Απαιτείται νέα καινοτομία για τη χρηματοδότηση της ανάπτυξης υποδομών ΤΝ ύψους 6 τρισεκατομμυρίων δολαρίων!
Για να δικαιολογηθεί η επένδυση, η Τεχνητή Νοημοσύνη (ΤΝ) πρέπει να κάνει κάτι περισσότερο από το να ενισχύσει την παραγωγικότητα· θα χρειαστεί να ξεκλειδώσει νέες πηγές ανάπτυξης και αξίας.
By David Crawford, Kristie Tagawa, Cory Boles και Tatum Quinn
Απαιτείται νέα καινοτομία για τη χρηματοδότηση της ανάπτυξης υποδομών ΤΝ ύψους 6 τρισεκατομμυρίων δολαρίων
Οι επενδύσεις σε υποδομές ΤΝ κινούνται με ταχύτατους ρυθμούς, αλλά η παραγωγή επαρκούς οικονομικής αξίας για τη δικαιολόγησή τους θα απαιτήσει έσοδα τρισεκατομμυρίων δολαρίων που θα προέρχονται από την ΤΝ.
Τα οφέλη παραγωγικότητας από τις υπάρχουσες εφαρμογές για επιχειρήσεις και καταναλωτές δεν θα επαρκούν. Πρέπει να αναδυθούν εντελώς νέες αγορές για να καλυφθεί το χρηματοδοτικό κενό.
Νικητές θα αναδειχθούν όσοι δημιουργήσουν πρωτοποριακές εφαρμογές ΤΝ που μετασχηματίζουν κλάδους και διευρύνουν την παγκόσμια οικονομία.
Η πρωτοφανής ταχύτητα και κλίμακα της ανάπτυξης υποδομών ΤΝ, με δισεκατομμύρια να διοχετεύονται σε chips, κέντρα δεδομένων, δίκτυα και συστήματα ενέργειας, έχουν στρέψει την προσοχή στην πρόκληση της δημιουργίας δυναμικότητας.
Ωστόσο, το πιο σημαντικό ερώτημα ίσως είναι αν μπορεί να δημιουργηθεί επαρκής οικονομική αξία που να δικαιολογεί αυτές τις επενδύσεις.
Ας εξετάσουμε την κλίμακα των επενδύσεων και το χάσμα μεταξύ αυτών και του μοντέλου εσόδων που απαιτείται για τη χρηματοδότησή τους.
Η κούρσα εξοπλισμών μεταξύ των εταιρειών παροχής υπηρεσιών cloud τεράστιας κλίμακας (hyperscalers: Microsoft, Google, Amazon, Meta και Oracle) επιταχύνεται: Οι κεφαλαιουχικές τους δαπάνες ενδέχεται να φτάσουν τα 780 δισεκατομμύρια δολάρια το 2026, ποσό σχεδόν πενταπλάσιο σε σχέση με το επίπεδο μόλις τρία χρόνια νωρίτερα.
Τα υπερσύγχρονα κέντρα δεδομένων ΤΝ πλησιάζουν σήμερα τη δυναμικότητα ισχύος του 1 gigawatt (GW). Έως το 2027, πολλές εγκαταστάσεις αναμένεται να πλησιάσουν τα 2 GW, ενώ έως το τέλος της δεκαετίας θα εμφανιστούν συγκροτήματα κέντρων δεδομένων ισχύος 9 GW
Το μέγεθος και το κόστος των κέντρων δεδομένων ΤΝ αυξάνονται ραγδαία, διπλασιαζόμενα περίπου κάθε 12 έως 16 μήνες
Έως το 2031, οι ετήσιες δαπάνες για υποδομές τεχνητής νοημοσύνης (AI) ενδέχεται να φτάσουν τα 1,5 τρισεκατομμύρια δολάρια, συμπεριλαμβανομένων νέων υποδομών κέντρων δεδομένων και υπολογιστικής ισχύος, καθώς και συνεχών αναβαθμίσεων στον εγκατεστημένο εξοπλισμό (μονάδες GPU, μνήμη και εξοπλισμός δικτύωσης).
