Uge 35 - AI-boomets størrelse forklaret og perspektiveret

• 
  

Kort fortalt

• Økonomien bag AI-compute er ekstrem: Én gigawatt compute koster omkring 15 mia. dollars at etablere, men kan generere op mod 50 mia. dollars i årlig inference-omsætning. Over seks år er det op mod 20 gange den oprindelige investering — og det forklarer, hvorfor så enorme mængder kapital lige nu søger mod AI.

  
  

• Væksthastigheden er svær at fatte: OpenAI og Anthropics samlede compute er tredoblet på ét år, og hvis udviklingen fortsætter, kan de tilsammen nå 100 GW ved udgangen af 2028. Den samlede årlige AI-CapEx kan mod slutningen af årtiet nærme sig 7-10 billioner dollars — en betydelig del af hele verdens økonomiske produktion.

  
  

• AI kan løfte amerikansk vækst markant: Alene inference fra OpenAI og Anthropic kan ifølge regnestykket bidrage med 5-10% BNP-tilvækst i USA i 2028 — og oveni kommer robotter, selvkørende transport, automatiserede fabrikker og tilbageflytning af værdikæder.

  
  

• Boomet presser kapital og geopolitik: AI kan være deflationært på varer, men inflationært på kapital, fordi projekterne konkurrerer om verdens opsparing og kan presse de globale renter op. Lande uden for boomet risikerer at få den højere rente uden den højere vækst — og på sigt forrykkes hele det økonomiske styrkeforhold mellem stormagterne.

Bloggen er vores vurderinger af aktier og teknologiske trends, og kan være meget positiv, fordi vi er langsigtet optimistiske på den teknologiske udvikling. Det bygger på antagelser, der kan ændre sig, og den faktiske udvikling kan afvige væsentligt og være meget volatil på kort sigt. Se nederst for yderligere information.

AI-boomets størrelse forklaret

I denne uges blogindlæg vil vi fokusere på tre ting, som efter vores opfattelse stadig bliver undervurderet i diskussionen om kunstig intelligens: profitabiliteten, væksthastigheden og skalaen.

Baggrunden er blandt andet et fremragende nyt afsnit af Dwarkesh Podcast, hvor Dwarkesh Patel interviewer Dylan Patel — founder af SemiAnalysis og en af de analytikere, vi følger tættest, når det gælder AI-infrastruktur og halvlederindustrien. Samtalen handler om økonomien bag hele AI-udbygningen, og når man begynder at sætte tal på den, bliver perspektiverne svære at begribe.

For hvis udviklingen fortsætter bare nogenlunde i den retning, Dylan og Dwarkesh beskriver, er AI ikke længere blot en ny teknologisektor. Vi taler om en industriel udbygning, som potentielt bliver stor nok til at påvirke amerikansk BNP-vækst, globale renter, kapitalstrømme og i sidste ende det økonomiske styrkeforhold mellem verdens stormagter.

Det er selvfølgelig vigtigt at understrege, at vi her bevæger os ud i prognoser med enorm usikkerhed. Ingen ved, om OpenAI og Anthropic faktisk når de compute-niveauer, der diskuteres, hvad inference kommer til at koste i 2028, eller hvor stor en del af den økonomiske værdi AI-labs selv kommer til at indfange. Men tallene er alligevel interessante, fordi de illustrerer størrelsesordenen på det økonomiske maskineri, der lige nu er ved at blive bygget.

Først profitabiliteten

Lad os begynde med det måske mest oversete: hvor ekstrem økonomien omkring AI-compute potentielt er.

I podcasten gennemgår Dylan og Dwarkesh økonomien gennem værdikæden. Dylan vurderer den nuværende basispris på compute til omkring 10-15 millioner dollars per megawatt, svarende til 10-15 milliarder dollars per gigawatt. Det er ikke nødvendigvis den endelige pris, en AI-lab kommer til at betale. Der skal tjenes penge forskellige steder i værdikæden, og oveni kommer datacentre, energi, installation, netværk og andre omkostninger. Men det giver os et udgangspunkt for at forstå økonomien.

På den anden side af regnestykket står indtjeningspotentialet.

