#GoldmanSees1.2TAICapex
About GoldmanSees1.2TAICapex
Goldman Sachs expects combined 2027 capital spending by Meta, Microsoft, Alphabet, Amazon and Oracle to reach about $1.2 trillion, up from roughly $800 billion in 2026, largely driven by AI infrastructure. The buildout may support demand for chips, memory, data centers, power and cloud services, but monetization remains the key test. Can AI applications generate enough revenue and cash flow to justify the rising investment?
Populaire
Récents
GoldmanSees1.2TAICapex Publications populaires
Le graphique prend les dépenses d'investissement en IA (Amazon, Google, Meta, Microsoft, Oracle + SpaceX, cumulées chaque année) comme entrée, puis les convertit en revenus annuels perpétuels nécessaires pour un rendement de 10 % selon les hypothèses de chaque modèle concernant la dépréciation, les dépenses d'exploitation et la métrique de rendement. Les revenus annuels requis sont sur l'axe des ordonnées ; ils dépasseront 1 000 milliards de dollars par an en 2027.
Callum Williams
En juillet, nous avons soutenu que l'écosystème de l'AI nécessitait des revenus annuels de 2 à 3 000 milliards de dollars à perpétuité pour offrir un retour sur investissement sur les dépenses en capital liées à l'AI. Hier, Goldman a publié un rapport similaire avec des résultats extrêmement proches.
Le récit « L’IA est-elle une bulle ? » s’est un peu calmé en 2026 — en partie à cause de la croissance des revenus de l’IA à l’ère des agents, et en partie parce que le débat s’est déplacé vers la sécurité de l’IA.
Mais le consensus émergent selon lequel les nouveaux revenus générés par l’IA par les hyperscalers devront atteindre près de 3 000 milliards de dollars par an d’ici la fin de la décennie reste incroyablement intimidant.
Blockspace
Goldman Sachs : les dernières estimations des dépenses d'investissement des hyperscalers montrent 996 milliards de dollars en 2027
Neoclouds et d'anciens mineurs de Bitcoin ont obtenu des dépenses d'investissement significatives des hyperscalers depuis 2025
$NBIS : Meta + Microsoft
$CRWV : Google, Meta, Microsoft
$CIFR : AWS + Fluidstack (soutenu par Google)
$IREN : Microsoft
$WULF : Fluidstack (soutenu par Google)
$HUT : Fluidstack (soutenu par Google)
10,3 billions de dollars. C'est l'estimation de Brookings pour l'investissement dans l'infrastructure IA aux États-Unis de 2025 à 2032, mise en avant par @Axios.
Beaucoup de gens parlent de savoir si l'IA est une bulle. Ce document de Brookings pose une question différente, bien que liée : le financement de cette expansion pourrait-il créer un risque systémique ? Une bulle IA et un événement de risque systémique ne sont pas la même chose. Une bulle se produit lorsque les investissements ou les prix des actifs dépassent les rendements. Le risque systémique survient lorsque les pertes se propagent au-delà des projets ayant fait de mauvais paris et perturbent le système financier dans son ensemble.
Alors, que faudrait-il pour que cela arrive ? Le document souligne une exposition concentrée parmi les banques, les assureurs et les fonds, tous dépendant des mêmes locataires IA. Si une demande plus faible en IA affectait simultanément l'utilisation, la valeur des centres de données et des GPU, ainsi que le refinancement, les pertes pourraient se propager des projets aux prêteurs et investisseurs.
L'auteur affirme qu'il est prématuré de conclure que nous en sommes là - et je suis d'accord. Mais une grande partie de ce financement repose sur des structures qui rendent difficile de savoir qui détient finalement le risque... Quoi qu'il en soit, nous ne faisons que commencer et cela ne va pas ralentir de sitôt.
TL/DR : Goldman estime que 1,42 trillion de dollars de revenus sur 2028-30, soit 11,6 milliards de dollars par GW, est réalisable (nécessaire pour un ROIC de 15 %), avec 59 % déjà présents dans les carnets de commandes cloud et des équipes de direction affirmant des retours sur investissement allant de un à trois ans
Et voici l'argument contraire : l'objectif est réalisable si la puissance de calcul reste rare, si les prix des GPU et des jetons ne se déprécient pas, si une durée de vie utile de 5 ans est réelle, si une poignée de laboratoires d'IA continuent de payer leurs factures, et si l'iceberg hors bilan de 3 trillions de dollars ne nécessite pas un retour sur investissement propre.
