AI Skeptic: This Business Makes No Sense

Summary & Insights

The AI boom is supposed to be the biggest technological shift in decades, yet the infrastructure that’s supposed to power it is nowhere near ready. Ed Zitron, one of the loudest AI skeptics on the podcast circuit, points out that a leading hyperscaler has only about 1.5 gigawatts of actual IT capacity despite having spent hundreds of billions on capital expenditures. Data‑center construction is running at 18‑24 months minimum, and the popular notion that “tens of gigawatts are being built every year” is, in his words, “nonsense.” The result is a compute shortage that isn’t caused by overwhelming demand, but by a lack of physical power coming online. This stark gap between the hype of a $725 billion AI spending spree and the现实 (real‑world) capacity is one of the most unsettling details in the episode.

While the AI story unfolds, the broader market is sending mixed signals. The S&P and Nasdaq hit new highs thanks to tech, but the Dow fell and the 10‑year Treasury yield climbed as investors digested a 6 % year‑over‑year rise in the Producer Price Index—the biggest jump since 2022. The host attributes the surge to two self‑inflicted wounds: the tariff regime imposed last year and the U.S. military campaign in Iran, which closed the Strait of Hormuz and pushed gasoline prices up roughly 30 %. Unlike the global inflation of 2022, which was driven by COVID‑related supply‑chain disruptions and the Ukraine war, this round of price pressure is domestic policy choice, making the Fed’s path to rate cuts far murkier.

Zitron’s deep‑dive into AI economics is the episode’s centerpiece. He argues that AI revenue is largely circular: Microsoft’s claimed $37 billion ARR for AI is mostly OpenAI feeding money back into Azure, and Anthropic’s numbers are inflated because the company books advance token purchases as revenue. The only genuine profit takers are the chip makers—Nvidia, memory stocks, and the like—while the labs themselves burn billions. He dismisses the “early” argument, noting that four years is a long time when every major player is still posting losses and the cost of inference isn’t falling. He draws a comparison to the dot‑com bubble, but cautions that the AI bubble is far larger in scale and will leave no useful residue: unlike the fiber cables that could be repurposed after the dot‑com crash, the billions sunk into GPUs and data centers are essentially stranded assets if the business model never materialises.

The episode then pivots to geopolitics, with a discussion of President Trump’s recent summit in Beijing alongside a parade of CEOs—Tim Cook, Elon Musk, Jensen Huang, Larry Fink, and others. Analyst James King explains that the U.S. agenda centers on three “B’s” (beans, beef, Boeing) and securing Chinese assistance on Iran, while China’s priorities are Taiwan and smoother market access for its firms. The meeting is historic because, after China weaponized critical‑mineral exports last October and forced the U.S. to retreat on tariffs, the balance of leverage has shifted: the U.S. is now the supplicant, a first in U.S‑China summit history.

The convergence of AI hype, market froth, and geopolitical tension paints a complex picture. Inflation is climbing, the Fed may have to raise rates, and the AI ecosystem remains built on subsidies and circular money flows rather than genuine profitability. If the data‑center bottleneck persists, the promised productivity gains from AI could be delayed indefinitely, while the broader economy absorbs the cost of policy choices that have already pushed wholesale prices to levels unseen in four years.

Surprising Insights

A leading hyperscaler reportedly has only about 1.5 GW of actual IT capacity despite spending hundreds of billions on capex, highlighting a massive disconnect between investment and real compute power.
AI labs like OpenAI and Anthropic count advance token purchases as ARR, inflating their revenue metrics; a CFO’s affidavit shows lifetime revenue far lower than reported run‑rate figures.
The only clear profit‑makers in the AI stack are chip vendors (Nvidia) and infrastructure providers, not the AI labs themselves, which continue to burn cash.
Large enterprises are burning through their AI token budgets in months—ServiceNow in five months, Uber in four—demonstrating how quickly costs can spiral when the true price of inference is hidden.
The U.S. entered the Beijing summit in a weaker negotiating position after China’s export restrictions on critical minerals forced the U.S. to back down on tariffs, a historic shift in diplomatic leverage.

