Kappløpet tilspisser seg. Elon Musks SpaceX, som bygger både AI-modeller og romraketter, kunngjorde forrige uke at de søker en verdivurdering på 1,77 billioner dollar (1,31 billioner pund) på det amerikanske aksjemarkedet. Samtidig opplyste Anthropic, oppstartsselskapet bak Claude-chatboten, at de hadde søkt om børsnotering. OpenAI, utvikleren av ChatGPT, forventes å følge etter.
Denne siste toppen i AI-markedet kommer midt i et flerbillioners kjøpevanvid for relatert infrastruktur, som datasentre. Samtidig prøver selskaper å bruke teknologien på måter som gjør investeringene deres lønnsomme. Her er en oversikt over hvor AI-boomen står, og seks nøkkeldiagrammer som viser hvordan vi havnet her.
1. AI har drevet aksjer til nye høyder
S&P 500, som følger de 500 største amerikanske selskapene, har steget nesten 80 prosent de siste fem årene. Dette hoppet har blitt drevet av store teknologiaksjer med en eierandel i AI-boomen – de "fantastiske syv": Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia og Tesla.
Investorfokuset på teknologi er uten sidestykke, sier Jim Bianco i det amerikanske firmaet Bianco Research. Hans forskning fant at 41 AI-relaterte aksjer nå utgjør nesten halvparten av S&P 500s totale markedsverdi.
Neil Wilson, analytiker ved investeringsplattformen Saxo UK, advarer om at risikoen for et inflasjonssjokk i 1970-tallsstil, høye teknologiverdivurderinger generelt, og en potensiell frysing av private kredittmarkeder, ikke lover godt for aksjer.
"Hele markedet har blitt én gigantisk AI-struktur," sier han. "Faren er en gjentakelse av dotcom-boblen – et massivt krakk og år med tapt avkastning. Etter noen målestokker er ikke verdivurderingene like strukket som den gang, men dette ser ut som et utrolig risikabelt marked."
2. Forbruket vokser i en forbløffende hastighet
Forbruket på AI – fra datasentre til brikker – suser av gårde, fra 765 milliarder dollar i år til 1,6 billioner dollar innen 2031, ifølge Goldman Sachs. Investeringsbanken erkjenner at det kan oppstå problemer med en så enorm forpliktelse. Hva om datasentre blir forsinket?
"Med omfanget av kapital som forpliktes, inviterer selv små forsinkelser i gjennomføringen til alvorlige spørsmål om etterspørselsantakelsene bak disse investeringene," sier Goldman-analytikere. Imidlertid legger de til at hvis forbruksplanene går knirkefritt, kan det utløse en ny bølge av AI-etterspørsel. Likevel viser forbruket bare hvor mye globale finansielle ressurser – og forventninger til avkastning – som blir pumpet inn i AI.
3. Bedrifter og forbrukere tar i bruk AI raskt
Til tross for blandede rapporter om fordelene, begynner det store flertallet av bedrifter å bruke AI – opp fra 33 prosent i 2023 til nesten 80 prosent nå, ifølge konsulentfirmaet McKinsey. Offentlig bruk er også høy, med OpenAIs ChatGPT som nå når 1 milliard månedlige aktive brukere, ifølge data fra Sensor Tower – en rekord for en hvilken som helst app.
Utfordringen for AI-utviklere nå er hvordan de skal tjene penger på denne enorme basen av offentlige og private kunder. Bedrifter må vise at AI forbedrer resultater og kutter kostnader nok til å rettferdiggjøre utgiften. Det betyr å bruke det til å bygge hele arbeidsflyter – forretningssjargong for å fullføre en oppgave fra start til slutt. Det er fortsatt langt igjen på den fronten.
4. Claude tar igjen ChatGPT
Anthropic begynte å ta igjen OpenAI sent i fjor, da deres Claude Code-verktøy gikk viralt blant programvareutviklere, hovedsakelig i San Francisco-området, før det spredte seg videre. Claude Code markerte et skifte i hvordan store språkmodeller – kjerneteknologien bak chatboter – brukes, og beveger seg mot autonome AI-agenter som utfører oppgaver uten menneskelig hjelp, slik at selv ikke-teknologikyndige personer kan lage programvare og håndtere et bredt spekter av oppgaver.
