Όταν ακόμη και το Carlyle Group -μια από τις μεγαλύτερες εταιρείες διαχείρισης εναλλακτικών επενδύσεων και παγκόσμιων επενδυτικών κεφαλαίων στον κόσμο- προειδοποιεί ότι ο κλάδος των ιδιωτικών πιστώσεων (private credit) στρέφεται μαζικά στο ίδιο στοίχημα: τα κέντρα δεδομένων για την Τεχνητή Νοημοσύνη (AI), φρόντισε ως επενδυτής να μην το αγνοήσεις.
Το ενδιαφέρον εδώ είναι ένα ρήγμα που παρουσιάζεται ανάμεσα στις τάξεις της παγκοσμίου elite. Mόλις μερικά 24ωρα πριν ο Bill Gates [o πολυτεχνίτης μεγαλοεργολάβος της παγκοσμίου elite] και ο CEO της Anthropic Dario Amodei απειλούσαν την ανθρωπότητα για τον κίνδυνο αφανισμού της από την ΑΙ.
Αυτό συνέβη όταν όλο και πιο πολλοί εμπλεκόμενοι έχοντας πλέον βαθύτερη γνώση των όσων συμβαίνουν εκεί έξω ίσως αισθάνθηκαν εκτός παιγνίου με αποτέλεσμα να υπάρχουν ρηγματώσεις εντός της ίδιας της elite. Aυτό είναι κάτι που αφορά και τον Μπάμπη αλλά και τη Σούλα.
Πάμε να δούμε την σχετική ανάλυση του Walter Schulze από τον ιστότοπο startupfortune.com>
Η Carlyle προειδοποιεί ότι ο κλάδος των ιδιωτικών πιστώσεων (private credit) στρέφεται μαζικά στο ίδιο στοίχημα: τα κέντρα δεδομένων για την Τεχνητή Νοημοσύνη (AI)
Η Carlyle προειδοποιεί ότι ο κλάδος των ιδιωτικών πιστώσεων στρέφεται μαζικά στο ίδιο στοίχημα: τα κέντρα δεδομένων για την Τεχνητή Νοημοσύνη
Η Carlyle, ένα από τα μεγαλύτερα ονόματα στον χώρο των ιδιωτικών πιστώσεων, επισημαίνει στους επενδυτές της ότι ο κλάδος έχει συγκεντρωθεί υπερβολικά σε μία και μόνο επενδυτική κίνηση: τα data centers για την Τεχνητή Νοημοσύνη. Η εταιρεία εκτιμά ότι η κατασκευή τους ενδέχεται να απαιτήσει χρηματοδότηση ύψους περίπου 1 τρισεκατομμυρίου δολαρίων — ποσό που υπερβαίνει το ήμισυ των συνολικών κεφαλαίων που διαχειρίζεται σήμερα ο κλάδος των ιδιωτικών πιστώσεων.
Ο Jason Thomas [photo] δεν εργάζεται στις δημόσιες σχέσεις. Είναι επικεφαλής παγκόσμιας έρευνας και επενδυτικής στρατηγικής της Carlyle και, στα μέσα Σεπτεμβρίου, δήλωσε στο Bloomberg Television κάτι που θα έπρεπε να ανησυχεί όποιον θεωρεί τις ιδιωτικές πιστώσεις ως την ασφαλή, πλην «βαρετή», γωνιά της έκρηξης της Τεχνητής Νοημοσύνης.
Η προσέγγιση των δανειστών απέναντι στα κέντρα δεδομένων, όπως ανέφερε, παρουσιάζει μια ανησυχητική ομοιότητα με το μοντέλο που χρησιμοποιήθηκε για τα στεγαστικά δάνεια υψηλού κινδύνου (subprime mortgages) πριν από τη χρηματοπιστωτική κρίση του 2008.
