Är vi i en AI-bubbla? En tydlig titt på infrastruktur vs. hype

AI:s uppgång har utlöst massiva investeringar, snabb innovation och intensiv allmän uppmärksamhet. Dessa förhållanden väcker nästan oundvikligen en välbekant fråga: är vi i en AI-bubbla?

Det är en rimlig oro. Perioder av teknisk entusiasm har ofta följts av smärtsamma korrektioner, särskilt när förväntningarna springer förbi grundvalarna. Men för att besvara denna fråga krävs det att man skiljer på synlig hype och de mindre synliga systemen under den och förankrar diskussionen i historia, ekonomi och verkligheten i infrastrukturlagret som faktiskt driver AI.

När man gör det ser bilden ut att vara långt mer nyanserad än bubbla-berättelsen antyder.

1. Den viktiga distinktionen: Infrastruktur vs. applikationer

De flesta samtal om en “AI-bubbla” fokuserar på vad man ser på applikationslagret. Detta inkluderar rubrikskapande finansieringsrundor från företag som OpenAI, Anthropic och xAI med snabbfinansieringsannonser som kommer bara månader isär. Sedan finns det virala AI-agentdemos som mättar sociala flöden och svepande påståenden om artificiell allmän intelligens eller trilliondollarresultat långt innan intäkterna hämtar ikapp.

Detta lager av branschen rör sig snabbt eftersom det drivs av berättelser, förväntningar och investerarpsykologi. Applikationsföretag kan skjuta i höjden lika snabbt som de kan falla ur gunst. Berättelser utvidgas ofta snabbare än underliggande affärsfundament och eftersom detta är den mest synliga delen av AI-ekonomin, blir det standardreferenspunkten för påståenden att hela sektorn är överhettad.

Men beräkningsinfrastruktur fungerar i en helt annan verklighet, en som styrs av fysik, ekonomi och hårda kapacitetsbegränsningar.

Beräkningsinfrastruktur formas av mätbara krafter: GPU:er som genererar timhyra genom att köra AI-arbetsbelastningar, tillgänglighet och kostnad för kraft, takten i datacenterbyggnad, ökande utbildnings- och inferenskrav när modeller växer i storlek. Uttnyttjande, inte åsikt, bestämmer om detta lager fungerar.

Där applikationer stiger och faller baserat på uppfattning, är infrastruktur förankrad i varaktig efterfrågan. Detta är varför infrastrukturlagret inte beter sig som en typisk bubbebenägen tillgångsklass. Det beter sig mer som elnätet under elektrifieringen eller fiber under internet-boomen. Det är ett grundläggande system vars efterfrågekurva drivs av teknisk framsteg snarare än investerares nycker.

2. Vad historien faktiskt visar

Att titta på tidigare allmänna teknologier avslöjar ett konsekvent och upprepat mönster: stora tekniska skift börjar med en enorm ökning av infrastrukturinvesteringar, långt innan produktivitetsvinster visas i ekonomin.

Järnvägar krävde enorma förskottskapital decennier innan de förvandlade handeln. Elektricitet krävde dyra nätbyggnader innan fabriker kunde fullständigt omorganisera sig runt elektrisk kraft. Telekommunikationsnät, internet-infrastruktur, mobilnät och molnberäkning följde alla samma bana. I varje fall sköt infrastrukturinvesteringarna i höjden först, medan produktivitetsförbättringar följde senare.

Från utsidan såg dessa perioder ofta ut som bubblor. I efterhand var de installationsfaser. Nödvändiga, kapitalintensiva byggnadsverk som lade grunden för årtionden av ekonomisk tillväxt.

Denna allmänt spridda Goldman Sachs-diagram illustrerar denna fenomen tydligt:

Infrastrukturinvesteringar skjuter i höjden år före mätbara produktivitetsvinster. AI idag följer denna kurva nästan exakt.

Mycket av dagens AI-byggnad drivs av företag som är fundamentalt annorlunda än de under dot-com-eran. Under slutet av 1990-talet hade många högt värderade internetföretag lite eller ingen intäkt. I kontrast är de största krafterna bakom den nuvarande AI-infrastruktursurgen, som Microsoft, Google, Meta och Amazon, högt lönsamma företag med massiva, återkommande kassaflöden från etablerade verksamheter som molnberäkning, reklam och företagsprogramvara.

