Ang paggasta ng kapital ng AI ay aabot sa $1.7 trilyon, anong antas ng balik ang itinuturing na makatwiran? Gumawa ng kalkulasyon ang Goldman Sachs

Ang AI capital expenditure ng mga ultralaking cloud service provider sa Amerika ay umabot sa hindi pa nararanasang antas, ngunit kung makakamit nila ang makatwirang balik, ito ang naging pinaka-pangunahing isyu ng merkado para sa mga mamumuhunan. Nagbigay ang pinakabagong pananaliksik ng Goldman Sachs ng isang kongkretong numero.

Ayon sa balita ng Chase Wind Trading Desk, ayon sa ulat ng pananaliksik ng Goldman Sachs, sa ilalim ng benchmark assumption na 15% annualized return on invested capital (ROIC), kailangang makamit ng Alphabet, Microsoft, Amazon, Meta, Oracle, at SpaceX na anim na ultralaking cloud service provider mula Amerika ang kabuuang kita na humigit-kumulang $1.42 trilyon mula 2028 hanggang 2030 upang magbigay ng makatwirang balik sa kanilang "ikalawang yugto" (2026 hanggang 2027) ng AI compute capital expenditure. Kapag isinalin ito sa yunit ng kapasidad, katumbas ito ng taunang kita na humigit-kumulang $11.6 bilyon kada gigawatt (GW).

Sinabi ng mga analyst ng Goldman Sachs na ang kamakailang pagbaba ng return rate ay natural na resulta ng malaking paunang investment cycle, at hindi ebidensiya ng kakulangan ng structural profitability ng AI economy. Binanggit din ng ulat na ang tatlong pangunahing public cloud service provider (AWS, Azure, Google Cloud) ay nakapagtala ng kabuuang $1.69 trilyon backlog ng contract commitments hanggang ikalawang quarter ng 2026, na malayo sa kinakailangang $1 trilyon threshold, at nagbibigay ng mahalagang suporta para sa potensyal na monetization sa hinaharap.

Ang mga ultralaking cloud service provider sa Amerika ay pumapasok sa hindi pa nararanasang antas ng capital-intensive leap. Hinati ng Goldman Sachs ang konstruksyon ng AI computing nito sa tatlong yugto: $633 bilyon kabuuang capital expenditure para sa "unang yugto" mula 2023 hanggang 2025, average na $211 bilyon bawat taon; $1.73 trilyon kabuuang capital expenditure para sa "ikalawang yugto" mula 2026 hanggang 2027, average na $863 bilyon bawat taon; at inaasahang aabot ng $4.14 trilyon ang kabuuang capital expenditure para sa "ikatlong yugto" mula 2028 hanggang 2030, average na $1.38 trilyon bawat taon.

Ayon sa consensus data ng Visible Alpha, mula simula ng 2026, ang pinagsama-samang consensus expectation ng capital expenditure ng limang nakalistang ultralaking cloud service provider (Alphabet, Microsoft, Amazon, Meta at Oracle) para sa 2026 hanggang 2027 ay tumaas ng humigit-kumulang 66%, na may kabuuang pagtaas ng $750 bilyon sa loob ng dalawang taon. Sinabi ng Goldman Sachs na ang kanilang sariling forecast ng capital expenditure para sa 2027 ay mas mataas pa kaysa sa market consensus, at naniniwala silang mas malapit ito sa aktwal na inaasahan ng mga mamumuhunan.

Habang unti-unting natutunaw ng merkado ang kasalukuyang laki ng capital expenditure, naging sentro na ng debate ng mga mamumuhunan ang dalawang magkaugnay na isyu: kung anong balik ang maibibigay ng capital expenditure cycle ng 2026-2027, at paano mamuo ang pangmatagalang capital intensity pagkatapos ng 2028.

Gumamit ng bottom-up na pananaw mula sa semiconductor supply chain ang Goldman Sachs upang magkalkula ng independenteng sukat ng AI infrastructure capital expenditure, at napatunayan ng resulta ang pagtataya sa panig ng demand.

