Jak drogi jest wynajem mocy obliczeniowej AI w USA? "Cena spot" jest dwukrotnie wyższa niż długoterminowe kontrakty i czterokrotnie przewyższa próg rentowności dostawców chmury.
Cena krótkoterminowego wynajmu mocy obliczeniowej AI na rynku spot sięga 40-50 miliardów dolarów za gigawat rocznie, podczas gdy cena kontraktów długoterminowych wynosi jedynie 20 miliardów dolarów rocznie. Próg rentowności dla operatorów chmur typu superkomputer to około 12 miliardów dolarów rocznie. Jednak według analizy Goldman Sachs, tacy giganci chmurowi jak Google wynajmują moc obliczeniową po bardzo wysokiej marży przede wszystkim dlatego, że nie nadążają z własną infrastrukturą; gdy tylko nadrobią zaległości, premia na rynku spot zniknie.
Amerykański rynek wynajmu mocy obliczeniowej AI wykazuje wyraźną cechę "krótkoterminowo drogo, długoterminowo taniej".
10 października, według wykresu analityka internetu Goldman Sachs Erica Sheridana z raportu kwartalnego SpaceX, roczne przychody z jednego gigawata mocy obliczeniowej w przypadku krótkoterminowego wynajmu spotowego wynoszą około 40–50 miliardów dolarów, w przypadku długoterminowych kontraktów około 20–30 miliardów dolarów, a próg rentowności przy samodzielnej budowie zdolności produkcyjnych przez hyperscalerów, takich jak Google, wynosi tylko około 12 miliardów dolarów.
Jednak Goldman Sachs analizuje, że hyperscalery, takie jak Google, wynajmują moc obliczeniową z wysoką premią, ponieważ ich własne zdolności produkcyjne nie nadążają za popytem. Gdy zdolności produkcyjne zostaną rozwinięte, premia spotowa zniknie. Prognozuje się, że moc obliczeniowa SpaceX wzrośnie z 1,4 GW w drugim kwartale 2026 roku do około 7 GW pod koniec 2027 roku i około 10,6 GW pod koniec 2028 roku — ekspansja ponad 7-krotna w ciągu czterech lat. Podaż mocy obliczeniowej w całej branży szybko rośnie.
Cena spot: 50 miliardów USD za GW
Raport Goldman Sachs pokazuje, że SpaceX w ostatnim kwartale ogłosiło dwa nowe kontrakty na hosting mocy obliczeniowej i poinformowało inwestorów, że są one "wycenione na najwyższym poziomie historycznego zakresu 30–50 miliardów USD/GW".
SpaceX nie jest wyjątkiem.
Nebius (NBIS) ujawnił w sierpniu, że cena za krótkoterminowe kontrakty w trzecim kwartale wynosiła około 40–50 miliardów USD/GW.
CoreWeave (CRWV) ujawniło ostatnio, że cena za krótkoterminowe kontrakty wynosiła około 40 miliardów USD/GW.
IREN ujawniło, że cena za trzyletnie kontrakty wynosiła ponad 20 miliardów USD/GW; negocjacje dotyczą kontraktów za około 25 miliardów USD/GW.
Nebius — kontrakty długoterminowe również mieszczą się w przedziale 20–25 miliardów USD/GW.
Analityk Deutsche Bank Edison Yu w swoim raporcie "Got compute?" further rozłożył cenę godzinową GPU w kontraktach SpaceX, ustalając, że kontrakty Google i Reflection AI opiewają na 50–51 milionów USD za megawat, a dwie pozostałe nieujawnione firmy — 60–61 milionów USD za megawat. Przeliczając, to aż 61 miliardów USD za GW, stawka za godzinę dla chipu GB300 zbliża się do 14 USD.
„Cena spot” jest dwukrotnie wyższa niż „cena długoterminowej umowy”
Cena spot za krótkoterminowy wynajem jest około dwukrotnie wyższa niż cena za długoterminowe kontrakty. Dolny próg cenowy długoterminowych umów wynosi obecnie około 20 miliardów USD/GW.
