Mākslīgā intelekta burbulis pret lūzuma punktu: kāpēc lielie tehnoloģiju uzņēmumi turpina tērēt vairāk nekā 90 miljardus dolāru gadā mikroshēmām, datu centriem un elektroenerģijai

Ja paklausās Silīcija ielejas stāstā par mākslīgo intelektu, tas izklausās pēc tīras inženierijas līnijas: lielāki modeļi, labākas atbildes, lielāka produktivitāte. Ja paklausās tajā, par ko klusībā uztraucas tirgi un valdības, tas izklausās pēc kaut kā pavisam cita: koncentrācijas riska, enerģijas ierobežojumiem un kapitāla cikla, kas ir tik liels, ka varētu kropļot ekonomiku.

Tā spriedze — starpMākslīgais intelekts kā vispārējas nozīmes sasniegumsunMākslīgais intelekts kā investīciju uzplaukums, kas varētu pārspēt— ir pretruna triljonu dolāru sacensības centrā.

BBC reportāžas, kas balstītas uz intervijām Google un ap to, aiz ažiotāžas liek reālus skaitļus un reālu fizisku realitāti: trokšņainas mikroshēmu laboratorijas, īpaši izgatavots silīcijs un ikgadējie investīciju skaitļi, kas agrāk šķita neiespējami.

Likme: Mākslīgais intelekts ir “lūzuma punkts”, uz kuru ir vērts pārtērēt līdzekļus

Google izpilddirektors Sundars Pičai raksturo mākslīgo intelektu kā nākamo reizi desmitgadē notiekošo platformas maiņu, piemēram:

personālais dators
internets
mobilais
mākonis

Šāda strukturēšana ir svarīga, jo tā dod vadītājiem atļauju darīt kaut ko tādu, kas parastā gadā šķiet neracionāls: tērēt milzīgas summas pirms pierādītas atdeves.

BBC ziņo, ka Google iegulda vairāk nekā90 miljardi ASV dolāru gadā...mākslīgā intelekta izveidē, aptuveni trīskāršojot četru gadu laikā. Tā nav "pētniecība un attīstība". Tā ir infrastruktūras un piegādes ķēdes stratēģija.

Pičai neparasti atklātais apgalvojums ir tāds, ka šis brīdis ir gan racionāls, gan iracionāls — aizraujošs progress, bet arī cikls, kurā nozare var pārspēt savas robežas.

Ja vēlaties saprast, kāpēc uzņēmumi turpina tērēt, pat ja cilvēki runā par burbuli, lūk, iemesls: viņi uzskata, ka kavēšanās izmaksas ir eksistenciālas.

Koncentrācijas risks: mākslīgā intelekta uzplaukums atbalsta visu tirgu

Viens no vismazāk apspriestajiem mākslīgā intelekta riskiem nav tehnisks. Tas ir finansiāls.

BBC atzīmē:

milzīga tirgus vērtība, kas koncentrēta nedaudzu uzņēmumu rokās
“Lieliskais 7” veido aptuveni trešdaļu no S&P 500 novērtējuma
koncentrācija ir augstāka nekā dotcom laikmetā, saskaņā ar SVF salīdzinājumiem

Tas nozīmē, ka mākslīgā intelekta sacensības nav tikai tehnoloģiju stāsts. Tas ir makro stāsts.

Ja mākslīgā intelekta naratīvs pārtrūkst (vai pat apstājas), tas nekaitē tikai dažiem jaunuzņēmumiem. Tas ietekmē:

pensiju portfeļi
indeksu fondi
patērētāju uzticība
kredīta pieejamība

Kad cilvēki saka: “Vai mākslīgais intelekts ir burbulis?”, viņi bieži domā: “Vai tirgus ir pārāk atkarīgs no šī viena sižeta?”

Īstā “mākslīgā intelekta rūpnīca”: mikroshēmas, dzesēšana un pielāgots silīcijs

Ir viegli uzskatīt mākslīgo intelektu par programmatūru. Taču konkurences priekšrocība arvien vairāk izpaužas kā piegādes ķēdes kontrole.

BBC iepazina Google darbu ar TPU (tenzoru apstrādes vienībām) — Google izstrādātām mikroshēmām, kas paredzētas mākslīgā intelekta darba slodzes nodrošināšanai.

Tas ir svarīgi, jo mikroshēmu ainava stratificējas:

CPU apstrādā vispārējos skaitļošanas uzdevumus
Grafiskās kartes apstrādā paralēlu apstrādi (bieži izmanto mākslīgajam intelektam)
ASIC ir īpaši izstrādātas konkrētām darba slodzēm.

TPU ietilpst ASIC kategorijā: pielāgots silīcijs, kas pielāgots Google vajadzībām.

Stratēģiskā loģika ir skaidra: ja skaitļošanas resursi ir ierobežoti un dārgi, un ja mākslīgā intelekta pieprasījums turpina pieaugt, uzņēmumi, kas kontrolē savu silīciju un ieviešanas plūsmu, ir mazāk pakļauti ārējiem ierobežojumiem.