Ayon sa mga forecast ng semiconductor companies at sa sariling estima ng Goldman Sachs, inaasahang aabot sa $1.3 trilyon ang AI infrastructure capital expenditure sa 2027, tumataas ng 60% taon-taon; aakyat pa ito ng humigit-kumulang $2.0 trilyon sa 2028, tumaas ng 42% taon-taon. Sa sukat ng compute capacity, tinatayang bagong deployment ng AI data centers ay aabot ng tinatayang 20GW, 35GW, at 57GW ayon sa pagkakasunod mula 2026, 2027 hanggang 2028.

Partikular, nagbigay ng guidance ang Broadcom na ang kanilang mga kliyente ay magde-deploy ng 10GW at 20GW na AI compute power sa FY2027 at FY2028 ayon sa pagkakasunod; sinabi ng Nvidia na ang Blackwell system ay may kaukulang kita na $25 bilyon bawat GW, habang susunod na henerasyon na Rubin architecture ay itataas ito sa $40 bilyon; tinantya naman ng AMD ang kanilang kita kada GW sa $15 bilyon hanggang $20 bilyon. Pinagsama ng Goldman Sachs ang data na ito at tinantya ang average upfront capital expenditure cost bawat GW sa humigit-kumulang $4.2 bilyon, na naging pangunahing input na assumption sa kanilang ROIC framework.

Ang core ng ROIC framework ng Goldman Sachs ay ang kwantipikasyon kung ilang kitang kailangang likhain ng anim na ultralaking cloud service provider upang makamit ang benchmark return para sa kanilang "ikalawang yugto" na AI compute investment.

Para sa mahalagang asumpsyon, itinakda ng Goldman Sachs ang benchmark ROIC threshold sa 15% annualized return, gamit ang average na taunang capital expenditure ng 2026 at 2027 bilang base, at ang after-tax net operating profit (NOPAT) ng 2028–2030 bilang sukatan ng balik. Sa bawat GW, pinagsamang upfront capital expenditure ay tinataya sa $4.2 bilyon, kung saan 70% para sa "compute power" (servers, chips, network hardware, atbp.), at 30% para sa "shell" (lupa, gusali, at kaugnay na imprastraktura). Para sa depreciation, tinatayang 5 taon ang useful lifespan ng "compute power" assets, at 15 taon sa "shell" assets; ang annual operation at maintenance cost ng data center (kuryente, manpower, atbp.) ay humigit-kumulang $836 milyon bawat GW.

Batay sa mga asumpsyon na ito, ipinapakita sa framework calculation na kailangang lumikha ang anim na ultralaking cloud service provider ng kabuuang $1.42 trilyon na kita mula 2028 hanggang 2030, upang maabot ang 15% ROIC threshold. Nagbigay rin ng sensitivity analysis ang Goldman Sachs: kung itinakda ang ROIC target range sa 0% hanggang 30%, ang kinakailangang kabuuang kita ay mula $908 bilyon hanggang $1.89 trilyon, at ang bawat GW average annual income ay nasa $6.2 bilyon hanggang $18.6 bilyon.

Tiniyak ng Goldman Sachs na ang kasalukuyang ROIC na nakakamit ng mga ultralaking cloud service provider sa kanilang umiiral na capital expenditure ay siguradong mas mataas kaysa benchmark na 15%, kaya't layon ng framework na ito na tugunan ang ilang investor na lubhang nag-aalala na baka maging negatibo ang ROIC.

Upang maikonekta ang abstract income threshold sa aktuwal na demand, ginamit ng Goldman Sachs ang contract backlog data ng tatlong pangunahing public cloud service provider bilang reference.

Ayon sa ulat ng Goldman Sachs, hanggang ikalawang quarter ng 2026, umabot na sa $1.69 trilyon ang pinagsamang backlog orders ng AWS, Azure, at Google Cloud, tumaas ng humigit-kumulang 152% taon-taon, at halos 1.5 beses kumpara sa simula ng 2026. Binanggit ng pamunuan ng bawat kumpanya na ang kakulangan sa compute power supply ang dahilan kung bakit limitado ang kakayahan nilang tugunan ang AI-related na demand, kaya't pinalalaki pa nila ang kanilang capital expenditure.