OpenAI har fortsatt en mye større total brukerbase, men data fra internettselskapet Kentik – som sporer bruk på tvers av flere amerikanske internettleverandører – viser at Anthropic raskt tette gapet. Claudes brukertrafikk vokste betydelig raskere enn ChatGPT og Googles Gemini mellom januar og april, og skjøt i været etter den perioden. Pentagon merket det som en forsyningskjederisiko i mars. Med denne vekstraten spår Kentik at den kan overgå ChatGPT innen sommer – nok en grunn til at Anthropic kan finne en enklere vei til børsnotering enn konkurrenten.
5. AI blir dyrere å bruke
Hver gang en AI-chatbot eller -agent gir et svar, måles det i "tokens" – grunnleggende språkenheter som kan være ord, skilletegn eller stavelser. (For eksempel sier OpenAI at uttrykket "Du bommer på 100 prosent av skuddene du ikke tar" er verdt 11 tokens.) Tokens måler også input, som ledeteksten du skriver inn i ChatGPT.
Kostnadene varierer etter modell; OpenAI tar 5 dollar per million input-tokens for GPT-5.5, og 30 dollar per million output-tokens (svaret på ledeteksten din).
Problemet for brukere er at token-kostnadene stiger kraftig, selv mens bedrifter overalt presser ansatte til å "tokenmaxxe" – det vil si, virkelig satse alt på å bruke AI. Problemet for AI-selskaper er at de fortsatt ikke tar nok betalt.
Det grunnleggende løftet med AI er at pengene et selskap bruker på disse verktøyene mer enn oppveies av gevinster i produktivitet – et mål på økonomisk effektivitet der høyere produktivitet betyr mer produksjon per arbeider. Hvis dette bytteforholdet ikke fungerer, svekkes antakelsene bak AI-verdivurderinger – og politikk.
"Kostnadene er fullstendig ute av kontroll," sier Liam Betsworth, grunnlegger av det britiske AI-oppstartsselskapet Pendra. Han sier at programvareutviklere i nettverket hans bruker agenter til å kode, og starter med det billigste abonnementet og går raskt over til det dyreste. De er ikke alene – nyhetssiden Axios rapporterte nylig om et unavngitt selskap som brukte 500 millioner dollar på en måned på lisenser for Claude Code.
6. Bygging av datasentre kan ikke holde tritt med etterspørselen
Å bygge datasentre er som sentralnervesystemet til AI-produkter, så økende utvikling og bruk av AI-verktøy må matches med mer kapasitet – ellers vil det bli en datakraftskrise, noe som betyr høyere kostnader for AI-selskaper og brukere.
Sektorens ambisjoner for datasentre er enorme og virker nesten urealistiske. Bloomberg anslår at 23 gigawatt kapasitet var under bygging globalt i 2025 (kapasitet måles i elektrisk kraft, fordi det begrenser hvor mye databehandling et sted kan utføre).
Det amerikanske eiendomsselskapet JLL spår at 100 gigawatt vil bli lagt til mellom 2026 og 2030 – en dobling av det de anslår som nåværende kapasitet, tilsvarende 1200 datasentre. JLL sier at anslaget deres inkluderer spekulative prosjekter som kanskje aldri blir påbegynt.
Hvor pengene – og energiforsyningen – skal komme fra for å møte denne prognosen, er et åpent spørsmål. Cecilia Rikap, førsteamanuensis ved University College London, sier at mange prosjekter rundt om i verden er avhengige av politiske løfter om å utvide strømnettet og levere kraft; men regjeringer har kanskje ikke ressursene til å følge opp.
Hun spør: "Har regjeringen regnet på om en slik utvidelse er mulig? Har de pengene til å gjøre det? Har de vurdert miljøskadene det ville forårsake?"
7. Hva AI-modeller kan gjøre, utvides raskt
Evnene til AI-modeller har forbedret seg med stormskritt siden 2023, ifølge METR, en forskningsorganisasjon som måler AI-egenskaper.
METRs målinger er basert på om AI-modeller kan fullføre en kodingsoppgave, målt ved hvor lang tid det ville tatt et menneske å gjøre det. Etter dette målet dobles AI-modellers kapasitet hver fjerde måned. For eksempel er Anthropics Claude Mythos-modell estimert til å oppnå en 50 prosent suksessrate på oppgaver som ville tatt en menneskelig ekspert mellom åtte timer og to dager.