Vienkāršā valodā sakot: ja nevarat iegādāties pietiekami daudz GPU, jūs mēģināt iegūt visu steku.

"GPU lūgšanas" laikmets ir signāls, nevis joks

BBC iekļauj zīmīgu anekdoti par tehnoloģiju līderiem, kas efektīvi lūdza Nvidia vairāk GPU.

Tas ir smieklīgi, bet tas ir arī tirgus signāls:

Pieprasījums pēc skaitļošanas pārsniedz piedāvājumu
“Uzvarošā” stratēģija izskatās pēc mikroshēmu uzkrāšanas un datu centru izveides

Tas rada psiholoģisku slazdu:

Ja visi uzskata, ka vienīgais veids, kā uzvarēt, ir turpināt tērēt, tad tērēšana kļūst par stratēģiju — pat ja atdeve ir neskaidra.

Tā investīciju uzplaukums kļūst pašpastiprinošs.

Svarīgā atšķirība: esošie operatori pretstatā “aizņemto skaitļošanas” ekonomikai

Būtiska atšķirība BBC ziņojumā ir starp:

lielākie tehnoloģiju uzņēmumi, kas var finansēt mikroshēmas un datu centrus no naudas plūsmas
uzņēmumi, kas paļaujas uz aizņemtu naudu un sarežģītiem darījumiem, lai piekļūtu skaitļošanas tehnoloģijām

Šī ir mākslīgā intelekta slēptā klašu sistēma.

Ja mākslīgais intelekts kļūs par infrastruktūras bruņošanās sacensību, uzņēmumi ar spēcīgām bilancēm varēs turpināt attīstību lejupslīdes laikā. Uzņēmumi, kas ir atkarīgi no kredītiem, to nevarēs.

Tāpēc “burbuļa risks” ir asimetrisks:

milži varētu pārdzīvot korekciju
izmantotais infrastruktūras slānis var nebūt

BBC piemin akciju cenu kritumu mākslīgā intelekta infrastruktūras uzņēmumos un turbulenci ap uzņēmumiem, kas saistīti ar skaitļošanas nodrošināšanu.

OpenAI izdevumu vētra un AI infrastruktūras politika

BBC apraksta strīdus par OpenAI saistību apmēru un pretestību, kad investori apšaubīja neatbilstību starp izdevumiem un ieņēmumiem.

Šis ir pazīstams platformas maiņu modelis:

agrīna ieviešana ir milzīga
monetizācijas atpalicība
skaitļošanas izmaksas joprojām ir nežēlīgas

Politiski interesantā daļa ir ierosinājums, ka valdības varētu veidot un piederēt mākslīgā intelekta infrastruktūrai.

Šī ideja politikas veidotājiem patiks trīs iemeslu dēļ:

suverenitāte(neesot atkarīgam no dažiem ASV uzņēmumiem)
valsts drošība(kritisko skaitļošanas metožu kontrole)
rūpniecības stratēģija(darbavietas, investīcijas, noturība)

Bet tas rada arī sarežģītus jautājumus:

Vai nodokļu maksātāji subsidē privātos modeļus?
kam ir piekļuve?
Kas pārvalda drošību un atbildību?

Enerģijas ierobežojums: mākslīgais intelekts nedarbojas bez elektrības

BBC norāda uz draudošu realitāti: datu centri varētu patērēt elektroenerģiju lielāko valstu mērogā.

Šis ir ierobežojums, kas mākslīgā intelekta ažiotāžu var pārvērst politiskā konfliktā.

Tā kā energosistēmas jau ir pakļautas spiedienam:

transporta elektrifikācija
apkures dekarbonizācija
rūpniecības pāreja

Ja mākslīgā intelekta izaugsme konkurē ar šiem mērķiem, valdības saskaras ar kompromisiem.

Un atšķirībā no daudziem tehnoloģiskiem ierobežojumiem, enerģijas ierobežojumi ir fiziski:

Tīkla izbūve prasa gadus
atļauju izsniegšana notiek lēni
Vietējā opozīcija ir izplatīta

“Patiesībai ir nozīme” un uzticēšanās problēma

Pičai frāze “patiesībai ir nozīme” ir gan mierinoša, gan atklājoša.

Uzticības problēma mākslīgajā intelektā nav tikai halucinācijas. Tā ir plašāka informācijas ekosistēma:

Kad mākslīgais intelekts apkopo tīmekli, kas notiek ar avotiem?
Kad mākslīgais intelekts kļūdās pārliecinoši, kā cilvēki to labo?
Kas ir atbildīgs par nodarīto kaitējumu tālāk?

BBC norāda uz bažām, ka, ja mākslīgais intelekts kļūs par vienīgo produktu, cietīs uzticamība.

Veselīgākai ekosistēmai, visticamāk, ir nepieciešams:

caurspīdīgas atsauces
vairāki avoti
stabils novērtējums
cilvēka uzraudzība augsta riska kontekstā

Ja mākslīgais intelekts ir platformas maiņa, uzticēšanās ir tās drošības slānis.

