Blackstone inwestuje pół biliona dolarów w infrastrukturę dla sztucznej inteligencji

Pełny tekst

Jeden z największych funduszy inwestycyjnych na świecie przekonuje, że wyścig o infrastrukturę sztucznej inteligencji nie przypomina bańki internetowej. To walka o rzadki zasób: moc obliczeniową.

Jeszcze niedawno sztuczna inteligencja była przede wszystkim historią o modelach, algorytmach i spektakularnych wycenach spółek technologicznych. Dziś coraz wyraźniej staje się historią o czymś znacznie bardziej przyziemnym. O dostępie do energii, działkach pod centra danych, transformatorach, układach chłodzenia i finansowaniu liczonym w setkach miliardów dolarów.

W centrum tej zmiany znalazły się największe fundusze private equity oraz inwestorzy infrastrukturalni. Dla nich AI nie jest wyłącznie wyścigiem o stworzenie najlepszego chatbota. To przede wszystkim szansa na posiadanie fizycznej warstwy gospodarki przyszłości. Obiektów i sieci, bez których najbardziej zaawansowane modele pozostają jedynie kodem.

AI potrzebuje nie tylko geniuszu programistów. Potrzebuje elektrowni, transformatorów, chłodzenia i kapitału. Blackstone stawia pół biliona dolarów na to, że niedobór tych zasobów będzie ważniejszy niż pytanie, który technologiczny gigant wygra wyścig.

Nie bańka, tylko niedobór

Na pierwszy rzut oka liczby są wystarczająco wielkie, by zapalić każdą lampkę ostrzegawczą na Wall Street. Według Citi Research globalne inwestycje w AI wzrosnąć z 1 bln USD rocznie do 3,8 bln USD w 2030 r. PwC w raporcie „Global Data Centre Outlook” prognozuje 31,6 bln USD skumulowanych inwestycji kapitałowych w centra danych do 2050 r. Roczne wydatki miałyby zwiększyć się z około 800 mld USD obecnie do 1,8 bln USD w połowie stulecia.

W normalnych okolicznościach biliony, potężne prognozy wzrostu, infrastruktura budowana z wyprzedzeniem — przywoływałyby wspomnienie gorączek inwestycyjnych: kolei, telekomunikacji, czy dotcomów. Jon Gray, prezes Blackstone, jednej z największych firm zarządzających aktywami alternatywnymi, utrzymuje jednak, że analogia jest błędna.

W rozmowie z francuskim „Les Echos Capital Finance” Gray argumentował, że AI znajduje się „dokładnie po przeciwnej stronie” niż klasyczna bańka. Jego rozumowanie jest proste. Bańka rodzi się wtedy, gdy inwestorzy tworzą nadmierną podaż — budują więcej zdolności produkcyjnych, niż rynek potrafi wykorzystać. W przypadku sztucznej inteligencji sytuacja ma być odwrotna: zapotrzebowanie na moc obliczeniową, energię i wyspecjalizowane układy przewyższa dostępne zasoby.

To rozróżnienie ma znaczenie. Jeśli problemem jest niedobór, kapitał finansujący nowe centra danych może otrzymywać trwałe, wysokie zwroty. Jeśli zaś popyt okaże się bardziej efemeryczny, niż sądzą inwestorzy — albo jeśli postęp technologiczny radykalnie obniży koszt obliczeń — dzisiejszy deficyt może zamienić się w jutrzejszą nadwyżkę. Historia infrastruktury uczy, że oba scenariusze potrafią następować po sobie z zadziwiającą szybkością.

Finansowanie dla „fabryk AI”

O skali ambicji najlepiej świadczy porozumienie ogłoszone przez Nvidię 10 sierpnia. Producent układów graficznych zawarł memorandum o współpracy z Apollo, BlackRockiem, Blackstone’em, Brookfieldem, Goldman Sachs i KKR. Celem jest stworzenie platform finansowania infrastruktury obliczeniowej, które mają zmobilizować ponad 500 mld USD kapitału zewnętrznego dla centrów danych obsługujących AI.

