Er vi i en AI-boble? En klar oversikt over infrastruktur vs. hype

Oppblomstringen av AI har utløst massiv investering, rask innovasjon og intens offentlig oppmerksomhet. Disse betingelsene fører nesten uunngåelig til en kjent spørsmål: Er vi i en AI-boble?

Dette er en rettferdig bekymring. Perioder med teknologisk begeistring har ofte blitt fulgt av smertefulle korreksjoner, spesielt når forventningene løper foran fundamentene. Men for å svare på dette spørsmålet, må man skille mellom synlig hype og de mindre synlige systemene under den, og grunne diskusjonen i historie, økonomi og realitetene i infrastruktur-laget som faktisk driver AI.

Når man gjør det, ser bildet mye mer nyansert ut enn boble-narrativen antyder.

1. Den viktigste distinksjonen: Infrastruktur vs. applikasjoner

De fleste samtaler om en “AI-boble” fokuserer på hva folk ser på applikasjonslaget. Dette inkluderer overskrift-girende finansieringsrunder fra selskaper som OpenAI, Anthropic og xAI med raskt finansieringsannonser som kommer bare måneder apart. Deretter er det virale AI-agent-demonstrasjoner som metter sosiale medier og sveipende påstander om kunstig generell intelligens eller trillion-dollar-resultater langt før inntektene følger med.

Dette laget av industrien beveger seg raskt fordi det drives av historiefortelling, forventninger og investorpsykologi. Applikasjonsselskaper kan øke i oppmerksomhet like raskt som de kan falle ut av gunst. Narrativer utvider ofte raskere enn underliggende forretningsfundament og fordi dette er den mest synlige delen av AI-økonomien, blir det standardreferansepunktet for påstander om at hele sektoren er overopphetet.

Men beregning-infrastruktur opererer i en helt annen virkelighet, en som styres av fysikk, økonomi og harde kapasitetsbegrensninger.

Beregning-infrastruktur formas av målbare krefter: GPUs som genererer timebasert inntekt ved å kjøre AI-arbeidsbelastninger, tilgjengeligheten og kostnaden av kraft, takten i data-senterbygging, økende trening- og inferens-krav når modellene vokser i størrelse. Utnyttelse, ikke mening, bestemmer om dette laget fungerer.

Hvor applikasjoner stiger og faller basert på persepsjon, er infrastruktur forankret i varig etterspørsel. Dette er hvorfor infrastruktur-laget ikke oppfører seg som en typisk boble-utsatt verdi. Det oppfører seg mer som strømnettet under elektrifisering eller fiber under internett-boomen. Det er et grunnleggende system hvis etterspørselskurve drives av teknologisk fremgang snarere enn investorenes luner.

2. Hva historien faktisk viser

Ved å se på tidligere generell teknologi, avslører en konsistent og gjentakende mønster: store teknologiske skift begynner med en enorm økning i infrastruktur-investering, lenge før produktivitetsgevinster viser seg i økonomien.

Jernbaner krevde enorme forhåndsinvesteringer tiår før de transformerte handel. Elektrisitet krevde dyre nettbygginger før fabrikker kunne fullstendig reorganisere rundt elektrisk kraft. Telekommunikasjonsnett, internett-bakke-infrastruktur, mobilnett og skytjenester fulgte alle samme kurven. I hver enkelt tilfelle, økte infrastruktur-utgiftene først, mens produktivitetsforbedringene kom senere.

Fra utsiden, så disse periodene ofte ut som bobler. I ettertid, var de installasjonsfaser. Nødvendige, kapital-intensive bygginger som la grunnlaget for tiår med økonomisk vekst.

Denne vidt distribuerte Goldman Sachs-diagrammet illustrerer dette fenomenet tydelig:

Infrastruktur-investeringer øker år før målbare produktivitetsgevinster. AI i dag følger denne kurven nesten nøyaktig.

Mye av dagens AI-bygging drives av selskaper som er grunnleggende forskjellige fra de i dot-com-æraen. Under slutten av 1990-tallet, hadde mange høyt verdsatt internett-selskaper liten eller ingen inntekt. I motsetning til dette, er de største kreftene bak dagens AI-infrastruktur-økning, som Microsoft, Google, Meta og Amazon, høyt lønnsomme selskaper med massive, gjentakende kontantstrømmer fra etablerte forretninger som skytjenester, reklame og bedriftsprogramvare.