Ta odwrotna struktura terminów w rynku towarów nazywana jest backwardation. Oznacza to, że rynek uważa obecny niedobór za zjawisko tymczasowe.
Innemi słowy, kupujący są skłonni płacić premię za "niezobowiązujące" umowy, co pokazuje, że popyt jest realny, ale nawet kupujący nie są pewni, czy się utrzyma.
Dla operatorów hyperscalerów, Goldman Sachs wylicza, że całkowite nakłady inwestycyjne na chmurę o mocy obliczeniowej to około 42 miliardy USD/GW. Przy przychodach spotowych 40–50 miliardów USD rocznie, koszty budowy można odzyskać w ciągu roku; nawet w przypadku długoterminowych kontraktów na poziomie 20 miliardów USD, wystarczyłoby dwa lata.
Jednak kluczowy szczegół nie może zostać zignorowany. Goldman Sachs szczególnie zwraca uwagę w raporcie:
Większość kontraktów hostingowych można anulować przez obie strony w ciągu 90 dni, więc zakładanie przychodów według obecnych cen do wygaśnięcia kontraktu (większość do 2029 roku) niesie ryzyko zbyt optymistyczne.
Kontrakt na przychody rzędu 50 miliardów USD rocznie jest prawnie kwartalną umową najmu.
Obliczenia zwrotów Goldman Sachs: Hyperscalerzy potrzebują ok. 11,6 mld USD przychodu za każdy GW
Zespół analityków technologicznych Goldman Sachs próbował w zeszłym miesiącu oszacować wielkość przychodów AI, które hyperscalerzy muszą uzyskać, by zrealizować inwestycje – konkluzja jest taka: sześć czołowych amerykańskich hyperscalerów (Alphabet, Amazon, Microsoft, Meta, Oracle, SpaceX) musi w latach 2028–2030 osiągnąć łącznie około 1,42 biliona USD przychodów z AI, co odpowiada ok. 11,6 miliarda USD za GW rocznie, aby w latach 2026–2027 osiągnąć 15% ROIC.
Nawet jeśli podwoić cel ROIC do 30% i przyjąć najwyższy poziom nakładów inwestycyjnych, liczba ta nie przekracza 18,6 miliarda USD za GW.
Obecne krótkoterminowe stawki wynajmu mocy obliczeniowej są 2–4 razy wyższe niż ten próg.
Co z tego wynika?
Google wynajmuje moc obliczeniową SpaceX w cenie ok. 45 miliardów USD za GW (Deutsche Bank wyliczył 50 mld USD), podczas gdy według modelu Goldman Sachs, własne centrum danych Google wymaga zwrotu ok. 12 mld USD za GW, by osiągnąć rentowność.
Nikt nie zapłaci 4-krotnej premii za towar, chyba że nie ma wyboru. Analiza pokazuje, że Google wynajmuje moc obliczeniową, bo nie nadąża z własną budową. Gdy nadrobi braki, premia z wynajmu zniknie, a przychody hyperscalerów mocno spadną.
Nawet najbardziej optymistyczna tokenomia nie utrzyma ceny spot
Analityk JPMorgan Gokul Hariharan przedstawił optymistyczny model: marża brutto dla ośrodków obliczeniowych AI wynosi 60–80%, każdy GW mocy obliczeniowej może generować 20–40 miliardów USD rocznie z tokenów (dla porównania, w 2025 roku to 10 mld USD).
Prosta weryfikacja matematyczna:
Jeśli koszt mocy obliczeniowej stanowi 20–40% przychodów z tokenów (czyli 60–80% marży), to laboratorium wynajmujące 1 GW za 45 miliardów USD rocznie musiałoby sprzedać 110–225 miliardów USD tokenów, by pokryć koszty i wymusić zysk.
Jest to 3–11 razy więcej niż nawet najbardziej optymistyczne prognozy JPMorgan.