Practical Takeaways

For investors: Scrutinize AI companies’ cash flow and profit metrics, not just ARR; be wary of firms whose revenue depends heavily on inter‑company transfers or advance token sales.
For business leaders: Evaluate AI tool costs on a token‑by‑token basis to see the true expense; hidden subsidies can mask the real cost of deployment.
For policymakers: Recognize the inflation risk of broad tariff regimes and military actions that disrupt supply chains; avoid self‑inflicted economic shocks where possible.
For individuals: Audit personal AI subscription expenses; ensure the productivity gains justify the cost, especially if pricing moves toward true cost‑based billing.
For tech professionals: Plan projects with the understanding that data‑center buildout is slower than advertised; factor potential compute scarcity into timelines and resource allocation.

Boom AI được kỳ vọng là bước ngoặt công nghệ lớn nhất trong nhiều thập kỷ, thế nhưng cơ sở hạ tầng được cho là sẽ cung cấp năng lượng cho nó vẫn chưa sẵn sàng. Ed Zitron, một trong những nhà phê bình AI gay gắt nhất trên mạng podcast, chỉ ra rằng một trong những hyperscaler hàng đầu chỉ có khoảng 1,5 gigawatt công suất CNTT thực tế mặc dù đã chi hàng trăm tỷ đô la cho chi tiêu vốn. Việc xây dựng trung tâm dữ liệu diễn ra tối thiểu 18-24 tháng, và quan niệm phổ biến rằng “hàng chục gigawatt đang được xây dựng mỗi năm” theo lời ông là “vớ vẩn.” Kết quả là tình trạng thiếu hụt năng lượng tính toán không phải do nhu cầu quá lớn, mà do thiếu nguồn điện thực tế đi vào hoạt động. Khoảng cách rõ rệt giữa sự hào hứng từ đợt chi tiêu AI 725 tỷ đô la và công suất thực tế (thực tế) là một trong những chi tiết đáng lo ngại nhất trong tập podcast này.

Trong khi câu chuyện AI diễn ra, thị trường rộng hơn đang đưa ra những tín hiệu trái chiều. S&P và Nasdaq đạt mức cao mới nhờ công nghệ, nhưng Dow giảm và lợi suất trái phiếu kho bạc 10 năm tăng khi nhà đầu tư tiêu hóa mức tăng 6% theo năm của Chỉ số Giá Sản xuất—đợt tăng lớn nhất kể từ năm 2022. Người dẫn chương trình cho rằng đợt tăng giá này xuất phát từ hai vết thương tự gây: chế độ thuế quan áp đặt năm ngoái và chiến dịch quân sự của Mỹ tại Iran, đã đóng cửa eo biển Hormuz và đẩy giá xăng dầu tăng khoảng 30%. Khác với lạm phát toàn cầu năm 2022, vốn do gián đoạn chuỗi cung ứng liên quan đến COVID và chiến tranh Ukraine, đợt tăng giá lần này là lựa chọn chính sách trong nước, khiến con đường của Fed đến việc cắt giảm lãi suất trở nên mờ mịt hơn nhiều.

Phân tích chuyên sâu của Zitron về kinh tế học AI là phần đặc sắc nhất của tập podcast. Ông lập luận rằng doanh thu AI phần lớn mang tính chu chuyển: doanh thu định kỳ hàng năm (ARR) 37 tỷ đô la mà Microsoft tuyên bố cho AI chủ yếu là OpenAI đưa tiền quay lại Azure, và các con số của Anthropic bị thổi phồng vì công ty ghi nhận các giao dịch mua token trước làm doanh thu. Những người thực sự thu lợi nhuận duy nhất là các nhà sản xuất chip—Nvidia, cổ phiếu bộ nhớ, và tương tự—trong khi các phòng thí nghiệm AI tự bản thân đốt cháy hàng tỷ đô la. Ông bác bỏ luận điểm “còn sớm”, lưu ý rằng bốn năm là một thời gian dài khi mọi đối thủ lớn vẫn đang thua lỗ và chi phí suy luận (inference) không giảm. Ông so sánh với bong bóng dot-com, nhưng cảnh báo rằng bong bóng AI lớn hơn nhiều về quy mô và sẽ không để lại bất kỳ giá trị sử dụng nào: không giống như các cáp quang có thể được chuyển đổi mục đích sau vụ sụp đổ dot-com, hàng tỷ đô la đổ vào GPU và trung tâm dữ liệu về cơ bản là tài sản kẹt nếu mô hình kinh doanh không bao giờ thành hiện thực.

