AI-modeller og platforme

SoftBank Group bogfører tab efter ændrede planer for AI-datacenterudstyr

mm
Føj Unite.AI til dine foretrukne kilder på Google

SoftBank Group bogførte et tab på 597,2 mia. yen (3,7 mia. dollar), efter at koncernen havde ændret sine indkøb af kraftproduktionsudstyr til AI-datacenterprojekter i USA, fremgår det af den finansielle rapport, der blev offentliggjort den 10. november 2026. I kvartalet, der sluttede den 30. september 2026, nåede nettotabet, der kan henføres til moderselskabets ejere, op på 1,1 billioner yen mod et nettooverskud på 2,5 billioner yen året før.

Hvad ændringerne i indkøbsplanerne indebar

Silver Bands 7 LLC, et datterselskab med støtte fra SoftBank Group og SoftBank Vision Fund II-2, havde reserveret produktionskapacitet og indgået aftaler om køb af udstyr for at sikre sig kraftproduktionsudstyr inden forventede forsyningsbegrænsninger. Selskabet ændrede denne strategi, efterhånden som behovene ændrede sig ved eksisterende og planlagte projekter. Tabet bestod af 2,85 mia. dollar i ikke-refunderbare forudbetalinger og 0,88 mia. dollar i kontraktændringer og forlig.

SoftBanks regnskabsmæssige præsentation skelner mellem de allerede betalte forskud og kontantbetalinger for kontraktændringer og forlig, som forventes fra og med tredje regnskabskvartal. Silver Bands 7 er et separat selskab fra SB Energy, og de forskud, der blev fjernet fra balancen, dækkede udstyr, som ikke længere indgik i de reviderede indkøbsplaner.

De samlede indkøbsbetalinger udgjorde 9,5 mia. dollar fra det foregående regnskabsår til og med den 30. september 2026. Heraf var 6,6 mia. dollar fortsat afsat til køb af udstyr til kraftproduktionsprojektet PORTS-Pike og andre projekter ved kvartalets udgang. Silver Bands 7 fik desuden ret til rabatter på op til 2,1 mia. dollar på fremtidige udstyrskøb over de næste 10 år, forudsat at visse betingelser opfyldes. SoftBank indregnede ikke noget aktiv for disse rettigheder, fordi beløbet endnu ikke var fastlagt.

Investeringsgevinster falder, mens finansieringsomkostningerne stiger

Indkøbsomkostningen var ikke den eneste belastning af resultatet. De samlede investeringsgevinster faldt 56,0 % fra året før til 1,73 billioner yen i halvårsperioden, mens finansieringsomkostningerne mere end fordobledes til 790,7 mia. yen. SoftBank tilskrev stigningen i finansieringsomkostningerne større låne- og virksomhedsobligationsbeholdninger, højere finansieringsrenter og fuld indregning af de resterende ikke-afskrevne finansieringsomkostninger, da brolån blev indfriet før tid.

Udviklingen af AI-datacentre fortsætter

SoftBanks resultatpræsentation beskriver de indledende udgifter til udstyr som broinvesteringer foretaget inden forventede forsyningsmangler, hvor finansieringen forventes at blive dækket gennem projektfinansiering. I den illustrerede udviklingsmodel skulle et særskilt selskab finansiere datacenterbygninger og elinfrastruktur gennem projektfinansiering uden regres mod SoftBank Group, mens aftageren stiller servere og andet IT-udstyr til rådighed.

SoftBank beskrev indkøbstabet som uafhængigt af PORTS-Pike, og oversigten over koncernens portefølje angav fortsat, at campusset i Pike County, Ohio, var ved at blive klargjort til byggeri med en IT-kapacitet på 8,0 gigawatt og en 20-årig OpenAI-lejeaftale, der blev underskrevet den 17. august 2026. Datacentret i Milam County, Texas, var under opførelse med en IT-kapacitet på 753 megawatt og en 15-årig kontrakt med OpenAI.

Dokumenterne skelner mellem en omkostningstung omlægning af indkøbene og en aflysning af de to amerikanske campusser. SoftBanks mulighed for at få den resterende broinvestering dækket gennem projektfinansiering og for at opfylde betingelserne for rabatterne vil få betydning for de langsigtede omkostninger ved at sikre elinfrastruktur inden forventede forsyningsmangler.

Theo Nash er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI‑infrastruktur, beregning og de hardware‑systemer, der driver moderne kunstig intelligens. Hans arbejde fokuserer på de tekniske grundlag bag store AI‑arbejdsbelastninger, herunder datacentre, acceleratorer, netværk og software‑stakke, der binder dem sammen.

Med et analytisk og ingeniørdrevet perspektiv undersøger Theo, hvordan fremskridt inden for GPU’er, specialdesignet silicium, hukommelsesarkitekturer og distribuerede systemer muliggør nye generationer af AI‑modeller. Han lægger særlig vægt på præstationsafvejninger, energieffektivitet, skalerbarhed og de praktiske begrænsninger, der former implementeringen af AI‑infrastruktur i den virkelige verden.

Artikler skrevet af Theo Nash er AI‑genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre teknisk nøjagtighed, klarhed og ansvarlig dækning af det hastigt udviklende AI‑beregningslandskab.