Meta 135 miljardi dollari suurune tehisintellekti kulutusplaan: mida see tegelikult ostab (ja mullirisk)

/Tehnoloogia/ Autor

Kokkuvõte:Meta sõnul võib see kulutada kuni135 miljardit dollaritsel aastal – peaaegu kaks korda rohkem kui eelmisel aastal tehisintellektiga seotud kulutusi – peamiselt tehisintellekti toetavale taristule. See pole lihtsalt „suurema eelarve” lugu. See on strateegiline maa hõivamine arvutuste, talentide ja levitamise jaoks ajal, mil tehnoloogia- ja finantsvaldkonna juhid arutavad avalikult, kas tehisintellekti buum onmajandusmull.

Põhiküsimus ei ole selles, kas tehisintellektil on tähtsust (see on küll). Küsimus on selles, kas Meta suudab hiiglaslikud investeeringutest püsiva tooteeelise ja kasumi luua – ilma et korrataks varasemaid tsükleid, kus entusiasm ületab tagasituleku.

Miks see lugu on suurem kui "kapitalikulude suurenemine"

Selle loo lihtsam versioon on: „Meta kulutab tehisintellektile rohkem raha.“ Olulisem versioon on järgmine: Meta üritab enne turustruktuuri stabiliseerumist endale järgmises liidesekihis – tehisintellektil põhinevates soovitustes, assistentides ja agentides – juhtpositsiooni osta.

Sellepärast tasub eraldada see, mis onkinnitatud(numbrid, väited) sellest, mis onkaudne(strateegia ja oodatavad tulemused).

Mida Meta tegelikult ütles (konkreetsed faktid)

Aruandest:

  • Meta eeldab kulutamistkuni 135 miljardit dollarit (97 miljardit naela)sel aastal, enamastiTehisintellekti infrastruktuur.
  • See on võrreldav umbes sellega72 miljardit dollariteelmisel aastal.
  • Viimase kolme aasta jooksul on Meta kulutanud umbes140 miljardit dollarittehisintellekti buumi tagaajamine.
  • Zuckerberg ütles, et ootab2026. aastalon aasta, mil tehisintellekt „muudab dramaatiliselt meie tööviisi“.
  • Meta kulud on kasvanud kiiremini kui tulud (surve marginaalidele).
  • Zuckerberg vihjas, et tehisintellekt hakkab tihendama tööd, mis varem nõudis suuri meeskondi.
  • Meta on juba koondanud sadu töötajaid (eelkõige Reality Labsist).

Need punktid raamivad lugu: Meta kahekordistab veendumust, et tehisintellekt nihkub nii toodete kui ka sisemise töö puhul funktsioonist operatsioonikihiks.

Kuhu raha tegelikult läheb (ja miks see nii kallis on)

Kui ettevõte ütleb „tehisintellekti infrastruktuur”, tähendab see tavaliselt virna asju, mis on energianäljased ja kapitalimahukad.

Üks lihtne viis sellele mõelda: Meta ei osta tehisintellekti. See ostabläbilaskevõime—võime treenida suuremaid mudeleid kiiremini ja teha järeldusi miljardite igapäevaste interaktsioonide ulatuses.

See nõuab:

1) Arvutusriistvara

  • GPU/kiirendi klastrid mudelite treenimiseks ja käitamiseks.
  • Suur mälu ribalaius, kiired ühendused, salvestusruum.

2) Andmekeskused

  • füüsilised hooned, riiulid, koondamine
  • elektrienergia tarnimine (sageli pikaajalised elektrienergia lepingud)
  • jahutussüsteemid (peamine tehniline piirang)

3) Võrgustike loomine

Suurte mudelite treenimiseks on vaja tuhandeid kiipe, mis toimivad nagu üks arvuti. See nõuab:

  • kiirelt pressitud kangad
  • madal latentsusaeg
  • hoolikas topoloogia ja töökindlus

4) Tööriistade ja mudelite opereerimine

  • andmekanalid
  • ohutus-/hindamisrakmed
  • juurutamine ja jälgimine

Seepärast on tehisintellekti investeeringutel erinev kuju võrreldes „tavalise“ tarkvarainvesteeringuga: te ei saa lihtsalt insenere palgata. Te peate ostma elektrit + räni + kinnisvara.