Tập podcast sau đó chuyển hướng sang địa chính trị, với phần thảo luận về hội nghị thượng đỉnh gần đây của Tổng thống Trump tại Bắc Kinh cùng hàng loạt CEO—Tim Cook, Elon Musk, Jensen Huang, Larry Fink, và những người khác. Nhà phân tích James King giải thích rằng chương trình nghị sự của Mỹ tập trung vào ba “B” (đậu, thịt bò, Boeing) và bảo đảm sự hỗ trợ của Trung Quốc về vấn đề Iran, trong khi ưu tiên của Trung Quốc là Đài Loan và tiếp cận thị trường thuận lợi hơn cho các công ty của họ. Cuộc gặp này mang tính lịch sử vì sau khi Trung Quốc sử dụng xuất khẩu khoáng sản thiết yếu như vũ khí vào tháng 10 năm ngoái và buộc Mỹ phải rút lui khỏi thuế quan, cán cân quyền lực đã chuyển dịch: Mỹ bây giờ là bên cầu xin, lần đầu tiên trong lịch sử hội nghị thượng đỉnh Mỹ-Trung.

Sự hội tụ giữa sự hào hứng thái quá về AI, sự bọt hóa thị trường và căng thẳng địa chính trị vẽ ra một bức tranh phức tạp. Lạm phát đang leo thang, Fed có thể phải tăng lãi suất, và hệ sinh thái AI vẫn được xây dựng trên trợ cấp và dòng tiền chu chuyển thay vì lợi nhuận thực sự. Nếu tình trạng tắc nghẽn trung tâm dữ liệu tiếp diễn, những lợi ích về năng suất mà AI hứa hẹn có thể bị trì hoãn vô thời hạn, trong khi nền kinh tế rộng lớn hơn phải chịu chi phí từ các lựa chọn chính sách đã đẩy giá bán sỉ lên mức chưa từng thấy trong bốn năm.

Những Hiểu biết Đáng ngạc nhiên

Một hyperscaler hàng đầu được cho là chỉ có khoảng 1,5 GW công suất CNTT thực tế mặc dù chi hàng trăm tỷ đô la cho chi tiêu vốn, cho thấy sự khác biệt to lớn giữa đầu tư và năng lực tính toán thực tế.

Các phòng thí nghiệm AI như OpenAI và Anthropic tính các giao dịch mua token trước làm ARR, thổi phồng chỉ số doanh thu của họ; một bản tuyên thệ của CFO cho thấy doanh thu trọn đời thấp hơn nhiều so với các con số run-rate được công bố.

Những người thu lợi nhuận rõ ràng duy nhất trong ngành AI là các nhà cung cấp chip (Nvidia) và nhà cung cấp cơ sở hạ tầng, không phải các phòng thí nghiệm AI tự bản thân, vốn tiếp tục đốt tiền mặt.

Các doanh nghiệp lớn đang cháy hết ngân sách token AI trong vài tháng—ServiceNow trong năm tháng, Uber trong bốn tháng—cho thấy chi phí có thể tăng vọt nhanh như thế nào khi giá thực của suy luận bị ẩn đi.

Mỹ bước vào hội nghị thượng đỉnh Bắc Kinh với vị thế đàm phán yếu hơn sau khi các hạn chế xuất khẩu khoáng sản thiết yếu của Trung Quốc buộc Mỹ phải từ bỏ thuế quan, một sự chuyển dịch lịch sử trong quyền lực ngoại giao.

Những Bài học Thực tiễn

Dành cho nhà đầu tư: Kiểm tra kỹ lưỡng dòng tiền và chỉ số lợi nhuận của các công ty AI, không chỉ ARR; cẩn thận với các công ty có doanh thu phụ thuộc nhiều vào chuyển khoản nội bộ hoặc bán token trước.

Dành cho lãnh đạo doanh nghiệp: Đánh giá chi phí công cụ AI theo từng token để thấy chi phí thực; các khoản trợ cấp ẩn có thể che giấu chi phí triển khai thực sự.

Dành cho nhà hoạch định chính sách: Nhận thức rủi ro lạm phát từ chế độ thuế quan rộng và các hành động quân sự làm gián đoạn chuỗi cung ứng; tránh những cú sốc kinh tế tự gây ra khi có thể.