Ko skatīties tālāk

Kapitālieguldījumu disciplīnaVai giganti samazina tēriņus vai dubulto tos?
Aprēķināt cenasVai izmaksas samazinās pietiekami, lai nodrošinātu plašu peļņu, vai arī tās saglabājas koncentrētas?
Enerģētikas politika: tīkla ierobežojumi, kauju atļaušana, ūdens izmantošana un vietējie moratoriji.
Regulējošā nostājaVai valdības izturas pret mākslīgā intelekta infrastruktūru tāpat kā pret telekomunikācijām/enerģētiku — kritiski svarīgu un regulētu?
Adopcija pret monetizācijuVai produktivitāte ir reāla plašā mērogā, vai arī lietošana galvenokārt ir eksperimentēšana?

Apakšējā līnija

Mākslīgā intelekta sacensība ir vienlaikus gan tehnoloģiju revolūcija, gan kapitāla cikls.

Pretrunu iemesls ir tāds, ka abi apgalvojumi ir patiesi: mākslīgā intelekta progress ir reāls, un investīciju bums joprojām var pārsniegt mērķus. Uzvarētājus nenoteiks tikai ažiotāža — tos noteiks tas, kurš spēs nodrošināt skaitļošanas jaudu, nodrošināt tās ilgtspējīgu darbību un pārvērst lietošanu ilgstošā vērtībā, pirms mainās finansēšanas noskaņojums.

Avoti

BBC ziņas (Tehnoloģijas / Padziļināti):https://www.bbc.com/news/articles/cvgvynlxqdyo?at_medium=RSS&at_campaign=rss

Document Title
AI bubble vs inflection point: why Big Tech keeps spending $90bn+ a year on chips, data centres and power	Mākslīgā intelekta burbulis pret lūzuma punktu: kāpēc lielie tehnoloģiju uzņēmumi turpina tērēt vairāk nekā 90 miljardus dolāru gadā mikroshēmām, datu centriem un elektroenerģijai