Deres AI-utgifter er hovedsakelig finansiert av driftsfortjeneste, ikke spekulativ gjeld. Denne distinksjonen er viktig. Den reduserer systemisk sårbarhet og omdefinierer dagens CapEx ikke som uklokt overskridelse, men som bevisst, langtidsinvestering.

3. Etterspørsel etter beregning er strukturelt, ikke mening-drevet

Hva gjør den nåværende AI-syklusen eksepsjonelt motstandsdyktig, er at etterspørsel etter beregning ikke drives primært av narrativ entusiasme. Det drives av tekniske krav som fortsetter å utvide uavhengig av markedssentiment.

Kjerne-drivere av beregnings-etterspørsel fortsetter å akselerere:

• “Tenkende” skatt: Nye AI-modeller henter ikke bare svar, men faktisk tenker gjennom tusenvis av muligheter før de svarer. Dette skaper en ny virkelighet hvor en enkelt bruker-forespørsel kan forbruke 100 ganger så mye beregning som en tradisjonell søk.

• Syntetisk data-produksjon: Vi har effektivt gått tom for høykvalitets menneskelig data å trene på. For å fortsette å forbedre, kjører flåter av GPUs nå 24/7 bare for å skrive treningsdata for den neste generasjonen av modeller.

• Suveren infrastruktur: Regjeringer kjøper nå beregning for nasjonal sikkerhet som de kjøper energireserven eller forsvarssystemer. Dette skaper en massiv, permanent etterspørsels-gulv som er immun mot markedssentiment.

Disse kreftene eksisterer uavhengig av hvordan AI-startups blir verdsatt i en given kvartal. Selv under markedstilbakegang, forblir GPU-utnyttelse høy fordi arbeidsbelastningene selv fortsetter å vokse i kompleksitet og volum.

Denne byggingen er tangibel på en måte mange spekulative bobler ikke var. GPUs, servere, data-sentre, kraft-infrastruktur og deployede AI-applikasjoner er virkelige aktiver som allerede leverer målbare produktivitetsgevinster. I motsetning til mange dot-com-konsepter som var år unna praktisk bruk, er AI-systemer allerede integrert i arbeidsflyter over software-utvikling, forskning, kundeservice, design, logistikk og beslutningstagning.

Det er også en konkurranse-dynamikk som spiller som går utenfor markedet. AI har blitt en strategisk “våpenkappløp” mellom selskaper og nasjoner. Regjeringer og korporasjoner kan ikke enkelt droppe investeringer uten å risikere langtidskonkurransesevne. Å falle bakover i beregningskapasitet øker stadig å falle bakover i innovasjon, talent-tiltrekning og kapital-tilgang.

4. Boble eller infleksjons-punkt?

Noen økonomer skille mellom to typer bobler. Finansielle bobler lar lite igjen når de sprer. Infleksjons-bobler, på den andre siden, akselererer byggingen av grunnleggende infrastruktur som permanent endrer det økonomiske landskapet, selv om kapital er misallokert underveis.

Jernbaner, elektrifisering og tidlig internett viste alle elementer av spekulativ eksess. Likevel endret de samfunnet på uavvendelige måter. Sløseriet negerte ikke fremgangen.

AI-syklusen viser karakteristika av en infleksjons-boble. Det er uten tvil hype på kantene og noen investeringer vil feile. Men infrastrukturen som bygges, er virkelig, varig og stadig mer uunnværlig. Selv når verdsettelse komprimeres, markedet konsolideres, og bestemte applikasjoner feiler, vil den underliggende infrastrukturen forbli.

5. Det menneskelige underskattings-problemet

Til slutt, er det en gjentakende tendens til å underskattet den dyptgående innvirkningen av nye teknologier på daglig liv. Bare 18 måneder siden, ble de fleste av allmennheten introdusert til AI gjennom verktøy som ChatGPT. I dag, for mange kunnskapsarbeidere, er det vanskelig å forestille seg å jobbe uten AI-hjelp.

Denne skiftet skjedde merkelig raskt og det er fortsatt i sine tidlige faser.

Fra dette perspektivet, å kalle dette en AI-boble, går glipp av det større poenget. Hva vi er vitne til, ser ut som mindre spekulativ eksess løs fra virkeligheten og mer som den mørbare, kapital-intensive installasjonsfasen av en produktivitets-revolusjon som allerede er i gang.

Offentlig mening vil ebb og flom. Priser vil korrigere. Infrastrukturen og innovasjonen den muliggjør, er her for å bli.