Sformułowanie „zmobilizować” jest tu ważniejsze niż sama gigantyczna kwota. Nie chodzi o gotówkę już wpłaconą na jedno konto ani o pakiet w pełni zakontraktowanych projektów. Jest to raczej deklaracja stworzenia mechanizmu, który w kolejnych latach ma połączyć fundusze emerytalne, ubezpieczycieli, fundusze infrastrukturalne i prywatny kapitał z inwestycjami w serwery, sieci, chłodzenie oraz zasilanie. Taki model przypomina finansowanie autostrad, lotnisk i elektrowni — z tą różnicą, że aktywa leżące u podstaw transakcji starzeją się znacznie szybciej.

Gray podkreślił, że jedna „fabryka AI” o mocy jednego gigawata wymaga około 35 mld USD nakładów na same układy scalone. To pokazuje, dlaczego tradycyjne finansowanie korporacyjne może przestać wystarczać. Nawet najbogatsi operatorzy chmury — Microsoft, Alphabet, Amazon czy Meta — dysponują ogromnymi przepływami pieniężnymi, ale jednoczesna budowa wielu kampusów obliczeniowych wymaga kapitału na skalę, z którą dotąd kojarzono przede wszystkim energetykę, surowce i infrastrukturę publiczną.

Dla firm takich jak Blackstone to okazja do zajęcia pozycji pomiędzy dostawcami technologii a klientami końcowymi. Zamiast obstawiać, czy zwycięzcą zostanie konkretny model językowy, chatbot lub producent oprogramowania, inwestor kupuje to, bez czego żaden z nich nie może działać: nieruchomości, przyłącza energetyczne, generatory, systemy chłodzenia, światłowody i serwerownie.

Wąskie gardła są materialne

Entuzjazm wokół AI często przedstawia się jako zjawisko niemal niematerialne: algorytmy, dane i kod. Rzeczywistość jest znacznie bardziej fizyczna. Nowoczesne modele wymagają tysięcy, a w największych wdrożeniach setek tysięcy wyspecjalizowanych procesorów. Te zużywają energię, emitują ciepło i muszą zostać umieszczone w budynkach zdolnych wytrzymać ekstremalne obciążenia energetyczne.

Dlatego najważniejszym ograniczeniem nie są dziś wyłącznie chipy Nvidii. Są nimi także dostęp do stabilnej energii, możliwość szybkiego uzyskania przyłącza do sieci, transformatorów, urządzeń chłodniczych, gruntów oraz pozwoleń administracyjnych. W wielu lokalizacjach czas oczekiwania na nowe moce przyłączeniowe może być dłuższy niż czas potrzebny na postawienie samego budynku centrum danych.

Ta materialność tłumaczy, dlaczego inwestorzy infrastrukturalni widzą w AI szczególny rodzaj okazji. Oprogramowanie można kopiować niemal bez kosztu krańcowego; elektrowni, linii przesyłowej i stacji transformatorowej — nie. Jeżeli popyt na obliczenia pozostanie silny, właściciele ograniczonych zasobów fizycznych mogą uzyskać znaczącą siłę negocjacyjną.

Citi Research wskazuje, że największe platformy technologiczne osiągają około 30-procentowe zwroty z zainwestowanego kapitału w infrastrukturę. To istotny argument przeciw tezie, że obecne wydatki są wyłącznie demonstracją siły finansowej. Firmy inwestują nie tylko dlatego, że boją się pozostać w tyle; inwestują również dlatego, że ich dotychczasowe systemy chmurowe i usługi cyfrowe generują wysoką rentowność.

Jednak relatywnie wysoki zwrot z dzisiejszej infrastruktury nie jest gwarancją, że każdy nowy projekt zachowa podobną ekonomikę. Pierwsze, najlepiej położone kampusy — z szybkim dostępem do energii i klientami o wysokiej wiarygodności — mogą być aktywami wyjątkowo atrakcyjnymi. Kolejna fala inwestycji może jednak trafić do miejsc o wyższych kosztach energii, słabszej sieci i bardziej niepewnych umowach najmu.