AI is a real platform shift, but the capital cycle is huge and concentrated. Here’s why Big Tech keeps spending on chips and data centres—and where the risk lies.	Mākslīgais intelekts ir reāla platformas maiņa, taču kapitāla cikls ir milzīgs un koncentrēts. Lūk, kāpēc lielie tehnoloģiju uzņēmumi turpina tērēt līdzekļus mikroshēmām un datu centriem, un kur slēpjas risks.
Title Attribute
oEmbed (JSON)
oEmbed (XML)
JSON
View all posts by Admin	Skatīt visus administratora ierakstus
TripZapp and the Hard Part of Travel Tech in Africa	TripZapp un ceļojumu tehnoloģiju sarežģītā daļa Āfrikā
Europe’s shadow fleet problem is really about governance at sea	Eiropas ēnu flotes problēma patiesībā ir saistīta ar pārvaldību jūrā
Page Content
AI bubble vs inflection point: why Big Tech keeps spending $90bn+ a year on chips, data centres and power	Mākslīgā intelekta burbulis pret lūzuma punktu: kāpēc lielie tehnoloģiju uzņēmumi turpina tērēt vairāk nekā 90 miljardus dolāru gadā mikroshēmām, datu centriem un elektroenerģijai
Nature
Climate
The trillion-dollar AI race has a built-in contradiction: progress is real, overspending might be too	Triljonu dolāru vērtajā mākslīgā intelekta sacensībā ir iebūvēta pretruna: progress ir reāls, pārtēriņš varētu būt pārāk liels
/
Technology
/ By
Admin
If you listen to the story Silicon Valley tells about AI, it sounds like a clean engineering arc: bigger models, better answers, more productivity. If you listen to what markets and governments are quietly worrying about, it sounds like something else entirely: concentration risk, energy constraints, and a capital cycle so large it could distort the economy.	Ja paklausās Silīcija ielejas stāstā par mākslīgo intelektu, tas izklausās pēc tīras inženierijas līnijas: lielāki modeļi, labākas atbildes, lielāka produktivitāte. Ja paklausās tajā, par ko klusībā uztraucas tirgi un valdības, tas izklausās pēc kaut kā pavisam cita: koncentrācijas riska, enerģijas ierobežojumiem un kapitāla cikla, kas ir tik liels, ka varētu kropļot ekonomiku.
That tension — between
AI as a general-purpose breakthrough	Mākslīgais intelekts kā vispārējas nozīmes sasniegums
and
AI as an investment boom that could overshoot	Mākslīgais intelekts kā investīciju uzplaukums, kas varētu pārspēt
— is the contradiction at the heart of the trillion-dollar race.	— ir pretruna triljonu dolāru sacensības centrā.
The BBC’s reporting, based on interviews in and around Google, puts real numbers and real physicality behind the hype: noisy chip labs, bespoke silicon, and annual investment figures that used to sound impossible.	BBC reportāžas, kas balstītas uz intervijām Google un ap to, aiz ažiotāžas liek reālus skaitļus un reālu fizisku realitāti: trokšņainas mikroshēmu laboratorijas, īpaši izgatavots silīcijs un ikgadējie investīciju skaitļi, kas agrāk šķita neiespējami.
The bet: AI is an “inflection point” worth overspending on	Likme: Mākslīgais intelekts ir “lūzuma punkts”, uz kuru ir vērts pārtērēt līdzekļus
Google’s CEO Sundar Pichai frames AI as the next once-a-decade platform shift, like:	Google izpilddirektors Sundars Pičai raksturo mākslīgo intelektu kā nākamo reizi desmitgadē notiekošo platformas maiņu, piemēram:
the personal computer
the internet
mobile
cloud
That framing matters because it gives executives permission to do something that looks irrational in a normal year: spend enormous sums ahead of proven returns.	Šāda strukturēšana ir svarīga, jo tā dod vadītājiem atļauju darīt kaut ko tādu, kas parastā gadā šķiet neracionāls: tērēt milzīgas summas pirms pierādītas atdeves.
The BBC reports that Google is investing more than	BBC ziņo, ka Google iegulda vairāk nekā
$90bn a year
in its AI build-out, roughly tripling in four years. That’s not “R&D.” That’s infrastructure and supply-chain strategy.	...mākslīgā intelekta izveidē, aptuveni trīskāršojot četru gadu laikā. Tā nav "pētniecība un attīstība". Tā ir infrastruktūras un piegādes ķēdes stratēģija.
Pichai’s unusually candid line is that the moment is both rational and irrational — exciting progress, but also a cycle where industry can overshoot.	Pičai neparasti atklātais apgalvojums ir tāds, ka šis brīdis ir gan racionāls, gan iracionāls — aizraujošs progress, bet arī cikls, kurā nozare var pārspēt savas robežas.
If you want to understand why firms keep spending even while people talk about a bubble, that’s the reason: they believe the cost of being late is existential.	Ja vēlaties saprast, kāpēc uzņēmumi turpina tērēt, pat ja cilvēki runā par burbuli, lūk, iemesls: viņi uzskata, ka kavēšanās izmaksas ir eksistenciālas.
The concentration risk: AI’s boom is propping up the whole market	Koncentrācijas risks: mākslīgā intelekta uzplaukums atbalsta visu tirgu
One of the least-discussed AI risks isn’t technical. It’s financial.	Viens no vismazāk apspriestajiem mākslīgā intelekta riskiem nav tehnisks. Tas ir finansiāls.
The BBC notes:
massive market value concentrated in a handful of firms	milzīga tirgus vērtība, kas koncentrēta nedaudzu uzņēmumu rokās
the “Magnificent 7” making up roughly a third of the S&P 500 valuation	“Lieliskais 7” veido aptuveni trešdaļu no S&P 500 novērtējuma
concentration higher than during the dotcom era, per IMF comparisons	koncentrācija ir augstāka nekā dotcom laikmetā, saskaņā ar SVF salīdzinājumiem
That means the AI race is not only a tech story. It’s a macro story.	Tas nozīmē, ka mākslīgā intelekta sacensības nav tikai tehnoloģiju stāsts. Tas ir makro stāsts.
If the AI narrative breaks (or even pauses), it doesn’t just hurt a few startups. It hits:	Ja mākslīgā intelekta naratīvs pārtrūkst (vai pat apstājas), tas nekaitē tikai dažiem jaunuzņēmumiem. Tas ietekmē:
retirement portfolios
