Detta står i DI idag:
"Herman Ohlsson, analytiker på Brock Milton Capital, anser att siffrorna var en lättnadens suck för marknaden då de indikerar att den underliggande tillväxten fortfarande är väldigt stark."
Är det någon som vet om han med tillväxt menar investeringsvilja eller lönsamhet?
Jag tolkar uttalandet som att det visar att investeringsviljan för hyperscalers fortfarande är stark då deras investeringsvilja i datacenter med Nvidia-kort, växer lika starkt - eller starkare - än tidigare.
Här är jag inte övertygad. Å ena sidan satsas det nu tusentals miljarder kr på datacenter, men frågan är om dessa enorma satsningar kommer att ge dessa hyperscalers valuta för investeringarna.
Inför dotcom-kraschen 2000 var det ju gigantiska satsningar på hemsidor och IT som gjordes. Teknologin var ju rätt, men tillämpningarna hade inte rätt timing.
Jag är den förste att hålla med om att språkmodeller kan revolutionera företagande, men att en teknologi är bra räcker inte för att alla bolag kommer att lyckas. De måste kunna tjäna bra med pengar på det. För Nvidias del är det enkelt; de tjänar pengar på designen av systemen och hårdvaran (som de inte tillverkar själva). Frågan är om de enorma pengar som nu utlovas av hyperscalers för dessa datacenter, kommer att ge den lönsamhet som krävs?
Här undrar jag vilka intäktsströmmarna är tänkta att bli för dessa nya stora kärnkraftsverksdrivna (i några fall) datacentra? Om det är några av er som vet lite mer om detta, är jag tacksam för hjälp här.
Den enda (?) källan till denna utmärkta information från Pelle i tråden, verkar vara Reuters. Andra medier som återberättat det hänvisar till Reuters och inte till Nvidias eget material.
Om det stämmer, så är det ju ett sätt att blåsa upp omsättningen ordentligt. Kom ihåg att Nvidias totala omsättning var 57 miljarder USD. Av dessa användes 27 miljarder USD, nästan hälften, till att hyra tillbaka chip från sina stora kunder (vilket väl betyder att också hyperscalers har lite uppblåsta omsättningar i sina rapporter).
"Nvidia also doubled the money it spends renting back its own chips from cloud customers to $26 billion, up from $12.6 billion in the second quarter, with those contracts stretching to at least 2031."
Oj, vad gärna jag hade velat se dessa kontrakt, för att bedöma vem som tar riskerna; hypersclaler-köparna eller Nvidia.
När jag frågade chatgpt om vad som kan vara orsaken till att Nvidia betalar 260 miljarder kr under ett kvartal för att hyra tillbaka sina egna chip, kom svaret nedan. Det är klart att det är lättare att sälja något, om du lovar att hyra tillbaka det om kunden inte använder dem.
---
Hyperscalers vill minska sin risk
När AWS, Azure eller Google Cloud köper tiotals miljarder i GPU-kapacitet är det enorm capex-risk.Ett inbyggt återhyresavtal (“take-back lease option”) gör investeringen tryggare:
Om de får överkapacitet → Nvidia hyr tillbaka.
Nvidia hjälper därmed till att säkra beläggning och minska risken för outnyttjade GPU-kluster.
Det fungerar som en slags kapacitetsförsäkring.
🟦 2. Nvidia vill säkerställa fortsatt försäljning
Hyperscalers blir mer benägna att köpa extrema mängder GPU:er om Nvidia erbjuder en “exit”.
Det skapar ett incitament:”Ni köper fler chip → vi garanterar att ta hand om överskottet om ni inte lyckas hyra ut allt.”
Det ökar efterfrågan och säkrar Nvidia’s försäljningsvolymer.
🟦 3. Sådana avtal är vanliga i datacenterbranschen
Det finns redan liknande strukturer:
Buyback-program för servrar
Capacity reservation models
Utility computing leases
Minimum consumption guarantees
Det är alltså inte främmande att sådana optioner ingår i storskaliga infrastrukturavtal.
Det här känns ju inte förtroendeingivande, snarare som en Fermentaskandal, dvs lura marknaden.
"Nvidia ökade under tredje kvartalet kraftigt hur mycket pengar de spenderade på att hyra tillbaka sina egna chip från sina molnkunder som annars inte skulle kunna hyra ut dem. Dessa kontrakt uppgick till 26 miljarder dollar, mer än en fördubbling från föregående kvartal."
Lysande spaning, Pellepuh12!
Bad chatgpt om en kortfattad uttydning av ditt citat.
"Nvidia hyr tillbaka GPU-kapacitet från molnleverantörer som redan köpt deras chip, och dessa leasingavtal uppgick till 26 mdr USD senaste kvartalet. Detta innebär att Nvidia betalar för att använda chip som de själva sålt. Syftet kan vara att säkra tillgång till GPU-kapacitet i en marknad där efterfrågan är större än tillgången. Det kan också hjälpa molnleverantörer att fylla sin kapacitet och minska deras risk om de inte lyckas hyra ut allt själva. På så sätt stödjer Nvidia ekosystemet som köper deras hårdvara.