Meta strateegiline panus: tehisintellekt + levitamine on vallikraav

Meta on üks väheseid ettevõtteid, millel on globaalne tarbijalevi mitmel platvormil:

  • Facebook
  • Instagram
  • WhatsApp
  • (ja sellega seotud jõupingutused riistvara/AR valdkonnas)

Kui tehisintellektist saab peamine liides, mille kaudu inimesed sisu avastavad, suhtlevad ja meediat loovad, on levitamine oluline.

Meta kaudne strateegia on:

  1. investeerige agressiivselt mudeli võimekuse ja suutlikkuse suurendamisse
  2. kasutage seda pindadel, kus inimesed juba aega veedavad
  3. muuta need parandused järgmiselt:
    • parem kaasatus
    • parem reklaamide toimivus
    • uued tooted (assistendid, agendid, loomingulised tööriistad)

Isegi väikesed reklaamide sihtimise efektiivsuse või loomingulise genereerimise parandused võivad süveneda, sest Meta reklaamiäri on nii suur.

Väide „tehisintellekt muudab tööd dramaatiliselt”: mida see võiks tähendada

Zuckerbergi kommentaarid projektide kahanemise kohta „suurtest meeskondadest” „ühe väga andeka inimese” ülesandeks annavad märku väga konkreetsest suunast: tehisintellekt kui ettevõttesisese tootlikkuse kordaja.

Praktikas võiks see välja näha nii:

  • tarkvarainsenerid, kes kasutavad tehisintellekti koodi kiiremaks kirjutamiseks, ümbertegemiseks, testimiseks ja dokumenteerimiseks
  • tootejuhid kasutavad tehisintellekti tagasiside sünteesimiseks, katsete genereerimiseks ja spetsifikatsioonide mustandite koostamiseks
  • turundajad genereerivad variante ja itereerivad kiiresti

Kuid siin on üks konks: tootlikkuse tööriistad on ebaühtlased. Inimesed, kes õpivad neid hästi kasutama, saavad palju suuremat väärtust. See on kooskõlas Zuckerbergi kommentaariga „suurest deltast“ inimeste vahel, kes teevad seda hästi, ja nende vahel, kes seda ei tee.

Miks koondamised ilmuvad samas vestluses

Kui juhid räägivad tootlikkuse kokkutõmbumisest, on koondamised varjuteema.

See ei tähenda tingimata, et „tehisintellekt asendab kõiki”. Sagedamini tähendab see:

  • rutiinsete ülesannete jaoks on vaja vähem inimesi
  • meeskondadelt oodatakse, et nad saadaksid vähemaga rohkem
  • organisatsioonid hindavad ümber, millised rollid on strateegilised

Eriti Reality Labsi koondamised vihjavad sellele, et Meta nihutab eelarvet pikemaajalistest panustest (metaversumi riistvara) lühiajalise tehisintellekti infrastruktuuri ja tehisintellekti toodete integreerimise poole.

Mullirisk: miks targad inimesed ütlevad vaikse osa valjusti välja

Artiklis märgitakse, et mitmed juhid on väljendanud muret eufoorilise mulli pärast, võrreldes tolleaegset olukorda dot-com ajastuga.

See on oluline nüanss: „mull” ei tähenda, et „tehisintellekt on võlts”. Tavaliselt tähendab see järgmist:

  • Liiga palju kapitali ajab taga liiga vähe selgelt kasumlikke rakendusi
  • paljud ettevõtted ei jää krahhist ellu
  • Taristu- ja jaotusvõrgu võitjad saavad suurima väärtuse

Cisco tegevjuhti tsiteeritakse hoiatuses, et võitjad tulevad küll välja, aga teel on ees „tapatalgud“. See on realistlik kirjeldus tehnoloogilistest üleminekutest.

