ה-AI דווקא מעלה מחירים עכשיו - ורק בהמשך הוא עשוי להוריד אותם

בינה מלאכותית אמורה לעשות כמעט כל דבר בזול יותר. לכתוב קוד מהר יותר, לנהל מוקד שירות עם פחות עובדים, לנתח מסמכים בתוך דקות, לקצר מחקר, לשפר לוגיסטיקה ולהפחית טעויות. אם מסתכלים חמש או עשר שנים קדימה, קל לבנות תרחיש שבו אותו מספר עובדים מייצר הרבה יותר, ועלות הייצור של שירותים שלמים יורדת.

אבל כדי להגיע לעולם הזול הזה, צריך קודם לבנות עולם יקר מאוד.

הענקיות שמקימות את תשתית הבינה המלאכותית מוציאות השנה סכומים שמזכירים תוכניות תשתית של ממשלות. אמזון ומיקרוסופט לבדן צפויות להוציא כ-410 מיליארד דולר על השקעות הון ב-2026. כשמוסיפים את אלפאבית, מטא, אורקל ושחקניות נוספות מגיעים להיקפים שמתקרבים ל-700-800 מיליארד דולר בשנה.

הכסף הזה יוצא מהדוח הכספי ונכנס לכלכלה האמיתית. צריך קרקע. צריך בנייה. צריך מיליון שבבים, אחר כך עוד מיליון. צריך שנאים, כבלי מתח, מערכות קירור, גנרטורים, צינורות, מים, סוללות וחיבורי גז. צריך מהנדסי חשמל, טכנאים ועובדי בניין. בכל אחד מהשווקים האלה ההיצע גדל בקצב אחר, ובחלקם הוא איטי בהרבה מהביקוש.

לכן השלב הראשון של מהפכת הבינה המלאכותית דומה יותר לתנופת בנייה מאשר למהפכת תוכנה.

בארה"ב צריכת החשמל כמעט עמדה במקום במשך שנים. עכשיו היא שוב עולה. התחזיות הנוכחיות מצביעות על גידול של כ-2% בצריכת החשמל גם ב-2026 וגם ב-2027, וחוות שרתים הן אחד הגורמים המרכזיים. עד 2030 הן עשויות להסביר בערך מחצית מתוספת הביקוש לחשמל בארה"ב.

זה קורה בדיוק כאשר רשת החשמל עצמה מתקשה להתרחב באותו קצב. תחנת כוח אפשר להקים בתוך כמה שנים. קו הולכה גדול, תחנת משנה או שדרוג רשת יכולים לקחת הרבה יותר. יצרני שנאים וציוד מתח גבוה כבר מתמודדים עם זמני אספקה ארוכים, וכאשר אלפי מגה-וואטים חדשים מבקשים להתחבר באותו אזור, המחיר של הקיבולת עולה.

כבר היום חוות השרתים הפכו את החשמל והמים לצוואר בקבוק מרכזי של מהפכת הבינה המלאכותית.

גם נחושת נכנסת למשוואה. היא נמצאת בכבלים, בשנאים, במנועים ובמערכות הקירור, והרשת עצמה צורכת כמויות גדולות עוד יותר מהשרתים. מחיר הנחושת כבר מושפע מהמפגש בין בעיות בהיצע לביקוש החדש שמגיע מדאטה סנטרים ומרשתות חשמל. מכרה חדש דורש לעיתים יותר מעשור מרגע ההחלטה עד לתפוקה מסחרית. דאטה סנטר יכול לקבל החלטת השקעה ולרצות חשמל בתוך שנתיים.

האינפלציה מגיעה לפני הפרודוקטיביות

חברה שמחליטה להקים חוות שרתים ב-10 מיליארד דולר מייצרת ביקוש מיד. היא מזמינה ציוד, שוכרת עובדים וקונה חשמל. ההשפעה על הפרודוקטיביות תגיע כאשר אלפי חברות אחרות יתחילו להשתמש במחשוב הזה בצורה שמייצרת יותר תפוקה בפחות שעות. פער הזמנים הזה הוא בדיוק מה שמעסיק את הבנקים המרכזיים.