Ifølge Dylan genererer Anthropic allerede mere end 60 millioner dollars i omsætning per megawatt, når compute anvendes til inference. Det svarer til mere end 60 milliarder dollars per gigawatt. Samtidig diskuterer de i podcasten scenarier, hvor værdien kan blive endnu højere, efterhånden som modellerne bliver bedre, hardwaren bliver mere effektiv, og hver watt compute dermed kan producere mere økonomisk værdifuld intelligens.

For at holde regnestykket konservativt vil vi i resten af dette indlæg bruge 50 milliarder dollars i potentiel årlig inference-omsætning per gigawatt compute.

Det betyder ikke, at en AI-lab nødvendigvis vil realisere hele den omsætning. Tværtimod er en vigtig pointe fra podcasten, at OpenAI og Anthropic kan vælge at bruge en stigende del af deres compute internt på forskning og træning frem for at sælge inference til kunderne. Dylan argumenterer faktisk for, at det allerede er ved at ske. Hvis den forventede værdi af at udvikle næste generation af modeller er endnu større end værdien af at sælge inference i dag, er det rationelt at ofre kortsigtet omsætning for at accelerere forskningen.

Men inference-tallet fortæller os noget meget vigtigt: alternativværdien af compute.

Hvis man ejer én gigawatt AI-compute, som en førende AI-lab kan monetisere til omkring 50 milliarder dollars om året, er den økonomiske værdi af at få strøm på den gigawatt enorm.

Forestil dig derfor et meget forsimplet regnestykke. Vi etablerer én gigawatt compute til en basisomkostning på 15 milliarder dollars og antager derefter, at den kan generere 50 milliarder dollars om året i seks år.

Det giver:

Investering: 15 mia. dollars

Potentiel omsætning over seks år: 300 mia. dollars

Det er 20 gange den oprindelige investering i omsætning.

Det er selvfølgelig ikke det samme som et 20 gange investeringsafkast, men størrelsesordenen forklarer, hvorfor så enorme mængder kapital lige nu søger mod AI.

Én dollar tidligt i kæden bliver til mange

Dwarkesh bruger et endnu mere ekstremt eksempel længere tilbage i værdikæden. Han estimerer, at omkring 6 milliarder dollars i ekstra fab-CapEx kan muliggøre produktion af omkring én gigawatt nye AI-chips om året. Hvis fabrikken producerer den kapacitet år efter år, og hver generation af chips efterfølgende bruges til at skabe AI-omsætning, bliver forholdet mellem den oprindelige investering i produktionskapacitet og den efterfølgende omsætning i AI-systemet enormt. Det er dét, der får ham til at beskrive økonomien som en situation, hvor kapitalismen i princippet kan omdanne én dollar investeret tidligt i værdikæden til meget store beløb i omsætning længere ude i systemet.

Det er en vigtig pointe, fordi den forklarer meget af det, der sker i AI-industrien lige nu.

Når afkastet på at fjerne en flaskehals er enormt, bliver betalingsvilligheden for at fjerne den også enorm.

Compute vokser eksplosivt

Den anden ting, der er svær at begribe, er væksthastigheden.

Ved begyndelsen af 2026 havde OpenAI omkring 2 GW compute, mens Anthropic havde mindre end 2 GW. Ifølge Dylan, vil begge selskaber have over 5 GW ved udgangen af året. På ét år er deres samlede compute-kapacitet dermed omtrent tredoblet.

Det interessante er, hvad der sker, hvis noget i nærheden af den udvikling fortsætter, hvilket er deres antagelse.

Dwarkesh opstiller i podcasten et simpelt tankeeksperiment, hvor frontier-labs' compute fortsætter med omtrent at tredobles årligt. Dylan vurderer samtidig, at verden samlet vil tilføje omkring 30 GW AI-compute i 2026, 50 GW i 2027 og 70 GW i 2028. Hvis OpenAI og Anthropic ender omkring 100 GW tilsammen ved udgangen af 2028, vil de på det tidspunkt lægge beslag på en meget stor del af den nye globale compute-kapacitet. Dylan kalder selv 100 GW et meget aggressivt mål, blandt andet fordi de to selskaber i så fald sandsynligvis bliver nødt til at byde prisen på compute kraftigt op for at kunne købe kapaciteten fra resten af markedet.

Og det er ikke bare compute, der vokser. Kapitalapparatet omkring compute skal vokse med.

