University of Pennsylvania Wharton Schoolの金融学教授Jessica Wachterは、人工知能の普及度を予測するのではなく、「ハイパースケーラー」企業がデータセンター投資を賄うために必要な利益の伸びを調査した。Wachterと共同研究者は、支出が2027年までに約1.1トリリオン米ドルに達すると算出した。資本コスト、15%のリターン、資産の減価を考慮すると、企業が2030年に損益分岐点に到達するには、生産性を2.7倍に高める必要がある。Wachterは、これは不可能ではないものの、米国でmid-1990sに始まり、約10年にわたった情報技術分野の成長を数年に圧縮することを意味すると指摘した。目標が達成されなければ、利払いが滞り、破綻リスクが生じる可能性があると述べた。研究によると、生産性の急上昇が実現しなければ、現在の投資は史上最大の資本配分の誤りとなる可能性がある。
Alphabet、Microsoft、Amazon、Meta、およびOpenAIと提携するOracleを含む企業は、今年約750ビリオン米ドルを支出すると見込まれている。一部の予測によると、投資総額は今後4年間で5トリリオン米ドルを超える可能性がある。一方、Gary Genslerは、今年の人工知能関連収益の総額は150ビリオン米ドルから200ビリオン米ドル程度にとどまると述べている。投資額は近くGSYH（国内総生産）の約3%に達する可能性がある。モデルの効率性、必要な計算能力、需要、より安価な選択肢への移行を巡る不確実性が続くなか、企業の借り入れは増加しており、このグループのフリーキャッシュフローは近くマイナスに転じると見込まれている。
なぜ重要なのか
この状況は、人工知能インフラの成長がテクノロジー企業の戦略的な選択にとどまらず、借り入れと資本コストを通じて、より広範な金融リスクを生み出していることを示している。支出と現在の収益見通しとの隔たりは、収益性がデータセンターの処理能力をどれだけ迅速かつ効率的に活用できるかに左右されることを意味する。期待される生産性の急上昇が実現しなければ、その圧力は企業のキャッシュフローから利払い、さらには破綻リスクにまで及ぶ可能性がある。依然として残る根本的な疑問は、モデルの効率性と需要が、増大する計算能力の必要性に見合う規模の収益を生み出せるかどうかである。より安価な選択肢への移行も、既存の処理能力の価値と、こうした支出がもたらす経済的な見返りに影響を及ぼす可能性がある。