index funds
consumer confidence
credit availability
When people say “is AI a bubble,” what they often mean is: “Is the market too dependent on this one storyline?”	Kad cilvēki saka: “Vai mākslīgais intelekts ir burbulis?”, viņi bieži domā: “Vai tirgus ir pārāk atkarīgs no šī viena sižeta?”
The real “AI factory”: chips, cooling, and bespoke silicon	Īstā “mākslīgā intelekta rūpnīca”: mikroshēmas, dzesēšana un pielāgots silīcijs
It’s easy to treat AI as software. But the competitive advantage increasingly looks like supply chain control.	Ir viegli uzskatīt mākslīgo intelektu par programmatūru. Taču konkurences priekšrocība arvien vairāk izpaužas kā piegādes ķēdes kontrole.
The BBC takes us inside Google’s work on TPUs (Tensor Processing Units) — Google-designed chips meant to power AI workloads.	BBC iepazina Google darbu ar TPU (tenzoru apstrādes vienībām) — Google izstrādātām mikroshēmām, kas paredzētas mākslīgā intelekta darba slodzes nodrošināšanai.
This matters because the chip landscape is stratifying:	Tas ir svarīgi, jo mikroshēmu ainava stratificējas:
CPUs handle general computing	CPU apstrādā vispārējos skaitļošanas uzdevumus
GPUs handle parallel processing (often used for AI)	Grafiskās kartes apstrādā paralēlu apstrādi (bieži izmanto mākslīgajam intelektam)
ASICs are purpose-built for specific workloads	ASIC ir īpaši izstrādātas konkrētām darba slodzēm.
TPUs sit in the ASIC category: custom silicon tuned for Google’s needs.	TPU ietilpst ASIC kategorijā: pielāgots silīcijs, kas pielāgots Google vajadzībām.
The strategic logic is clear: if compute is scarce and expensive, and if AI demand keeps rising, companies that control their own silicon and deployment pipeline are less exposed to external constraints.	Stratēģiskā loģika ir skaidra: ja skaitļošanas resursi ir ierobežoti un dārgi, un ja mākslīgā intelekta pieprasījums turpina pieaugt, uzņēmumi, kas kontrolē savu silīciju un ieviešanas plūsmu, ir mazāk pakļauti ārējiem ierobežojumiem.
In plain English: if you can’t buy enough GPUs, you try to own the whole stack.	Vienkāršā valodā sakot: ja nevarat iegādāties pietiekami daudz GPU, jūs mēģināt iegūt visu steku.
The “begging for GPUs” era is a signal, not a joke	"GPU lūgšanas" laikmets ir signāls, nevis joks
The BBC includes a telling anecdote about tech leaders effectively begging Nvidia for more GPUs.	BBC iekļauj zīmīgu anekdoti par tehnoloģiju līderiem, kas efektīvi lūdza Nvidia vairāk GPU.
It’s funny, but it’s also a market signal:	Tas ir smieklīgi, bet tas ir arī tirgus signāls:
demand for compute is outstripping supply	Pieprasījums pēc skaitļošanas pārsniedz piedāvājumu
the “winning” strategy looks like amassing chips and building data centres	“Uzvarošā” stratēģija izskatās pēc mikroshēmu uzkrāšanas un datu centru izveides
This creates a psychological trap:
If everyone believes the only way to win is to keep spending, spending becomes the strategy — even when returns are uncertain.	Ja visi uzskata, ka vienīgais veids, kā uzvarēt, ir turpināt tērēt, tad tērēšana kļūst par stratēģiju — pat ja atdeve ir neskaidra.
That’s how investment booms become self-reinforcing.	Tā investīciju uzplaukums kļūst pašpastiprinošs.
The split that matters: incumbents vs the “borrowed compute” economy	Svarīgā atšķirība: esošie operatori pretstatā “aizņemto skaitļošanas” ekonomikai
A crucial distinction in the BBC report is between:	Būtiska atšķirība BBC ziņojumā ir starp:
the biggest tech companies that can fund chips and data centres from cashflow	lielākie tehnoloģiju uzņēmumi, kas var finansēt mikroshēmas un datu centrus no naudas plūsmas
businesses that rely on borrowed money and complex deals to access compute	uzņēmumi, kas paļaujas uz aizņemtu naudu un sarežģītiem darījumiem, lai piekļūtu skaitļošanas tehnoloģijām
This is the hidden class system of AI.	Šī ir mākslīgā intelekta slēptā klašu sistēma.
If AI becomes an infrastructure arms race, the companies with strong balance sheets can keep building through downturns. The companies dependent on credit can’t.	Ja mākslīgais intelekts kļūs par infrastruktūras bruņošanās sacensību, uzņēmumi ar spēcīgām bilancēm varēs turpināt attīstību lejupslīdes laikā. Uzņēmumi, kas ir atkarīgi no kredītiem, to nevarēs.
That’s why “bubble risk” is asymmetric:	Tāpēc “burbuļa risks” ir asimetrisks:
the giants might survive a correction	milži varētu pārdzīvot korekciju
the leveraged infrastructure layer may not	izmantotais infrastruktūras slānis var nebūt
The BBC mentions share price drops in AI infrastructure companies and turbulence around firms tied to compute provisioning.	BBC piemin akciju cenu kritumu mākslīgā intelekta infrastruktūras uzņēmumos un turbulenci ap uzņēmumiem, kas saistīti ar skaitļošanas nodrošināšanu.
OpenAI’s spending storm and the politics of AI infrastructure	OpenAI izdevumu vētra un AI infrastruktūras politika
The BBC describes controversy around the scale of OpenAI’s commitments and the pushback when investors questioned the mismatch between spending and revenue.	BBC apraksta strīdus par OpenAI saistību apmēru un pretestību, kad investori apšaubīja neatbilstību starp izdevumiem un ieņēmumiem.
This is a familiar pattern in platform shifts:	Šis ir pazīstams platformas maiņu modelis:
early adoption is enormous
monetisation lags
compute costs stay brutal	skaitļošanas izmaksas joprojām ir nežēlīgas
The politically interesting part is the suggestion that governments might build and own AI infrastructure.	Politiski interesantā daļa ir ierosinājums, ka valdības varētu veidot un piederēt mākslīgā intelekta infrastruktūrai.
That idea will appeal to policymakers for three reasons:	Šī ideja politikas veidotājiem patiks trīs iemeslu dēļ:
sovereignty