Wniosek jest jeden: Nikt nie wynajmuje spotowej mocy obliczeniowej za 45 miliardów USD/GW, by obsługiwać płatnych klientów i osiągać zyski. Wynajmowana moc obliczeniowa służy treningowi kolejnego modelu, a finansowanie pochodzi z następnej rundy kapitału lub długu — głównie długu.
To jest też główny argument analityka Rothschild Redburn, Alexandra Haissla, który w zeszłym miesiącu wydał ocenę "sprzedaj" dla CoreWeave i Nebius. Wskazuje bezpośrednio:
Popyt na trening utrzyma się, o ile będzie dostępny zewnętrzny kapitał.
Przychody AI: te same pieniądze są liczone kilka razy
Przychody chmur obliczeniowych, hyperscalerów i "branży AI" w dużej mierze są tymi samymi pieniędzmi liczonymi wiele razy.
Śledząc jednego dolara wydanego przez użytkownika końcowego:
Firma płaci Anthropic, który wpisuje całość przychodów (z podziałem na partnerów chmurowych);
Partnerzy chmurowi (AWS, Google) zaliczają swój udział do przychodów chmurowych;
Jeśli partner nie ma wystarczającej mocy obliczeniowej, wynajmuje GW od SpaceX lub CoreWeave, ci zaliczają do przychodów hostingowych;
SpaceX i CoreWeave płacą Nvidia, która liczy to do przychodów z centrów danych.
Sumując "przychody AI" w całym łańcuchu pozostaje wielokrotnie większa suma niż faktycznie wydana przez użytkownika końcowego.
A spadki akcji AI w tym tygodniu wywołały doniesienia brytyjskiego "Financial Times", że roczne przychody OpenAI na koniec września wynosiły ok. 5 miliardów USD, mniej niż wcześniej krążyły szacunki 7 mld USD przychodu miesięcznego (MRR).
Ekspert TMT Goldman Sachs, Sean Johnstone, wyjaśnia źródło różnicy:
Anthropic bliżej określenia przychodów brutto (obejmującego całość wydatków klientów przez partnerów chmurowych, podział jako koszt). OpenAI wylicza przychody netto (głównie własny udział). Gdy część inwestorów próbuje zjednoczyć oba podejścia — przywrócić dane OpenAI do przychodów brutto — pojawiają się wyższe liczby: w sierpniu ok. 40 mld USD, potem ok. 70 mld USD. Ta sytuacja pokazuje wyraźnie, jak wrażliwy jest rynek na ścieżki przychodowe prywatnych firm używających różnych metod raportowania.
Według Bloomberg, nawet te 5 mld USD to "prognoza rocznej sprzedaży na podstawie krótszego okresu", czyli sposób kalkulacji podbijający wynik.
Cena spot nie utrzyma skali całej budowy
Ostatecznie, sama matematyka wyjaśnia problem.
Dzieląc wymagane przez Goldman Sachs 1,42 biliona USD przychodów przez 11,6 mld USD za GW rocznie, można oszacować, że sześć głównych hyperscalerów w latach 2026–2027 odpowiadało za około 41 GW mocy AI.
Wyceniając te 41 GW według różnych cen:
Według progu 15% ROIC Goldman Sachs (ok. 11,6 mld USD/GW): ok. 470 mld USD przychodu AI rocznie
Według ceny długoterminowego kontraktu hostingowego (20 mld USD/GW): ok. 810 mld USD rocznie
Według obecnej ceny spot dla hyperscalerów (ok. 45 mld USD/GW): ok. 1,8 biliona USD rocznie
Porównując do rzeczywistości: trzy czołowe laboratoria AI miały w lipcu razem roczne przychody ok. 100 mld USD; inwestor Brad Gerstner uważa, że do końca roku potrzebne jest 180–200 mld USD, by "utrzymać logikę AI"; strategowie Goldman Sachs twierdzą, że rynek "powinien teraz zobaczyć" dowody rocznych przychodów AI na poziomie ok. 300 mld USD.