Σύμφωνα με ρεπορτάζ του Bloomberg της 15ης Σεπτεμβρίου, ο Thomas εστίασε σε έναν συγκεκριμένο μηχανισμό: η χρηματοδότηση έργων AI συχνά βασίζεται στην πιστοληπτική ικανότητα επενδυτικής βαθμίδας του φορέα υλοποίησης (του «hyperscaler» ή του μεγάλου τεχνολογικού ομίλου που στηρίζει το έργο) και όχι στα οικονομικά στοιχεία του ίδιου του κέντρου δεδομένων.
Κανείς δεν τιμολογεί ουσιαστικά τον κίνδυνο αποτυχίας του έργου με βάση τα δικά του χαρακτηριστικά, καθώς το δάνειο αποτελεί στην πραγματικότητα ένα στοίχημα πάνω στην οικονομική ευρωστία της Microsoft ή της Meta που βρίσκονται από πίσω.
Πρόκειται για την ίδια τακτική «συντόμευσης» που επέτρεψε τη δέσμευση και την αξιολόγηση στεγαστικών δανείων υψηλού κινδύνου σαν να μην είχε σημασία το ίδιο το ακίνητο, αρκεί ο αντισυμβαλλόμενος υψηλότερης βαθμίδας στην αλυσίδα να φαινόταν αξιόχρεος.
Οι ιδιωτικές πιστώσεις δεν αποτελούν πλέον δευτερεύουσα δραστηριότητα. Ο κλάδος έχει γνωρίσει εκρηκτική ανάπτυξη μετά την κρίση του 2008, μεταβαίνοντας από μια εξειδικευμένη εναλλακτική αγορά σε ένα σύστημα «σκιώδους τραπεζικής» (shadow banking) πολλών τρισεκατομμυρίων δολαρίων, το οποίο πλέον χρηματοδοτεί δάνεια που παλαιότερα χορηγούσαν οι τράπεζες, προτού οι κεφαλαιακοί κανόνες της μετα-κρισιακής περιόδου τις ωθήσουν εκτός αυτής της δραστηριότητας.
Πρόκειται για μη τραπεζικούς δανειστές, συχνά συνδεδεμένους με εταιρείες ιδιωτικών κεφαλαίων (private equity) όπως οι Carlyle, Blackstone, Apollo και Ares, οι οποίοι δεν υπόκεινται στις ίδιες απαιτήσεις για κεφαλαιακά αποθέματα ή διαφάνεια που ισχύουν για τις τράπεζες. Επίσης, παρουσιάζουν χαμηλότερη ρευστότητα. Αν η αξία ενός δημόσια διαπραγματεύσιμου ομολόγου μειωθεί, αυτό γίνεται άμεσα αντιληπτό. Αντίθετα, ένα ιδιωτικό δάνειο για ένα έργο κέντρου δεδομένων (data center) καταγράφεται στα βιβλία ενός επενδυτικού κεφαλαίου με την αποτίμηση που ορίζει ο διαχειριστής —συχνά σε τριμηνιαία βάση—, γεγονός που σημαίνει ότι τα προβλήματα μπορεί να συσσωρεύονται επί μήνες προτού γίνουν αντιληπτά από οποιονδήποτε εκτός του κεφαλαίου.
Η ίδια η Carlyle δεν παρακολουθεί την κατάσταση ως απλός θεατής. Η εταιρεία συμμετείχε στην κοινοπραξία δανεισμού —μαζί με τις Blackstone, BlackRock και DigitalBridge— που οργάνωσε το πακέτο ιδιωτικών δανείων ύψους 7,5 δισ. δολαρίων για την CoreWeave.
Επομένως, δεν πρόκειται για κάποιον ανταγωνιστή που κρούει τον κώδωνα του κινδύνου από ασφαλή απόσταση. Πρόκειται για μια εταιρεία που έχει επενδύσει πραγματικά κεφάλαια στη συγκεκριμένη δραστηριότητα και ενημερώνει τους επενδυτές της ότι η έκθεση στον κλάδο έχει γίνει υπερβολικά συγκεντρωμένη, ενώ η διαδικασία αξιολόγησης και ανάληψης του κινδύνου (underwriting) έχει καταστεί πλημμελής.