(not being dependent on a few US firms)	(neesot atkarīgam no dažiem ASV uzņēmumiem)
national security
(control over critical compute)	(kritisko skaitļošanas metožu kontrole)
industrial strategy
(jobs, investment, resilience)	(darbavietas, investīcijas, noturība)
But it also raises hard questions:	Bet tas rada arī sarežģītus jautājumus:
do taxpayers subsidise private models?	Vai nodokļu maksātāji subsidē privātos modeļus?
who gets access?
who governs safety and accountability?	Kas pārvalda drošību un atbildību?
The energy constraint: AI doesn’t scale without electricity	Enerģijas ierobežojums: mākslīgais intelekts nedarbojas bez elektrības
The BBC points to a looming reality: data centres may consume electricity on the scale of major nations.	BBC norāda uz draudošu realitāti: datu centri varētu patērēt elektroenerģiju lielāko valstu mērogā.
This is the constraint that can turn AI hype into political conflict.	Šis ir ierobežojums, kas mākslīgā intelekta ažiotāžu var pārvērst politiskā konfliktā.
Because energy systems are already under pressure:	Tā kā energosistēmas jau ir pakļautas spiedienam:
electrification of transport
heating decarbonisation
industrial transition
If AI growth competes with those goals, governments face trade-offs.	Ja mākslīgā intelekta izaugsme konkurē ar šiem mērķiem, valdības saskaras ar kompromisiem.
And unlike many tech constraints, energy constraints are physical:	Un atšķirībā no daudziem tehnoloģiskiem ierobežojumiem, enerģijas ierobežojumi ir fiziski:
grid build-outs take years
permitting is slow	atļauju izsniegšana notiek lēni
local opposition is common	Vietējā opozīcija ir izplatīta
“Truth matters” and the trust problem	“Patiesībai ir nozīme” un uzticēšanās problēma
Pichai’s line “truth matters” is both reassuring and revealing.	Pičai frāze “patiesībai ir nozīme” ir gan mierinoša, gan atklājoša.
The trust problem in AI is not only hallucinations. It’s the broader information ecosystem:	Uzticības problēma mākslīgajā intelektā nav tikai halucinācijas. Tā ir plašāka informācijas ekosistēma:
when AI summarises the web, what happens to sources?	Kad mākslīgais intelekts apkopo tīmekli, kas notiek ar avotiem?
when AI is wrong confidently, how do people correct it?	Kad mākslīgais intelekts kļūdās pārliecinoši, kā cilvēki to labo?
who is accountable for downstream harms?	Kas ir atbildīgs par nodarīto kaitējumu tālāk?
The BBC notes the concern that if AI becomes the sole product, reliability suffers.	BBC norāda uz bažām, ka, ja mākslīgais intelekts kļūs par vienīgo produktu, cietīs uzticamība.
A healthier ecosystem likely requires:	Veselīgākai ekosistēmai, visticamāk, ir nepieciešams:
transparent citations
multiple sources
robust evaluation
human oversight in high-stakes contexts	cilvēka uzraudzība augsta riska kontekstā
If AI is a platform shift, trust is its safety layer.	Ja mākslīgais intelekts ir platformas maiņa, uzticēšanās ir tās drošības slānis.
What to watch next
Capex discipline	Kapitālieguldījumu disciplīna
: do the giants slow spending, or double down?	Vai giganti samazina tēriņus vai dubulto tos?
Compute pricing
: do costs fall enough to enable broad profits, or stay concentrated?	Vai izmaksas samazinās pietiekami, lai nodrošinātu plašu peļņu, vai arī tās saglabājas koncentrētas?
Energy politics
: grid constraints, permitting battles, water use, and local moratoria.	: tīkla ierobežojumi, kauju atļaušana, ūdens izmantošana un vietējie moratoriji.
Regulatory posture
: do governments treat AI infrastructure like telecoms/energy — critical and regulated?	Vai valdības izturas pret mākslīgā intelekta infrastruktūru tāpat kā pret telekomunikācijām/enerģētiku — kritiski svarīgu un regulētu?
Adoption vs monetisation
: is productivity real at scale, or is usage mostly experimentation?	Vai produktivitāte ir reāla plašā mērogā, vai arī lietošana galvenokārt ir eksperimentēšana?
Bottom line
The AI race is simultaneously a technology revolution and a capital cycle.	Mākslīgā intelekta sacensība ir vienlaikus gan tehnoloģiju revolūcija, gan kapitāla cikls.
The reason it feels contradictory is that both statements are true: AI progress is real, and the investment boom can still overshoot. The winners won’t be decided by hype alone — they’ll be decided by who can secure compute, power it sustainably, and translate usage into durable value before the financing mood turns.	Pretrunu iemesls ir tāds, ka abi apgalvojumi ir patiesi: mākslīgā intelekta progress ir reāls, un investīciju bums joprojām var pārsniegt mērķus. Uzvarētājus nenoteiks tikai ažiotāža — tos noteiks tas, kurš spēs nodrošināt skaitļošanas jaudu, nodrošināt tās ilgtspējīgu darbību un pārvērst lietošanu ilgstošā vērtībā, pirms mainās finansēšanas noskaņojums.
Sources
BBC News (Technology / InDepth):	BBC ziņas (Tehnoloģijas / Padziļināti):
https://www.bbc.com/news/articles/cvgvynlxqdyo?at_medium=RSS&at_campaign=rss	https://www.bbc.com/news/articles/cvgvynlxqdyo?at_medium=RSS&at_campaign=rss
←
Previous Post
Next Post
→
oEmbed (JSON)
oEmbed (XML)
JSON
View all posts by Admin	Skatīt visus administratora ierakstus
TripZapp and the Hard Part of Travel Tech in Africa	TripZapp un ceļojumu tehnoloģiju sarežģītā daļa Āfrikā
Europe’s shadow fleet problem is really about governance at sea	Eiropas ēnu flotes problēma patiesībā ir saistīta ar pārvaldību jūrā
AI is a real platform shift, but the capital cycle is huge and concentrated. Here’s why Big Tech keeps spending on chips and data centres—and where the risk lies.	Mākslīgais intelekts ir reāla platformas maiņa, taču kapitāla cikls ir milzīgs un koncentrēts. Lūk, kāpēc lielie tehnoloģiju uzņēmumi turpina tērēt līdzekļus mikroshēmām un datu centriem, un kur slēpjas risks.