Dylan vurderer, at AI-CapEx allerede ligger lidt over 1 billion dollars om året og vil være over 2 billioner dollars i 2028. Når man kommer længere frem mod 2030 og forestiller sig en verden, hvor der måske skal tilføjes omkring 100 GW eller mere om året, bliver tallene endnu mere ekstreme. Selve IT-udstyret kan kræve omkring 5 billioner dollars om året, men så mangler datacentrene, kraftværkerne, elnettet og den øvrige infrastruktur stadig. Derfor diskuterer Dylan og Dwarkesh et scenarie, hvor den samlede årlige CapEx mod slutningen af årtiet kan nærme sig 7-10 billioner dollars.

Til sammenligning er verdens samlede økonomi i størrelsesordenen godt 100 billioner dollars.

Vi taler altså potentielt om en industri, som alene kan absorbere en betydelig encifret procentdel af verdens økonomiske produktion i årlige investeringer.

Det er svært at finde historiske paralleller til en kapitalomlægning i den størrelsesorden.

Hvad betyder det for USA?

Her bliver regnestykket virkelig interessant.

Hvis OpenAI og Anthropic går fra omkring 30 GW til omkring 100 GW compute i løbet af 2028, svarer det til cirka 70 GW ekstra compute.

Hvis vi bruger vores antagelse om, at én gigawatt potentielt kan generere omkring 50 milliarder dollars i årlig inference-omsætning, repræsenterer de 70 GW:

70 GW × 50 mia. dollars = 3,5 billioner dollars

USA's nuværende BNP ligger i størrelsesordenen 33 billioner dollars. 3,5 billioner dollars svarer altså til mere end 10% af størrelsen på den nuværende amerikanske økonomi.

Her er det vigtigt at holde tungen lige i munden: 3,5 billioner dollars i omsætning er ikke det samme som 3,5 billioner dollars i BNP.

BNP måler værditilvækst og ikke virksomhedernes bruttoomsætning. Hvis OpenAI køber compute, elektricitet og andre input for 20 dollars og sælger inference for 50 dollars, er det i princippet forskellen mellem de to, der er OpenAI's egen værditilvækst, altså bidraget til BNP, men i og med at store dele af værdikæden befinder sig i USA, kan en betydelig del af den samlede økonomiske aktivitet derfor ende som amerikansk BNP.

Derfor kan man ikke blot sige, at OpenAI og Anthropic alene vil skabe 10 % BNP-vækst i USA i 2028. Men tallene tyder på, at AI-inference fra OpenAI og Anthropic alene kan skabe 5-10% BNP tilvækst i USA i 2028.

Og AI-labs er kun ét led i historien. Dertil kommer humanoide robotter som Optimus, selvkørende transport, automatiserede fabrikker eller den bredere automatisering af den amerikanske økonomi, samt tilbageflytning af værdikæder til USA.

Derfor mener vi, at potentialet for amerikansk vækst de kommende år kan være væsentligt større, end man intuitivt forestiller sig, når man alene ser på traditionelle makroøkonomiske prognoser.

AI-boomet kan presse renterne op

Men den eksplosive vækst har også en bagside.

For alle disse datacentre, kraftværker, chipfabrikker og AI-systemer skal finansieres.

SemiAnalysis' modeller peger ifølge Dylan på omkring 11 billioner dollars i samlet AI-CapEx fra 2024 til 2029. Selv hvis omkring 6 billioner kan finansieres gennem virksomhedernes egne pengestrømme, efterlader det potentielt mere end 5 billioner dollars, som skal finansieres gennem kreditmarkederne.

Og her opstår en interessant makroøkonomisk mekanisme.

Forestil dig, at Anthropic kan låne en milliard dollars og investere pengene i compute, der giver et ekstremt højt økonomisk afkast. Så kan det være helt rationelt for Anthropic at betale 10–15% eller mere i rente for den kapital.

Men den kapital skal komme et sted fra.

Investoren, der køber obligationen, kunne alternativt have finansieret et realkreditlån, købt en statsobligation eller finansieret en traditionel virksomhed. Når AI-infrastrukturen kan tilbyde et langt højere afkast, begynder den derfor at konkurrere med resten af økonomien om verdens opsparing.

