Analitycy Goldman Sachs podjęli próbę odpowiedzi na kluczowe pytanie dotyczące wydatków hyperskalerów na infrastrukturę AI: w jakim momencie te nakłady faktycznie się zwrócą? Sześciu głównych hyperskalerów rozmieszcza kapitał w tempie, na tle którego era dot-comów wygląda na margines, a badanie banku określa poziomy przychodów wymagane do jego uzasadnienia.

Badanie dzieli budowę infrastruktury AI na trzy fazy. Faza 1, obejmująca lata 2023–2025, przyniosła około 633 mld USD nakładów kapitałowych u sześciu głównych hyperskalerów. Faza 2, obejmująca lata 2026 i 2027, podnosi tę sumę do około 1,73 bln USD. Faza 3, prognozowana na lata 2028–2030, może sięgnąć około 4,14 bln USD. W ujęciu rocznym oznacza to wzrost wydatków z około 211 mld USD rocznie w fazie 1 do około 865 mld USD rocznie w fazie 2 i około 1,38 bln USD rocznie w fazie 3 — ponadczterokrotny wzrost rocznego tempa wydatków między pierwszą a drugą fazą.

Hyperskalerzy objęci analizą to Alphabet, Microsoft, Amazon, Meta, Oracle i SpaceX.

Matematyka progu rentowności

Goldman wskazuje dwa progi przychodów. Pierwszy to około 300 mld USD rocznego przychodu z AI — poziom, którego firmy te łącznie potrzebują, aby przestać tracić pieniądze na inwestycjach w infrastrukturę. Drugi, znacznie bardziej ambitny, wynosi około 1 bln USD przychodu rocznie — poziom wymagany do wygenerowania satysfakcjonujących stóp zwrotu zarówno dla dostawców infrastruktury, jak i deweloperów aplikacji budujących na ich chmurach.

Dlaównania: przychody chmurowe hyperskalerów były w drugim kwartale 2026 roku o około 70 mld USD wyższe niż linia trendu sprzed ery AI — czyli wykraczały poza to, co biznesy chmurowe osiągnęłyby na poprzedniej trajektorii.

Przyjmując 15% roczną stopę zwrotu z zaangażowanego kapitału jako punkt odniesienia — standardową miarę zysku generowanego na każdego dolara zaangażowanego kapitału — Goldman szacuje, że sześciu hyperskalerów musiałoby wygenerować około 1,42 bln USD skumulowanego przychodu w ciągu trzech lat od 2028 do 2030 roku. To około 11,6 mld USD na gigawat mocy obliczeniowej rocznie w tym okresie — miara, która przekłada wymóg przychodowy na jednostkowy wskaźnik powiązany bezpośrednio z infrastrukturą fizyczną.

Same prognozy wydatków są znaczne. Goldman przewiduje, że same nakłady na infrastrukturę AI sięgną około 800 mld USD w 2026 roku, wzrosną do 1,2 bln USD w 2027 roku i będą dalej rosły do około 1,4 bln USD w 2028 roku. Te wartości znacznie przewyższają obecne szacunki konsensusu Wall Street, co podkreśla, jak znacznie bardziej stroma jest prognozowana ścieżka niż zakładają dominujące modele analityczne.

Zaległości kontraktowe i ograniczenia podażowe

Łączne zaległości kontraktowe AWS, Azure i Google Cloud — chmurowych jednostek Amazona, Microsoftu i Alphabeta — osiągnęły około 1,69 bln USD w drugim kwartale 2026 roku, co oznacza wzrost o 152% rok do roku. Zaległości obejmują przychody z podpisanych kontraktów, które nie zostały jeszcze ujęte, co czyni je jednym z najczytelniejszych opublikowanych wskaźników zagwarantowanego popytu stojącego za tą budową.

Ograniczenia podażowe zasobów obliczeniowych pozostają uporczywym wąskim gardłem, a Goldman zauważa, że przyczyniają się one do przyspieszania wydatków.

Kwestia czasu

Kluczowe napięcie, które ujawnia Goldman, ma charakter czasowy. Kapitał jest wydawany teraz, w ogromnych ilościach, podczas gdy przychody potrzebne do jego uzasadnienia mają się materializować między 2028 a 0 rokiem. Ta luka daje rynkowi konkretne punkty odniesienia do śledzenia w międzyczasie: kwartalne przychody chmurowe, prognozy nakładów i raportowanie zaległości kontraktowych w sektorze są obecnie odczytywane bezpośrednio względem progów Goldmana wynoszących 300 mld USD i 1 bln USD.

Ujęcie Goldmana sytuuje ten cykl nakładów na tle historycznych fal technologicznych, sugerując, że obecna budowa przewyższa w wartościach bezwzględnych każdy wcześniejszy okres inwestycji infrastrukturalnych.