# AI nie zabraknie klientów. Zabraknie jej prądu i czasu na spłatę długu

Author: Norbert Biedrzycki
Published: 2026-10-30
Language: pl
URL: https://norbertbiedrzycki.pl/ai-nie-zabraknie-klientow-zabraknie-jej-pradu-i-czasu-na-splate-dlugu/
Summary: Spadki kursów spółek od centrów danych wiele osób odczytało jako pierwszą rysę na bańce AI. Patrzę na te same liczby i widzę coś innego. Popyt jest, i to spory. Kłopot leży gdzie indziej: w samej budowie, w dostępie do prądu i w tym, kto to wszystko sfinansował na kredyt.

### *Spadki kursów spółek od centrów danych wiele osób odczytało jako pierwszą rysę na bańce AI. Patrzę na te same liczby i widzę coś innego. Popyt jest, i to spory. Kłopot leży gdzie indziej: w samej budowie, w dostępie do prądu i w tym, kto to wszystko sfinansował na kredyt.*

## Skala, która budzi strach

14 października Gartner opublikował wyliczenie, które obiegło chyba wszystkie serwisy finansowe. W tym roku dostawcy AI wydadzą na infrastrukturę prawie bilion dolarów, a w latach 2027 do 2030 kolejne sześć. Żeby to się spięło, czyli pokryło koszty finansowania i dało 12% zwrotu z kapitału, właściciele centrów danych musieliby do 2030 roku zarobić 8,5 bln USD. Gartner zakłada, że zarobią najwyżej 3,6 bln. Luka jest większa niż cały PKB Japonii.

Brookings policzył z kolei, że w latach 2025 do 2032 Amerykanie będą wydawać na infrastrukturę AI średnio 3,63% PKB rocznie. To przeciętnie więcej niż na kolej w XIX wieku czy na światłowody w czasach bańki internetowej.

Nic dziwnego, że kiedy Vertiv, Eaton i Schneider zaczęły tracić na giełdzie, od razu wróciło porównanie z 2000 rokiem. Kto pracował wtedy w branży, ten pamięta, jak telekomy położyły tysiące kilometrów światłowodów, które potem latami leżały w ziemi nieużywane.

## Perez i pytanie, którego brakuje w debacie

Lubię w takich momentach wracać do Carloty Perez. W „Technological Revolutions and Financial Capital” opisała, jak przebiegają wielkie rewolucje technologiczne. Najpierw jest faza instalacji: kapitał zalewa nową infrastrukturę, wyceny odlatują i w końcu przychodzi krach. Dopiero po nim zaczyna się faza wdrożenia, kiedy technologia naprawdę wchodzi do gospodarki i zaczyna na siebie zarabiać. Tak było z koleją i tak było z internetem.

Cała debata o bańce AI zakłada, że jesteśmy gdzieś w środku tej pierwszej fazy, a krach to kwestia czasu. Mam wrażenie, że coś się tu nie zgadza. Coraz więcej wskazuje na to, że tym razem obie fazy idą równolegle.

Kilka danych. Pustostany w centrach danych w Ameryce Północnej to 1,4%, chociaż podaż mocy urosła w rok o ponad jedną trzecią. Nowe budynki znajdują najemców od razu. 15 października Jensen Huang powiedział, że Nvidia nie nadąża z dostawami chipów. Tokeny tanieją, a wynajem najnowszych GPU (B200, B300) drożeje. Prognozy capexu hiperskalerów na 2027 rok są dziś dwa razy wyższe niż rok temu, a przez ostatnie lata analitycy raczej je zaniżali, niż zawyżali.

## **W 2000 roku światłowody czekały na użytkowników. Dziś to użytkownicy czekają na centra danych.**

Żeby była jasność: to wcale nie obala wyliczeń Gartnera. Gartner nigdzie nie pisze, że zabraknie chętnych. Pisze, że nie wróci kapitał, a to dwie różne sprawy. Centrum danych może być wynajęte do ostatniej szafy i dalej przynosić straty, jeśli sprzęt w środku zestarzeje się szybciej, niż zdąży na siebie zarobić. Dlatego w debacie o bańce bardziej interesuje mnie, kto i na jakich warunkach pożyczył pieniądze, żeby ten popyt obsłużyć.

