Для выделенного AI-инференс-кампуса мощностью 100 MW, работающего на стойках GB200 NVL72, требуется примерно $2.91 за GPU-час, чтобы обеспечить 15% levered equity internal rate of return, согласно детальному анализу команды Scotiabank Global Equity Research.

В модели Scotia общие капитальные затраты проекта составляют $4.03 billion для 100 MW критической IT-нагрузки, или $40.3 million на мегаватт. Из этой суммы 64% приходится на IT-оборудование, оценённое в $3.0 million за стойку NVL72, причем значительная часть этих расходов идет на NVDA. Оставшиеся 36% приходятся на сам объект, по $14.5 million на мегаватт.

Банк предполагает, что 70% проекта финансируется под 8.0% на шесть лет и включает 15% остаточной стоимости IT-capex после шестого года, что подчеркивает, насколько чувствительна экономика доходности как к условиям финансирования, так и к стоимости оборудования в конце срока владения.

Scotia заявила, что текущие ориентиры по аренде GB200 проходят порог. При требуемом уровне $2.91 модель соответствует примерно $0.81 на миллион выходных токенов. Для сравнения, текущие затраты на вывод токенов у закрытых моделей варьируются от $1.50 у Gemini 3.1 Flash-Lite до $15 у GPT 5.4. DeepSeek V4 Flash оценивается в $0.28-0.66, тогда как Ox Alpha, по-видимому, находится около $0.50 для продукта, близкого к Claude Opus 4.8.

Отчёт также подчеркнул масштаб обязательств гиперскейлеров. Scotia сообщила, что внебалансовые позиции достигли $2.588 trillion, а ещё $779 billion уже находятся на балансе. Эти цифры не включают $120 billion гарантий и других условных обязательств, которые банк не считает твердыми обязательствами.

Ещё одна значимая величина — оценка операционных расходов. Scotia оценила opex в $0.52 за GPU-час, назвав это нижним пределом, поскольку ниже этого уровня лучше остановить объект. В отчёте отмечается, что производители сырья и заводы иногда работали в убыток некоторое время, но тот же принцип всё равно задаёт практический нижний порог.

Медвежий сценарий для AI-инфраструктуры, по мнению отчёта, заключается в том, что один из «законтрактованных арендаторов» этих дата-центров — например, OpenAI или Anthropic — может обанкротиться. В таком случае объект, построенный за $4.03 billion и профинансированный долгом в размере $2.82 billion, лишится арендатора. Поскольку специально построенный AI-кампус не имеет быстрого альтернативного использования, у кредитора останется неподвижный, узкоспециализированный залог. Оборудование внутри также будет частью актива, теряющей стоимость быстрее всего. Scotia отметила, что кредитор, вероятно, спишет часть стоимости, найдёт оператора и будет продавать вычисления по любой цене, которую позволит рынок.

В качестве исторической параллели банк указал сектор волоконной оптики, сославшись на период между 2001 и примерно 2010 годом. В том случае один дефолт одновременно убирал контрактный спрос и добавлял спотовое предложение, снижая вторичную стоимость по той же причине, по которой падает аренда при избытке предложения.

Оценка cash cost у Scotia соответствует $0.145, тогда как медианная рыночная листинговая цена API для выходных токенов составляет $1.94, хотя в отчёте отмечается, что это ценообразование может изменяться.

В отчёте также говорится о ещё одном крупном риске — доступности электроэнергии. Очереди на подключение, задержки с трансформаторами и турбинами, а также нехватка квалифицированных электриков могут ограничить скорость фактического ввода заявленной мощности. Это создаёт риск, что объекты будут завершены до того, как будет готово энергоснабжение, и GPUs успеют устареть прежде, чем площадки смогут быть полностью загружены.

Один из ориентиров, за которым следует следить, если не учитывать риск дефолта, — это контрактные цены. Scotia пишет: «В нашей модели разница между $2.50 и $3.50 отделяет неудачный базовый сценарий от проекта, который проходит как тест на доходность, так и тест на покрытие».

Отчёт также оставляет открытым вопрос о том, по каким мультипликаторам должны торговаться гиперскейлеры, если эти крупные инвестиции лишь немного превышают инвестиционные пороги. Если capex действительно создаёт прирост прибыли, EPS может вырасти в условиях снижения мультипликатора, и акция будет двигаться вбок в течение нескольких лет. Scotia отмечает, что это обычный результат, когда бизнес с высокой доходностью переходит к более капиталоёмкой модели.

Scotia также подчеркнула циклическое финансирование, на которое ZeroHedge неоднократно обращал внимание: обязательства гиперскейлеров и разработчиков моделей поддерживают проектный долг, создавая коррелированную подверженность риску среди арендаторов, владельцев инфраструктуры и кредиторов. Более низкие API-цены могут ослабить кредитное качество арендаторов, оказать давление на остаточную стоимость, расширить спрэды по проектному долгу и замедлить рефинансирование и строительство. Итог, по словам банка, зависит от того, сможет ли рост интенсивности спроса компенсировать снижение цен на токены и устаревание установленной мощности.

Но мой главный вопрос в другом: что если AI окажется успешным? В мире сверхинтеллекта одна из первых вещей, которые делают модели, — это оптимизация, и это может опустить стоимость токенов до минимума. Более того, самообучающаяся модель должна быть способна спроектировать чип, который будет намного эффективнее тех, что используются сегодня.