データセンター投資、米国の歴代メガプロジェクト支出を6年で上回る

 (twitter.com/finmoorhouse)
1 ポイント 投稿者 GN⁺ 11 일 전 | 1件のコメント | WhatsAppで共有
  • データセンター capex は、わずか 6年間で約9,300億ドル に達し、米国の代表的なメガプロジェクトの累計支出をすべて上回った
  • インフレを反映した 2024年ドル基準 で比較したグラフ
  • 既存のメガプロジェクトは Interstate Highway System（6,200億ドル、37年）、US Railroads（5,500億ドル、71年） など、長期間にわたる投資だった
  • データセンター capex には 2025年時点 と 2026年計画値 があわせて示されており、増加速度は他のプロジェクトと比べて圧倒的
  • 数値は Amazon, Microsoft, Alphabet, Meta, Oracle など、米国の big-5 ハイパースケーラーのデータセンター比率推定に基づく

グラフ概要

  • タイトルは "Data centers vs. megaprojects"、サブタイトルは インフレ調整後の累積コスト（10億ドル単位）
  • X軸はプログラム開始後の経過年数、Y軸は累積支出額（最大1兆ドル規模）
  • すべての金額は 2024年ドル基準 に換算されている

データセンター capex の軌跡

  • データセンター capex は 6年で約 9,300億ドル の累積支出に到達し、2025年時点として表示されている
  • 2026年計画値 は点線で示され、1兆ドルを超える軌道
  • グラフ上では他のすべてのメガプロジェクトより はるかに急な傾き を示す

比較対象のメガプロジェクト

  • Interstate Highway System: 6,200億ドル、37年
  • US Railroads: 5,500億ドル、71年
  • F-35 Program: 4,000億ドル、25年（現時点までの累計）
  • Apollo Program: 2,570億ドル、14年
  • Marshall Plan: 1,700億ドル、4年
  • International Space Station: 1,500億ドル、27年
  • Manhattan Project: 360億ドル、5年

データ算出方法

  • AI capex は 米国の big-5 ハイパースケーラー（Amazon, Microsoft, Alphabet, Meta, Oracle）のグローバル報告 capex のうち データセンター比率の推定値 から算出
  • Epoch AI + Platformonomics のデータを活用
  • データセンター比率は 2020年の約55% から 2026年の約80% へ拡大すると仮定
  • 中国のハイパースケーラーは除外

出典

  • Company reports, Epoch AI, FHWA, NASA, CRS, GAO, Brookings

関連記事

1件のコメント

 
GN⁺ 11 일 전
Hacker Newsの意見

  • このツイートのように米国GDPに対する比率で見ると、やや刺激は弱く感じられる
    それでも同時に、鉄道がどれほど大きな産業上の出来事だったのかは、よりはっきり見えてくる

    • GDP基準で補正するのは必要だが、実際にはあの数値以上に劇的だと思う
      以前のメガプロジェクトは減価償却期間が数十年単位で、50〜100年以上前の鉄道・橋梁・トンネル・ダムでも保守だけで今なお使われている例が多い
      一方、今の支出の大きな柱であるGPUは減価償却がたった6年で計上されるので、年次償却ベースで見れば現在の支出のほうがはるかに圧倒的に見えるという考えだ
    • このグラフ上では鉄道のピークはGDPの約9%に見えるが、私が自分で調べた根拠よりかなり高く、目を引く
      当時はGDPという概念自体が存在しなかったので、こうした数値はすべて事後計算であり、誤差の幅が大きい
      今はデータセンター投資に前例を作りたいので、鉄道の数値をできるだけ高く見積もろうという誘因があるようにも感じる
    • ただ、このやり方は逆に誇張になっている可能性もあると感じる
      現代的なGDP推計が不正確だった時代の投資をGDP比で比較することが、経済全体の規模を本当に適切に反映しているのか疑問だ
      近代的な金融もなく、所得税もなく、労働の大半が農業だった時代なのだから、当時の平均的な個人が鉄道コストを体感した度合いと、今日の納税者がF-35のコストを体感する度合いが本当に同じ軸で比較できるのか気になる
    • 本当に衝撃的なグラフィックだと感じる
      F-35という単一機種に投入された米国の支出が、第二次大戦後の欧州再建のためのMarshall Plan、Interstate Highway System、あるいは全データセンター投資の合計に匹敵するという点で、優先順位が鮮明に表れている
    • むしろこちらの比較のほうが、より劇的に感じられる
      一覧にあるApollo、Manhattan Project、ISS、Interstate Highway System、Marshall Plan、F-35は、いずれも政府が長期的な公益を見据えて投資した事業であり、短期ROIを求められていなかった
      こうした事業の収益は、数十年後の経済成長、安全保障、科学の進歩といった非常に長い時間軸で返ってくる構造だった
      特にMarshall Planは77年にわたって配当を生んだようなもので、欧州の米国への好意がBig Techに対する強い保護主義へとつながらないよう防いだ側面もあったと思う
      一方で鉄道とAI datacentersは民間投資なので、50年待つ余裕はない
      鉄道バブル崩壊後に大きな経済ショックが来たように、OpenAIも今年前後に部分的な投資回収を示せなければ、IPO失敗とともに似たような衝撃が来るかもしれないという懸念だ

