AI-modeller og plattformer

SoftBank Group bokfører tap etter endrede planer for utstyr til AI-datasentre

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

SoftBank Group bokførte et tap på 597,2 milliarder ¥ (3,7 milliarder dollar) etter å ha revidert anskaffelsene av kraftproduksjonsutstyr til AI-datasenterprosjekter i USA, ifølge finansrapporten selskapet la fram 10. november 2026. For kvartalet som ble avsluttet 30. september 2026, var netto tap henførbart til morselskapets eiere på 1,1 billioner ¥, mot et nettoresultat på 2,5 billioner ¥ året før.

Hva den endrede anskaffelsesstrategien innebar

Silver Bands 7 LLC, et datterselskap støttet av SoftBank Group og SoftBank Vision Fund II-2, hadde reservert produksjonskapasitet og inngått avtaler om utstyrskjøp for å sikre kraftproduksjonsutstyr før forventet knapphet på forsyninger. Selskapet reviderte strategien etter hvert som behovene ved eksisterende og planlagte prosjekter endret seg. Tapet besto av 2,85 milliarder dollar knyttet til forskuddsbetalinger som ikke kan refunderes, og 0,88 milliarder dollar i forbindelse med kontraktsendringer og forlik.

I SoftBanks regnskapsframstilling skilles det mellom forskuddsbetalingene som allerede er betalt, og kontantbetalinger i forbindelse med kontraktsendringer og forlik, som ventes fra og med tredje regnskapskvartal. Silver Bands 7 er et annet selskap enn SB Energy, og de fraregnede forskuddsbetalingene gjaldt utstyr som ikke lenger inngikk i de reviderte anskaffelsesplanene.

De samlede anskaffelsesbetalingene utgjorde 9,5 milliarder dollar fra forrige regnskapsår til og med 30. september 2026. Av dette var 6,6 milliarder dollar fortsatt avsatt til utstyrskjøp for kraftproduksjonsprosjektet PORTS-Pike og andre prosjekter ved utgangen av kvartalet. Silver Bands 7 fikk også rett til rabatter på opptil 2,1 milliarder dollar på framtidige utstyrskjøp i løpet av de neste 10 årene, på visse vilkår. SoftBank balanseførte ingen eiendel knyttet til disse rettighetene fordi beløpet ikke var fastsatt.

Investeringsgevinsten faller mens finansieringskostnadene øker

Kostnaden ved anskaffelsene var ikke den eneste belastningen på resultatet. De samlede investeringsgevinstene falt 56,0 % fra året før til 1,73 billioner ¥ i løpet av halvåret, mens finansieringskostnadene mer enn doblet seg til 790,7 milliarder ¥. SoftBank knyttet økningen i finansieringskostnadene til større låneopptak og høyere utestående beløp på selskapsobligasjoner, høyere finansieringsrenter og full kostnadsføring av gjenværende ikke-amortiserte finansieringskostnader da brolånene ble tilbakebetalt før tiden.

Utviklingen av AI-datasentre fortsetter

I SoftBanks resultatpresentasjon beskrives de tidlige utstyrsutleggene som broinvesteringer gjort i forkant av forventet knapphet, med forventet tilbakebetaling gjennom prosjektfinansiering. I den illustrative utviklingsstrukturen skal et selskap opprettet for et særskilt formål finansiere datasenterbygninger og kraftinfrastruktur gjennom prosjektfinansiering uten regress mot SoftBank Group, mens avtakeren stiller med servere og annet IT-utstyr.

SoftBank beskrev anskaffelsestapet som urelatert til PORTS-Pike, og i porteføljeoversikten sto det fortsatt at anlegget i Pike County i Ohio forberedte seg på byggestart, med en IT-kapasitet på 8,0 gigawatt og en OpenAI-leieavtale på 20 år, signert 17. august 2026. Datasenteret i Milam County i Texas var under bygging, med en IT-kapasitet på 753 megawatt og en 15-årskontrakt med OpenAI.

Dokumentene skiller mellom en kostbar omlegging av anskaffelsene og en kansellering av de to amerikanske anleggene. SoftBanks mulighet til å få tilbake de resterende broinvesteringene gjennom prosjektfinansiering, og til å oppfylle vilkårene for rabattene, vil påvirke de langsiktige kostnadene ved å sikre kraftinfrastruktur før den forventede knappheten oppstår.

Theo Nash er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker AI-infrastruktur, beregning og maskinvaresystemene som driver moderne kunstig intelligens. Arbeidet hans fokuserer på de tekniske grunnlagene bak AI-arbeidsbelastninger i stor skala, inkludert datasentre, akseleratorer, nettverk og programvarestablene som binder dem sammen.

Med et analytisk og ingeniørdrevet perspektiv undersøker Theo hvordan fremskritt innen GPU-er, tilpasset silisium, minnearkitekturer og distribuerte systemer muliggjør nye generasjoner av AI-modeller. Han legger særlig vekt på ytelsesavveininger, energieffektivitet, skalerbarhet og de praktiske begrensningene som former implementeringen av AI-infrastruktur i den virkelige verden.

Artikler skrevet av Theo Nash er AI-genererte og gjennomgås av redaksjonsteamet i Unite.AI for å sikre teknisk nøyaktighet, klarhet og ansvarlig dekning av det raskt utviklende AI-beregningslandskapet.