Moi+@econJaredB publions un nouvel article examinant combien de revenus sont nécessaires pour justifier les dépenses en capital en IA des hyperscalers. Nous estimons que les revenus incrémentaux de l'IA se situent actuellement entre 86 et 188,1 milliards de dollars pour les hyperscalers, mais ils ont besoin de 13,1 à 18,7 *billions* au cours de la prochaine décennie pour que cela soit rentable.
J'ai mis en avant Meta la semaine dernière et la thèse commence à devenir plus intéressante
leurs dépenses en AI commencent à se faire sentir dans l'entreprise elle-même, notamment dans la publicité, tandis que le côté consommateur continue de s'étendre avec des produits comme Meta AI
le marché a passé beaucoup de temps à se concentrer sur qui possède le meilleur modèle
la distribution, la monétisation et la capacité à livrer l'AI directement à des milliards d'utilisateurs comptent tout autant
Meta est l'un des noms que je surveille de près ici
Ansem 🐂🀄️
de mon point de vue, Meta est encore assez peu discuté dans la course à l'IA
> les modèles open-source deviennent de plus en plus efficaces
> la distribution devient un avantage majeur à mesure que les modèles s'améliorent
> Meta compte déjà des milliards d'utilisateurs sur ses produits
> une meilleure IA peut améliorer la personnalisation et le ciblage publicitaire
sa stratégie d'IA open-source lui confère une position différente des autres grands laboratoires, c'est l'une des grandes entreprises d'IA auxquelles je prête le plus attention en ce moment
🚨 L'IA DEVIENT DE PLUS EN PLUS ABORDABLE À UNE VITESSE RIDICULE
SELON EPOCH AI, LE MÊME NIVEAU DE PERFORMANCE DE L'IA EST DEVENU ENVIRON 13 FOIS MOINS CHER CHAQUE ANNÉE DEPUIS 2023
PLUS RAPIDE QUE L'ÉLECTRICITÉ, LE CALCUL, LES BATTERIES OU LE SÉQUENÇAGE DE L'ADN SUR CE GRAPHIQUE
MAIS FAIRE FONCTIONNER L'IA NÉCESSITE TOUJOURS DES PUCES, DE L'ÉNERGIE ET DES CENTRES DE DONNÉES
LES ENTREPRISES DÉPENSENT DES MILLIARDS POUR VENDRE QUELQUE CHOSE QUI NE CESSE DE DEVENIR MOINS CHER
ÇA COMMENCE À RESSEMBLER À UNE ŒUVRE DE CHARITÉ TRÈS COÛTEUSE
EXCLUSIF : Subconscious s'attaque à l'un des plus grands défis auxquels sont confrontés les agents d'IA à long terme : le coût d'inférence.
@subsysdev a levé 5,1 millions de dollars pour construire une plateforme d'inférence conçue spécifiquement pour les agents, utilisant la compression dynamique du contexte et la mise en cache pour rendre les charges de travail à long terme plus rapides et moins coûteuses. L'entreprise affirme que sa technologie peut réduire les coûts d'inférence jusqu'à 80 %, tout en étendant les fenêtres de contexte effectives au-delà de 5 millions de tokens. Pour les entreprises qui développent l'IA agentique, cela pourrait rendre plus pratique l'exécution des agents sur des périodes plus longues pour des tâches de plus en plus complexes.
@deantak a parlé avec @thejackobrien, PDG de Subconscious, au sujet de la technologie de l'entreprise, de son focus sur les agents à long terme et de l'économie qui sous-tend la prochaine génération d'applications d'IA.
« La plupart des entreprises d'inférence construisent des systèmes universels pour les chats, les requêtes ponctuelles et les agents. Mais les agents sont beaucoup plus difficiles à bien servir. Nous avons construit toute notre architecture autour des agents à long terme, et notre technologie principale provient de recherches inédites du MIT, ce qui nous donne une avance d'un an et plus », a déclaré O’Brien.
Lisez l'article complet sur @GamesBeat :
#AI #AgenticAI #Technology