Εάν υποθέσουμε ότι οι κεφαλαιουχικές δαπάνες ανέρχονται περίπου στο 25% των εσόδων του κλάδου (ένα φιλόδοξο αλλά εύλογο ποσοστό, με βάση τις τάσεις στους παρόχους υπηρεσιών cloud), η διατήρηση αυτού του επιπέδου επενδύσεων θα απαιτούσε μια αγορά AI που θα προσέγγιζε τα 6 τρισεκατομμύρια δολάρια ετησίως.
Μέρος αυτών των εσόδων αρχίζει ήδη να διαφαίνεται. Τα προϊόντα AI για καταναλωτές, μέσω συνδρομών και διαφήμισης, θα μπορούσαν να αποφέρουν εκτιμώμενα έσοδα ύψους 200 έως 400 δισεκατομμυρίων δολαρίων έως το 2031. Η υιοθέτηση της τεχνολογίας από επιχειρήσεις θα μπορούσε να προσθέσει έσοδα ύψους 1 έως 1,4 τρισεκατομμυρίων δολαρίων μόνο για τους παρόχους, καθώς η AI προσφέρει σημαντικά οφέλη παραγωγικότητας σε τομείς όπως η ανάπτυξη λογισμικού, οι πωλήσεις, το μάρκετινγκ, η εξυπηρέτηση πελατών και οι λειτουργίες πληροφορικής (IT).
Yesterday was a historic day at the White House.
President Trump, as only he can, brought together the world’s leading technology and Super Intelligence innovators for consequential conversations about the future of this transformational technology — and America’s role in… pic.twitter.com/bW2ubNSHyb
— Susie Wiles (@SusieWiles47) September 30, 2026
Συνολικά, η αγορά AI για καταναλωτές και επιχειρήσεις θα μπορούσε να κυμανθεί μεταξύ 1,2 και 1,8 τρισεκατομμυρίων δολαρίων, αφήνοντας ένα κενό περίπου 4,2 τρισεκατομμυρίων δολαρίων σε νέα έσοδα για την επίτευξη του μεγέθους αγοράς των 6 τρισεκατομμυρίων δολαρίων, το οποίο εκτιμούμε ότι θα είναι απαραίτητο για τη χρηματοδότηση της ανάπτυξης των υποδομών.
Αυτά τα έσοδα πρέπει να προέλθουν από νέες πηγές οικονομικής αξίας.
Τέσσερις [4] κατηγορίες θα μπορούσαν να αποφέρουν έσοδα για τη χρηματοδότηση της παγκόσμιας αγοράς AI έως το 2031
Θα απαιτηθεί ριζοσπαστική καινοτομία για την επίτευξη των εσόδων που είναι απαραίτητα για την κάλυψη του κενού. Η έρευνα της Bain εντοπίζει τέσσερις βασικές κατηγορίες που είναι πιθανό να συμβάλουν σε αυτή την ανάπτυξη.
Αναζήτηση και διαφήμιση -[Search and advertising] (100 έως 200 δισεκατομμύρια δολάρια): Ενσωματώνοντας διαφημίσεις στα προϊόντα τους τύπου chatbot και ενθαρρύνοντας την τάση χρήσης της AI για την αντικατάσταση μεγάλου μέρους της παραδοσιακής αναζήτησης στο Διαδίκτυο, οι πάροχοι μοντέλων θα μπορούσαν να ξεκλειδώσουν έσοδα ύψους 100 έως 200 δισεκατομμυρίων δολαρίων ή και περισσότερο.
Αυτόνομα τα πάντα-[Autonomous everything](400 δισεκατομμύρια δολάρια): Η χρήση της Τεχνητής Νοημοσύνης για την αυτόνομη λειτουργία αυτοκινήτων, φορτηγών και drones, καθώς και άλλες πρωτοβουλίες βιομηχανικού αυτοματισμού, αντιπροσωπεύουν μια ευκαιρία αγοράς 400 δισεκατομμυρίων δολαρίων, αυξάνοντας τον χρόνο λειτουργίας του εξοπλισμού, μειώνοντας παράλληλα το κόστος εκπαίδευσης και λειτουργίας. Τα αυτόνομα οχήματα θα μπορούσαν να προσφέρουν σημαντική αξία ως νέα αυτοκίνητα και φορτηγά για τους καταναλωτές, ως υπηρεσίες ρομποτικής ταξί και αυτοματοποιώντας τις υπηρεσίες logistics.