Obecna cena spot dla hyperscalerów jest marginalną ceną za rzadką moc obliczeniową, a nie średnią ceną możliwą do osiągnięcia przy budowie na większą skalę.
Podsumowanie zespołu TMT Goldman Sachs:
Przyszłe zwroty powinny pochodzić coraz częściej od wyselekcjonowanych zwycięzców… a nie od posiadania jakiegokolwiek aktywa związanego z wydatkami kapitałowymi AI.
Rozwój pojemności zmniejszy premię za rzadkość
Goldman Sachs prognozuje, że moc obliczeniowa SpaceX wzrośnie z 1,4 GW w drugim kwartale 2026 roku do około 7 GW pod koniec 2027 roku i około 10,6 GW pod koniec 2028 roku — ekspansja ponad 7-krotna w ciągu czterech lat.
Podaż mocy obliczeniowej w całej branży szybko rośnie.
Analiza pokazuje, że na rynku transportowym lub towarowym "nic tak nie leczy rekordowych cen jak rekordowe ceny". Krzywa terminów już wskazuje kierunek rynku mocy AI: cena długoterminowych kontraktów to tylko połowa ceny spot.
Jedyna kwestia: czy przychody od użytkowników końcowych pojawią się wcześniej niż kapitał z rynku kredytowego — czy też narzędzia dłużne zabezpieczane chipami, wyceniane na bazie ceny spot jako stałej, same odkryją odpowiedź wcześniej.
Warto podkreślić, że zespół TMT Goldman Sachs już uznał spread kredytowy Oracle i Broadcom za kluczowy wskaźnik ryzyka wydatków kapitałowych AI napędzanych długiem. Pięcioletnie CDS Oracle w czwartek zamknęły się na poziomie 261 punktów bazowych — nowy rekord.
Zastrzeżenie: Treść tego artykułu odzwierciedla wyłącznie opinię autora i nie reprezentuje platformy w żadnym charakterze. Niniejszy artykuł nie ma służyć jako punkt odniesienia przy podejmowaniu decyzji inwestycyjnych.
Może Ci się również spodobać
Deutsche Bank: Piąta fala odbicia akcji technologicznych w USA od końca lipca osiągnęła już szczyt, przygotuj się na odwrót w kształcie odwróconej litery „V”
Deutsche Bank obniżył ocenę amerykańskich akcji technologicznych z "przeważaj" do "neutralnej", wskazując, że rozpoczęta 29 lipca piąta fala odbicia akcji technologicznych zbliża się do górnej granicy długoterminowego kanału trendowego. Obecnie potencjał wzrostu wynosi jedynie około 4 punkty procentowe, podczas gdy historyczne dane wskazują na potencjalne ryzyko spadku do 16 punktów procentowych. Przewiduje się rotację kapitału do innych sektorów – rynek europejski, ze względu na niższą ekspozycję na sektor technologiczny, może względnie skorzystać, choć podkreślono, że długoterminowy trend przewagi akcji technologicznych pozostaje niezmieniony.
Nomura ostrzega: Indeksy amerykańskich akcji są „poważnie zniekształcone”, dziesięć akcji odpowiada za 70% wzrostu S&P, należy uważać na nowe zagrożenie związane z olejem napędowym
McElligott uważa, że indeks S&P 500 znajduje się w stanie „iluzorycznego boomu”: 85% jego komponentów już się skorygowało (1/6 z nich straciło połowę wartości). Co bardziej niebezpieczne, obecna niska korelacja rynkowa wystąpiła w historii jedynie tuż przed kryzysem finansowym w 2007 roku oraz podczas „dnia zagłady zmienności” w 2018 roku. Rynek stoi w obliczu dwóch głównych zagrożeń: po pierwsze, rozczarowujące przychody OpenAI (osiągnięto tylko 30% oczekiwań), co podważa fundament narracji AI; po drugie, strukturalny niedobór rafinacji sprawia, że „różnica cen diesla = zmienność stóp procentowych” staje się niewidoczną bombą.
Ceny krypto
Więcej