Bloomberg https://t.co/FLIEEmIBpC via @haystacktv
— Ian Ford (@IannFord) October 3, 2026
Το πρόβλημα της συγκέντρωσης επιτείνει το πρόβλημα πιστωτικού κινδύνου. Ένας μικρός αριθμός εταιρειών παροχής υπηρεσιών cloud τεράστιας κλίμακας (hyperscalers) —όπως οι Microsoft, Amazon, Google, Meta, Oracle— και ορισμένες εταιρείες που γεννήθηκαν μέσα στο οικοσύστημα της Τεχνητής Νοημοσύνης, όπως η CoreWeave, καθοδηγούν το μεγαλύτερο μέρος της κατασκευής κέντρων δεδομένων που χρηματοδοτείται από τον κλάδο των ιδιωτικών πιστώσεων.
Οι εγγυήσεις που καλύπτουν πολλά από αυτά τα δάνεια αποτελούνται από υλικό (hardware) επεξεργαστών γραφικών (GPU), το οποίο η ίδια η Nvidia σπεύδει να καταστήσει παρωχημένο με κάθε νέα γενιά.
Η Επιτροπή Χρηματοπιστωτικής Πολιτικής της Τράπεζας της Αγγλίας ανέδειξε την τεχνητή νοημοσύνη (AI) και τον δανεισμό ως κορυφαίο κίνδυνο για τη χρηματοπιστωτική σταθερότητα στην έκθεση που δημοσίευσε στις 30 Σεπτεμβρίου, προειδοποιώντας ότι οι αλληλένδετες αδυναμίες του συστήματος θα μπορούσαν να εκδηλωθούν ως πραγματικός κίνδυνος και επισημαίνοντας ειδικά την κατακόρυφη αύξηση της έκδοσης χρέους που σχετίζεται με την τεχνητή νοημοσύνη. Σύμφωνα με την ανάλυση της Τράπεζας, οι παγκόσμιες εκδόσεις χρέους που συνδέονται με την τεχνητή νοημοσύνη άγγιξαν περίπου τα 450 δισεκατομμύρια δολάρια έως τις αρχές Σεπτεμβρίου του 2026 — ποσό υπερδιπλάσιο του συνόλου για ολόκληρο το 2025.
Η JPMorgan εκτιμά ότι οι κεφαλαιουχικές δαπάνες για την τεχνητή νοημοσύνη που χρηματοδοτούνται μέσω δανεισμού ενδέχεται να φτάσουν τα 4,1 τρισεκατομμύρια δολάρια την περίοδο 2026-2030. Δεν πρόκειται για κάποια αμελητέα διαφορά ή σφάλμα στρογγυλοποίησης. Πρόκειται για ποσό μεγαλύτερο από το σύνολο των κεφαλαίων που διαχειρίζεται σήμερα ο κλάδος των ιδιωτικών πιστώσεων (private credit), και όλα αυτά με στόχο ένα και μόνο στοίχημα.
Ειλικρινά, όταν η Τράπεζα της Αγγλίας, ένας κολοσσός των ιδιωτικών επενδυτικών κεφαλαίων (private equity) που διακυβεύει δικά του κεφάλαια, και μια χορωδία σκεπτικιστών από τον χώρο των hedge funds αρχίζουν όλοι να χρησιμοποιούν την ίδια λέξη —«συγκέντρωση»— μέσα στο ίδιο διάστημα λίγων εβδομάδων, το φαινόμενο παύει να μοιάζει με απλό «θόρυβο». Αρχίζει να μοιάζει με ταυτόχρονη ενεργοποίηση των ενδείξεων πίεσης του ίδιου του συστήματος.