Dành cho cá nhân: Kiểm tra chi phí đăng ký AI cá nhân; đảm bảo lợi ích năng suất xứ đáng với chi phí, đặc biệt nếu giá cả chuyển sang mô hình tính phí dựa trên chi phí thực.

Dành cho chuyên gia công nghệ: Lập kế hoạch dự án với hiểu biết rằng việc xây dựng trung tâm dữ liệu chậm hơn quảng cáo; tính đến tình trạng thiếu hụt năng lượng tính toán tiềm năng khi xác định thời hạn và phân bổ nguồn lực.

人工智慧熱潮被視為數十年來最大的技術轉型，然而支撐它的基礎設施卻遠未就緒。艾德·茲特隆（Ed Zitron）是播客界最響亮的AI懷疑論者之一，他指出，一家領先的超大規模雲端服務商雖然投入了數千億美元的資本支出，但實際的IT容量僅有約1.5吉瓦。資料中心的建設最短需要18至24個月，而「每年正在興建數十吉瓦」這一普遍說法，用他的話來說，是「胡說八道」。結果是，運算資源短缺並非由壓倒性的需求造成，而是因為實際電力設施遲遲未能上線。這種AI支出狂潮（7,250億美元）與現實產能之間的巨大鴻溝，是本期節目中最令人不安的細節之一。

在AI故事展開的同時，更廣泛的市場發出了混雜的信號。標普500和納斯達克指數在科技股的帶動下創下新高，但道瓊指數下跌，10年期美國國債收益率攀升，因為投資者消化了生產者物價指數年增6%的消息——這是2022年以來最大的增幅。主持人將這波飆升歸因於兩個自作自受的傷口：去年實施的關稅制度，以及美軍在伊朗的軍事行動——後者導致荷莫茲海峽關閉，汽油價格飆漲約30%。不同於2022年由COVID相關供應鏈中斷和烏克蘭戰爭驅動的全球通膨，這輪價格壓力是國內政策選擇的結果，使聯準會降息的路徑更加撲朔迷離。

茲特隆對AI經濟學的深入探討是本期節目的核心。他認為AI營收很大程度上是循環的：微軟宣稱的370億美元AI年度經常性收入（ARR），大部分是OpenAI將資金回流到Azure，而Anthropic的數據被膨脹了，因為該公司將預購代幣計為營收。唯一真正的獲利者是晶片製造商——輝達、記憶體相關股票等——而各AI實驗室本身則在燒錢數十億。他駁斥了「還處於早期階段」的論點，指出四年是很長的時間，而每個主要參與者仍在持續虧損，推論成本也沒有下降。他將這與網路泡沫相提並論，但警告說AI泡沫的規模遠比當年更大，而且不會留下任何有用的殘餘價值：不同於網路泡沫崩潰後仍可重新利用的光纖電纜，投入GPU和資料中心的數十億美元，如果商業模式最終無法實現，就會變成基本上閒置的資產。

節目隨即轉向地緣政治，討論了川普總統近期的北京峰會，以及隨行的一眾執行長——提姆·庫克、伊隆·馬斯克、黃仁勳、拉里·芬克等人。分析師詹姆斯·金（James King）解釋說，美國的議程以三個「B」為核心（豆子、牛肉、波音），並尋求中國在伊朗問題上的協助，而中國的優先事項則是台灣和讓本國企業獲得更順暢的市場准入。這次會晤之所以具有歷史意義，是因為去年10月中國將關鍵礦產出口武器化、迫使美國在關稅問題上退讓之後，槓桿的天平已經轉移：美國現在成了求助的一方，這在美中峰會歷史上還是頭一遭。

AI熱潮、市場泡沫和地緣緊張局勢的交匯，描繪出一幅複雜的畫面。通膨正在攀升，聯準會可能不得不升息，而AI生態系統仍然建立在補貼和循環資金流之上，而非真正的獲利能力。如果資料中心的瓶頸持續存在，AI承諾的生產力提升可能會無限期延遲，而更廣泛的經濟體則承受著政策選擇的代價——這些選擇已經將批發價格推升至四年來未見的水準。

