Хиймэл оюун ухааны салбарын дэд бүтцийн хөрөнгө оруулалт эрчимтэй өсөж, 2026 он гэхэд 1.5 их наяд ам.долларт хүрэх төлөвтэй байна.
Sequoia-гийн түнш Дэвид Канны тооцоолсноор, энэхүү асар их хэмжээний GPU болон дата төвийн зардлыг нөхөхийн тулд хиймэл оюун ухааны салбар 3 их наяд ам.долларын орлого олох шаардлагатай болжээ. Санах ойн үнийн өсөлт болон тусгай зориулалтын чипүүдийн хэрэглээ нэмэгдэж байгаа нь зардлын ачааллыг улам бүр нэмэгдүүлж байна. Одоогоор Anthropic 60 тэрбум, OpenAI 20 тэрбум ам.долларын жилийн орлогын түвшинд (ARR) хүрсэн гэх боловч хөрөнгө оруулалтын өгөөжийн зөрүү их хэвээр байна.
Apollo-гийн ерөнхий эдийн засагч Торстен Слокын анхааруулснаар, Google, Meta, Microsoft болон Amazon зэрэг томоохон компаниуд 2028 онд чөлөөт мөнгөн урсгалаа эрс нэмэгдүүлнэ гэж төлөвлөж байгаа ч энэ нь эрсдэлтэй алхам байж болзошгүй. Зах зээлд хямд үнэтэй нээлттэй загварууд олширч, токен ашиглалтын үнэ буурч байгаа нь энэхүү томоохон хөрөнгө оруулалтын эргэн төлөлтөд сөргөөр нөлөөлж магадгүй юм. Сэм Олтманы мэдээлснээр, OpenAI-ийн хамгийн сүүлийн үеийн загвар код бичих даалгавар дээр 54 хувиар илүү үр ашигтай болсон нь хэрэглэгчдэд хэмнэлттэй ч токен үйлдвэрлэгч компаниудын орлогын загварт сорилт болж байна.
Слок хэрэв технологийн аварга компаниуд мөнгөн урсгалын зорилтот түвшиндээ хүрч чадахгүй бол энэ нь зөвхөн салбарын асуудал болоод зогсохгүй эдийн засгийн хямрал болон S&P 500 индексийн уналтыг өдөөж болзошгүй гэж үзэж байна. Хиймэл оюун ухааны хөгжилд их хэмжээний хөрөнгө төвлөрч байгаа өнөөгийн нөхцөлд зах зээлийн хариу үйлдэл хэрхэн өрнөх нь анхаарал татаж байна.
Дэлгэрэнгүйг эх сурвалжаас харах
↓Эх сурвалжийг нээх ↓
Three years ago, Sequoia partner David Cahn was one of the first people to do the math and put a number on on the implications of Silicon Valley’s titanic spend on AI infrastructure.
In 2023, he was reacting to Nvidia’s reported annual GPU revenue of $50 billion. Starting with that figure, and adding in the implied costs of operating the data centers and the margins for their operators, he deduced that $200 billion in revenue would be required to pay back the up-front investment.
He took it as a challenge, asking entrepreneurs to come up with AI products and services to make use of, and generate revenue from, all that infrastructure. Fast forward to today, adding up three years of hyperscaling, and Cahn’s got a new number on AI infrastructure spending for 2026: $1.5 trillion.
All told, he calculates that the AI industry will have to earn $3 trillion to justify all those chips and other data center expenditures. And that’s probably an underestimate—the rising costs of memory and the increasing use of exotic or inference-specific chips will drive that number up. “Recently,” he writes, “the required revenue per GW of CapEx has sharply increased due to these bottleneck dynamics and rising costs of construction.”
On the other side of the ledger, Anthropic is thought to have hit $60 billion in ARR, while OpenAI reportedly earned $13 billion in 2025 (although in November 2025, it said it was at $20 billion ARR) and is presumably making more this year. But there’s clearly a large gap to be closed.
Someone minding that gap is Torsten Slok, the chief economist at Apollo, the giant asset manager. In a recent note, he points out that the hyperscalers — Google, Meta, Microsoft and Amazon — are all predicting massive accelerations in their free-cash flow in 2028. That is, they expect to see the pay-back from all those chips they bought.
What if they don’t? Slok notes a risk we’re currently seeing across AI usage: More organizations turning to cheaper open weight models, often Chinese, not those built by the frontier labs, and overall token prices falling. OpenAI’s latest model, per CEO Sam Altman, is 54% more token efficient on coding tasks. That’s good for users fretting about the cost of their AI agents, but it may be bad for companies building token factories should users not wildly increase their overall token usage with them.
Slok worries that if hyperscalers don’t meet their cash flow goals, the market reaction could be severe—
“with so much riding on so few names,” he writes, “a slower payoff wouldn’t just be a sector problem, it would risk tipping the economy into recession and the S&P 500 into a correction.”
Just something to keep in mind keep in mind as you’re herding your AI agents toward cheaper tokens.
When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.