Veel üks dot-com õppetund: mulli ajal ehitasid ettevõtted reaalset infrastruktuuri (kiudoptika, andmekeskused, võrgud). Suur osa varasest omakapitali väärtusest aurustus, kuid infrastruktuur jäi alles ja võimaldas hiljem tänapäevase internetimajanduse teket. Tänapäeva tehisintellekti väljaarendamine võib järgida sama mustrit: mõnedele ettevõtetele valulik kokkuvarisemine, kuid pikaajaline võimsus, mis saab aluseks.

Meta riskiprofiil: neli viisi, kuidas see valesti minna võib

1) Kapitaliksinvesteeringud ilma püsiva tooteeristamiseta

Kui konkurendid suudavad oma võimed kiiresti rahuldada, muutub kulutus panuseks – see on küll kallis, aga mitte eristav.

2) Tegevuskulude alahindamine

Riistvara ostmine on alles algus. Mudeli treenimine ja järelduste tegemine:

  • elekter
  • võrgustumisvõime
  • hindamise ja ohutuse tagamiseks vajalik inseneriaeg

Kui tegevuskulud kasvavad kiiremini kui tulude kasv, muutub „tehisintellekti eelis” kasumimarginaali pärssivaks teguriks.

3) Marginaali surve ja investorite kannatlikkus

Meta saab endale lubada suuri kulutusi seni, kuni selle põhireklaamimootor on tugev. Kuid kui makromajanduslikud tingimused või kaasatus muutuvad, hindavad investorid riski ümber.

4) Regulatiivsed ja usaldusküsimused

Tehisintellektil põhinev järjestus ja genereerimine tekitab muret järgmise pärast:

  • valeinformatsiooni võimendamine
  • süvavõltsingud ja pettused
  • sisu modereerimise vead
  • Privaatsuspiirid sõnumsiderakendustes

Kui tehisintellekti funktsioonid loovad rohkem kahju kui väärtust, võivad regulaatorid piiranguid karmistada, vähendades seeläbi kasu.

Milline edu välja näeb (märke, mida tasub jälgida)

Kui soovite hinnata, kas Meta tehisintellekti kulutused toimivad, ignoreerige pressiteateid ja otsige mõõdetavaid signaale.

Kasulik raamistik: Meta vajab tehisintellekti, et parandada kumbagitulu kasutaja kohta,toodanguühiku maksumusvõi ideaalis mõlemat. Kui te ei näe nende aja jooksul ilmnevat, nõrgeneb investeerimistees.

1) Toote täiustused, mis jäävad püsima

  • paremad soovitused, mis suurendavad kulutatud aega ilma kaebusi suurendamata
  • loomingulised tööriistad, mis vähendavad reklaamijate ja loojate vahelist hõõrdumist

2) Äritegevuse tulemuslikkus

  • reklaami hinnakujundus ja konversioonide kvaliteet
  • reklaamijate tulemuse hind
  • kas tulude kasv kiireneb võrreldes kulude kasvuga

3) Mudeli võimekus ja kasutuselevõtu tempo

  • kui kiiresti uusi mudeleid rakendustes juurutatakse
  • kas „agentidest” on kasu tavalistes töövoogudes (mitte ainult demodes)

4) Ohutus ja usaldus

  • kui hästi Meta kuritarvitamist (pettusi, kellegi teisena esinemist, sünteetilist meediat) sisaldab
  • läbipaistvus tehisintellekti loodud sisu osas

Praktiline lugejajuhend: mida uskuda ja mida turundusena käsitleda

Tehisintellekti teadaanded segavad sageli kindlaid inseneriteadmisi narratiivse raamistikuga. Kasulik kontroll-loend:

  • Kui see on umbeskiibid, elekter, andmekeskused, see on reaalne ja mõõdetav.
  • Kui see on umbesagendid vahetavad tööd, küsige, milliseid töövooge on tänapäeval tegelikult täiustatud.
  • Kui see on umbeskulude kokkuhoid, küsige, kas säästud kajastuvad marginaalides või rahastavad need lihtsalt suuremat kasvu.

