Η τεχνητή νοημοσύνη έχει ήδη κοστίσει 1,5 τρισεκατομμύρια δολάρια. Πόσα χρήματα έχουν όμως πραγματικά επιστρέψει;

Προσπαθήστε να φανταστείτε ότι για τρία χρόνια ποντάρατε τεράστια χρηματικά ποσά σε ένα έργο και στο τέλος δεν θα ξέρατε καν πόσα από αυτά σας επέστρεψαν. Αυτό ακριβώς κάνει τώρα σχεδόν ολόκληρη η Σίλικον Βάλεϊ με την τεχνητή νοημοσύνη. Δισεκατομμύρια διοχετεύονται σε data centers, τσιπ και μοντέλα με ταχύτητα που ο τεχνολογικός κόσμος δεν έχει ξαναδεί, και ωστόσο το ερώτημα «βγάζει κανείς χρήματα από αυτό;» συνήθως μένει χωρίς συγκεκριμένη απάντηση.

Υπάρχει μια ιστοσελίδα που αποφάσισε να απαντήσει σε αυτό το ερώτημα ωμά, νούμερο προς νούμερο.

Ονομάζεται isaiprofitable.com, παρακολουθεί τις σωρευτικές δαπάνες και έσοδα των μεγαλύτερων παικτών της τεχνητής νοημοσύνης και ενημερώνεται συνεχώς, υπολογίζοντας ακόμη και πόσα χρήματα «καίγονται» κάθε δευτερόλεπτο που ξοδεύετε διαβάζοντας τη σελίδα. Πίσω της βρίσκεται ένας ανεξάρτητος προγραμματιστής, ο οποίος αντλεί δεδομένα από υποβολές στην SEC, κλήσεις αποτελεσμάτων, εκτιμήσεις του Bloomberg, της WSJ και της Epoch AI. Επομένως, δεν πρόκειται για έλεγχο, αλλά είναι η πιο ολοκληρωμένη δημόσια διαθέσιμη επισκόπηση που υπάρχει αυτήν τη στιγμή για αυτό το θέμα.

Ποιος ξοδεύει και ποιος κερδίζει;

Σύμφωνα με τα τελευταία στοιχεία από το isaiprofitable.com (κατάσταση Ιουλίου 2026), η τεχνητή νοημοσύνη κόστισε συνολικά περίπου 1,5 τρισεκατομμύρια δολάρια και παρήγαγε περίπου 769 δισεκατομμύρια δολάρια έσοδα.

Η διαφορά των 700 και πλέον δισεκατομμυρίων δολαρίων ακούγεται τρομακτική, αλλά η πραγματική αξία έγκειται στο πόσο άνισα κατανέμονται αυτές οι απώλειες και τα κέρδη.

Η Amazon $AMZN ηγείται στις δαπάνες με 331,1 δισεκατομμύρια δολάρια έξοδα έναντι 22 δισεκατομμυρίων δολαρίων εσόδων, που δίνει καθαρή θέση -309,1 δισεκατομμύρια δολάρια. Αμέσως μετά ακολουθεί η Alphabet $GOOG με έξοδα 302,8 δισεκατομμύρια δολάρια και έσοδα 25 δισεκατομμύρια δολάρια, καθαρή θέση -277,8 δισεκατομμύρια δολάρια. Η Meta $META ξόδεψε 238 δισεκατομμύρια δολάρια και κέρδισε μόλις 3 δισεκατομμύρια δολάρια, καθαρή θέση -235 δισεκατομμύρια δολάρια, που δεδομένων των πενιχρών εσόδων είναι ο χειρότερος λόγος ανάμεσα στους τέσσερις μεγάλους. Η Microsoft $MSFT επένδυσε στην τεχνητή νοημοσύνη 256 δισεκατομμύρια δολάρια και της επέστρεψαν 31 δισεκατομμύρια δολάρια, καθαρή θέση -225 δισεκατομμύρια δολάρια.

Η Oracle $ORCL είναι μικρότερος παίκτης, έξοδα 92 δισεκατομμύρια δολάρια, έσοδα 45 δισεκατομμύρια δολάρια, καθαρή θέση -47 δισεκατομμύρια δολάρια. Η OpenAI ξόδεψε 62 δισεκατομμύρια δολάρια και κέρδισε 26,7 δισεκατομμύρια δολάρια, καθαρή θέση -35,3 δισεκατομμύρια δολάρια. Η xAI έχει έξοδα 20 δισεκατομμύρια δολάρια έναντι εσόδων 7,4 δισεκατομμυρίων δολαρίων, καθαρή θέση -12,6 δισεκατομμύρια δολάρια. Η Anthropic είναι από τα καθαρά εργαστήρια τεχνητής νοημοσύνης η πλησιέστερη σε ισοσκελισμένο ισολογισμό, έξοδα 33 δισεκατομμύρια δολάρια, έσοδα 22 δισεκατομμύρια δολάρια, καθαρή θέση −11 δισεκατομμύρια δολάρια.