令人意外的見解

據報導，一家領先的超大規模雲端服務商雖然投入了數千億美元的資本支出，但實際IT容量僅有約1.5吉瓦，凸顯了投資與實際運算能力之間的巨大脫節。

像OpenAI和Anthropic這樣的AI實驗室將預購代幣計為年度經常性收入，膨脹了他們的營收指標；一份財務長的宣誓書顯示，終身營收遠低於報告的預估營收數字。

AI產業鏈中唯一明確的獲利者是晶片供應商（輝達）和基礎設施提供商，而非AI實驗室本身——後者持續在燒錢。

大型企業在幾個月內就耗盡了他們的AI代幣預算——ServiceNow在五個月內，Uber在四個月內——這說明了當推論的真正成本被隱藏時，成本會如何迅速失控。

在中國的關鍵礦產出口限制迫使美國在關稅問題上退讓之後，美國在北京峰會上的談判地位更加弱勢，這是外交槓桿的歷史性轉變。

實務建議

給投資人：審視AI公司的現金流和獲利指標，而非僅看年度經常性收入；對於營收高度依賴公司間轉帳或預購代幣銷售的企業要保持警覺。

給企業領導人：按代幣逐一評估AI工具的成本，以了解真實開銷；隱藏的補貼可能掩蓋部署的真實成本。

給政策制定者：認識到廣泛關稅制度和軍事行動對供應鏈的干擾所帶來的通膨風險；盡量避免人為造成的經濟衝擊。

給個人：審計個人的AI訂閱費用；確保生產力提升能證明成本合理，特別是當定價轉向真正以成本為基礎的計費方式時。

給科技專業人士：規劃專案時要認識到資料中心的建設比廣告宣傳的更慢；將潛在的運算資源匱乏納入時間表和資源配置的考量因素。

Le boom de l’IA est censé être le plus grand bouleversement technologique depuis des décennies, et pourtant, l’infrastructure qui est censée l’alimenter n’est pas du tout prête. Ed Zitron, l’un des plus fervents skeptics de l’IA sur le circuit des podcasts, souligne qu’un grand hyperscaler ne dispose que d’environ 1,5 gigawatt de capacité informatique réelle malgré avoir dépensé des centaines de milliards en dépenses d’investissement. La construction de centres de données prend au minimum 18 à 24 mois, et l’idée répandue selon laquelle « des dizaines de gigawatts sont construits chaque année » est, selon lui, « absurde ». Le résultat est une pénurie de capacité de calcul qui n’est pas causée par une demande écrasante, mais par un manque de puissance physique en ligne. Ce fossé béant entre le battage médiatique autour des 725 milliards de dollars dépensés dans l’IA et la capacité réelle constitue l’un des détails les plus troublants de l’épisode.

Pendant que l’histoire de l’IA se déroule, le marché au sens large envoie des signaux contradictoires. Le S&P et le Nasdaq ont atteint de nouveaux records grâce à la tech, mais le Dow a chuté et le rendement des obligations américaines à 10 ans a augmenté alors que les investisseurs digéraient une hausse de 6 % de l’indice des prix à la production en glissement annuel—la plus forte augmentation depuis 2022. L’animateur attribue cette flambée à deux blessures auto-infligées : le régime tarifaire imposé l’année dernière et la campagne militaire américaine en Iran, qui a bloqué le détroit d’Ormuz et fait grimper les prix de l’essence d’environ 30 %. Contrairement à l’inflation mondiale de 2022, causée par les perturbations des chaînes d’approvisionnement liées au COVID et à la guerre en Ukraine, cette hausse des prix résulte de choix de politique intérieure, ce qui rend la trajectoire de la Fed vers des baisses de taux beaucoup plus floue.

L’analyse approfondie de Zitron sur l’économie de l’IA est le point central de l’épisode. Il soutient que les revenus de l’IA sont largement circulaires : les 37 milliards de dollars de revenus annuels récurrents revendiqués par Microsoft pour l’IA proviennent principalement d’OpenAI qui réinjecte de l’argent dans Azure, et les chiffres d’Anthropic sont gonflés parce que l’entreprise comptabilise les achats anticipés de jetons comme revenus. Les seuls véritables bénéficiaires sont les fabricants de puces—Nvidia, les valeurs de mémoire, et similaires—tandis que les laboratoires brûlent des milliards. Il rejette l’argument de la « jeunesse du secteur », notant que quatre ans, c’est long quand tous les acteurs majeurs affichent encore des pertes et que le coût de l’inférence ne baisse pas. Il établit un parallèle avec la bulle des dot-com, mais met en garde que la bulle de l’IA est bien plus importante en échelle et ne laissera aucun résidu utile : contrairement aux câbles en fibre qui pouvaient être réutilisés après l’éclatement de la bulle des dot-com, les milliards engloutis dans les GPU et les centres de données sont essentiellement des actifs bloqués si le modèle économique ne se matérialise jamais.

