Tether-sjef Paolo Ardoino har advart om at Big Techs utgiftsboom innen kunstig intelligens kan være bygget på svak økonomi, ettersom bekymringer for en AI-boble sprer seg i globale markeder.
I et innlegg på X 4. juli sa Ardoino at kappløpet om AI-infrastruktur inneholder fire store “strukturelle misforhold”. Dette er forskjeller mellom kostnader, inntekter, investeringstidslinjer og konkurranse.
Hans advarsel kommer samtidig som verdens største teknologiselskaper investerer hundrevis av milliarder dollar i datasentre, chips og kraftkapasitet. Det sentrale spørsmålet for investorer er om AI kan gi nok inntekter til å forsvare disse kostnadene.
Bedrifter betaler for lite for AI
Ardoino hevdet at selskaper tar for lite betalt for AI-beregning sammenlignet med de faktiske kostnadene ved å levere tjenesten. Enkelt sagt kan noen AI-tjenester se billige ut fordi selskapene subsidierer bruken for å vinne nye kunder.
Dette gjør veksten sterkere enn selve forretningsmodellen tilsier. Om selskapene senere øker prisene, kan brukerne redusere forbruket sitt. Holder de prisene lave, kan marginene forbli under press.
AI-fortjeneste kan ta lenger tid å realisere
Big Tech-selskaper bruker mye penger nå, mens fortjenesten fra AI kan komme langt senere. Datasentre, GPU-er og strømkontakter krever store investeringer i starten.
Dette skaper et gap mellom kapitalbruken i dag og inntektene som først kommer senere. Jo større dette gapet blir, jo større press får selskapene til å bevise at AI faktisk kan bli en varig inntektsskilde.
AI blir raskt foreldet
AI-chips kan bli utdaterte i løpet av 3 til 5 år. Likevel antar gjeld og egenkapital brukt til å finansiere AI-infrastruktur ofte en mye lengre tilbakebetalingstid.
Dette er viktig fordi selskapene da kan måtte bytte ut dyr maskinvare før den er nedbetalt. Om etterspørselen faller eller prisene svekkes, blir økonomien vanskeligere å forsvare.
Bransjen møter sterk konkurranse
Åpne AI-modeller utvikler seg raskt og kan svekke prisstyrken til kommersielle AI-tilbydere. Hvis billigere eller gratis alternativer etter hvert blir gode nok, kan kundene nekte å betale for premiumnivået.
Dette vil gjøre det vanskeligere for selskapene å tjene inn pengene brukt på infrastruktur. Det kan også redusere inntektsforventningene som har støttet høye AI-verdsettelser.
Ardoinos advarsel er del av en større debatt i markedene nå.
Kinesiske hedgefond, deriblant Wealspring Asset og Shanghai Banxia Investment Management Center, har advart om at AI-aksjer kan være i bobleterritorium. Wealspring skal ifølge rapporter ha kalt globale AI-aksjer for en “superboble”, mens Banxia mener et mulig utløserpunkt for en korreksjon allerede kan ha dukket opp.
Bekymringen er enkel. AI har blitt en viktig driver for børsutviklingen, spesielt hos store teknologiselskaper. Om investorer begynner å tvile på avkastningen fra AI-investeringer, kan effektene spre seg utover teknologisektoren.
AI-utgifter kan nå billioner
JPMorgan har anslått at globale AI-relaterte utgifter kan nå $ 5,5 billioner innen 2030. Samtidig ventes det at Alphabet, Amazon, Meta og Microsoft til sammen skal bruke opptil $ 720 milliarder i år.
Denne utgiftsnivået gir AI en sentral rolle i selskapenes resultater, energietterspørsel, chip-etterspørsel og kredittmarkeder.
Bank of England advarte i oktober 2025 om at AI-verdsettelser har nådd nivåer lik de som ble sett under dotcom-boblen. Banken sa også at AI-infrastruktur kan kreve billionbeløp, hvor en betydelig del finansieres med gjeld.
Noen investorer ser det mindre negativt. De mener dagens AI-satsing skiller seg fra dotcom-tiden fordi de største selskapene bak boom-en allerede har sterke inntekter og etablerte forretninger.
Morgan Stanley har dessuten anslått at nesten $ 3 billioner i AI-infrastruktur-investeringer kan bevege seg gjennom økonomien innen 2028.
Likevel påpeker Ardoino at risikoen ligger i økonomien bak AI-infrastrukturen selv. Om prisnivået, fortjenesten, maskinvarelevetid og konkurranse ikke henger sammen, kan markedet undervurdere hvor krevende det er å gjøre AI-etterspørselen om til varig avkastning.
