Az AI még mindig többet költ, mint amennyit keres
Cikk meghallgatása
Az AI-ipar 2026-ra hatalmasra nőtt, de a gyors terjedés egyelőre nem jelenti, hogy az egész szektor nyereséges lenne. A rendelkezésre álló becslések inkább az ellenkezőjét mutatják: az ökoszisztéma jelentős része továbbra is óriási összegeket költ infrastruktúrára, számítási kapacitásra és modellfejlesztésre, miközben a bevételek sok esetben még nem érik el a ráfordítások szintjét.
Az egyik elemző oldal 2026. júliusi összesítése szerint a vizsgált AI-iparágban körülbelül 1,5 billió dollárnyi kumulált kiadás áll szemben 769 milliárd dollárnyi becsült bevétellel. Az oldal következtetése röviden: az AI-ipar egésze még nem tekinthető nyereségesnek. Ezeket a számokat azonban óvatosan kell kezelni. A vállalatok eltérően számolják el az AI-hoz kapcsolódó költségeket, a magánkézben lévő cégek bevételeiről pedig nem mindig áll rendelkezésre pontos adat.
A legnagyobb nyertesek: a hardverszállítók
A legnagyobb haszonélvezők jelenleg azok a vállalatok, amelyek az AI-infrastruktúra alapvető elemeit biztosítják – különösen a chipeket és gyorsítókat gyártók. A legszembetűnőbb példa az Nvidia. A becslések szerint 2023 óta körülbelül 228 milliárd dollárt költött, miközben 516 milliárd dollárnyi AI-hoz kapcsolódó bevételt generált, ami mintegy 288 milliárd dolláros pozitív kumulált eredményt jelent a vizsgált módszertan szerint.
A vállalat hivatalos pénzügyi eredményei is megerősítik, hogy az AI-boom egyik legnagyobb közvetlen haszonélvezője. Az Nvidia 2026-os pénzügyi évében 215,9 milliárd dollár bevételt és 120,1 milliárd dollár nettó eredményt ért el; az adatközponti bevétel önmagában 193,7 milliárd dollár volt. 2026 első pénzügyi negyedévében (a 2027-es pénzügyi év első negyedében) a bevétel tovább nőtt, 81,6 milliárd dollárra, ezen belül az adatközponti rész 75,2 milliárd dollárra emelkedett.
Hasonló, bár jóval kisebb léptékű pozitív eredmény látható az AMD és a Micron esetében is. A vizsgált becslés szerint az AMD mintegy 9 milliárd dolláros, a Micron pedig körülbelül 8 milliárd dolláros pozitív kumulált eredményt mutat az AI-hoz kapcsolódó adatközponti tevékenységein.
A frontier laboratóriumok és a nagy techcégek kihívásai
A legnagyobb problémát azok a vállalatok jelentik, amelyeknek óriási összegeket kell előre befektetniük, hogy AI-modelleket, adatközpontokat és számítási kapacitást építsenek ki. A frontier AI-laborok – például az OpenAI, az Anthropic és az xAI – már több milliárd dolláros bevételt generálnak, de a modellbetanítás, az infrastruktúra és különösen a futtatás (inference, vagyis a modellek folyamatos használata a felhasználói kérések megválaszolására) költsége rendkívül magas.
A 2026. júliusi becslés szerint az OpenAI körülbelül 62 milliárd dollárnyi kiadással és 26,7 milliárd dollárnyi bevétellel állt, ami mintegy 35,3 milliárd dolláros negatív kumulált eredményt jelent. Az Anthropic esetében a becslés 33 milliárd dollár kiadás, 22 milliárd dollár bevétel és 11 milliárd dollár negatív eredmény. Az xAI-nál 20 milliárd dollár kiadás mellett 7,4 milliárd dollár bevételt becsülnek. (Ezek a számok becslések, és a későbbi beszámolók szerint mindkét labor bevétele jelentősen nőtt 2026 során).
Különösen érdekes helyzetben vannak a nagy technológiai vállalatok, például az Amazon, a Google, a Microsoft és a Meta. Ezek vállalati szinten rendkívül nyereségesek, mégis hatalmas negatív egyenleget mutathatnak, ha kizárólag az AI-ra fordított beruházásokat és az abból közvetlenül azonosítható bevételeket hasonlítjuk össze. Ezeket a számokat azonban nem szabad a vállalatok teljes nyereségével összekeverni. A módszertan kifejezetten az AI-hoz kapcsolódó beruházásokat és bevételeket próbálja összevetni. Például a Google teljes vállalata továbbra is rendkívül nyereséges; csak azokat a bevételeket nem számítják AI-bevételnek, amelyeknél nem lehet pontosan meghatározni, mekkora részük származik az AI-ból.
