Er vi i en AI-boble? En klar titt på infrastruktur vs. hype

Oppsvinget i AI har utløst massive investeringer, rask innovasjon og intens offentlig oppmerksomhet. Disse betingelsene utløser nesten uunngåelig et kjent spørsmål: er vi i en AI-boble?

Dette er en berettiget bekymring. Perioder med teknologisk begeistring har ofte blitt fulgt av smertefulle korreksjoner, spesielt når forventningene løper foran grunnleggende forhold. Men for å svare på dette spørsmålet, må man skille synlig hype fra de mindre synlige systemene under 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-gripende finansieringsrunder fra selskaper som OpenAI, Anthropic og xAI med raskt finansieringsannonsering kun måneder apart. Deretter er det virale AI-agent-demos som metter sosiale medier og sveipende påstander om kunstig generell intelligens eller trillion-dollars resultater lenge før inntektene følger med.

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

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

Beregning-infrastruktur formas av målbare krefter: GPUs som genererer time-basert inntekt ved å kjøre AI-arbeidsbelastninger, tilgjengelighet og kostnad av kraft, tempo av datasenterbygging, økende trening og inferenskrav 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 vedvarende etterspørsel. Dette er hvorfor infrastruktur-laget ikke oppfører seg som en typisk boble-utsatt verdi. Det oppfører seg mer som kraftnettet under elektrifisering eller fiber under internett-boomen. Det er et grunnleggende system hvis etterspørselskurve drives av teknologisk fremgang snarere enn investorens luner.

2. Hva historien faktisk viser

Å se på tidligere generell-formål-teknologier 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 forhåndskapital tiår før de transformerte handel. Elektrisitet krevde dyre nettbygging før fabrikker kunne fullstendig reorganisere rundt elektrisk kraft. Telekommunikasjonsnett, internett-bakke-infrastruktur, mobilnett og skytjenester fulgte alle samme banen. I hver enkelt tilfelle, økte infrastruktur-utgifter først, mens produktivitetsforbedringer kom senere.

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

Dette vidt distribuerte Goldman Sachs-diagram illustrerer dette fenomenet tydelig:

Infrastruktur-investering spisser år før målbare produktivitetsgevinster. AI i dag følger denne kurven nesten nøyaktig.

Mye av dagens AI-bygging drives av selskaper som er fundamentalt forskjellige fra de i dot-com-æraen. Under slutten av 1990-tallet, hadde mange høyt verdsatt internett-selskaper liten eller ingen inntekt. I motsetning, 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 betyr noe. Den reduserer betydelig systemets 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 unikt 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:

• “Tenk”-skatten: Nye AI-modeller henter ikke bare svar, men faktisk gjennomtenker tusenvis av muligheter før de responderer. 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 nå flåter av GPUs 24/7 bare for å skrive trening-data for den neste generasjonen av modeller.

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

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

Dette byggingen er tangibel på en måte mange spekulative bobler ikke var. GPUs, servere, datasentre, kraft-infrastruktur og deployede AI-applikasjoner er reelle verdier som allerede leverer målbare produktivitetsgevinster. I motsetning til mange dot-com-konsepter som var år unna praktisk bruk, er AI-systemer allerede innbygget i arbeidsflyter over hele programvare-utvikling, forskning, kundesupport, design, logistikk og beslutningstaking.

Det er også en konkurranse-dynamikk som spiller en rolle 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 langtids-konkurransesevne. Å falle bakover i beregnings-kapasitet øker risikoen for å falle bakover i innovasjon, talent-tiltrekning og kapital-tilgang.

4. Boble eller infleksjons-punkt?

Noen økonomer skiller mellom to typer bobler. Finansielle bobler lar lite igjen når de sprer. Infleksjons-bobler, derimot, akselerer 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. Sløsingene 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 reel, varig og stadig mer uunnværlig. Selv når verdsettelse komprimeres, konsoliderer markedet 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 kunnskaps-arbeidere, er det vanskelig å forestille seg å jobbe uten AI-hjelp.

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

Fra det perspektivet, å kalle dette en AI-boble, misser det større poenget. Hva vi er vitne til, ser mindre ut som spekulativ eksess løsrevet fra virkeligheten og mer som den ustyrlige, kapitalintensive installasjonsfasen av en produktivitets-revolusjon som allerede er i gang.

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