## Co widzę w firmach

W spółkach portfelowych funduszy PE i u klientów, z którymi pracuję, widzę jeszcze jedną rzecz, o której raporty piszą mało. Tokenów zużywa się tak dużo, że rachunki za AI rosną, chociaż cena za jednostkę spada. I firmy zaczęły liczyć. Każde zastosowanie AI musi dziś obronić swoje ROI. Zdarza się, że taniej wychodzi zatrudnić doświadczonego programistę niż przepalać tokeny, i wtedy firmy po prostu tak robią.

Ktoś powie, że to znak słabnącego popytu. Coś w tym jest, bo popyt na AI wyraźnie reaguje na cenę, a to ogranicza przychody, na które liczą właściciele infrastruktury. Ja widzę w tym jednak głównie dojrzewanie rynku. Kończy się etap „AI wszędzie”, zaczyna „AI tam, gdzie się zwraca”. W języku Perez to właśnie początek fazy wdrożenia. Na takim popycie da się budować biznes dłużej niż na entuzjazmie.

## Prawdziwy problem: wykonanie

Najwięcej ryzyka widzę w samym budowaniu. Brzmi to mniej efektownie niż bańka, ale tak to wygląda.

Według Goldman Sachs z 2,3 bln USD inwestycji w centra danych zapowiedzianych na świecie faktycznie budowane są projekty za 492 mld. Reszta jest na papierze. Koszty rosną szybciej niż ceny materiałów budowlanych. Rozdzielnice są dziś o 60% droższe niż pod koniec 2021 roku, transformatory, generatory i chłodzenie o mniej więcej 30%. Megawat mocy kosztował przed pandemią około 7 mln USD, dziś średnio 11,3 mln, a w centrach danych 15 do 20 mln.

Do tego prąd. Morgan Stanley w scenariuszu bazowym liczy, że do 2029 roku w samych Stanach zabraknie dla centrów danych około 76,5 GW mocy. Dla porównania: mniej więcej tyle mają wszystkie elektrownie w Polsce razem.

Chętnych do inwestowania nie brakuje. Brakuje prądu i sprzętu, które da się fizycznie dostarczyć na czas.

## Trzy warstwy, trzy różne ryzyka

Zamiast więc pytać, czy to bańka, wolę rozłożyć ten rynek na warstwy, bo każda ma zupełnie inny profil ryzyka.

Hiperskalerzy, czyli Amazon, Microsoft, Google i Meta, są w najwygodniejszej sytuacji. Mają kapitał, klientów i mocną pozycję w negocjacjach. Kiedy projekt się sypie, mogą się wycofać. Z doniesień prasowych wynika, że tak zrobił Microsoft w Loughton pod Londynem, gdzie miał być głównym najemcą centrum Nscale, a przyłącze do sieci przesunęło się na lata 30. Ryzyko zostaje u kogoś niżej w łańcuchu.

Najbardziej narażone są neocloudy. CoreWeave miał na koniec czerwca około 35 mld USD długu i kapitał własny w okolicach 5 mld. Do tego sprzęt, który szybko traci wartość, i portfel zamówień w dużej części warunkowy. Każde opóźnienie boli tu podwójnie. Gartner przewiduje, że do 2030 roku ponad 80% neocloudów straci samodzielność. Jeśli gdzieś coś pęknie, to moim zdaniem właśnie tutaj, i to nawet przy pełnym obłożeniu. Po prostu zabraknie czasu na spłatę.

Ciekawie wygląda sytuacja dostawców infrastruktury fizycznej, czyli zasilania, chłodzenia i rozdzielnic. Im opóźnienia wręcz pomagają. Dobrze widać to na Vertiv. W drugim kwartale przychody urosły o 24%, ale były o około 110 mln USD niższe od oczekiwań analityków, bo duże, wieloetapowe projekty się przeciągnęły, a łańcuch dostaw się zatkał. Kurs spadł w jeden dzień o 17%, chociaż zysk na akcję był lepszy od prognoz, a do 20 października akcje straciły w sumie ponad 30%. Rynek ukarał spółkę za harmonogram, choć z popytem wszystko było w porządku.

