De bouw van infrastructuur voor kunstmatige intelligentie zal tussen 2025 en 2032 alleen al in de Verenigde Staten naar schatting ongeveer $10,3 biljoen kosten. Om die investering rendabel te maken, zou de AI-sector tegen het einde van die periode ongeveer $3,7 biljoen aan jaarlijkse omzet moeten genereren.

Die cijfers komen van Columbia Business School-professor Stijn Van Nieuwerburgh, wiens analyse werd gepresenteerd op de Brookings Papers on Economic Activity-conferentie, een langlopend forum waar economen nieuw onderzoek naar de Amerikaanse economie presenteren. De studie probeert een vraag te beantwoorden die iedereen die de AI-uitbouw volgt al enige tijd bezighoudt: klopt de rekensom eigenlijk wel?

De cijfers achter de uitbouw

De kernprojectie voorziet in de toevoeging van ongeveer 182,7 gigawatt aan datacentercapaciteit tegen 2032. Ter context: dat is een enorme hoeveelheid energie-infrastructuur, met investeringsuitgaven die jaarlijks ruwweg gelijkstaan aan 3,63% van het Amerikaanse bbp.

Ter relativering van de omvang merkt het rapport op dat deze uitbouw historische infrastructuurinvesteringen zou overtreffen, zoals de aanleg van het spwegnet en het interstate highwaysysteem.

De economie per eenheid vertelt een even veeleisend verhaal. De analyse schat dat winstgevendheid ongeveer $5,5 aan omzet per geïnstalleerd GPU-uur bij volledige benutting vereist — een maatstaf die het rendement op elke geïnstalleerde chip direct koppelt aan wat klanten daadwerkelijk betalen voor AI-rekencapaciteit. Als de benutting daalt naar een realistischere 80%, loopt dat cijfer op tot $6,9 per GPU-uur.

Het in het model gehanteerde rendementsdrempel gaat uit van een 10% oninggaard rendement — een maatstaf die wordt berekend vóór de effecten van schuldfinanciering — met een kasstroommarge van 50%. Het halen van die benchmarks zou vereisen dat de AI-sector van vandaag tot 2032 ongeveer 80% samengestelde jaarlijkse omzetgroei realiseert.

Dat groeitempo wordt afgezet tegen een huidige gecombineerde omzet-run-rate van ongeveer $100 miljard van OpenAI en Anthropic, respectievelijk de ontwikkelaars achter ChatGPT en Claude. Van $100 miljard naar $3,7 biljoen aan jaarlijkse omzet in ongeveer zeven jaar is een traject dat indrukwekkend oogt in een pitch deck en ontmoedigend op het whiteboard van een risicocommissie.

Hoe het wordt gefinancierd

Het rapport duikt in de financieringsstructuren, een gebied dat bijzonder relevant is voor iedereen die zich zorgen maakt over systemisch risico. Hyperscalers — de exploitanten van de grootste cloud- en datacenternetwerken, zoals Microsoft, Amazon en Google — maken steeds vaker gebruik van externe schulden en complexe financiële regelingen om hun AI-infrastructuurambities te financieren.

Het rapport wijst deze onderlinge verwevenheid aan als een mogelijke bron van systemisch risico, met name als de vraag naar AI-diensten niet even snel meegroeit als de gebouwde capaciteit. Een tekort aan AI-vraag zou dan niet alleen door de technologiebedrijven zelf worden gevoeld, maar ook door de kredietverstrekkers en beleggers aan de andere kant van die schulden. Overcapaciteit in datacenters gefinancierd met externe schulden is een heel ander probleem dan overcapaciteit gefinancierd uit ingehouden winsten.

De vraag van $3,7 biljoen

De jaarlijkse omzetdoelstelling van $3,7 biljoen tegen 2032 zou neerkomen op ongeveer 9,2% van het verwachte Amerikaanse bbp voor dat jaar.

Er zijn ook fysieke beperkingen die de uitbouw kunnen vertragen, ongeacht de beschikbaarheid van financiering. Stroomopwekking en netcapaciteit blijven in grote delen van het land knelpunten, en de vergunningtrajecten voor nieuwe elektriciteitscentrales en transmissielijnen lopen vaak veel verder uit dan het-investeringshorizon vraagt.

Het rapport roept ook vragen op over de benuttingsgraden. Het bouwen van 182,7 GW aan capaciteit levert alleen rendement op als die capaciteit daadwerkelijk wordt gebruikt. Het verschil tussen de omzetteisen van $5,5 en $6,9 per GPU-uur bij respectievelijk volledige en 80% benutting illustreert hoe gevoelig de economie is voor schommelingen in de vraag.

De studie presenteert deze cijfers als een maatstaf om te beoordelen of het omzettraject van de sector het huidige tempo van infrastructuurinvesteringen kan dragen. Gemeten naar die maatstaf zijn de waarneembare indicatoren voor de komende periode de omzetcijfers van de grote AI-labs, de benutting van geïnstalleerde GPU-capaciteit, de voorwaarden waartegen hyperscalers externe schulden aantrekken, en het tempo waarmee nieuwe stroomopwekking en vergunningen de door het rapport gesignaleerde knelpunten overwinnen.