L’épisode aborde ensuite la géopolitique, avec une discussion sur le récent sommet du président Trump à Beijing accompagné d’unparade de PDG—Tim Cook, Elon Musk, Jensen Huang, Larry Fink et d’autres. L’analyste James King explique que le programme américain tourne autour des trois « B » (haricots, bœuf, Boeing) et de l’obtention de l’aide chinoise sur l’Iran, tandis que les priorités de la Chine concernent Taïwan et un accès plus fluide au marché pour ses entreprises. La réunion est historique car, après que la Chine a arma la.exportation de minerais critiques en octobre dernier et forcé les États-Unis à reculer sur les tarifs, l’équilibre du levier de négociation s’est déplacé : les États-Unis sont désormais le demandeur, une première dans l’histoire des sommets États-Unis-Chine.

La convergence du battage médiatique autour de l’IA, de l’écume du marché et de la tension géopolitique dresse un tableau complexe. L’inflation augmente, la Fed pourrait devoir relever ses taux, et l’écosystème de l’IA reste bâti sur des subventions et des flux financiers circulaires plutôt que sur une rentabilité véritable. Si le goulot d’étranglement des centres de données persiste, les gains de productivité promis par l’IA pourraient être différés indéfiniment, tandis que l’économie au sens large absorbe le coût de choix politiques qui ont déjà poussé les prix de gros à des niveaux jamais vus depuis quatre ans.

Perspectives surprenantes

Un grand hyperscaler ne disposerait que d’environ 1,5 GW de capacité informatique réelle malgré des centaines de milliards de dépenses d’investissement, mettant en évidence un écart massif entre les investissements et la puissance de calcul réelle.

Les laboratoires d’IA comme OpenAI et Anthropic comptabilisent les achats anticipés de jetons comme ARR, gonflant leurs métriques de revenus ; une attestation de CFO montre que les revenus à vie sont bien inférieurs aux chiffres de run-rate rapportés.

Les seuls véritables bénéficiaires de la chaîne de valeur de l’IA sont les fournisseurs de puces (Nvidia) et les fournisseurs d’infrastructure, et non les laboratoires d’IA eux-mêmes, qui continuent de brûler des liquidités.

Les grandes entreprises épuisent leurs budgets de jetons d’IA en quelques mois—ServiceNow en cinq mois, Uber en quatre—démontrant la rapidité avec laquelle les coûts peuvent s’envoler quand le vrai prix de l’inférence est masqué.

Les États-Unis sont arrivés au sommet de Beijing dans une position de négociation plus faible après que les restrictions chinoises à l’exportation de minerais critiques ont forcé les États-Unis à reculer sur les tarifs, un changement historique dans le levier diplomatique.

Leçons pratiques

Pour les investisseurs : Examinez attentivement les flux de trésorerie et les indicateurs de rentabilité des entreprises d’IA, pas seulement le ARR ; méfiez-vous des entreprises dont les revenus dépendent fortement de transferts entre sociétés ou de ventes anticipées de jetons.

Pour les dirigeants d’entreprise : Évaluez les coûts des outils d’IA jeton par jeton pour voir la dépense réelle ; les subventions cachées peuvent masquer le coût réel du déploiement.

Pour les décideurs politiques : Reconnaissez le risque d’inflation des régimes tarifaires généraux et des actions militaires qui perturbent les chaînes d’approvisionnement ; évitez les chocs économiques auto-infligés dans la mesure du possible.

Pour les particuliers : Vérifiez vos dépenses d’abonnement à l’IA ; assurez-vous que les gains de productivité justifient le coût, surtout si les prix évoluent vers une facturation basée sur le coût réel.

Pour les professionnels de la tech : Planifiez vos projets en gardant à l’esprit que la construction de centres de données est plus lente que ce qui est annoncé ; intégrez une possible rareté des capacités de calcul dans les délais et l’allocation des ressources.