• הסוכן יקנה בשבילנו הכל - מי הולך לאבד מאות מיליארדים בדרך?
• בן 23, והסטארט-אפ שלו עשוי להיות שווה 10 מיליארד דולר

השלב הראשון הוא זעזוע ביקוש. השלב השני אמור להיות זעזוע היצע.

גם קרן המטבע מתארת את הבנייה הנוכחית ככוח שמעלה בטווח הקצר גם פעילות כלכלית וגם אינפלציה, בעוד שהשפעת הפרודוקטיביות עשויה להגדיל בהמשך את כושר הייצור של הכלכלה. ההערכות לטווח הארוך מדברות על תוספת אפשרית של 0.1 עד 0.8 נקודת אחוז לקצב הצמיחה הפוטנציאלי העולמי, טווח רחב שממחיש כמה מהתוצאה עדיין פתוחה.

יש כאן גם השפעה מקומית מאוד. כשחברת חשמל משקיעה מיליארדים בתחנת משנה וקווי מתח עבור מרכז נתונים, עולה השאלה מי משלם. אם העלות נכנסת לבסיס התעריף הכללי, גם משפחה שמעולם לא השתמשה בשירות AI מממנת חלק מהתשתית. לכן מדינות בארה"ב מתחילות לדרוש מהחוות התחייבויות צריכה ותשלומים מינימליים.

בישראל הדילמה כבר הגיעה כמעט באותה צורה. בקשות החיבור של חוות שרתים הגיעו לכ-27 אלף מגה-וואט, מול צריכה ממוצעת של המשק כולו בסדר גודל של 9,000 מגה-וואט. בפועל פועלים כיום מתקנים בהיקף של כ-400 מגה-וואט וכ-1,500 מגה-וואט כבר קיבלו התחייבויות חיבור.

המספרים האלה מסבירים למה השפעת הבינה המלאכותית על יוקר המחיה יכולה להופיע הרבה לפני החיסכון שהיא מבטיחה.

יש גם צד אחר. השקעה גדולה מייצרת היצע חדש. יותר שבבים מורידים בסוף את מחיר החישוב. יותר תחנות כוח ורשת חזקה יותר מגדילות את כושר הייצור. מודלים הופכים יעילים יותר. אותה תשובה שדרשה בעבר מחשוב יקר יכולה לעלות בתוך שנתיים חלק קטן מהמחיר. כל דור של חומרה מייצר יותר חישוב לכל ואט.

• מאות מיליארדים כבר הושקעו ב-AI - הרווח הגדול עשוי להגיע הרבה יותר מאוחר
• OpenAI ו-Anthropic הוזילו מודלים באותו יום - עד 50%

ואז מגיע שלב הפרודוקטיביות. אם משרד עורכי דין יכול להכין מסמך בעשרים דקות במקום שעתיים, בנק יכול לבדוק בקשת אשראי מהר יותר ומפעל יכול לחזות תקלה לפני שהיא עוצרת קו ייצור, העלות ליחידת תפוקה יורדת. עסקים שמתחרים ביניהם נאלצים להעביר חלק מהחיסכון למחיר.

גם שוק העבודה יכול לעבוד בכיוון הזה. עובדים עם כישורי בינה מלאכותית מקבלים כרגע פרמיה, מה שמעלה את השכר בתחומים מסוימים. כאשר הכלים יהפכו לשגרתיים וחלק מהמשימות ידרשו פחות עובדים, אותו כוח עשוי למתן עליות שכר במקצועות החשופים.

לכן השאלה "האם AI אינפלציוני או דפלציוני" מחמיצה את העיקר. הוא יכול להיות שניהם, פשוט בשנים שונות ובאזורים שונים של הכלכלה.

בשנים הקרובות צריך להסתכל על מחיר החשמל, הנחושת, ציוד הרשת, הבנייה והשכר של מומחים. כמה שנים קדימה המדדים החשובים יהיו תפוקה לעובד, עלות שירותים, מספר העובדים הנדרש לכל משימה ועלות החישוב. אם הגל הראשון יגיע הרבה לפני השני, הבנקים המרכזיים יקבלו כלכלה שצומחת מהר יותר ועדיין מתקשה להוריד אינפלציה.