Εδώ βρίσκεται το σημείο που θα έπρεπε πραγματικά να στερεί τον ύπνο από ιδρυτές εταιρειών και επενδυτές: ο κλάδος των ιδιωτικών πιστώσεων αποτελεί τη βασική υποδομή χρηματοδότησης για ένα τεράστιο μέρος των επενδύσεων σε υποδομές τεχνητής νοημοσύνης αυτή τη στιγμή, ακριβώς επειδή οι τράπεζες έχουν περιορίσει αυτού του είδους τον δανεισμό μετά την τελευταία κρίση.
Εάν υλοποιηθεί ο κίνδυνος συγκέντρωσης σε αυτό το οικοσύστημα —είτε επειδή ένας πάροχος υπηρεσιών cloud τεράστιας κλίμακας (hyperscaler) περικόπτει τις κεφαλαιουχικές δαπάνες, είτε επειδή μια νέα γενιά GPU υποβαθμίζει την αξία των περσινών εξασφαλίσεων σε επίπεδα «σκραπ» ταχύτερα από το αναμενόμενο, είτε απλώς επειδή οι επενδυτές ζητούν μαζικά πίσω τα χρήματά τους από μη ρευστοποιήσιμα κεφάλαια— η κάνουλα χρηματοδότησης για τα κέντρα δεδομένων δεν κλείνει σταδιακά. Μπλοκάρει απότομα. Και σε αντίθεση με ένα μαζικό ξεπούλημα στις δημόσιες αγορές, ενδέχεται να μην αντιληφθείτε τον κίνδυνο έγκαιρα, παρά μόνο όταν τα αιτήματα εξαγοράς φτάσουν στα όρια περιορισμού των κεφαλαίων (fund gates).
Ο Thomas δεν προβλέπει κατάρρευση. Επισημαίνει μια δομή που θכμίζει εκείνη που απέτυχε ήδη μία φορά στο παρελθόν και διερωτάται αν όσοι αναλαμβάνουν σήμερα τον κίνδυνο αυτών των δανείων έχουν πράγματι συνυπολογίσει αυτόν τον παράγοντα στην τιμολόγησή τους.
>
Οι υποδομές AI είναι δαπανηρές και αναπτύσσονται ραγδαία, με τον κλάδο των ιδιωτικών πιστώσεων (private credit) να καλείται διαρκώς να τις χρηματοδοτήσει. Μια νέα έκθεση της Carlyle, που δημοσιεύτηκε την Πέμπτη, εκτιμά ότι ο κλάδος ενδέχεται να χρειαστεί περίπου 1 τρισεκατομμύριο δολάρια για τη χρηματοδότηση της ανάπτυξης υποδομών υπολογιστικής ισχύος για την AI. Το ποσό αυτό θα υπερέβαινε το ήμισυ του συνόλου των κεφαλαίων που διαχειρίζεται σήμερα ο κλάδος των ιδιωτικών πιστώσεων.
Τι χρηματοδοτείται και γιατί η διαδικασία είναι πιο σύνθετη σε σχέση με το λογισμικό
Τα κεφάλαια διοχετεύονται σε διάφορους τομείς: κατασκευή κέντρων δεδομένων (data centers) και υποδομών ενέργειας, δάνεια με εξασφάλιση σε τσιπ, καθώς και δανεισμό σε οχήματα ειδικού σκοπού (SPVs). Η Carlyle υποστηρίζει ότι ο πιστωτικός κίνδυνος που συνδέεται με τα κέντρα δεδομένων και άλλα περιουσιακά στοιχεία σχετικά με την AI είναι πιο κερδοσκοπικός και παρουσιάζει μεγαλύτερη συσχέτιση με τη γενικότερη πορεία της οικονομίας σε σύγκριση με το λογισμικό, ενώ ένα μεγάλο μέρος των σημερινών μεθόδων χρηματοδότησης δεν έχει ακόμη δοκιμαστεί σε πραγματικές συνθήκες πίεσης (stress test). Ευρύτερες προβλέψεις τοποθετούν τις δαπάνες για υποδομές AI πάνω από τα 5 τρισεκατομμύρια δολάρια έως το 2030. Η Carlyle δεν αποφεύγει τον συγκεκριμένο τομέα. Όπως δήλωσε ο Jenkins: «Θέλουμε να αναλάβουμε το ρίσκο, αλλά επιθυμούμε να το πράξουμε με ισορροπημένο τρόπο».