Deras AI-utgifter finansieras till stor del av driftsöverskott, inte spekulativ skuld. Den distinktionen är viktig. Den minskar systematisk sårbarhet avsevärt och omformar dagens CapEx inte som vårdslös överskott, utan som medveten långsiktig investering.

3. Efterfrågan på beräkning är strukturell, inte åsiktsdriven

Vad som gör den nuvarande AI-cykeln exceptionellt resilient är att efterfrågan på beräkning inte drivs primärt av berättelseentusiasm. Den drivs av tekniska krav som fortsätter att expandera oavsett marknadsåsikt.

Kärndrivare av beräkningskrav fortsätter att accelerera:

• “Tänkande”-skatten: Nya AI-modeller hämtar inte bara svar utan faktiskt resonemang genom tusentals möjligheter innan de svarar. Det skapar en ny verklighet där en enda användarprompt kan konsumera 100 gånger mer beräkning än en traditionell sökning.

• Syntetisk data-produktion: Vi har effektivt sprungit ut av högkvalitativ mänsklig data att träna på. För att fortsätta förbättra sig, kör flottor av GPU:er 24/7 bara för att skriva träningsdata för nästa generation av modeller.

• Självständig infrastruktur: Regeringar köper nu beräkning för nationell säkerhet som de köper energireserv eller försvarssystem. Det skapar en enorm, permanent golvbotten av efterfrågan som är immun mot marknadsåsikt.

Dessa krafter existerar oberoende av hur AI-startups värderas i en given kvartal. Även under marknadsbakslag förblir GPU-utnyttjande högt eftersom arbetsbelastningarna i sig fortsätter att växa i komplexitet och volym.

Denna byggnad är påtaglig på ett sätt som många spekulativa bubblor inte var. GPU:er, servrar, datacenter, elkraftsinfrastruktur och distribuerade AI-applikationer är verkliga tillgångar som redan levererar mätbara produktivitetsvinster. Till skillnad från många dot-com-koncept som var år borta från praktisk användning, är AI-system redan inbäddade i arbetsflöden över programvaruutveckling, forskning, kundsupport, design, logistik och beslutsfattande.

Det finns också en konkurrensdynamik som är verksam som går utöver marknader. AI har blivit en strategisk “vapenkapplöpning” mellan företag och nationer. Regeringar och företag kan inte enkelt välja bort investeringar utan att riskera långsiktig konkurrenskraft. Att halka efter i beräkningskapacitet innebär allt mer att halka efter i innovation, talangattraktion och kapitaltillgång.

4. Bubbla eller inflexionspunkt?

Vissa ekonomer skiljer på två typer av bubblor. Finansiella bubblor lämnar lite kvar när de brister. Inflexionsbubblor, å andra sidan, accelererar byggnationen av grundläggande infrastruktur som permanent förändrar den ekonomiska landskapsbilden, även om kapital är felallokerat på vägen.

Järnvägar, elektrifiering och den tidiga internetperioden visade alla inslag av spekulativ excess. Men de omformade också samhället på oföränderliga sätt. Slöseriet negligerade inte framstegen.

AI-cykeln visar egenskaper hos en inflexionsbubbla. Det finns utan tvekan hype på kanterna och vissa investeringar kommer att misslyckas. Men den infrastruktur som byggs är verklig, varaktig och allt mer oumbärlig. Även när värderingar komprimeras, konsolideras marknaden och specifika applikationer misslyckas, kommer den underliggande infrastrukturen att förbli.

5. Det mänskliga underskattningproblemet

Slutligen finns det en återkommande tendens att underskatta den djupgående inverkan av nya teknologier på dagligt liv. Bara 18 månader sedan introducerades de flesta av allmänheten till AI genom verktyg som ChatGPT. Idag är det för många kunskapsarbetare svårt att föreställa sig att arbeta utan AI-stöd.

Den skiftet hände anmärkningsvärt snabbt och det är fortfarande i dess tidiga skede.

Från den synvinkeln missar man den större punkten genom att kalla detta en AI-bubbla. Vad vi bevittnar ser ut att vara mindre som spekulativ excess frikopplad från verkligheten och mer som den oordnade, kapitalintensiva installationsfasen av en produktivitetsrevolution som redan är på gång.

Allmänhetens åsikt kommer att fluktuera. Priser kommer att korrigera. Infrastrukturen och den innovation det möjliggör är här för att stanna.