Een speciaal ingerichte inferentiecampus van 100 MW met GB200 NVL72-racks heeft volgens een diepgaande analyse van Scotiabank Global Equity Research ongeveer $2,91 per GPU-uur nodig om een leveraged equity internal rate of return van 15% te realiseren.

In Scotiabanks model komt de totale projectcapex uit op $4,03 miljard voor 100 MW aan kritieke IT-belasting, of $40,3 miljoen per megawatt. Daarvan is 64% toegewezen aan IT-apparatuur, geprijsd op $3,0 miljoen per NVL72-rack, waarvan een groot deel naar NVDA gaat. De resterende 36% wordt toegeschreven aan de faciliteit zelf, tegen $14,5 miljoen per megawatt.

De bank gaat ervan uit dat 70% van het project wordt gefinancierd tegen 8,0% over zes jaar en rekent met een restwaarde van 15% op de IT-capex na jaar zes. Dat onderstreept hoe gevoelig de rendementscalculatie is voor zowel de financieringsvoorwaarden als de waarde van de apparatuur aan het einde van de looptijd.

Scotia zei dat de huidige GB200-huurindicaties de drempel halen. Bij de vereiste $2,91 vertaalt het model zich naar ongeveer $0,81 per miljoen output tokens. Ter vergelijking: de huidige token-outputkosten van gesloten modellen lopen uiteen van $1,50 voor Gemini 3.1 Flash-Lite tot $15 voor GPT 5.4. DeepSeek V4 Flash kost $0,28 tot $0,66, terwijl Ox Alpha rond $0,50 lijkt te liggen voor een product dat dicht bij Claude Opus 4.8 komt.

Het rapport benadrukte ook de omvang van de verplichtingen van hyperscalers. Volgens Scotia zijn de off-balance-sheet cijfers opgelopen tot $2,588 biljoen, met nog eens $779 miljard al op de balans. Die cijfers omvatten geen $120 miljard aan garanties en andere voorwaardelijke blootstellingen, die de bank niet als harde verplichtingen beschouwt.

Een andere relevante maatstaf is de schatting voor operationele kosten. Scotia zette opex op $0,52 per GPU-uur, door de bank omschreven als een ondergrens, omdat het daaronder beter is om de faciliteit stil te leggen. Het rapport merkte op dat producenten van grondstoffen en fabrieken soms tijdelijk met verlies hebben geopereerd, maar stelde dat dezelfde logica nog steeds een praktische ondergrens bepaalt.

Het bearish scenario voor AI-infrastructuur is volgens het rapport dat een van de toegewijde huurders van deze datacenters — zoals OpenAI of Anthropic — failliet gaat. In dat scenario zou een faciliteit die voor $4,03 miljard is gebouwd en met $2,82 miljard schuld is gefinancierd zijn huurder verliezen. Omdat een speciaal voor AI gebouwde campus geen snelle alternatieve bestemming heeft, zou de geldverstrekker achterblijven met immobiele, enkelvoudig bestemde zekerheden. De apparatuur erin zou bovendien het snelst in waarde dalende deel van het actief zijn. Scotia zei dat de geldverstrekker waarschijnlijk een afboeking zou nemen, een exploitant zou zoeken en compute zou verkopen tegen wat de markt maar wil betalen.

De bank verwees naar de glasvezelsector als historische parallel, met als voorbeeld de periode tussen 2001 en ongeveer 2010. In dat geval haalde één wanbetaling tegelijk de gecontracteerde vraag weg en voegde spotaanbod toe, waardoor secundaire waarden daalden om dezelfde reden dat huren dalen wanneer het aanbod de vraag overtreft.

Scotia’s schatting van de cash cost komt uit op $0,145, terwijl de gemiddelde API-lijstprijs voor output tokens op de markt $1,94 bedraagt, al zei het rapport dat die prijs kan veranderen.

Het rapport stelde dat een ander groot risico de beschikbaarheid van stroom is. Wachtrijen voor interconnectie, achterstanden bij transformatoren en turbines, en tekorten aan geschoolde elektrotechnische arbeid kunnen beperken hoe snel aangekondigde capaciteit fysiek beschikbaar komt. Daardoor ontstaat de mogelijkheid dat faciliteiten klaar zijn voordat de stroom er is, waardoor de GPU’s verouderen voordat de sites volledig benut kunnen worden.

Een belangrijke benchmark om te volgen, los van wanbetalingsrisico, is contractpricing. Scotia schreef: “In ons model scheidt het verschil tussen $2,50 en $3,50 een mislukte basiscase van een project dat zowel de rendement- als de dekkingscriteria haalt.”

Het rapport laat ook de vraag open tegen welke multiple hyperscalers zouden moeten handelen als deze grote investeringen slechts net aan de kapitaalhordes voldoen. Als de capex echte incrementele winst oplevert, groeit de EPS in een derating, waardoor het aandeel jarenlang zijwaarts kan bewegen. Volgens Scotia is dat een gebruikelijk resultaat wanneer een bedrijf met hoge rendementen overschakelt naar een kapitaalintensiever model.

Scotia benadrukte ook de circulaire financieringsdynamiek die een kernkenmerk van de AI-uitbouw is geworden. Verplichtingen van hyperscalers en modelontwikkelaars ondersteunen projectschuld, waardoor gecorreleerde blootstelling ontstaat tussen huurders, infrastructuureigenaren en geldverstrekkers. Lagere API-prijzen kunnen de kredietkwaliteit van huurders verzwakken, restwaarden onder druk zetten, spreads op projectschuld verbreden en herfinanciering en bouw vertragen. Het eindresultaat, aldus de bank, hangt ervan af of stijgende vraagintensiteit de dalende tokenprijzen en de veroudering van geïnstalleerde capaciteit kan compenseren.

De laatste vraag draait het echter om: wat als AI slaagt? In een wereld van superintelligentie zullen modellen waarschijnlijk snel optimaliseren, wat tokenkosten naar beneden kan duwen. Bovendien zou een zelflerend model een chip moeten kunnen ontwerpen die veel efficiënter is dan de chips die vandaag in gebruik zijn.