Φυσική Τεχνητή Νοημοσύνη-[Physical AI] (900 δισεκατομμύρια δολάρια): Τα προηγμένα μοντέλα Τεχνητής Νοημοσύνης μπορούν να επιτρέψουν εξαιρετικά ρεαλιστικές προσομοιώσεις και ψηφιακά δίδυμα φυσικών διεργασιών, βοηθώντας τις εταιρείες να βελτιώσουν την παραγωγικότητα, να δοκιμάσουν τροποποιήσεις και να επιταχύνουν την ανάπτυξη αυτόνομων συστημάτων. Ομοίως, η ρομποτική με τεχνητή νοημοσύνη, συμπεριλαμβανομένων των ανθρωποειδών ρομπότ, μπορεί να λειτουργεί σε μη δομημένα περιβάλλοντα, ξεκλειδώνοντας ένα ευρύ φάσμα νέων εφαρμογών σε όλη τη φυσική οικονομία, από την κατασκευή έως τη χειρουργική. Ως αποτέλεσμα, η φυσική οικονομία θα μπορούσε να αντιπροσωπεύει μια ευκαιρία 900 δισεκατομμυρίων δολαρίων σε όλους τους τομείς προτεραιότητας (συμπεριλαμβανομένης της αυτοκινητοβιομηχανίας, της ηλεκτρονικής, των ημιαγωγών, της αεροδιαστημικής και της άμυνας), υποθέτοντας μείωση 10% στο κόστος παραγωγής από υψηλότερες αποδόσεις και ταχύτερες εργοστασιακές αυξήσεις.
Ανάπτυξη νέων προϊόντων-[New product development]>Πέρα από τις χρήσεις της Τεχνητής Νοημοσύνης σήμερα, νέες εφαρμογές θα μπορούσαν να βοηθήσουν στη γεφύρωση του χάσματος. Αυτές θα μπορούσαν να περιλαμβάνουν την ανακάλυψη φαρμάκων που βασίζεται στην Τεχνητή Νοημοσύνη και καθιστά τις θεραπείες για σπάνιες ασθένειες οικονομικά βιώσιμες, την πάντα διαθέσιμη υποστήριξη ψυχικής υγείας που αντιμετωπίζει δισεκατομμύρια δολάρια σε ανεκπλήρωτη ζήτηση, τις καινοτομίες στην επιστήμη των υλικών που ξεκλειδώνουν μπαταρίες και ημιαγωγούς επόμενης γενιάς και την αυτόνομη επιστημονική έρευνα που επιταχύνει την πρόοδο σε τομείς από τη νευροεπιστήμη έως την ενέργεια σύντηξης – όλα παραδείγματα νέων ευκαιριών που προκύπτουν από την άφθονη νοημοσύνη.
Yesterday was a historic day at the White House.
President Trump, as only he can, brought together the world’s leading technology and Super Intelligence innovators for consequential conversations about the future of this transformational technology — and America’s role in… pic.twitter.com/bW2ubNSHyb
— Susie Wiles (@SusieWiles47) September 30, 2026
Η καινοτομία και η επιχειρηματικότητα πρέπει να επιταχυνθούν
Η παραγωγικότητα των επιχειρήσεων είναι η αιχμή του δόρατος, τα πρώτα κέρδη που βλέπουμε από την ανάπτυξη της Τεχνητής Νοημοσύνης, αλλά δεν θα είναι αρκετά. Τα οικονομικά που απαιτούνται για τη δημιουργία απόδοσης επένδυσης (ROI) από την υποδομή της Τεχνητής Νοημοσύνης απαιτούν τρισεκατομμύρια νέα έσοδα, όχι μόνο εξοικονόμηση κόστους.
Ο κλάδος χρειάζεται ένα κύμα καινοτομίας εφαρμογών [application innovation] συγκρίσιμο με αυτό που ξεκλείδωσαν τα κινητά και το cloud, όχι μόνο κέρδη παραγωγικότητας στις υπάρχουσες ροές εργασίας.
Η υποδομή κατασκευάζεται μπροστά από την καμπύλη ζήτησης και η βιώσιμη χρηματοδότησή της θα απαιτήσει την προσθήκη περίπου 1% στον ετήσιο παγκόσμιο ρυθμό αύξησης του ΑΕΠ. Το ερώτημα είναι αν οι εφαρμογές φτάνουν εγκαίρως για να πληρωθούν.