Το μοντέλο του λογισμικού και οι ρωγμές του
Την περίοδο 2020-2022, το λογισμικό αποτελούσε περίπου το ήμισυ των συμφωνιών ιδιωτικών κεφαλαίων (private equity). Οι δανειστές εισήλθαν μαζικά στον κλάδο, καθώς τα έσοδα από συνδρομές φάνταζαν σταθερά και σχετικά θωρακισμένα απέναντι σε οικονομικές υφέσεις. Στη συνέχεια, η παραγωγική τεχνητή νοημοσύνη (generative AI) ανέτρεψε αυτή την αίσθηση ασφάλειας, εισάγοντας έναν κοινό κίνδυνο: την ταχεία τεχνολογική απαξίωση. Οι επιπτώσεις αυτής της μεταβολής έγιναν ορατές μέσω των δυσκολιών που αντιμετωπίζουν τα δάνεια λογισμικού στη δευτερογενή αγορά (syndicated market), των δυσκολότερων όρων αναχρηματοδότησης για τους δανειολήπτες και της αύξησης των αιτημάτων εξαγοράς μεριδίων σε ορισμένα επενδυτικά κεφάλαια ιδιωτικών πιστώσεων.
Συγκέντρωση, αντισυμβαλλόμενοι και η κατανομή των κερδών.
Ένα βασικό ζήτημα που προκαλεί προβληματισμό είναι η αβεβαιότητα σχετικά με το πού θα καταλήξουν τελικά τα κέρδη της AI: στους κατασκευαστές τσιπ, στα κέντρα δεδομένων ή στους δημιουργούς εφαρμογών;
Ιδού τι έχει προηγηθεί>
Mετά την Bain&Company και ο Όμιλος Carlyle δημοσίευσε χθες μια έκθεση προειδοποιώντας ότι η σπουδή του κλάδου των ιδιωτικών πιστώσεων (private credit) να χρηματοδοτήσει υποδομές τεχνητής νοημοσύνης (AI) ενδέχεται να επαναλάβει το ίδιο σφάλμα συγκέντρωσης κινδύνου που είχε διαπράξει παλαιότερα με το λογισμικό.
Σύμφωνα με τον @HedgieMarkets εκτιμάται ότι θα απαιτηθούν περίπου 1 τρισεκατομμύριο δολάρια σε ιδιωτικές πιστώσεις για τη χρηματοδότηση της ανάπτυξης υποδομών υπολογιστικής ισχύος για την AI. Το ποσό αυτό αντιστοιχεί σε περισσότερο από το μισό του συνόλου των κεφαλαίων που διαχειρίζονται σήμερα τα ταμεία ιδιωτικών πιστώσεων.
Οι ευρύτερες προβλέψεις τοποθετούν τις συνολικές δαπάνες για υποδομές AI πάνω από τα 5 τρισεκατομμύρια δολάρια έως το 2030, ενώ τα περισσότερα από τα σχήματα συμφωνιών που χρησιμοποιούνται δεν έχουν δοκιμαστεί ποτέ σε συνθήκες οικονομικής ύφεσης.