Der KI-Boom soll die größte technologische Veränderung seit Jahrzehnten sein, doch die Infrastruktur, die ihn antreiben soll, ist weitgehend nicht bereit. Ed Zitron, einer der lautstärksten KI-Skeptiker im Podcast-Zirkus, weist darauf hin, dass ein führender Hyperscaler trotz Ausgaben von Hunderten von Milliarden an Investitionsausgaben nur etwa 1,5 Gigawatt tatsächliche IT-Kapazität besitzt. Der Bau von Rechenzentren dauert mindestens 18–24 Monate, und die populäre Vorstellung, dass „jährlich Dutzende von Gigawatt gebaut werden”, ist in seinen Worten „Unsinn”. Das Ergebnis ist ein Compute-Engpass, der nicht durch überwältigende Nachfrage verursacht wird, sondern durch einen Mangel an physisch zugeschalteter Stromkapazität. Diese eklatante Diskrepanz zwischen dem Hype einer 725 Milliarden Dollar schweren KI-Ausgabenoffensive und der realen Kapazität ist eine der beunruhigendsten Details in der Folge.

Während sich die KI-Geschichte entfaltet, sendet der breitere Markt gemischte Signale. Der S&P und der Nasdaq erreichten dank Tech neue Höchststände, aber der Dow fiel und die Rendite der 10-jährigen US-Staatsanleihen stieg, während Investoren einen Anstieg des Erzeugerpreisindex um 6 % im Jahresvergleich verdauten – den größten Sprung seit 2022. Der Moderator führt den Anstieg auf zwei selbstverschuldete Wunden zurück: das im letzten Jahr eingeführte Zollregime und die US-Militärkampagne im Iran, die die Straße von Hormus schloss und die Benzinpreise um etwa 30 % in die Höhe trieb. Im Gegensatz zur globalen Inflation von 2022, die durch COVID-bedingte Lieferkettenstörungen und den Ukraine-Krieg verursacht wurde, ist diese Runde des Preisdrucks eine inländische politische Entscheidung, was den Weg der Fed zu Zinssenkungen weit unklarer macht.

Zitrons tiefgehende Analyse der KI-Ökonomie ist das Herzstück der Folge. Er argumentiert, dass KI-Einnahmen weitgehend zirkulär sind: Microsofts beanspruchte 37 Milliarden Dollar ARR für KI fließen größtenteils als OpenAI-Gelder zurück nach Azure, und Anthropics Zahlen sind aufgebläht, weil das Unternehmen Vorauskäufe von Tokens als Umsatz verbucht. Die einzigen echten Profitnehmer sind die Chip-Hersteller – Nvidia, Speicheraktien und dergleichen –, während die Labs selbst Milliarden verbrennen. Er weist das „es ist noch früh”-Argument zurück und merkt an, dass vier Jahre eine lange Zeit sind, wenn jeder große Player immer noch Verluste schreibt und die Inferenzkosten nicht fallen. Er zieht einen Vergleich zur Dotcom-Blase, warnt aber, dass die KI-Blase weitaus größer im Maßstab ist und keinen nützlichen Rückstand hinterlassen wird: Im Gegensatz zu den Glasfaserkabeln, die nach dem Dotcom-Crash wiederverwendet werden konnten, sind die Milliarden, die in GPUs und Rechenzentren versenkt wurden, im Grunde gestrandete Vermögenswerte, wenn das Geschäftsmodell nie Realität wird.

Die Episode wendet sich dann der Geopolitik zu, mit einer Diskussion über Präsident Trumps jüngsten Gipfel in Peking zusammen mit einer Parade von CEOs – Tim Cook, Elon Musk, Jensen Huang, Larry Fink und andere. Analyst James King erklärt, dass die US-Agenda auf drei „Bs” (Bohnen, Rindfleisch, Boeing) zentriert ist und auf die Sicherung chinesischer Hilfe im Iran, während Chinas Prioritäten Taiwan und ein besserer Marktzugang für seine Unternehmen sind. Das Treffen ist historisch, weil nach China im vergangenen Oktober kritische Mineralexporte als Waffe einsetzte und die USA zum Rückzug bei den Zöllen zwang, sich die Machtbalance verschoben hat: Die USA sind jetzt der Bittsteller, ein Novum in der Geschichte der US-China-Gipfel.