A tőkeigény és a költségstruktúra
Az egyik legfontosabb tényező az AI drágaságában a tőkeigény. A fejlett AI-modellekhez hatalmas adatközpontokra, grafikus processzorokra (GPU-kra), hálózati infrastruktúrára és elektromos energiára van szükség. A vállalatok ezért nemcsak szoftvert fejlesztenek, hanem teljes infrastruktúrát építenek ki. Az Amazon például 2025-ben jelentős beruházási szintet ért el, 2026-ra pedig körülbelül 200–220 milliárd dolláros tőkekiadással számolt (a magasabb vég a memóriaárak emelkedése miatt), amelynek jelentős részét AI-adatközpontokra fordítja. Ez jól mutatja az AI-ipar egyik alapvető problémáját: a bevétel növekedhet gyorsan, de az infrastruktúra kiépítése még gyorsabban fogyaszthatja a tőkét.
A költségstruktúrában két területet érdemes megkülönböztetni. A betanítás (training) során a vállalatok az új modellek létrehozására költenek hatalmas összegeket – ez egy-egy modell esetében rendkívül nagy, egyszeri vagy időszakosan ismétlődő költség. A futtatás (inference) ezzel szemben azt jelenti, amikor a már elkészült modellt a felhasználók kérdéseinek megválaszolására folyamatosan futtatják. A generatív AI tömeges elterjedésével ez egyre fontosabb költségtényező, hiszen minden egyes lekérdezéshez számítási kapacitás szükséges. Az AI üzleti modelljének egyik kulcskérdése ezért, hogy a modellek használatáért fizetett ár gyorsabban nő-e, mint a kiszolgálásuk költsége.
Összefoglalás: kettészakadt piac, de nem életképtelen modell
A jelenlegi helyzetet legjobban úgy lehet összefoglalni, hogy az AI-ból már most is lehet hatalmas pénzt keresni, de nem feltétlenül annak a vállalatnak, amelyik a legfejlettebb AI-modellt fejleszti. A chipeket, szervereket és adatközponti infrastruktúrát biztosító vállalatok – különösen az Nvidia – közvetlenül profitálnak abból, hogy mindenki AI-kapacitást akar vásárolni. Eközben a frontier modellfejlesztőknek folyamatosan újabb és újabb számítási kapacitást kell beszerezniük, hogy versenyben maradjanak.
Ez azonban nem jelenti azt, hogy az AI üzleti modellje szükségszerűen életképtelen. A jelenlegi veszteségek jelentős része előrehozott beruházásként is értelmezhető. A vállalatok arra számítanak, hogy a modellek hatékonyabbá válnak, a futtatás költsége csökken, az AI pedig egyre több üzleti folyamatban vált ki emberi munkát vagy hoz létre új bevételi forrásokat. A technológiai fejlődés ezen a ponton különösen fontos. Az Nvidia például már olyan új generációs infrastruktúrát (Rubin platform) fejleszt, amelynek célja a futtatás költségének jelentős csökkentése; a vállalat szerint a platform a Blackwellhez képest akár tízszeres (vagy egyes mérések szerint még nagyobb) csökkenést is lehetővé tehet a tokenenkénti költségben.
Ha ezek a költségcsökkentések valóban megvalósulnak, miközben az AI-szolgáltatások iránti kereslet tovább növekszik, az iparág jövedelmezősége jelentősen javulhat. A következő évek egyik legfontosabb kérdése ezért az lesz, hogy az AI képes-e a hatalmas beruházásokat tartós, skálázható és magas haszonkulcsú üzleti bevétellé alakítani.
Költs kriptóból közvetlenül a Kraken Krak Mastercarddal!
MI A TEENDŐD?- Regisztrálj a Krakenre a linkünkkel.
- Igényeld meg ingyenesen a Krak Cardot.
- Add hozzá Apple Payhez vagy Google Payhez.
- Vásárolj közvetlenül Kraken egyenlegedről akár 400+ kripto- és fiat eszközzel.
- Élvezd a 2% cashback-et a vásárlások után, havi vagy éves kártyadíj nélkül!