Lõpptulemus

Meta kulutab nagu ettevõte, mis usub, et tehisintellekt on järgmine platvormimuutus – ja et õige samm on arvutusvõimsuse turvamine ning tehisintellekti juurutamine kõikjale, kus selle kasutajad juba asuvad.

Asi on mastaabis: Meta otsustab konkureerida infrastruktuuri ja levitamise, mitte ainult nutikate ülesannete osas. Selline pühendumus võib tekitada vallikraavi – või väga kalli vea.

Positiivne külg on reaalne: paremad tooted, paremad reklaamid, uued assistendid ja loomingulised tööriistad. Ka negatiivne külg on reaalne: marginaali vähenemine, ülekoormatud tehisintellekti valdkond ning oht, et regulatsiooni- ja usaldusprobleemid vähendavad tootlust.

Nii näeb platvormiüleminek reaalajas välja: tohutud investeeringud infrastruktuuri, vali skeptitsism ja võidujooks tõestamaks, et kulutused muutuvad püsivaks eeliseks.

Kui Meta suudab näidata reklaamide toimivuse ja toote kleepuvuse püsivat paranemist, hoides samal ajal usalduse ja ohutuse kontrolli all, siis paistavad investeeringute kulud ettenägelikkusena. Kui mitte, siis on oht, et see muutub silmapaistvaks näiteks sellest, kui lihtne on hüpetsüklis üle kulutada.