Die Konvergenz von KI-Hype, Marktübertreibung und geopolitischer Spannung zeichnet ein komplexes Bild. Die Inflation steigt, die Fed könnte Zinsen erhöhen müssen, und das KI-Ökosystem bleibt auf Subventionen und zirkuläre Geldströme statt auf echte Profitabilität gebaut. Wenn der Rechenzentrum-Engpass anhält, könnten die versprochenen Produktivitätsgewinne durch KI auf unbestimmte Zeit verzögert werden, während die breitere Wirtschaft die Kosten politischer Entscheidungen absorbiert, die Großhandelspreise bereits auf Niveaus getrieben haben, die seit vier Jahren nicht mehr gesehen wurden.

Überraschende Erkenntnisse

Ein führender Hyperscaler soll trotz Ausgaben von Hunderten von Milliarden an Investitionsausgaben nur etwa 1,5 GW tatsächliche IT-Kapazität besitzen, was eine massive Diskrepanz zwischen Investition und realer Rechenleistung aufzeigt.

KI-Labs wie OpenAI und Anthropic zählen Vorauskäufe von Tokens als ARR, was ihre Umsatzmetriken aufbläht; eine eidesstattliche Erklärung eines CFO zeigt, dass die Gesamtlebensdauer-Einnahmen weit unter den angegebenen Run-Rate-Zahlen liegen.

Die einzigen klaren Profitmacher im KI-Stack sind Chipanbieter (Nvidia) und Infrastrukturanbieter, nicht die KI-Labs selbst, die weiterhin Geld verbrennen.

Große Unternehmen verbrauchen ihre KI-Token-Budgets in wenigen Monaten – ServiceNow in fünf Monaten, Uber in vier – was zeigt, wie schnell die Kosten eskalieren können, wenn der wahre Preis der Inferenz versteckt ist.

Die USA gingen den Peking-Gipfel in einer schwächeren Verhandlungsposition an, nachdem Chinas Exportbeschränkungen bei kritischen Mineralien die USA zum Rückzug bei den Zöllen zwangen – eine historische Verschiebung diplomatischer Macht.

Praktische Konsequenzen

Für Investoren: Untersuchen Sie die Cashflows und Gewinnkennzahlen von KI-Unternehmen genau, nicht nur den ARR; seien Sie vorsichtig bei Unternehmen, deren Umsatz stark von konzerninternen Überweisungen oder Vorauskäufen von Tokens abhängt.

Für Führungskräfte: Bewerten Sie die Kosten von KI-Tools auf Token-für-Token-Basis, um die tatsächlichen Ausgaben zu sehen; versteckte Subventionen können die wahren Kosten der Bereitstellung verschleiern.

Für politische Entscheidungsträger: Erkennen Sie das Inflationsrisiko breiter Zollregime und militärischer Maßnahmen, die Lieferketten stören; vermeiden Sie selbstverschuldete wirtschaftliche Schocks, wo möglich.

Für Einzelpersonen: Überprüfen Sie persönliche KI-Abonnementkosten; stellen Sie sicher, dass die Produktivitätsgewinne die Kosten rechtfertigen, insbesondere wenn die Preisgestaltung zu einer echten kostenbasierten Abrechnung übergeht.

Für Technologieprofis: Planen Sie Projekte mit dem Verständnis, dass der Rechenzentrumsausbau langsamer verläuft als angekündigt; berücksichtigen Sie potenzielle Compute-Knappheit bei Zeitplänen und Ressourcenzuweisung.

Ed Elson is joined by Ed Zitron to discuss the state of the AI industry (read: bubble). Zitron argues that every AI startup is unprofitable at its core. Then James Kynge breaks down what to expect from President Trump’s visit to China. Finally, Ed digs into data from the producer price index and what it could signal for inflation and the broader economy.

Ed Zitron is the author of the Where’s Your Ed At Newsletter, and the Better Offline Podcast. James Kynge is the host of the Prof G Media’s China Decode podcast and Senior Research Fellow at Chatham House.

Get your tickets to the Prof G Markets tour

Subscribe to the Prof G Markets Youtube Channel

Check out our latest Prof G Markets newsletter

Follow Prof G Markets on Instagram

Follow Ed on Instagram, X and Substack

Follow Scott on Instagram

Send us your questions or comments by emailing Markets@profgmedia.com

Learn more about your ad choices. Visit podcastchoices.com/adchoices