Dedykowany kampus inference o mocy 100 MW, wykorzystujący szafy GB200 NVL72, potrzebowałby około 2,91 USD za GPU-hour, aby wygenerować 15% lewarowany zwrot wewnętrzny na kapitale własnym, wynika z dogłębnej analizy zespołu Scotiabank Global Equity Research.

Model Scotiabank zakłada 4,03 mld USD łącznych nakładów inwestycyjnych na projekt przy 100 MW krytycznego obciążenia IT, czyli 40,3 mln USD na megawat. Z tej kwoty 64% przypada na sprzęt IT, wyceniony na 3,0 mln USD za szafę NVL72, przy czym znaczna część tych wydatków trafia do NVDA. Pozostałe 36% przypada na sam obiekt, po 14,5 mln USD na megawat.

Bank zakłada, że 70% projektu zostanie sfinansowane przy oprocentowaniu 8,0% na sześć lat oraz że wartość rezydualna nakładów na IT po sześciu latach wyniesie 15%, co pokazuje, jak silnie matematyka zwrotu zależy zarówno od warunków finansowania, jak i od wartości sprzętu na koniec okresu utrzymania.

Scotia stwierdziła, że obecne wskazania stawek najmu GB200 przekraczają wymagany próg. Przy poziomie 2,91 USD model przekłada się na około 0,81 USD na milion wyjściowych tokenów. Dla porównania, obecne koszty wyjściowe tokenów dla modeli zamkniętych wahają się od 1,50 USD dla Gemini 3.1 Flash-Lite do 15 USD dla GPT 5.4. DeepSeek V4 Flash kosztuje od 0,28 do 0,66 USD, podczas gdy Ox Alpha wydaje się być w okolicach 0,50 USD dla produktu zbliżonego do Claude Opus 4.8.

Raport zwrócił też uwagę na skalę zobowiązań hyperskalerów. Scotia podała, że pozycje pozabilansowe osiągnęły 2,588 bln USD, a kolejne 779 mld USD znajduje się już w bilansie. Dane te nie obejmują 120 mld USD gwarancji i innych ekspozycji warunkowych, które bank uznał za niebędące twardymi zobowiązaniami.

Kolejną istotną wartością jest szacunek kosztów operacyjnych. Scotia oszacowała opex na 0,52 USD za GPU-hour, określając to jako poziom graniczny, ponieważ poniżej niego lepiej jest wyłączyć obiekt. Raport zauważył, że producenci surowców i zakłady przemysłowe czasami przez pewien czas działały ze stratą, ale ta sama logika nadal wyznacza praktyczne minimum.

Niedźwiedzi scenariusz dla infrastruktury AI polega według raportu na tym, że jeden z „zaangażowanych najemców” tych centrów danych — na przykład OpenAI lub Anthropic — może upaść. W takim scenariuszu obiekt wybudowany za 4,03 mld USD i finansowany długiem w wysokości 2,82 mld USD straciłby najemcę. Ponieważ specjalnie zaprojektowany kampus AI nie ma szybkiego alternatywnego zastosowania, pożyczkodawca zostałby z nieprzenośnym, jednofunkcyjnym zabezpieczeniem. Sprzęt wewnątrz byłby też najszybciej tracącą wartość częścią aktywa. Scotia stwierdziła, że pożyczkodawca prawdopodobnie dokonałby odpisu, znalazł operatora i sprzedawał moc obliczeniową po cenie, jaką rynek byłby gotów zapłacić.

Bank wskazał sektor światłowodowy jako historyczny punkt odniesienia, przywołując okres między 2001 a mniej więcej 2010 rokiem. W tym przypadku pojedynczy default jednocześnie usuwał popyt zakontraktowany i dodawał podaż spot, obniżając wartości wtórne z tego samego powodu, z którego spadają czynsze, gdy podaż przewyższa popyt.

Szacunek kosztu gotówkowego Scotii odpowiada 0,145 USD, podczas gdy mediana cen katalogowych API dla wyjściowych tokenów wynosi 1,94 USD, choć raport podkreślił, że ceny te mogą się zmieniać.

Raport wskazał, że kolejnym dużym ryzykiem jest dostępność energii. Kolejki przy przyłączach, zaległości w dostawach transformatorów i turbin oraz niedobory wykwalifikowanej siły roboczej w elektrotechnice mogą ograniczać tempo fizycznej realizacji ogłoszonych mocy. Stwarza to możliwość, że obiekty zostaną ukończone, zanim energia będzie gotowa, przez co GPU będą się starzeć, zanim lokalizacje zostaną w pełni wykorzystane.

Jednym z wskaźników do obserwacji, z wyłączeniem ryzyka defaultu, jest wycena kontraktowa. Scotia napisała: „W naszym modelu różnica między 2,50 USD a 3,50 USD oddziela nieudany scenariusz bazowy od projektu, który przechodzi zarówno test zwrotu, jak i pokrycia zobowiązań”.

Raport pozostawia również otwarte pytanie, przy jakim mnożniku hyperskalerzy powinni być wyceniani, jeśli tak ogromne inwestycje ledwie przekraczają progi opłacalności. Jeśli capex generuje rzeczywisty przyrost zysków, EPS rośnie w otoczeniu de-ratingu, a kurs akcji przez lata pozostaje w miejscu. To typowy rezultat, gdy biznes o wysokiej stopie zwrotu przechodzi w model bardziej kapitałochłonny.

Scotia podkreśliła także obiegowe finansowanie, o którym konsekwentnie pisał ZeroHedge: zobowiązania hyperskalerów i twórców modeli wspierają dług projektowy, tworząc skorelowaną ekspozycję wśród najemców, właścicieli infrastruktury i pożyczkodawców. Niższe ceny API mogą osłabić wiarygodność kredytową najemców, wywierać presję na wartości rezydualne, poszerzać spready długu projektowego oraz spowalniać refinansowanie i budowę. Ostateczne wyniki zależą od tego, czy rosnąca intensywność popytu zdoła zrównoważyć spadające ceny tokenów i starzenie się zainstalowanych mocy.

Najważniejsze pytanie brzmi jednak odwrotnie: co jeśli AI odniesie sukces? W świecie superinteligencji jednym z pierwszych działań modeli będzie optymalizacja, co mogłoby sprowadzić koszty tokenów do minimum. Ponadto model uczący się samodzielnie powinien być w stanie zaprojektować układ scalony znacznie bardziej wydajny niż obecnie używane.