  • これは比較カテゴリが少しずれていると感じる
    鉄道だけが民間企業によって大規模に敷設されたインフラ構築の事例であり、その点ではまだ近い
    データセンターブームと比べるなら、むしろ工場建設、電力網拡張、上水道、ガス管、20世紀前半の電化のような事例のほうが適切だと思う

    • 会社で誰かがやって来て「短時間でx兆個やりました」と自慢する場面を思い浮かべる
      同等の比較対象なしに数字だけ大きく言われても、それが例外的にすごいことなのか判断できない
      分子だけを基準に自分が毎分ものすごい数の何かを食べていると言っても、文脈を添えれば誰もすごいとは思わないだろう、というたとえがぴったりだ
    • 鉄道は、歴史上最大級の銀行崩壊のいくつかの原因でもあったことを思い出させる
      1873年のPanic of 1873は一時Great Depressionと呼ばれていたし、1893年恐慌も過剰投資とバブル崩壊から生じた
      今のAIも、大規模投資ばかりが先行し、確かな収益が見えないという点でとてもよく似て見える
      ソフトウェアとハードウェアは時間がたつほど効率が上がって安くなるので価値が下がると誰もが分かっているのに、なおユーザー側の利益がこの投資規模を正当化するという証拠は弱い
      バブルが弾ければ、銀行ではなく民間資本が先に打撃を受ける可能性が高く、hyperscalerやtech unicornの財務諸表が崩れれば、その上に積み上がっている企業、雇用、S&P 500を通じた家計資産にまで連鎖的な衝撃が及びかねないという懸念だ
      銀行危機のような救済も期待しにくいので、衝撃はより即時的かもしれない
    • もう一つのカテゴリーミスは、鉄道が実際には米国民による巨大な補助金の上に建設されたという点だと思う
      ほぼ国土の10%を鉄道会社に渡しながら完成させた事業だった
    • 鉄道は、ひとたび敷かれればすぐに経済的価値を生み出したという点が重要だと思う
      LLMが実際にどれほどの経済価値を生んでいるのかは、そろそろ数字で示されるべき段階だと感じる
      数年たったのだから、具体的な成果を語れるはずだという考えだ
    • これをインフラ構築と呼ぶのは言い過ぎだと感じる
      データセンターに入れる機器は10年もたたないうちに価値が消える資産であり、電力もガスタービンでしのぐケースが多く、長期インフラを残すという印象も弱い

  • AIへの不安は、人類の重要課題をたった一つでも解決すればすぐに薄れる気がする
    たとえば宇宙エレベーター用のカーボンナノチューブや持続可能な核融合のような級のブレークスルーが出れば、空気が変わるのではないかと思う

    • これまでのところ、個別化医療が最も有望な候補に見えるが、それで十分なのかと問い返したい
    • 少なくとも投資家を感嘆させるkiller front endは非常によく作っている、という皮肉っぽい感想だ
    • 実際、この種の問題提起はAI以前のあらゆる生産性向上技術にも同じように当てはめられると思う
      タイプライターやノートPCも、最初は似たような懐疑論を向けられていたはずだ

  • この比較で抜けている大きな事例として核兵器があると思う
    米国は1940年から1996年まで核兵器に、2024年ドル換算で約12兆ドルを費やしており、その大半は1950年代から1960年代初頭に集中していた
    関連する数値はWikipediaの Nuclear weapons of the United Statesで見られる

  • こうした支出とリスクが本当に適切なのか、ますます疑問に思う
    私たちは集団的にAIに幻惑されて、それほど健全ではない意思決定をしているのではないかと心配だ

    • 私にも適切には見えない
      YouTubeでEd Zitronがこのテーマについて怒り混じりに語っているのをよく見るが、かなり面白いし共感もできる
    • 私も似たように考えていたが、今ではこの構築競争はかなり合理的だと思うようになった
      大手AI研究所はいまだにcompute確保競争の最中で、推論需要にも追いつくのが難しそうだからだ

  • これは単一のプロジェクトではなく、何百〜何千もの類似プロジェクトにまたがってcomputeに金を注ぎ込んでいる現象だと思う
    たとえるなら、特定の事業一つではなく、一定期間に交通インフラ全体へ投じられた総支出をまとめて語っているのに近い

  • この話題に関連して、Justin Lebarの発表は本当に良かった
    xla compilerを作り、OpenAIでも働いていた人で、この講演を見ると文脈をつかむ助けになる

  • この議論に関連して、別のグラフへのリンクも参考になると感じる

  • これが本当に実際に執行された支出なのか気になる
    実際に金が動いた額なのか、それとも「我々は$X投資する」と発表したコミット額なのかが分かりにくい
    循環出資的な契約のようなものがどう反映されているのかも気になる

    • かなりの部分はcommitted capitalであり、データセンターはまだ着工すらしていない場所が多い点は考慮すべきだ

  • ここでいうdatacenter capexに何が正確に含まれるのか気になる
    特に発電設備まで入るのか知りたい
    AIブームが期待ほどの成果を出せなくても、太陽光・風力・水力のような発電インフラを大量に建設していたのなら、それ自体が大きな成果になりうると思う

    • 現実的には、データセンターをsolarやwindだけで回すのは難しいと思う
      バッテリーを付けても足りず、実際に新設されている施設はMuskのxAIの例のようにガスや石炭に頼る場合が多いという認識だ