Kalkulasyon ng Goldman Sachs sa AI computing power na pustahan: Kailangan ng anim na higanteng kumpanya na kumita ng dagdag na $1.42 trilyong dolyar mula 2028-2030 upang mapanatili ang 15% ROIC

Nalalaman ng APP ng Zhihui Finansyal na mataas, kamakailan lamang ay naglabas ang Goldman Sachs ng ulat hinggil sa pananaliksik sa industriya ng teknolohiya sa Estados Unidos upang sukatin kung anong antas ng ekonomiyang AI ang kailangan upang maging makatuwiran ang ROIC ng puhunan ng mga higanteng cloud provider (hyperscalers) sa AI, at nakatutok ito sa pinakamahalagang usapin sa merkado: Naglalagak ng malalaking kapital ang pangunahing hyperscalers ng Estados Unidos sa AI computing power, at tinatalakay kung ang napakalaking gastos sa kapital ay makapagtutugma ng makatuwirang balik sa hinaharap. Bumuo ang ulat ng isang quantitative na modelo upang subukan ang kita ng investment ng anim na kompanya—Google, Amazon, Microsoft, Meta, Oracle at SpaceX—para sa kanilang investment sa computing power sa 2026-2027, bilang gabay sa kakayahang kumita ng investment sa AI infrastructure.

Itinuturing ng Goldman Sachs na dahil sa napakabilis na pagtaas ng Token consumption sa malalaking modelo ng AI, nagkaroon ng matinding pagbabago sa capital intensity ng mga hyperscalers sa Amerika, para umangkop sa pagbabago ng industriya sa antas ng computing power. Ang kasalukuyang alon ng malalaking investment ng mga kompanya ay nagmumula sa dalawang sanhi: una, aktuwal na demand sa kasalukuyan (nasa estado ng imbalance ang supply at demand sa merkado), at ikalawa, paghahanda sa pangmatagalang pangangailangan sa computing power ng kanilang mga pangunahing kliyente.

Kung susuriin ang merkado ngayong taon, lalo na kasunod ng pagtatapos ng ikalawang quarter ng ulat-pananalapi, mas lumalim na ang pang-unawa ng merkado sa temang ito. Batay sa datos ng pananalapi at pahayag ng pamunuan, dalawang mahahalagang consensus ang unti-unting nabuo sa mga namumuhunan:

(a) Kayang makamit ng mga hyperscalers ang maganda, at posibleng higit pa sa inaasahang ROI, batay sa kanilang capital expenditures mula 2023-2025, sa pamamagitan ng incremental na kita at cash flow sa operasyon;

(b) Dahil sa kakapusan ng supply ng computing power at patuloy na napapalakas na end-user demand, nasa bagong simula na ng investment cycle (2026-2027) ang mga cloud provider, at mas mataas ang kasalukuyang price point ng computing services kaysa sa inaasahang long-term benchmark price ng bangko.

Dahil dito, lumipat na ang pokus ng mga diskusyon ng merkado nitong mga nakaraang buwan sa higit pang hinaharap na usapin: Gaano kataas ang magiging ROI ng kapital expenditure sa 2026-2027, mula 2028-2030? At paano magiging benchmark ang ROIC ng mga naunang capital expenditure?

Sa ulat, bumuo ang Goldman Sachs ng analytical framework para masuri kung anong saklaw ng AI market increments ang kailangang mabuo ng mga hyperscalers sa US upang makamit ang benchmark na ROIC sa kasalukuyang antas ng kapital expenditure. Ang pangunahing punto ng analysis ay tukuyin kung magkano ang kinikita na kailangang maabot para makamit ng pangunahing US hyperscalers ang 15% annualized ROIC sa kanilang AI computing investment sa ikalawang yugto (2026-2027).