Μετά έρχεται το σημείο καμπής. Η AMD $AMD επένδυσε 27 δισεκατομμύρια δολάρια και απέφερε από αυτό 36 δισεκατομμύρια δολάρια, καθαρή θέση +9 δισεκατομμύρια δολάρια. Η Micron $MU επένδυσε 26 δισεκατομμύρια δολάρια και της επέστρεψαν 34 δισεκατομμύρια δολάρια, καθαρή θέση +8 δισεκατομμύρια δολάρια. Και στην κορυφή βρίσκεται η Nvidia $NVDA, έξοδα 228 δισεκατομμύρια δολάρια, αλλά έσοδα 516 δισεκατομμύρια δολάρια, καθαρή θέση +288 δισεκατομμύρια δολάρια, δηλαδή μακράν το υψηλότερο κέρδος στον πίνακα.

Αυτό που χτυπά περισσότερο στο μάτι είναι ένα όνομα και στις δύο άκρες του πίνακα. Η Nvidia είναι η μόνη εταιρεία που κερδίζει μαζικά και ξεκάθαρα από όλη την έκρηξη, επειδή πουλά φτυάρια σε όλους όσους σκάβουν. Ενώ οι μεγάλοι καταναλωτές υποδομής τεχνητής νοημοσύνης βρίσκονται βαθιά στο μείον, η Nvidia κέρδισε από το 2023 πάνω από 500 δισεκατομμύρια δολάρια έσοδα με επένδυση λιγότερο από 230 δισεκατομμύρια. Αυτή είναι η πιο καθαρή απόδειξη της παλιάς επενδυτικής αλήθειας: σε κάθε πυρετό χρυσού, τελικά κερδίζει περισσότερο αυτός που πουλάει τα τσαπιά, όχι αυτός που σκάβει.

Από την άλλη πλευρά βρίσκονται οι τέσσερις μεγάλοι αμερικανικοί γίγαντες, Amazon, Alphabet, Meta και Microsoft, που μαζί ξόδεψαν πάνω από 1,1 τρισεκατομμύριο δολάρια και μέχρι τώρα τους επέστρεψαν κάτω από 80 δισεκατομμύρια. Εδώ όμως χρειάζεται μια σημαντική διευκρίνιση, την οποία η ίδια η ιστοσελίδα παραδέχεται ανοιχτά. Αυτά τα νούμερα δεν λένε ότι αυτές οι εταιρείες είναι ζημιογόνες συνολικά, επειδή η Amazon και η Google εξακολουθούν να είναι τεράστιες κερδοφόρες επιχειρήσεις. Ο αριθμός μετρά μόνο αν τους επέστρεψε η συγκεκριμένη επένδυση στην τεχνητή νοημοσύνη, και στα έξοδα υπολογίζεται ολόκληρη η κεφαλαιουχική δαπάνη για data centers τη χρονιά που ξοδεύεται, χωρίς κατανομή στα επόμενα χρόνια. Ταυτόχρονα, η ιστοσελίδα παραδέχεται ότι δεν υπολογίζει έμμεσα οφέλη, για παράδειγμα πόσο η τεχνητή νοημοσύνη αυξάνει την απόδοση της αναζήτησης της Google ή τις πωλήσεις του Microsoft Office με το Copilot, επειδή απλά δεν μπορεί να διαχωριστεί αξιόπιστα. Η πραγματικότητα λοιπόν είναι πιθανώς κάπως ευνοϊκότερη από ό,τι δείχνει ο καθαρός πίνακας, αλλά όχι τόσο ώστε να αλλάζει ριζικά την εικόνα.

Το δεύτερο πράγμα που αξίζει να έχουμε κατά νου είναι η διασύνδεση όλου του συστήματος. Η Google επενδύει στην Anthropic, η Anthropic τρέχει στο Google Cloud, η Amazon δίνει χρήματα στην Anthropic και η Microsoft με τη σειρά της συνδέεται με την OpenAI. Ένα μέρος από εκείνα τα τρισεκατομμύρια ουσιαστικά κυκλοφορεί ανάμεσα στην ίδια χούφτα εταιρειών πέρα δώθε, πράγμα που σημαίνει ότι τα συνολικά νούμερα για όλη τη βιομηχανία υπερεκτιμούν ελαφρώς πόσα πραγματικά νέα χρήματα εισρέουν στο σύστημα από έξω.