Η άποψή μου>
Εδώ και καιρό υποστηρίζω κάτι παρόμοιο. Το μοντέλο δανεισμού στον κλάδο του λογισμικού φάνταζε αλάνθαστο, μέχρι που έπαψε να είναι. Έσοδα από συνδρομές, συμβόλαια επαναλαμβανόμενης φύσης, χαμηλά ποσοστά απώλειας πελατών (churn). Οι δανειστές επένδυσαν μαζικά σε αυτόν τον τομέα την περίοδο 2020-2022, αλλά στη συνέχεια εμφανίστηκε η παραγωγική τεχνητή νοημοσύνη (generative AI) και ξαφνικά τα μισά από αυτά τα χαρτοφυλάκια βρέθηκαν αντιμέτωπα με κίνδυνο απαξίωσης που δεν είχε συνυπολογιστεί στην τιμολόγηση. Πλέον, τα δάνεια αυτά δυσκολεύονται να αναχρηματοδοτηθούν και ορισμένα επενδυτικά κεφάλαια δέχονται αιτήματα εξαγοράς μεριδίων.
Η χρηματοδότηση υποδομών AI αποτελεί την ίδια ακριβώς επενδυτική λογική, αλλά με χειρότερες εγγυήσεις (collateral). Ένα κέντρο δεδομένων είναι ένα φυσικό κτίριο γεμάτο chips, η αξία των οποίων μειώνεται με ρυθμό που δεν μπορούμε ακόμη να προβλέψουμε με ακρίβεια. Ένα δάνειο εξασφαλισμένο με μονάδες επεξεργασίας γραφικών (GPU) φαίνεται ασφαλές, μέχρι τη στιγμή που θα κυκλοφορήσει η επόμενη αρχιτεκτονική και η αξία μεταπώλησης της εγγύησής σας θα υποχωρήσει κατά 40%.
Ο Jenkins, στέλεχος της Carlyle, δήλωσε ότι επτά ή οκτώ αντισυμβαλλόμενοι αποτελούν τη βάση για το μεγαλύτερο μέρος των χρηματοδοτήσεων που εξετάζει. Επτά ή οκτώ. Έχουμε, λοιπόν, μια δυνητική έκθεση κινδύνου ύψους ενός τρισεκατομμυρίου δολαρίων που συγκεντρώνεται σε ελάχιστους παίκτες, υποστηριζόμενη από περιουσιακά στοιχεία χωρίς ιστορικό αντοχής σε ακραίες συνθήκες (stress tests), σε έναν κλάδο όπου δεν έχει ακόμη προσδιοριστεί καν το πού ακριβώς θα εντοπίζεται η κερδοφορία.
Η Carlyle δεν προτείνει τη διακοπή του δανεισμού. Προτείνει τον καθορισμό ορίων έκθεσης και την καλή γνώση του αντισυμβαλλομένου. Αν συμμετέχετε σε κάποιο ταμείο ιδιωτικών πιστώσεων, ρωτήστε τον διαχειριστή σας για το ύψος της έκθεσης που έχει αναλάβει σε υποδομές AI· η ταχύτητα με την οποία θα απαντήσει θα σας αποκαλύψει πολλά.
🦔Carlyle Group put out a white paper yesterday warning that private credit’s rush into AI infrastructure financing could repeat the same concentration mistake the industry made with software. They estimate about $1 trillion in private credit may be needed to underwrite AI… pic.twitter.com/zurMtTKrpX
— Hedgie (@HedgieMarkets) October 2, 2026
6 τρισεκατομμύρια δολάρια για υποδομές Τεχνητής Νοημοσύνης ως το 2031!
Πρόκειται για μια τεχνοκρατική ανάλυση; Μια εφιαλτική πραγματικότητα; Για το Πέρασμα της Κασσάνδρας για τις οικονομίες και τις ζωές των ανθρώπων και στο τέλος της μέρας ποιοι και γιατί “τρέχουν” την AI; Ποιους ωφελεί; Πάμε να δούνε τι λένε οι αριθμοί σύμφωνα με την ανάλυση των κατ΄εξοχήν ειδικών.
Της Bain&Company>
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.
