.

Men compute-infrastruktur opererer i en helt anden virkelighed, en styret af fysik, økonomi og hårde kapacitetsbegrænsninger.

Compute-infrastruktur er formet af målbare kræfter: GPUs, der genererer timeløn ved at køre AI-arbejdsbyrder, tilgængeligheden og omkostningerne af strøm, tempoet i datacenterbygning, øgede trænings- og inferenskrav, da modellerne vokser i størrelse. Udvikling, ikke sentiment, bestemmer, om dette lag fungerer.

Hvor anvendelser stiger og falder baseret på perception, er infrastruktur forankret i bæredygtig efterspørgsel. Dette er hvorfor infrastruktur-laget ikke opfører sig som en typisk boble-udsat aktivklasse. Det opfører sig mere som elnettet under elektrificeringen eller fiber under internet-boomet. Det er et grundlæggende system, hvis efterspørgselskurve er drevet af teknologisk fremgang snarere end investorens luner.

2. Hvad historien faktisk viser

At se på tidligere generelle formålsteknologier afslører en konsistent og gentagen mønster: store teknologiske skift begynder med en enorm stigning i infrastrukturinvestering, langt før produktivitetsgevinster viser sig i økonomien.

Jernbaner krævede enorme forudbetalte kapital årtier før, de forandrede handel. Elektricitet krævede dyre netbygninger, før fabrikker kunne fuldt ud omorganisere sig omkring elektrisk kraft. Telekommunikationsnetværk, internet-backbone-infrastruktur, mobilnetværk og cloud computing fulgte alle samme spor. I hvert tilfælde steg infrastrukturudgifterne først, mens produktivitetsforbedringerne kom senere.

Set udefra, så disse perioder ofte ud som bobler. I retrospekt var de installationsfaser. Nødvendige, kapitalintensive bygninger, der lagde grundstenen for årtiers økonomisk vækst.

Denne vidt cirkulerede Goldman Sachs-tabel illustrerer fænomenet tydeligt:

Infrastrukturinvesteringer springer år før målbare produktivitetsgevinster. AI i dag følger denne kurve næsten præcis.

Meget af dagens AI-bygning er drevet af selskaber, der er fundamentalt forskellige fra dem i dot-com-æraen. Under slutningen af 1990’erne havde mange højt vurderede internet-selskaber ingen eller kun lidt omsætning. I modsætning hertil er de største kræfter bag den nuværende AI-infrastruktur-gevinst, såsom Microsoft, Google, Meta og Amazon, højt profitable virksomheder med massive, tilbagevendende kontantstrømme fra etablerede forretninger som cloud computing, reklame og enterprise-software.

Deres AI-udgifter er overvejende finansieret af driftsoverskuddet, ikke spekulativ gæld. Denne forskel er væsentlig. Den reducerer systemets sårbarhed betydeligt og omdefinerer i dag CapEx ikke som uklogt overskud, men som bevidst langsigtede investeringer.

3. Efterspørgsel efter compute er strukturel, ikke sentimentdrevet

Hvad gør den nuværende AI-cyklus exceptionelt holdbar er, at efterspørgsel efter compute ikke primært drives af narrativ begejstring. Det drives af tekniske krav, der fortsætter med at udvide sig uanset markedssentiment.

Kernedrivere af compute-efterspørgsel fortsætter med at accelerere:

• “Tænke”-skatten: Nye AI-modeller henter ikke bare svar, men gennemtænker faktisk tusindvis af muligheder, før de responderer. Dette skaber en ny virkelighed, hvor en enkelt brugeranmodning kan forbruge 100 gange mere compute end en traditionel søgning.

• Syntetisk Data-produktion: Vi har effektivt løbet tør for højkvalitets menneskelig data at træne på. For at fortsætte med at forbedre, kører flåder af GPUs nu 24/7 kun for at skrive træningsdata for den næste generation af modeller.

• Suveræn Infrastruktur: Regeringer køber nu compute til national sikkerhed ligesom de køber energireserver eller forsvarssystemer. Dette skaber en enorm, permanent gulv af efterspørgsel, der er immun over for markedssentiment.

Disse kræfter findes uafhængigt af, hvordan AI-startups vurderes i en given kvartal. Selv under markedstrækninger forbliver GPU-udnyttelse høj, fordi arbejdsbyrderne selv fortsætter med at vokse i kompleksitet og volumen.

Denne opbygning er konkret på en måde, mange spekulative bobler ikke var. GPUs, servere, datacentre, strøminfrastruktur og udrullede AI-anvendelser er reelle aktiver, der allerede leverer målbare produktivitetsgevinster. I modsætning til mange dot-com-koncepter, der var år væk fra praktisk brug, er AI-systemer allerede integreret i arbejdsprocesser på tværs af softwareudvikling, forskning, kundesupport, design, logistik og beslutningstagning.

Der er også en konkurrence-dynamik på spil, der går ud over markeder. AI er blevet en strategisk “våbenkapløb” mellem selskaber og nationer. Regeringer og virksomheder kan ikke bare vælge at stoppe investeringer uden at risikere langsigtede konkurrencedygtighed. At falde bagud i compute-kapacitet betyder mere og mere at falde bagud i innovation, talenttiltrækning og kapitaladgang.

4. Boble eller inflections-punkt?

Nogle økonomer skelner mellem to typer bobler. Finansielle bobler efterlader kun lidt, når de brister. Inflections-bobler, til gengæld, accelererer opbygningen af grundlæggende infrastruktur, der permanent ændrer det økonomiske landskab, selvom kapital er misallokeret undervejs.

Jernbaner, elektrificering og den tidlige internet viste alle elementer af spekulativ excess. Alligevel formede de samfundet på uændrede måder. Spildet negatede ikke fremskridtet.

AI-cyklussen viser karakteristika af en inflections-boble. Der er uden tvivl hype på kanten, og nogle investeringer vil fejle. Men infrastrukturen, der bygges, er reel, holdbar og mere og mere uundværlig. Selv når vurderingerne komprimeres, markedet konsoliderer, og bestemte anvendelser fejler, vil den underliggende infrastruktur forblive.

5. Det menneskelige underskattelsesproblem

Til sidst er der en tilbagevendende tendens til at underskatte den dybe indvirkning af nye teknologier på dagliglivet. Kun 18 måneder siden blev det meste af offentligheden introduceret til AI gennem værktøjer som ChatGPT. I dag er det for mange videnarbejdere svært at forestille sig at arbejde uden AI-hjælp.

Den skiftning skete bemærkelsesværdigt hurtigt, og den er stadig i sine tidlige faser.

Set fra dette perspektiv, så kan det ikke kaldes en AI-boble. Det, vi er vidne til, ligner mindre spekulativ excess løsrevet fra virkeligheden og mere som den rodende, kapitalintensive installationsfase af en produktivitetsrevolution, der allerede er i gang.

Offentligt sentiment vil svinge. Priser vil korrigere. Infrastrukturen og den innovation, den muliggør, er her for at blive.