Bez wybierania zwycięzców

Blackstone przedstawia swoją strategię jako sposób na czerpanie korzyści z AI bez ryzyka typowego dla inwestowania w technologię. Gray wyraźnie zastrzegł, że firma nie zakłada, iż „wszystkie wyceny będą uzasadnione” ani że „każda firma odniesie sukces”. Przekonanie Blackstone’a ma dotyczyć czegoś węższego, ale zarazem fundamentalnego: popyt na AI oraz gospodarczy wpływ tej technologii będą większe, niż obecnie przewiduje rynek.

To stanowisko jest rozsądniejsze, niż sugeruje jego pewność siebie. Dotychczasowe fale technologiczne wielokrotnie tworzyły wartość społeczną, choć nie zawsze dla inwestorów, którzy finansowali pierwszą infrastrukturę. Kolej doprowadziła do głębokiej przemiany gospodarczej, ale wiele spółek kolejowych bankrutowało. Internet stał się podstawą nowoczesnej gospodarki, lecz znaczna część firm z epoki dotcomów nie przetrwała. To, że technologia jest użyteczna, nie przesądza automatycznie o tym, że każde aktywo z nią związane będzie dobrze wycenione.

Strategia „kilofów i łopat” również nie jest pozbawiona ryzyka. Infrastruktura nie jest jednorodna. Centrum danych podpisujące długoterminową umowę z globalnym operatorem chmury ma inny profil ryzyka niż obiekt zależny od jednego szybko rosnącego start-upu. Różnica może być jeszcze większa, gdy kredytodawca finansuje sprzęt, którego cykl technologiczny liczony jest w kilku latach, a dług spłacany przez dekadę lub dłużej.

To napięcie będzie kluczowe dla instytucji dostarczających kapitał. Fundusze emerytalne i ubezpieczyciele lubią przewidywalne, długoterminowe przepływy pieniężne. AI oferuje im wizję cyfrowej infrastruktury o cechach sieci przesyłowej. Lecz serwery i akceleratory nie są linią elektroenergetyczną: ich wartość może gwałtownie spaść, gdy nowa generacja chipów zapewni większą wydajność przy niższym zużyciu energii.

Bańka może czaić się gdzie indziej

Najbardziej prawdopodobnym błędem nie byłoby założenie, że AI nie potrzebuje infrastruktury. Potrzebuje jej niewątpliwie, a obecne ograniczenia podaży są realne. Ryzyko polega raczej na założeniu, że każdy rodzaj infrastruktury będzie równie potrzebny, w każdym miejscu i po każdej cenie.

Rosnące inwestycje mogą tworzyć sprzężenie zwrotne. Więcej centrów danych zwiększa zamówienia na chipy; większe zamówienia uzasadniają rozbudowę mocy produkcyjnych; rosnąca dostępność mocy obliczeniowej zachęca do tworzenia kolejnych zastosowań AI. Ten mechanizm może podtrzymywać inwestycyjny boom przez lata. Może też doprowadzić do lokalnych nadwyżek: zbyt wielu serwerowni w jednej części kraju, zbyt drogich kontraktów energetycznych albo projektów opartych na założeniu, że ceny wynajmu mocy obliczeniowej nigdy nie spadną.

Prognoza PwC o 31,6 bln USD wydatków do 2050 r. należy zatem czytać nie jako obietnicę, lecz jako miarę stawki. Taka suma oznacza, że AI coraz mniej będzie wyłącznie sektorem technologicznym, a coraz bardziej częścią gospodarki materialnej: energetyki, nieruchomości, produkcji urządzeń, finansów strukturyzowanych i polityki przemysłowej.

W tym sensie Blackstone może mieć rację, że obecny rynek nie przypomina klasycznej bańki napędzanej pustą podażą. Jednocześnie z tej obserwacji nie wynika, że inwestorzy są bezpieczni. Niedobór nie chroni przed przepłaceniem, a wielka technologiczna rewolucja nie gwarantuje zysków wszystkim, którzy próbują ją sfinansować.

Pół biliona dolarów, które Nvidia i jej partnerzy chcą przyciągnąć do AI, jest więc nie tylko zakładem o sztuczną inteligencję. To zakład o to, że cyfrowa gospodarka przez najbliższe dekady będzie potrzebowała coraz więcej bardzo realnych rzeczy: prądu, ziemi, miedzi, chłodzenia i cierpliwego kapitału.

BA/S