Kinalkula ng Goldman Sachs na para sa pinagsamang capital expenditure ng tatlong kumpanyang ito, na humigit-kumulang $1.22 trilyon mula 2026 hanggang 2027, kung susukatin gamit ang 15% ROIC threshold, kailangan nilang makamit ang kabuuang $1 trilyon na kita mula 2028 hanggang 2030. Ang numerong ito ay katumbas lamang ng humigit-kumulang 59% ng kasalukuyang kabuuang backlog na $1.69 trilyon. Binanggit ng Goldman Sachs na ang paghahambing na ito ay batay sa konserbatibong asumpsyon na ang backlog orders ay hindi na lalaki pa sa hinaharap, subalit sa katunayan, patuloy na tumataas nang dalawang digit na percentage ang backlog sa mga nakaraang quarter.

Ilang mga pamunuan ng ultralaking cloud service provider ang hayagan nang nagbigay ng positibong pananaw ukol sa profitability ng AI capital expenditure.

Ayon sa ulat ng Goldman Sachs, binanggit ng Amazon sa kanilang 2026 Q2 earnings call na may malinaw silang visibility ng malakas na future return ng AWS at AI-related capital expenditure: ang servers at network equipment ay break-even sa humigit-kumulang 3 taon (ang lifespan ay 5 hanggang 6 na taon), ibig sabihin, may malinaw pang 2 hanggang 3 taon ng malaki-laking cash flow pagkatapos ng break-even; ang data center shell ay tumatagal ng mahigit 30 taon, pwedeng umikot ng 5 hanggang 6 na cycle ng server economics. Ibinunyag ng Oracle sa 2026 fiscal year Q4 earnings call na ang kakayahan ng kanilang infrastructure business sa malalaking proyekto ay steady-state ROIC na nasa mataas na lebel, mga 20% hanggang 30%. Samantala, sinabi ng SpaceX sa Goldman Sachs Communacopia+ conference na ang kasalukuyang AI compute capital expenditure ay kayang mabawi sa loob lamang ng 1 taon.

Ipinunto naman ng Microsoft na ang unit economics ng AI ay mas maganda kaysa sa parehong yugto ng pag-usbong ng cloud computing, at wala itong structural barrier sa gross profit margin ng AI business, kaya't pangmatagalang aasahan nilang aangat ito sa antas ng gross margin ng cloud computing. Ilang kumpanya pa ang binigyang-diin na ang data center infrastructure ay may sapat na flexibility sa geographic layout, uri ng hardware, at workload adaptation, na tumutulong mapabuti ang utilization at mabawasan ang risk ng teknolohiyang lock-in.

Naniniwala ang Goldman Sachs na maraming landas ang magkakalakip para sa monetization ng AI computing power sa hinaharap, at may mga partikular na kaso na nagpapatunay ng acceleration sa demand ngayon.

Sa panig ng enterprise, inakyat na ng tatlong pangunahing public cloud service provider ang presyo ng maraming uri ng workloads at serbisyo, at habang bumibilis ang renewal ng kontrata, may puwang pa sa higit pang pagtaas ng presyo. Saklaw ng enterprise monetization model ang maraming antas, mula sa "bare metal" infrastructure-as-a-service (tulad ng bagong power licensing deal ng SpaceX) hanggang sa full-stack enterprise software services. Sa panig ng consumer, ang monetization path ng ad revenue (Meta, Alphabet, Amazon) ay mas mature na, habang ang subscription at commercialization ng agents ay patuloy na pinapaunlad bilang mga umuusbong na modelo. Partikular ding binanggit ng Goldman Sachs na ang Meta ay kamakailan lang naglunsad ng mga consumer-facing AI agent products tulad ng Muse, na posibleng magbigay-daan sa transisyon ng consumer AI paradigm mula sa conversational patungo sa action-based, at magpapalakas ng mas malaking compute demand at monetization mechanism sa pangmatagalan.

Mula sa pananaw ng demand signal, nakita ng Goldman Sachs sa kanilang kamakailang Communacopia+ tech conference na ang enterprise AI applications ay bumibilis na ang paglipat mula sa experimentation patungong malawakang implementasyon, lalong lumilinaw ang productivity-driven return, at nagbabago ang estratehiya ng enterprise clients mula sa "token maximization" patungo sa "token optimization," na nagpapaganda sa overall return structure at nagiging maagang signal ng mabilis na growth ng revenue ng ultralaking cloud service provider.