Batay sa ilang mga assumption: Bawat gigawatt (GW) ng computing power ay nangangailangan ng average na capex na $42 bilyon; 70% ng capex ay para sa hardware at 30% para sa data center infrastructure; ginagamit ang konserbatibong depreciation at patuloy na operational cost assumption. Ayon sa kalkulasyon, kailangang makalikha ang anim na US hyperscalers (Alphabet, Amazon, Microsoft, Meta, Oracle, SpaceX) ng kabuuang halos $1.42 trilyong kita noong 2028-2030 (katumbas ng $11.6 bilyon na kita kada taon bawat GW), para maabot ang 15% ROIC na benchmark.

Bagaman ang malaki at biglaang pagtaas ng capital expenditure ay pansamantalang magpapababa sa kasalukuyang performance (maaapektuhan ang short-term results), naniniwala ang bangko na sa mid- to long-term, ang kasalukuyang capital investment ay magbubunga ng kaakit-akit na antas ng ROIC. Sa madaling salita, ang short-term na pressure sa returns ay likas na resulta ng malaking paunang investment cycle at hindi senyales na may structural defect sa AI business models mismo.

Sa kanilang mga naunang ulat hinggil sa Token economy, AI development sa konsumidor, at enterprise AI track, naipaliwanag na ng bangko na habang nagbabago ang market share at bumababa ang Token pricing, mas tataas ang AI penetration, papalawak ang mga use case ng AI sa consumer at enterprise computing power. Ang pansin ng merkado ay nasa ebolusyon ng mga pangunahing provider ng large foundational models—kasama na ang market share at ability ng proprietary models na magtakda ng presyo kumpara sa open-source. Ngunit sa pananaw ng bangko, ang cost-performance dynamics ng computing power ang totoong nagtatakda ng laki at limitasyon ng AI economy.

Sa merkado ay may sari-saring modelo at antas ng intelligent agents na sumusunod sa cost-performance curve, bubukas mula sa "commodity-priced intelligence" (na may pressure sa presyo) hanggang sa advanced intelligence (na mas kayang magtakda ng matatag na presyo), at susuporta sa kasalukuyang capital expenditure ng hyperscalers sa infrastructure.

Sa madaling salita, hindi lahat ng kategorya ng Token ay may parehong business value, at hindi lahat ng capital expenditure ay magdudulot ng parehong level ng returns. Subalit, sa kabuuan at may pagtanaw sa napakalawak na market expansion sa susunod na 3-5 taon, naniniwala pa rin ang bangko na ang mga capital investment na ilalatag sa susunod na labingwalong buwan ay makakapagbigay ng magandang returns.

Napagtibay rin ang pananaw na ito sa Goldman Sachs Communacopia Technology Conference, kung saan ang mga kalahok na kumpanya ay nagbigay ng tatlong malinaw na signal:

(a) Mula sa phase ng experimentation sa AI, tumatawid na sa stage ng aplikasyon at pagpapatupad ang industriya; (b) bumibilis ang returns mula sa efficiency gains at product iteration cycles; (c) mula sa simpleng paghabol sa laki ng Token consumption, mas pinagtutunan na ngayon ng mga kumpanya ang optimization ng input-output ng Token—upang mapabuti ang kanilang returns, na nagsisilbing hudyat din ng patuloy na pag-angat ng AI penetration sa enterprise (kung saan ang enterprise AI adoption ay direktang magpapataas ng kita at incremental operating profit na kaugnay sa capital expenditures ng cloud providers).

Bukod dito, kamakailan ay maraming AI product na para sa consumer (C-end) ang opisyal na inilunsad (lalo na ang Muse ng Meta), at kasalukuyang dumaranas ng paradigm shift ang consumer AI: mula conversational interfaces patungo sa intelligent agent-driven action-based products. Ang paglawak ng mga platform na ito (malamang na susundan pa ng ibang higanteng kumpanya sa consumer AI platform layer) ay magdadala ng medium to long-term na paglago sa demand sa computing power; at kasunod ay unti-unting lalabas ang monetization models, kabilang ang subscription, ads, e-commerce at iba pa, na patuloy na mag-iintegrate at magiging core drivers ng kita sa hinaharap.