Sætningen der ikke passer ind i fortællingen om AI-boomet
IBMs egen bestyrelsesformand og topchef har netop sagt det højt, i en toneangivende teknologipodcast og for åben skærm: at regnestykket bag branchens største infrastruktursatsninger ikke går op. I samtale med Nilay Patel i The Verges podcast Decoder i august 2026 lagde Arvind Krishna en enkel udregning frem: at bygge en gigawatt AI-datacenterkapacitet koster, efter hans eget skøn, alene omkring 60-80 milliarder dollar i chips. Ganges det med de omkring hundrede gigawatt, som allerede er lovet på verdensplan, lander regningen på 6.000-8.000 milliarder dollar. I den øvre ende af det spænd, sagde Krishna, ville renterne af den kapital alene kræve tæt på 800 milliarder dollar i overskud om året, kun for at blive betjent - før noget af det overhovedet har betalt selve udstyret. "At der skulle være så meget ekstra omsætning, tror jeg ikke på," sagde han og tilføjede, at ved halvdelen af de nuværende udgiftsniveauer går tallene fint op, men ved det dobbelte vil nogle selskaber ganske enkelt ikke få et tilstrækkeligt afkast.
Intet af dette lyder som en hedgefonds shortcase eller en aktivists slagord. Det er topchefen for et selskab, der har brugt tre årtier på at bygge og sælge it-infrastruktur til virksomheder, og som laver præcis den slags enhedsøkonomiske regnestykke, som en økonomidirektør ville lave, inden vedkommende skrev under på en kapitalforpligtelse - og lander på et tal, der ikke stemmer.
Dette er ikke et enkeltstående citat
Grunden til at tage tallet alvorligt er, at Krishna ikke fandt på det til ét enkelt interview. Han fremsatte nøjagtig det samme argument, med nøjagtig det samme skøn på 60-80 milliarder dollar per gigawatt, allerede i maj 2026 i podcasten In Good Company fra Norges Bank Investment Management sammen med Nicolai Tangen - fire måneder, et regnskabskvartal og en helt anden interviewer og et helt andet publikum, før han gentog det i Decoder. En enkelt slagfærdig bemærkning kan være en indøvet linje, bygget til et bestemt øjeblik. At den samme konkrete enhedsøkonomi holder stik gennem to uforberedte, lange samtaler med måneders mellemrum, ligner langt mere en model, som Krishnas team rent faktisk bruger internt, end et budskab skabt til en enkelt nyhedscyklus.
Den forskel betyder noget for enhver, der skal afgøre, hvor meget vægt påstanden skal have. Et enkeltstående citat lægger op til spørgsmålet om kontekst og humør den pågældende dag; et tal, der gentages konsekvent i to adskilte interviews med fire måneders og en produktcyklus mellemrum, lægger op til det sværere spørgsmål om, hvilket bevis der overhovedet kunne ændre det.
Hvorfor det betyder noget, hvem der siger det
Hvorfor det betyder noget: IBM er ingen neutral dommer i diskussionen om AI-infrastrukturens økonomi, og det er netop derfor tallet fortjener at blive efterprøvet frem for afvist. IBMs virksomheds-AI forretning bygger på software, rådgivning og mindre, skræddersyede løsninger til erhvervskunder - ikke på den hyperscale-datacenterudbygning, som Amazon, Alphabet, Microsoft og Meta finansierer. Alene disse fire selskaber brugte 725 milliarder dollar på AI-infrastruktur i 2026, en stigning på 77 procent i forhold til året før. Køler hyperscalernes kapitaltunge kapløb af, fremstår IBMs langsommere forretningsmodel med højere marginer relativt mere attraktiv for de samme erhvervskunder, som Krishna henvender sig til. Den kommercielle interesse gør ikke hans regnestykke forkert - skønnet over prisen per gigawatt og renteberegningen kan efterprøves mod offentlige oplysninger om kapitaludgifter -, men det er en kendsgerning, som enhver ejer bør have i baghovedet, når man vejer hans advarsel, lige så vel som selve tallet.
Samme uge som Krishnas udtalelser cirkulerede, meldte Applied Materials om rekordomsætning for kvartalet og hævede sin prognose for 2026 til en vækst på over 30 procent i udgifter til halvlederudstyr - et resultat, der er bygget helt på den antagelse, at den udbygning, Krishna sætter spørgsmålstegn ved, fortsat accelererer. Applied Materials sælger de værktøjer, der bygger de fabrikker, der producerer de chips, som ender i datacentrene - selskabet tjener på, at der bruges kapital, uanset om udgiften nogensinde betaler sig for de selskaber, der afholder den. To selskaber, samme uge, to helt modsatrettede økonomiske interesser i, om Krishna har ret.
Konklusionen for enhver, der skal underskrive en AI-infrastrukturkontrakt
Konklusionen: den rigtige reaktion på en advarsel som denne er hverken at acceptere den, fordi en troværdig person sagde det, eller at afvise den, fordi vedkommende har noget at vinde, hvis den viser sig at holde stik. Man bør behandle de konkrete, efterprøvelige påstande - 60-80 milliarder dollar i chips per gigawatt, 6.000-8.000 milliarder dollar i samlede tilsagte udgifter, omkring 800 milliarder dollar om året i nødvendigt overskud for at dække renterne i den øvre ende af spændet, og to til tre overlevende modelselskaber over for et marked der indpriser seks til tolv - som en model, man tester mod sin egen eksponering, ikke som en dom, man accepterer eller afviser ud fra afsenderens omdømme.
For enhver ejer eller operatør med flerårige forpligtelser inden for AI-infrastruktur, uanset om det drejer sig om en cloud-kontrakt, et colocation-lejemål eller afhængighed af et lille antal udbydere af avancerede modeller, er den praktiske øvelse ligetil: kør Krishnas egne tal mod de konkrete leverandører i egne kontrakter, og betragt en koncentration på to eller tre modparter, frem for de seks til tolv markedet lige nu indpriser, som grundscenariet man planlægger ud fra - ikke som halerisikoen man blot forsikrer sig imod.
Læs videre: Nvidia sidder på tre sider af Anthropics aftale | IBM's værste dag advarer om hukommelsespriser