Allikad

Document Title
Meta may spend up to $135bn on AI infrastructure: where the money goes and what investors should watch
Meta may spend up to $135bn on AI infrastructure this year. Here’s what that buys (chips, data centres, networking), the strategy behind it, and the bubble risk investors debate.
Title Attribute
oEmbed (JSON)
oEmbed (XML)
JSON
View all posts by Admin
Tesla ends Model S/X as it pivots to robots and AI — what’s real vs hype
UK’s free AI training push: why ‘prompting’ is the easy part
Page Content
Meta may spend up to $135bn on AI infrastructure: where the money goes and what investors should watch
Nature
Climate
Meta’s $135bn AI spending plan: what it’s really buying (and the bubble risk)
/
Technology
/ By
Admin
Summary:
Meta says it could spend up to
$135bn
this year—nearly double last year’s AI-related spend—mostly on infrastructure that powers artificial intelligence. This is not just a “bigger budget” story. It’s a strategic land grab for compute, talent, and distribution at a moment when leaders across tech and finance are openly debating whether the AI boom is an
economic bubble
.
The key question isn’t whether AI will matter (it will). The question is whether Meta can translate giant capex into durable product advantage and profit—without repeating past cycles where enthusiasm outran returns.
Why this story is bigger than “capex goes up”
The easy version of this story is “Meta will spend more on AI.” The more important version is: Meta is trying to buy its way into a leadership position in the next interface layer—AI-powered recommendations, assistants, and agents—before the market structure settles.
That’s why it’s worth separating what’s
confirmed
(numbers, statements) from what’s
implied
(strategy and expected outcomes).
What Meta actually said (the concrete facts)
From the reporting:
Meta expects to spend
up to $135bn (£97bn)
this year, mostly on
AI infrastructure
That compares with roughly
$72bn
last year.
Over the last three years, Meta has spent about
$140bn
chasing the AI boom.
Zuckerberg said he expects
2026
to be the year AI “dramatically changes the way we work.”
Meta’s expenses have been rising faster than revenue (pressure on margins).
Zuckerberg hinted that AI will compress work that used to require big teams.
Meta has already laid off hundreds of workers (notably in Reality Labs).
Those points frame the story: Meta is doubling down on the belief that AI is shifting from a feature to an operating layer for both products and internal work.
Where the money actually goes (and why it’s so expensive)
When a company says “AI infrastructure,” it usually means a stack of things that are power-hungry and capital-intensive.
One simple way to think about it: Meta isn’t buying “AI.” It’s buying
throughput
—the ability to train bigger models faster, and run inference at scale for billions of daily interactions.
That requires:
1) Compute hardware
GPU/accelerator clusters to train and run models.
High memory bandwidth, fast interconnects, storage.
2) Data centres
physical buildings, racks, redundancy
power delivery (often long-term power contracts)
cooling systems (a major engineering constraint)
3) Networking
Training large models requires thousands of chips acting like one computer. That demands:
high-speed fabrics
low latency
careful topology and reliability
4) Tooling and model operations
data pipelines
safety/evaluation harnesses
deployment and monitoring
This is why AI capex has a different shape from a “normal” software investment: you can’t just hire engineers. You must buy electricity + silicon + real estate.
Meta’s strategic bet: AI + distribution is a moat
Meta is one of the few companies with global consumer distribution across multiple surfaces:
Facebook
Instagram
WhatsApp
(and adjacent efforts in hardware/AR)
If AI becomes a primary interface for how people discover content, communicate, and create media, distribution matters.
Meta’s implicit strategy is:
invest aggressively to build model capability and capacity
deploy it across the surfaces where people already spend time
turn those improvements into:
better engagement
better ad performance
new products (assistants, agents, creative tools)
Even small improvements in ad targeting efficiency or creative generation can compound, because Meta’s ad business is so large.
The “AI dramatically changes work” claim: what it could mean
Zuckerberg’s comments about projects shrinking from “big teams” to “a single, very talented person” signals a very specific direction: AI as a productivity multiplier inside the company.
In practice, that could look like:
software engineers using AI to write, refactor, test, and document code faster
product managers using AI to synthesize feedback, generate experiments, draft specs
marketers generating variants and iterating quickly
But there’s a catch: productivity tools are uneven. People who learn to use them well get much more value. That aligns with Zuckerberg’s comment about a “big delta” between people who do it well and those who don’t.
Why layoffs show up in the same conversation
When executives talk about productivity compression, layoffs are the shadow topic.
It doesn’t necessarily mean “AI replaces everyone.” More often it means:
fewer people needed for routine tasks
teams are expected to ship more with less
organisations re-rank which roles are strategic
Reality Labs layoffs in particular hint that Meta is shifting budget away from longer-horizon bets (metaverse hardware) toward nearer-term AI infrastructure and AI product integration.
