Wydatki Google na AI mogą wzrosnąć jeszcze bardziej — brakuje mocy obliczeniowych

Sztuczna inteligencja przestała być wyścigiem programistycznym i stała się wyścigiem infrastrukturalnym. Firmy budujące największe modele AI odkrywają, że to nie popyt ze strony klientów jest ograniczeniem, lecz chipy, centra danych i energia elektryczna.

Google utrzymuje wysokie tempo wydatków na AI. W IV kw. 2025 firma prognozowała nakłady inwestycyjne (capex) na poziomie 175–185 mld USD na rok. W I kwartale firma wydała 35,7 mld USD na capex. Zamiast ograniczać wydatki, zarząd następnie podniósł prognozę capex na cały rok do 180–190 mld USD — powód był prosty: popyt przewyższył moce dostaw.

Sundar Pichai stwierdził, że przychody Google Cloud byłyby wyższe, gdyby firma miała wystarczające moce obliczeniowe, by obsłużyć klientów. To oznacza, że Google nie buduje infrastruktury w nadziei, że klienci się pojawią. Klienci już są i czekają.

Najsilniejszym dowodem jest backlog Google Cloud wart 462 mld USD (zaległe zamówienia), który prawie podwoił się w jednym kwartale. Zarząd oczekuje, że ponad 50% tego backlogu zamieni się w przychody w ciągu 24 miesięcy. Dla porównania, Google Cloud wygenerował 43,2 mld USD przychodu w 2025 roku. Backlog stanowi więc ponad dziesięciokrotność rocznej bazy przychodów.

Wielkość zobowiązań korporacyjnych też rośnie. Liczba umów chmurowych powyżej miliarda dolarów podpisanych w 2025 roku przewyższyła łączną liczbę takich umów z poprzednich trzech lat. Problem Google nie polega na znalezieniu klientów AI — polega na nadążaniu za nimi.

Dodatkową presję tworzy popyt wewnętrzny. Bloomberg podał, że premiera Gemini 3.5 Pro została opóźniona, ponieważ inżynierowie mieli problemy z osiągnięciem wewnętrznych celów wydajnościowych. Firma wprowadziła obowiązek wykorzystywania narzędzi AI do generowania kodu. To zwiększa zapotrzebowanie na GPU (procesory graficzne używane do obliczeń AI), czyli na te same zasoby, które firma sprzedaje klientom zewnętrznym. W praktyce Google konkuruje z samym sobą o moce obliczeniowe.

To stawia firmę w rzadkiej sytuacji: brak mocy AI dla własnych inżynierów, przy jednoczesnym backlogu wartym 462 mld USD, nie daje powodu do ograniczania wydatków — wręcz przeciwnie, może wymagać ich zwiększenia.

Istnieją też ryzyka. Inwestycje w infrastrukturę AI wymagają ogromnych nakładów z góry, a zwroty zależą od tego, czy popyt korporacyjny pozostanie wystarczająco silny, by pokryć koszty. Branża nie osiągnęła jeszcze punktu, w którym każdy wydany dolar na AI gwarantuje zarobek.

Kluczowy wniosek jest taki: wzrost capex Google to nie tylko historia o wydatkach. To historia o zdolnościach produkcyjnych. Firma ma klientów oczekujących w backlogu o wartości 462 mld USD, a jednocześnie jej inżynierowie pochłaniają coraz więcej zasobów AI. Zarząd podnosi wydatki, bo istniejąca infrastruktura nie nadąża. Pytanie dla inwestorów brzmi, czy Google nie będzie musiał wydać jeszcze więcej pieniędzy na infrastrukturę, jednocześnie szybciej realizując już zawarte zobowiązania.