Det kan presse den globale pris på kapital op, altså øge markedsrenterne globalt.

Og dermed kan noget paradoksalt ske: AI kan være enormt deflationært på varer og tjenester og samtidig være inflationært på kapital.

For USA behøver det ikke nødvendigvis at være et problem. Hvis datacentrene, AI-labs, energianlæggene og en stor del af værdikæden befinder sig i USA, får landet samtidig den økonomiske vækst, indkomsterne og skattebasen, der følger med investeringerne.

Men forestil dig et land, som ikke deltager nævneværdigt i AI-boomet.

Landets stat skal stadig finansiere sin gæld på de globale kapitalmarkeder. Landets virksomheder skal stadig låne penge. Boligejerne skal stadig have realkreditlån. Men de konkurrerer nu om kapital med amerikanske AI-projekter, som potentielt kan betale langt højere renter.

Så får landet den højere rente uden den højere vækst.

Det er netop derfor, Dylan og Dwarkesh diskuterer risikoen for, at AI-boomet i yderste konsekvens kan bidrage til gældskriser i lande – og problemer i virksomheder – som ikke får del i AI-produktivitetsboomet. De beskriver direkte scenariet som en potentiel sovereign debt crisis, hvor AI-infrastruktur trækker så meget kapital mod USA og hyperscalerne, at finansieringsomkostningerne stiger for resten af verden.

AI bliver geopolitik

Og så kommer vi til den måske største implikation.

Hvis USA i løbet af ganske få år opbygger en AI-industri med en økonomisk aktivitet på flere billioner dollars årligt, samtidig med at AI øger produktiviteten i resten af den amerikanske økonomi, ændrer det også det globale styrkeforhold.

Dylan vurderer, at omkring 70% af den nye AI-compute i dag bliver installeret i USA, mens Kina står for mindre end 10%. Kina vil næsten med sikkerhed accelerere voldsomt de kommende år, og Dylan vurderer eksempelvis, at Kina godt kan tilføje omkring 50 GW i 2029. Men de kinesiske chips vil samtidig være mindre effektive end de bedste amerikanske, så én kinesisk gigawatt er ikke nødvendigvis økonomisk eller teknologisk ækvivalent med én amerikansk gigawatt.

Det økonomiske styrkeforhold i verden vil også forrykke sig, fordi USA om få år vil have virksomheder, hvis omsætning svarer til europæiske landes bruttonationalprodukt. Hvis OpenAI og Anthropic alene ender med omkring 100 GW ved udgangen af 2028, begynder vi derfor at få selskaber, hvis økonomi kan sammenlignes med hele nationaløkonomier. 100 GW vil således kunne drive en omsætning på 5 billioner dollars, hvilket udgør ca. 20% af EU-zonens bruttonationalprodukt. Fremskriver man udviklingen yderligere nogle år, bliver tallene næsten absurde, og de to selskabers omsætning vil kunne nå et niveau, som svarer til EU's bruttonationalprodukt.

Mange vil sige, at så hurtigt går det ikke, men hvis en skeptiker ønsker at dividere de her tal med 4, så vil det blot betyde, at vi når frem til de tal, jeg beskriver her 2-3 år senere. Det, som jeg håber læseren får med her, er vigtigheden af CapEx investeringer lige nu, fordi afkastgraden er så høj, at virksomheder eller lande, som ikke investerer nu, vil blive sat af økonomisk.

Dette er markedsføring for NewDeal Invest. Investeringsstilen henvender sig til investorer med en høj risikoprofil og langsigtet investeringshorisont, og historisk afkast er ingen garanti for fremtidigt afkast. De aktier, som NewDeal Invest investerer i, er mere volatile end det brede aktiemarked, og svinger derfor mere både op og ned. NewDeal Invest yder ikke investeringsrådgivning, og alle investeringsbeslutninger træffes af dig selv. Ingen informationer fra NewDeal Invest bør betragtes som anbefalinger. Kortsigtede investeringer, med en tidshorisont på 5 år eller mindre, frarådes både i NewDeal Invest, PMINDI, PMINDIAKK og i de aktier der omtales. Se relevante risikofaktorer på https://newdealinvest.dk/ og https://newdealinvest.dk/pmindi/, samt fondenes PRIIP-KID dokumenter, der findes nederst på hjemmesiden.