Imidlertid har det ikke vært en tilsvarende innvirkning på jobber – så langt. En rapport fra Anthropic i mars inkluderte forskning som viste at AI i teorien kunne utføre mange jobber, fra databehandling til juridisk arbeid, men det har ennå ikke skjedd i stor skala.
Bouke Klein Teeselink, akademiker ved King's College London og ekspert på AI-innvirkning, bemerker at dette gapet fortsatt er betydelig. AI-innvirkningen på arbeid viser at det er hindringer for å ta det i bruk i arbeidsstyrken. For eksempel, hvor mye av en administrerende direktørs eller toppleders jobb kan trygt overlates til en robot? Kan juridisk sensitive oppgaver gjøres av noe annet enn et menneske? Likevel, sier han, er endring på vei.
"Vi er fortsatt i de tidlige stadiene av AI-revolusjonen. Mange mennesker utfører oppgaver som kunne håndteres av AI. Omfanget av endring vi er i ferd med å se, vil være enormt."
8. Datasentre støtter opp under USAs BNP
Selv om den amerikanske regjeringen har kuttet jobber under Donald Trumps administrasjon og mange bransjer har sett masseoppsigelser, har USAs BNP fortsatt å vokse – 2,1 prosent i 2025 og 1,6 prosent i første kvartal 2026, ifølge US Bureau of Economic Analysis. Imidlertid beregner en Harvard-økonom at uten datasenterboomen kunne disse tallene vært mye mindre. Faktisk utgjorde "investering i informasjonsbehandlingsutstyr og programvare" 92 prosent av USAs BNP-vekst i første halvdel av 2025.
Dette betyr at datasentre – og AI-boomen – driver en enorm andel av USAs vekst. De er en stor grunn til at verdens største økonomi fortsatt ser sunn ut, til tross for store utfordringer. Enhver nedgang i dette forbruket kan få økonomiske, og dermed politiske, konsekvenser.
**Ofte stilte spørsmål**
Her er en liste over vanlige spørsmål basert på artikkelen Milliarder er brukt og potensiell avkastning er fortsatt usikker Her er AI-boomen forklart med seks diagrammer
**Spørsmål på nybegynnernivå**
1. Hvorfor bruker selskaper så mye penger på AI hvis avkastningen ikke er garantert?
De satser på at AI til slutt vil revolusjonere bransjer og skape massive fortjenester, i likhet med de tidlige dagene av internett. De vil ikke bli hengende etter hvis det lykkes.
2. Hva mener du med AI-boom?
Det er den nåværende perioden med enorme investeringer, spenning og rask utvikling innen kunstig intelligens, spesielt i verktøy som ChatGPT og bildegeneratorer.
3. Tjener AI faktisk penger for noen akkurat nå?
For de fleste selskaper, ikke ennå. Kostnaden ved å bygge og drive avansert AI er enorm, og det er fortsatt uklart når disse kostnadene vil bli tjent inn av utbredte betalende kunder.
4. Hva handler de seks diagrammene i artikkelen om?
De viser sentrale trender: massive forbruk fra teknologigiganter, økende etterspørsel etter AI-brikker, den enorme energikostnaden til AI, det lille antallet faktiske betalende brukere, platået i ytelsen til noen modeller, og den usikre aksjemarkedsreaksjonen.
**Spørsmål på avansert nivå**
5. Hvorfor er kostnaden for inferens et så stort problem?
Inferens er når du faktisk bruker en AI-modell. Det er langt dyrere enn å trene modellen én gang. Hvis millioner av mennesker bruker det daglig, skyter strøm- og datakostnadene i været, noe som gjør fortjeneste svært vanskelig å oppnå.
6. Hvordan viser diagrammene at de enkle gevinstene innen AI kan være over?
Ett diagram viser at ytelsesforbedringene til de største AI-modellene begynner å avta, selv mens kostnaden for å trene dem fortsetter å stige. Dette tyder på at vi når et punkt med avtagende avkastning.
7. Hva sier artikkelen om Nvidias rolle i denne boomen?
Nvidia lager de essensielle brikkene for AI. Diagrammene viser at Nvidias inntekter har eksplodert, men dette er hakker og spader i gullrushet. Spørsmålet er om selskapene som kjøper disse brikkene noen gang vil få avkastning på investeringen sin.
8. Hvordan påvirker den usikre avkastningen mindre AI-oppstartsselskaper?
Det