Πώς το βλέπω συνολικά;

Την Amazon την έχω στο χαρτοφυλάκιό μου ως μία από τις μεγαλύτερες θέσεις, οπότε αυτός ο πίνακας με αφορά προσωπικά περισσότερο από όσο θα ήθελα να παραδεχτώ. Το να βλέπω -309 δισεκατομμύρια κοντά σε μια εταιρεία που διατηρώ, δεν είναι ευχάριστο θέαμα. Αλλά δεν αγόρασα την Amazon για την τεχνητή νοημοσύνη. Την αγόρασα για το AWS, το περιθώριο ηλεκτρονικού εμπορίου και την ικανότητα δημιουργίας ταμειακών ροών ακόμη και σε χρονιές που κανείς δεν μιλά για τεχνητή νοημοσύνη. Οι δαπάνες τεχνητής νοημοσύνης στην Amazon χρηματοδοτούνται κυρίως από το κερδοφόρο AWS, όχι από νέο χρέος στα όρια της επιβίωσης. Όσο αυτή η αγελάδα γάλακτος λειτουργεί, δίνω στην εταιρεία χρόνο να ωριμάσει το στοίχημα της τεχνητής νοημοσύνης, ακριβώς όπως λειτούργησε και με το ίδιο το cloud, που επίσης καίει χρήματα για χρόνια πριν γίνει το πιο κερδοφόρο κομμάτι της επιχείρησης.

Ταυτόχρονα, αυτός είναι ακριβώς ο λόγος που αποχαιρέτησα την Apple $AAPL. Δεν έβλεπα εκεί καμία συγκρίσιμη αγελάδα γάλακτος που να χρηματοδοτεί το σιωπηρό στοίχημα της τεχνητής νοημοσύνης, και κυρίως δεν έβλεπα κανένα πραγματικό στοίχημα. Η Apple δεν εμφανίζεται καν σε αυτόν τον πίνακα τεχνητής νοημοσύνης, και αυτό από μόνο του λέει κάτι. Μια εταιρεία που έχει τα υψηλότερα περιθώρια στον κλάδο δεν έχει παρουσιάσει ακόμα ένα πειστικό προϊόν τεχνητής νοημοσύνης ούτε συγκρίσιμη κεφαλαιουχική δέσμευση με τον ανταγωνισμό. Σε ένα περιβάλλον όπου κρίνεται ποιος θα παρέχει την υποδομή στην υπόλοιπη οικονομία το 2030, η απουσία από τη γραμμή εκκίνησης μου φαίνεται μεγαλύτερο ρίσκο από την προσωρινά αρνητική ταμειακή ροή του ανταγωνισμού.

Ωστόσο, αυτό που με ανησυχεί περισσότερο από τα επιμέρους ονόματα είναι ο ρυθμός. Οι αποσβέσεις στο υλικό τεχνητής νοημοσύνης τρέχουν γύρω στο είκοσι τοις εκατό ετησίως, πράγμα που σημαίνει ότι τα τσιπ που αγοράζονται σήμερα θα είναι παρωχημένα προτού αποσβεστούν πλήρως, και παρόλα αυτά οι αγορές συνεχίζουν να επιταχύνονται. Πρόκειται για συμπεριφορά που κανονικά θα χαρακτήριζα εθιστική, όχι ορθολογική. Οι εταιρείες δεν ξοδεύουν επειδή υπολόγισαν την απόδοση. Ξοδεύουν επειδή φοβούνται ότι αν σταματήσουν, ο ανταγωνισμός θα τις αφήσει πολύ πίσω σε τρία χρόνια. Και η ιστορία δείχνει ότι ο φόβος ως διαδικασία επενδυτικών αποφάσεων συνήθως καταλήγει οδυνηρά για εκείνους που το χρηματοδοτούν και επωφελώς για εκείνους που επιβιώνουν και αγοράζουν φτηνά τα συντρίμμια.

Πιστεύετε ότι οι τρέχουσες δαπάνες των εταιρειών για αγορά τεχνητής νοημοσύνης και υποδομών θα αποτυπωθούν στα περιθώρια κέρδους και τα έσοδα;