Bubble risk: why smart people keep saying the quiet part out loud
The article notes multiple leaders raising bubble concerns, comparing the moment to the dot-com era.
This is an important nuance: “bubble” doesn’t mean “AI is fake.” It usually means:
too much capital is chasing too few clearly profitable applications
many companies will not survive the shakeout
infrastructure winners and distribution winners capture most value
Cisco’s CEO is quoted warning that winners will emerge but there will be “carnage along the way.” That’s a realistic description of technology transitions.
One more dot-com lesson: during the bubble, companies built real infrastructure (fibre, data centres, networks). Much of the early equity value evaporated—but the infrastructure remained and later enabled the modern internet economy. Today’s AI buildout could follow the same pattern: painful shakeout for some firms, but long-lived capacity that becomes foundational.
Meta’s risk profile: four ways this can go wrong
1) Capex without durable product differentiation
If competitors match capabilities quickly, the spend becomes table stakes—expensive, but not differentiating.
2) Underestimating operating costs
Buying hardware is only the start. Model training and inference burn:
electricity
networking capacity
engineering time for evaluation and safety
If operating costs scale faster than revenue lift, the “AI advantage” becomes a margin drag.
3) Margin pressure and investor patience
Meta can afford large spend as long as its core ad engine remains strong. But if macro conditions or engagement shift, investors will reprice the risk.
4) Regulatory and trust issues
AI-driven ranking and generation raises concerns about:
misinformation amplification
deepfakes and fraud
content moderation errors
privacy boundaries in messaging apps
If AI features create more harm than value, regulators may tighten constraints, reducing upside.
What success looks like (signals worth watching)
If you want to judge whether Meta’s AI spending is working, ignore press releases and look for measurable signals.
A useful framing: Meta needs AI to improve either
revenue per user
,
cost per unit of output
, or ideally both. If you can’t see those showing up over time, the investment thesis weakens.
1) Product improvements that stick
better recommendations that increase time spent without increasing complaints
creative tools that genuinely reduce friction for advertisers and creators
2) Business performance
ad pricing and conversion quality
cost per outcome for advertisers
whether revenue growth accelerates relative to expense growth
3) Model capability and deployment pace
how quickly new models are deployed across apps
whether “agents” become useful in normal workflows (not just demos)
4) Safety and trust
how well Meta contains abuse (scams, impersonation, synthetic media)
transparency about AI-generated content
A practical reader’s guide: what to believe and what to treat as marketing
AI announcements often mix solid engineering realities with narrative framing. A useful checklist:
If it’s about
chips, power, data centres
, it’s real and measurable.
agents changing work
, ask what workflows are actually improved today.
cost savings
, ask whether savings show up in margins or just fund more growth.
Bottom line
Meta is spending like a company that believes AI is the next platform shift—and that the right move is to secure compute and deploy AI everywhere its users already are.
The scale is the story: Meta is choosing to compete on infrastructure and distribution, not just on clever prompts. That’s the kind of commitment that can create a moat—or a very expensive mistake.
The upside is real: better products, better ads, new assistants and creative tools. The downside is also real: margin compression, a crowded AI field, and the risk that regulation and trust problems blunt the returns.
This is what a platform transition looks like in real time: huge infrastructure investment, loud skepticism, and a race to prove that the spend turns into durable advantage.
If Meta can show sustained improvements in ad performance and product stickiness while keeping trust and safety under control, the capex will look like foresight. If not, it risks becoming a high-profile example of how easy it is to overspend in a hype cycle.
Sources
BBC News (Technology):
https://www.bbc.com/news/articles/cn8jkyk78gno?at_medium=RSS&at_campaign=rss
BBC News (Technology) (related context on bubble concerns):
https://www.bbc.com/news/articles/cr57p2ve8glo
←
Previous Post
Next Post
→
oEmbed (JSON)
oEmbed (XML)
JSON
View all posts by Admin
Tesla ends Model S/X as it pivots to robots and AI — what’s real vs hype
UK’s free AI training push: why ‘prompting’ is the easy part
Meta may spend up to $135bn on AI infrastructure this year. Here’s what that buys (chips, data centres, networking), the strategy behind it, and the bubble risk investors debate.
Document Title
Page not found - Florin.blog
Image Alt
Florin.blog
Title Attribute
Florin.blog » Feed
RSD
Skip to content
Placeholder Attribute
Search...
Page Content
Page not found - Florin.blog
Skip to content
Home
Blog
Garden Decor
Indoor
Main Menu
This page doesn't seem to exist.
It looks like the link pointing here was faulty. Maybe try searching?
Search for:
Search
Quick Links
Outdoors
About
Contact
Explore
Bestsellers
Hot deals
Best of The Year
Featured
Gift Cards
Help
Privacy Policy
Disclaimer
: As an Amazon Associate, we earn from qualifying purchases — at no extra cost to you.
Florin.blog
Florin.blog » Feed
RSD
Search...
e Eesti