IBM:s VD Arvind Krishna uttalade sig i december 2025 på The Verge:s Decoder-podcast och hävdade att den globala AI-infrastrukturuppbyggnadens ekonomi inte håller. Han beräknar att världens samlade AI-beräkningsåtaganden uppgår till ungefär 100 gigawatt kapacitet och en kostnad på omkring 8 biljoner dollar — och att 8 biljoner dollar i kapitalutgifter kräver ungefär 800 miljarder dollar i vinst bara för att betala räntan. För projektledare och beslutsfattare som planerar AI-infrastrukturinvesteringar är Krishnas analys ett konkret underlag för riskbedömning.
IBM:s Krishna om AI-datacenterinvesteringar – huvudpunkter
- Arvind Krishna beräknar att utrustning av ett 1 GW AI-datacenter kostar ungefär 80 miljarder dollar med dagens hårdvara. Med enskilda företag som åtar sig 20–30 GW innebär det kapitalutgifter på 1,5 biljoner dollar för ett enda bolag.
- AI-acceleratorer skrivs av över fem år, och arkitektoniska förändringar tvingar fram fullständig flottreplacement. Att köra inferens på fem år gamla GPU:er kostar mer i elektricitet än vad beräkningen producerar i värde.
- Meta höjde sin helårsprognos för kapitalutgifter 2025 till mellan 70 och 72 miljarder dollar och varnade att utgifterna 2026 skulle bli “notably larger”, primärt drivet av AI-infrastrukturbehov.
- Goldman Sachs uppskattade att den globala datacenterbranschens totala elförbrukning uppgår till ungefär 55 gigawatt, varav bara 14 procent är dedikerat till AI. Med ökande AI-efterfrågan kan elbehovet stiga till 84 gigawatt till 2027.
- Trots reservationerna om AGI:s finansiella modell är Krishna optimistisk om AI:s bredare påverkan: “I think it’s going to unlock trillions of dollars of productivity in the enterprise, just to be absolutely clear.”
- Krishna tror att sannolikheten för att nuvarande LLM-arkitekturer leder till AGI är 0–1 procent. Han föreslår att ett genombrott krävs för att kombinera flera typer av kunskap med stora språkmodeller.
- Krishna betonar skillnaden mellan AGI-pursuit och enterprise AI: enterprise AI fungerar vid mänsklig skala med beräkningsbar ROI, medan AGI-ekonomi kräver massiva förhandsinvesteringar med osäker avkastning.
Vad detta betyder för projektledare
- Infrastrukturinvesteringsbeslut kräver realistisk avkastningskalkyl. Krishnas analys visar att enkla räkneoperationer ger ett tydligt svar på om en AI-infrastrukturinvestering kan generera avkastning. Projektledare som tar fram business case för AI-datacenterinvesteringar bör inkludera avskrivningstakt, energikostnader och kapitalkostnad i kalkylen — inte enbart kapacitetsargument.
- Enterprise AI och AGI-infrastruktur är olika investeringskategorier. Krishna gör en tydlig distinktion: enterprise AI-tillämpningar ger mätbar och beräkningsbar ROI vid begränsad skala, medan AGI-skala infrastruktur är en spekulativ satsning. Projektledare bör kategorisera AI-investeringar utifrån detta och inte blanda ihop enterprise-ROI med AGI-argumenten.
- Avskrivningsrisken är en konkret projektrisk. AI-hårdvara skrivs av på fem år och kan bli obsolet tidigare vid arkitektoniska genombrott. Projektledare som planerar fleråriga AI-infrastrukturprojekt bör inkludera teknologisk obsolescens som en explicit riskpost och planera för flexibel uppgradering.
- Krishnas position stärker argumentet för hybridmodeller. IBM:s strategi — enterprise AI via watsonx med lokalt finjusterade öppna modeller — är ett alternativ till fullskalig AGI-infrastrukturuppbyggnad. Projektledare kan använda IBM:s argumentation för att motivera molnagnostiska och hybridbaserade AI-implementationer i upphandlingsdiskussioner.
Vanliga frågor
Vad säger IBM:s VD Arvind Krishna om AI-datacenterinvesteringar? Krishna hävdar att globala AI-beräkningsåtaganden på ungefär 100 GW kapacitet kostar omkring 8 biljoner dollar, vilket kräver ungefär 800 miljarder dollar i vinst bara för att betala räntan. Han anser att det inte finns någon möjlighet att uppnå denna avkastning.
Vad kostar ett 1 GW AI-datacenter? Enligt Arvind Krishna kostar utrustning av ett 1 GW AI-datacenter ungefär 80 miljarder dollar med dagens hårdvara. Med enskilda företag som åtar sig 20–30 GW innebär det kapitalutgifter på 1,5 biljoner dollar för ett enda bolag.
Tror Krishna att AGI kan uppnås med nuvarande teknologi? Krishna bedömer sannolikheten för att nuvarande LLM-arkitekturer leder till AGI till 0–1 procent utan ett ytterligare teknologiskt genombrott. Han är dock tydlig med att enterprise AI redan levererar konkret värde och kommer att frigöra biljoner dollar i produktivitet.
Är Krishna pessimistisk om AI generellt? Nej. Krishna betonar skillnaden mellan AGI-pursuit och enterprise AI — enterprise AI fungerar vid mänsklig skala med beräkningsbar ROI. Hans kritik riktar sig mot AGI-skalans infrastrukturuppbyggnad, inte mot AI:s praktiska värde för företag.
Källa: IBM CEO Questions ROI on Massive AI Data Centre Spending / Data Centre Magazine, publicerad 2025-12-04. Primärkälla: The Verge Decoder-podcast, 2025-12-01.
Läs även
- AI-bubbla Richmond Fed – jämförelse med 1990-talets telekomkrasch
- VD:ar ökar AI-investeringar trots låg ROI – KPMG och BCG
- Meta tecknar 20-årigt kärnkraftsavtal med Constellation Energy för AI-infrastruktur
- Oracle köper Nvidia-chips för 40 miljarder dollar till OpenAI:s datacenter