En annan möjlighet är att Nvidia använder denna kapacitet för egen modellträning och intern utveckling. Leasingmodellen kan dessutom vara billigare än att bygga egna datacenter. Samtidigt innebär detta en risk att det finns överkapacitet hos molnleverantörerna. Det kan också skapa en cirkulär ekonomi där intäkter förstärks av återhyrningar, vilket vissa analytiker ser som varningssignal.
Om AI-efterfrågan minskar kan Nvidia stå med dyr kapacitet de inte behöver. Marginalerna kan också påverkas negativt om leasingkostnaderna stiger. Kort sagt: strategiskt smart av Nvidia, men det kan också tyda på underliggande marknadsrisker."
Så min fråga är om Nvidias framgångar knappast är en garant för att hyperscalers enorma satsningar kommer att lyckas för dem som investerar, även om de är en veritabel kassako för Nvidia. För att försöka förstå det skulle man kanske behöva kika på hyperscalers intäktsutveckling när det gäller de intäkter som de får kring detta:
recurring cloud revenue
AI-serviceavgifter
modellhosting
inferenskostnader
enterprise-avtal
Det är en berättigad fråga. Idag tjänar de största bolagen sina pengar främst på annonser. Vem skall betala för alla satsningar som görs nu?? All teknik har inneburit att kostnaderna för användarna i slutändan sjunkit, vad skall nu göra att folk i allmänhet skall betala enorma summor pengar för ai??
Jag bad ChatGPT kommentera mina frågor, och det är - som vanligt - initierat och välskrivet, vilket ju visar språkmodellernas potential, men inte nödvändigtvis på betalningsviljan, så nästan alla har gratistjänster (som de jag använder).
🔍 1. Vad avsåg analytikern med “underliggande tillväxt”?
Uttalanden av typen:
“underliggande tillväxt är väldigt stark” betyder i finanssammanhang nästan alltid intäkts-/marknadstillväxt, inte lönsamhet.Det handlar alltså om efterfrågetillväxt, inte om att investeringar nödvändigtvis lönar sig.
I detta specifika sammanhang (AI/datacenter/Nvidia) betyder det troligen:
Hyperscalers fortsätter öka sina investeringar i AI
infrastruktur.
Efterfrågan på datacenterkapacitet och acceleratorkort är fortfarande högre än väntat.
Marknaden oroade sig kanske för en inbromsning
men siffrorna visade att “AI
kapplöpningen” inte mattats av.
Det handlar alltså främst om investeringsvilja / capex-tillväxt, inte om att lönsamheten i dessa satsningar redan är bevisad. 🏗
2. Din tolkning - att det rör hyperscalers capex-vilja är rimlig Ja, du tolkar det på rätt sätt. Finansanalytiker som kommenterar Nvidia, AI-infrastruktur och hyperscalers pratar nästan alltid om:
Capex (investeringar i datacenter)
AI GPU
efterfrågan
Ordertillväxt
…när de pratar om “tillväxt”.
Det handlar alltså inte om att Amazons, Microsofts eller Googles AI-produkter redan genererar vinst, utan att de fortsätter att spendera massivt.
⚠️ 3. Men: marknadstillväxt betyder inte lönsamhet
Här kommer du in på en mycket viktig poäng:
🌐 Dotcom-parallellen är relevant:
Stor teknologi → ja
Stor nytta → ja
Långa investeringscykler och tveksamma affärsmodeller → också ja
Lönsamheten i nya satsningar → extremt ojämn
Det som nu sker är enorma capex- rundor innan konkreta och stabila intäktsströmmar finns.
💸 4. Vad är hyperscalers intäktsmodeller för AI-datacentren? Det här är den centrala frågan. De flesta hyperscalers (AWS, Azure, Google Cloud) hoppas på en kombination av:
AI
molntjänster
Hyra ut “compute” (GPU-inferens/träning)
Managed AI-tjänster
API-prissättning (som OpenAI, Anthropic etc.)
Problem: vinstmarginalerna är okända och kostnaderna är explosiva.
Enterprise
tjänster Företag ska köpa:
agentplattformar
kundserviceautomation
intern RPA med LLM
beslutsstödssystem
Problem: adoptionen går snabbare i POC - stadiet än i verklig skala.
Intern effektivisering Hyperscalers hoppas att AI ska:
reducera supportkostnader
minska utvecklingstid
automatisera intern drift
Problem: dessa effektivitetsvinster är stora men stegvisa - de motiverar inte själva enorma datacenterbyggen.
🔮 5. Den stora osäkerheten: kommer capex → ROI? Det är exakt här din dotcom-jämförelse är träffsäker. Just nu:
Hyperscalers investerar förtroendekapital i AI
Intäktsmodellerna är inte mogna
Kostnaden per datacenter är historiskt extrem
Skalan av expansion kräver väldigt hög framtida efterfrågan för att bli lönsam
Nvidia tjänar pengar oavsett utfall, precis som Ericsson och Cisco gjorde i slutet av 90-talet.
Frågan är om hyperscalers får tillbaka pengarna i form av:
recurring cloud revenue
AI-serviceavgifter
modellhosting
inferenskostnader
enterprise-avtal
…och i vilken takt.
Du måste logga in eller registrera dig för att svara på tråden.