Gartner ostrzega przed odpisami w infrastrukturze AI

Co wyliczył Gartner

Analiza autorstwa Willa Sommera, Marka McDonalda i Johna Lovelocka zestawia planowane nakłady na centra danych AI z przychodami, które da się do nich przypisać. Według Gartnera dostawcy wydadzą na infrastrukturę AI prawie 1 bln USD w samym 2026 roku i około 6 bln USD w latach 2027-2030. Żeby te inwestycje się zwróciły wraz z kosztem finansowania i 12-procentowym zwrotem z zainwestowanego kapitału, właściciele centrów danych musieliby do 2030 roku zarobić 8,5 bln USD.

Prognoza przychodów jest dużo niższa. Gartner zakłada, że firmy i konsumenci wydadzą na usługi AI związane z centrami danych najwyżej 3,6 bln USD do 2030 roku. Mniej niż połowa tej kwoty trafi do firm, które same posiadają dużą infrastrukturę, bo większość dostawców usług AI wynajmuje moc zamiast ją budować. Różnica między nakładami a przychodami to źródło ryzyka odpisów, czyli obniżenia wartości aktywów w księgach.

Zestawienie najważniejszych liczb

Kwoty w dolarach pochodzą z komunikatu Gartnera. Przeliczenia na złote wykonaliśmy po średnim kursie NBP z 16 października 2026 roku (1 USD = 3,8827 zł) i podajemy je w przybliżeniu.

• wydatki na infrastrukturę AI w 2026 roku - prawie 1 bln USD (ok. 3,9 bln zł),
• wydatki w latach 2027-2030 - około 6 bln USD (ok. 23,3 bln zł),
• przychody potrzebne do zwrotu inwestycji do 2030 roku - 8,5 bln USD (ok. 33 bln zł),
• prognozowane przychody z AI przypisane centrom danych do 2030 roku - najwyżej 3,6 bln USD (ok. 14 bln zł),
• nakłady zagrożone odpisem do końca 2030 roku - ponad 3,5 bln USD (ok. 13,6 bln zł),
• aktywa zagrożone odpisem do 2032 roku - ponad 4 bln USD (ok. 15,5 bln zł),
• wydatki na chmurę zoptymalizowaną pod AI - wzrost z 66 mld USD w 2027 roku do 174 mld USD w 2030 roku.

Dlaczego neochmury są najbardziej narażone

Neochmury to firmy, które kupują akceleratory GPU i wynajmują ich moc twórcom modeli oraz przedsiębiorstwom. Według Gartnera ponad 80 proc. z nich przestanie do 2030 roku działać samodzielnie, czyli zostanie przejęta, połączona z innym podmiotem albo wycofa się z rynku. Analitycy wskazują dwa powody: presję kosztową i brak modelu biznesowego, który odróżniałby je od konkurencji.

Hiperskalerzy mają przewagę, bo ich przychody pochodzą z wielu źródeł i mogą przez lata finansować inwestycje w AI. Bloomberg, cytowany przez The Next Web, wskazał CoreWeave i Nebius jako bardziej narażone niż Microsoft, Alphabet czy Amazon. Will Sommer powiedział agencji, że wszyscy gracze chcą oferować pełny zestaw usług, ale nie wszyscy mogą to zrobić.

Co to oznacza dla firm w Polsce

Polskie firmy rzadko budują własne centra danych AI, ale korzystają z mocy wynajmowanej u hiperskalerów i mniejszych dostawców GPU, także europejskich. Jeśli prognoza Gartnera się sprawdzi, część mniejszych dostawców zniknie lub zostanie przejęta. Dla klienta oznacza to ryzyko zmiany warunków umowy, migracji danych albo nagłego końca usługi.

W naszej ocenie przy wyborze dostawcy mocy obliczeniowej na kilka lat warto sprawdzić jego źródła finansowania, zapisy o przeniesieniu umowy przy przejęciu i możliwość eksportu danych oraz modeli. Konsolidacja może też obniżyć ceny wynajmu GPU w najbliższych latach, bo firmy z nadmiarem mocy będą walczyć o klientów.

Ograniczenia prognozy

To scenariusz zależny od założeń, a nie przesądzony wynik. Gartner sam podkreśla, że problemem nie jest niski popyt na AI, tylko tempo nakładów względem przychodów. Sommer zastrzegł w rozmowie z The Register, że nie wszyscy są w kłopocie, bo część firm osiągnie lepsze wyniki, część gorsze, a niektóre będą musiały odejść z rynku. Prognoza nie wskazuje konkretnych spółek, a pełny raport jest dostępny tylko dla klientów Gartnera.

Inne firmy doradcze liczą inaczej. Bain & Company szacuje, że branża AI potrzebuje 6 bln USD rocznych przychodów do 2031 roku, by uzasadnić obecne inwestycje. Tekst nie jest rekomendacją inwestycyjną.