28 października Vertiv pokazał trzeci kwartał: sprzedaż o 61% wyższa niż rok wcześniej, zamówienia organiczne ponad dwa razy większe, prognoza na cały rok po raz kolejny w górę. Przychody, których zabrakło w lipcu, przyszły kwartał później. Tacy dostawcy mają zamówienia na lata i coraz więcej do powiedzenia w rozmowach o cenach.

## Co z tego wynika dla zarządów i funduszy

Pytanie „czy to bańka” niewiele daje. Lepiej zapytać, w której warstwie jest moja ekspozycja i jak jest sfinansowana.

Funduszom PE dorzuciłbym jeszcze jedną rzecz. W prawie każdym planie tworzenia wartości opartym na AI siedzi założenie o tym, czy moc obliczeniowa będzie dostępna i ile będzie kosztować. Mało kto je sprawdza, a powinno się je testować tak samo jak kurs walut albo ceny energii. Na radzie nadzorczej zadałbym zarządowi proste pytanie: jaką cenę mocy obliczeniowej wpisaliście do business case i co się stanie, jeśli wzrośnie o połowę?

Spółki, które już dziś liczą koszt tokenów przy każdym wdrożeniu i świadomie decydują, gdzie model, a gdzie człowiek, są o krok przed resztą. Wcale nie dlatego, że wydają mniej na AI. Po prostu wiedzą, za co płacą.

Rewolucje technologiczne rzadko przegrywają z brakiem wizji. Częściej z transformatorem, który nie dojechał na czas, albo z kredytem, którego nie udało się spłacić. Strategia AI, która tego nie uwzględnia, jest deklaracją, a nie strategią. Pokora wobec fizyki i bilansu powinna być jej pierwszym rozdziałem.

#AI #CentraDanych #PrivateEquity #Infrastruktura #RadaNadzorcza #TworzenieWartości

###
**Related articles:**

**–** [**Algorithms born of our prejudices**](https://norbertbiedrzycki.pl/en/algorithms-born-of-our-prejudices/)

**–** [**Will algorithms commit war crimes?**](https://norbertbiedrzycki.pl/en/will-algorithms-commit-war-crimes/)

**–** [**Machine, when will you learn to make love to me?**](https://norbertbiedrzycki.pl/en/machine-when-will-you-learn-to-make-love-to-me/)

**–** [**Artificial Intelligence is a new electricity**](https://norbertbiedrzycki.pl/en/artificial-intelligence-is-new-electricity/)

### Sources:

Gartner press release, 14 Oct 2026, on [AI infrastructure spending exposed to impairment](https://www.f5.com/go/report/gartner-report-adc-opportunities-in-the-age-of-ai?utm_campaign=26Q4_PSE_emea_all_ai_5519-aidd&utm_content=gartner-aidd-app-delivery-adc&utm_source=google&utm_medium=cpc&utm_term=ai%20load%20balancing&utm_network=googlesearch&u?utm_campaign=26Q4_PSE_emea_all_ai_5519-aidd&utm_content=gartner-aidd-app-delivery-adc&utm_source=google&utm_medium=cpc&utm_term=ai%20load%20balancing&utm_network=googlesearch&u)

Brookings, S. Van Nieuwerburgh: [$10.3 trillion over 2025 to 2032, an average of 3.63% of GDP a year](https://www.brookings.edu/articles/the-10-trillion-question-financing-the-ai-buildout/)

Vertiv Q3 2026 results (28 Oct 2026), 8-K filing with the SEC

Vertiv Q2 2026: DataCenterDynamics, Barchart; 32.4% share decline from 22 Jul to 20 Oct: Trefis

Morgan Stanley, base case US data center power shortfall through 2029: 160 GW of demand, 76.5 GW gap

Microsoft and Nscale, Loughton: Telegraph, Reuters, Network World (21 Oct 2026)

CoreWeave: approx. $35.07 billion of book debt as of 30 Jun 2026
