Meningen som inte passar med berättelsen om AI-boomen
IBMs egen styrelseordförande och VD har just sagt till en ledande teknikpodcast, offentligt och for protokollet, att räknestycket bakom branschens största infrastruktursatsningar inte gar ihop. I samtal med Nilay Patel i The Verges podcast Decoder i augusti 2026 lade Arvind Krishna fram en enkel beräkning: att bygga en gigawatt AI-datacenterkapacitet kostar, enligt hans egen uppskattning, enbart omkring 60 till 80 miljarder dollar i chip. Multiplicerat med de omkring hundra gigawatt som redan har utlovats globalt blir notan 6 000 till 8 000 miljarder dollar. I toppen av det intervallet, så Krishna, skulle enbart räntan på det kapitalet kräva närmare 800 miljarder dollar i vinst om året bara for att betjänas - innan något av det ens betalar själva hårdvaran. "Att det skulle finnas så mycket extra intakter tror jag inte på", så han och tillade att vid hälften av dagens utgiftsnivå gar räknestycket "precis ihop", men vid det dubbla kommer vissa bolag helt enkelt inte att generera tillräcklig avkastning.
Inget av detta låter som en hedgefonds blankningstes eller en aktivists slogan. Det är VD:n for ett bolag som har ägnat tre decennier at att bygga och sälja företagsinfrastruktur, som gör samma sorts enhetsekonomiska beräkning som en ekonomidirektör skulle köra igenom innan han skriver under ett kapitalåtagande - och landar på en siffra som inte gar ihop.
Det har är inget engångscitat
Anledningen att ta siffran på allvar är att Krishna inte hittade på den for en enda intervju. Han förde exakt samma resonemang, med exakt samma uppskattning på 60 till 80 miljarder dollar per gigawatt, redan i maj 2026 i podcasten In Good Company från Norges Bank Investment Management med Nicolai Tangen - fyra månader, en rapportcykel och en helt annan intervjuare och publik innan han upprepade det i Decoder. Ett enskilt slaende uttalande kan vara en instuderad replik byggd for ett bestämt ögonblick. Att samma specifika enhetsekonomi överlever två oforberedda, långa samtal med månaders mellanrum liknar mer en modell som Krishnas team faktiskt använder internt än en slogan producerad for en enda nyhetscykel.
Den distinktionen spelar roll for den som ska avgöra hur mycket vikt som ska läggas vid påståendet. Ett engångscitat inbjuder till frågan om sammanhang och humor den dagen; en siffra som upprepas konsekvent över två separata intervjuer, fyra månader och en produktcykel isär, inbjuder till den svårare frågan om vilka bevis som skulle ändra den.
Varför det spelar roll vem som säger det
Varför det spelar roll: IBM är ingen neutral domare i debatten om AI-infrastrukturens ekonomi, och det är precis det som gör siffran värd att kontrollera snarare än att avfärda. IBMs foretags-AI-verksamhet bygger på mjukvara, radgivning och mindre, skräddarsydda implementationer for foretagskunder, inte på den hyperscale-datacenterutbyggnad som Amazon, Alphabet, Microsoft och Meta finansierar - enbart dessa fyra bolag spenderade 725 miljarder dollar på AI-infrastruktur 2026, en ökning med 77 procent jämfört med året innan. Om hyperscalernas kapitalintensiva race kyls av framstår IBMs långsammare, mer marginalstarka företagsmodell som relativt mer attraktiv for samma foretagskunder som Krishna vänder sig till. Detta kommersiella intresse gör inte hans räknestycke fel - kostnadsuppskattningen per gigawatt och ränteberäkningen kan kontrolleras mot offentliga uppgifter om kapitalutgifter -, men det är ett faktum som varje ägare som väger hans varning bör ha i åtanke tillsammans med själva siffran.
Samma vecka som Krishnas uttalanden cirkulerade rapporterade Applied Materials rekordintäkter for kvartalet och höjde sin prognos for 2026 till en tillväxt på över 30 procent i utgifter for halvledarutrustning, ett resultat helt byggt på antagandet att den utbyggnad som Krishna ifrågasätter fortsätter att accelerera. Applied Materials säljer verktygen som bygger fabrikerna som tillverkar chipen som hamnar i datacentren - bolaget tjänar på att kapital spenderas, oavsett om den kapitalutgiften någonsin betalar tillbaka sig for de bolag som spenderar den. Två bolag, samma vecka, två helt olika ekonomiska intressen i huruvida Krishna har rätt.
Slutsatsen for den som skriver under ett AI-infrastrukturkontrakt
Slutsatsen: det korrekta svaret på en varning som denna är varken att acceptera den for att en trovärdig insider så det, eller att avfärda den for att den insidern har något att tjäna på om det visar sig stämma. Det är att behandla de konkreta, provbara påståendena - 60 till 80 miljarder dollar i chip per gigawatt, 6 000 till 8 000 miljarder dollar i totala utlovade utgifter, omkring 800 miljarder dollar om året i nödvändig vinst for att tacka rantorna i toppen av det intervallet, och två till tre överlevande modellbolag mot en marknad som prisar in sex till tolv - som en modell att pröva mot den egna exponeringen, inte som en dom att acceptera eller förkasta utifrån ryktet hos den som så det.
For varje ägare eller operatör med fleråriga AI-infrastrukturåtaganden, oavsett om det gäller ett molnkontrakt, ett colocation-hyresavtal eller ett beroende av ett litet antal leverantörer av framkantsmodeller, är den praktiska övningen enkel: kör Krishnas egna siffror mot de konkreta leverantörerna i egna kontrakt, och behandla en koncentration hos två eller tre motparter, snarare än de sex till tolv som marknaden just nu prisar in, som grundscenariot att planera utifrån snarare än svansrisken man bara försäkrar sig mot.
Läs vidare: AMD slog allt. Aktien föll 8 procent | Anthropic vill lägga 6 mdr dollar på lägre beräkningskostnad