Document Title

AI bubble vs inflection point: why Big Tech keeps spending $90bn+ a year on chips, data centres and power

AI is a real platform shift, but the capital cycle is huge and concentrated. Here’s why Big Tech keeps spending on chips and data centres—and where the risk lies.

Title Attribute

oEmbed (JSON)

oEmbed (XML)

JSON

View all posts by Admin

TripZapp and the Hard Part of Travel Tech in Africa

Europe’s shadow fleet problem is really about governance at sea

Page Content

AI bubble vs inflection point: why Big Tech keeps spending $90bn+ a year on chips, data centres and power

Nature

Climate

The trillion-dollar AI race has a built-in contradiction: progress is real, overspending might be too

Technology

/ By

Admin

If you listen to the story Silicon Valley tells about AI, it sounds like a clean engineering arc: bigger models, better answers, more productivity. If you listen to what markets and governments are quietly worrying about, it sounds like something else entirely: concentration risk, energy constraints, and a capital cycle so large it could distort the economy.

That tension — between

AI as a general-purpose breakthrough

and

AI as an investment boom that could overshoot

— is the contradiction at the heart of the trillion-dollar race.

The BBC’s reporting, based on interviews in and around Google, puts real numbers and real physicality behind the hype: noisy chip labs, bespoke silicon, and annual investment figures that used to sound impossible.

The bet: AI is an “inflection point” worth overspending on

Google’s CEO Sundar Pichai frames AI as the next once-a-decade platform shift, like:

the personal computer

the internet

mobile

cloud

That framing matters because it gives executives permission to do something that looks irrational in a normal year: spend enormous sums ahead of proven returns.

The BBC reports that Google is investing more than

$90bn a year

in its AI build-out, roughly tripling in four years. That’s not “R&D.” That’s infrastructure and supply-chain strategy.

Pichai’s unusually candid line is that the moment is both rational and irrational — exciting progress, but also a cycle where industry can overshoot.

If you want to understand why firms keep spending even while people talk about a bubble, that’s the reason: they believe the cost of being late is existential.

The concentration risk: AI’s boom is propping up the whole market

One of the least-discussed AI risks isn’t technical. It’s financial.

The BBC notes:

massive market value concentrated in a handful of firms

the “Magnificent 7” making up roughly a third of the S&P 500 valuation

concentration higher than during the dotcom era, per IMF comparisons

That means the AI race is not only a tech story. It’s a macro story.

If the AI narrative breaks (or even pauses), it doesn’t just hurt a few startups. It hits:

retirement portfolios

index funds

consumer confidence

credit availability

When people say “is AI a bubble,” what they often mean is: “Is the market too dependent on this one storyline?”

The real “AI factory”: chips, cooling, and bespoke silicon

It’s easy to treat AI as software. But the competitive advantage increasingly looks like supply chain control.

The BBC takes us inside Google’s work on TPUs (Tensor Processing Units) — Google-designed chips meant to power AI workloads.

This matters because the chip landscape is stratifying:

CPUs handle general computing

GPUs handle parallel processing (often used for AI)

ASICs are purpose-built for specific workloads

TPUs sit in the ASIC category: custom silicon tuned for Google’s needs.

The strategic logic is clear: if compute is scarce and expensive, and if AI demand keeps rising, companies that control their own silicon and deployment pipeline are less exposed to external constraints.

In plain English: if you can’t buy enough GPUs, you try to own the whole stack.

The “begging for GPUs” era is a signal, not a joke

The BBC includes a telling anecdote about tech leaders effectively begging Nvidia for more GPUs.

It’s funny, but it’s also a market signal:

demand for compute is outstripping supply

the “winning” strategy looks like amassing chips and building data centres

This creates a psychological trap:

If everyone believes the only way to win is to keep spending, spending becomes the strategy — even when returns are uncertain.

That’s how investment booms become self-reinforcing.

The split that matters: incumbents vs the “borrowed compute” economy

A crucial distinction in the BBC report is between:

the biggest tech companies that can fund chips and data centres from cashflow

businesses that rely on borrowed money and complex deals to access compute

This is the hidden class system of AI.

If AI becomes an infrastructure arms race, the companies with strong balance sheets can keep building through downturns. The companies dependent on credit can’t.

That’s why “bubble risk” is asymmetric:

the giants might survive a correction

the leveraged infrastructure layer may not

The BBC mentions share price drops in AI infrastructure companies and turbulence around firms tied to compute provisioning.

OpenAI’s spending storm and the politics of AI infrastructure

The BBC describes controversy around the scale of OpenAI’s commitments and the pushback when investors questioned the mismatch between spending and revenue.

This is a familiar pattern in platform shifts:

early adoption is enormous

monetisation lags

compute costs stay brutal

The politically interesting part is the suggestion that governments might build and own AI infrastructure.

That idea will appeal to policymakers for three reasons:

sovereignty

(not being dependent on a few US firms)

national security

(control over critical compute)

industrial strategy

(jobs, investment, resilience)

But it also raises hard questions:

do taxpayers subsidise private models?

who gets access?

who governs safety and accountability?

The energy constraint: AI doesn’t scale without electricity

The BBC points to a looming reality: data centres may consume electricity on the scale of major nations.

This is the constraint that can turn AI hype into political conflict.

Because energy systems are already under pressure:

electrification of transport

heating decarbonisation

industrial transition

If AI growth competes with those goals, governments face trade-offs.

And unlike many tech constraints, energy constraints are physical:

grid build-outs take years

permitting is slow

local opposition is common

“Truth matters” and the trust problem

Pichai’s line “truth matters” is both reassuring and revealing.

The trust problem in AI is not only hallucinations. It’s the broader information ecosystem:

when AI summarises the web, what happens to sources?

when AI is wrong confidently, how do people correct it?

who is accountable for downstream harms?

The BBC notes the concern that if AI becomes the sole product, reliability suffers.

A healthier ecosystem likely requires:

transparent citations

multiple sources

robust evaluation

human oversight in high-stakes contexts

If AI is a platform shift, trust is its safety layer.

What to watch next

Capex discipline

: do the giants slow spending, or double down?

Compute pricing

: do costs fall enough to enable broad profits, or stay concentrated?

Energy politics

: grid constraints, permitting battles, water use, and local moratoria.

Regulatory posture

: do governments treat AI infrastructure like telecoms/energy — critical and regulated?

Adoption vs monetisation

: is productivity real at scale, or is usage mostly experimentation?

Bottom line

The AI race is simultaneously a technology revolution and a capital cycle.

The reason it feels contradictory is that both statements are true: AI progress is real, and the investment boom can still overshoot. The winners won’t be decided by hype alone — they’ll be decided by who can secure compute, power it sustainably, and translate usage into durable value before the financing mood turns.

Sources

BBC News (Technology / InDepth):

https://www.bbc.com/news/articles/cvgvynlxqdyo?at_medium=RSS&at_campaign=rss

←

→

oEmbed (JSON)

oEmbed (XML)

JSON

View all posts by Admin

TripZapp and the Hard Part of Travel Tech in Africa

Europe’s shadow fleet problem is really about governance at sea

AI is a real platform shift, but the capital cycle is huge and concentrated. Here’s why Big Tech keeps spending on chips and data centres—and where the risk lies.

Document Title
Page not found - Florin.blog	Lapa nav atrasta — 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	Lapa nav atrasta — Florin.blog
Skip to content
Home
Blog
Garden Decor
Indoor
Main Menu
This page doesn't seem to exist.	Šķiet, ka šī lapa neeksistē.
It looks like the link pointing here was faulty. Maybe try searching?	Izskatās, ka saite, kas norāda uz šejieni, bija kļūdaina. Varbūt pamēģiniet meklēt?
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.	Kā Amazon partneris mēs saņemam komisijas maksu no kvalificētiem pirkumiem — bez papildu izmaksām jums.
Florin.blog
Florin.blog » Feed
RSD
Search...

Document Title

Page not found - Florin.blog

Image Alt

Florin.blog

Title Attribute

Florin.blog » Feed

RSD

Placeholder Attribute

Search...

Page Content

Page not found - Florin.blog

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:

Quick Links

Outdoors

About

Contact

Explore

Bestsellers

Hot deals

Best of The Year

Featured

Gift Cards

Help

Disclaimer

: As an Amazon Associate, we earn from qualifying purchases — at no extra cost to you.

Florin.blog

Florin.blog » Feed

RSD

Search...