Meta løfter AI-capex til 125–145 mrd. dollar

Meta økte onsdag sitt capex-estimat for 2026 til 125–145 milliarder dollar.

Reuters meldte 29. april at Meta Platforms løftet intervallet fra tidligere 115–135 milliarder dollar. Selskapet gjør det samtidig som det kutter kostnader og varsler nedbemanninger. CNBC bekreftet samme intervall i sin dekning av kvartalstallene.

Fakta: Dette er ikke en ny modell-lansering. Det er et finansielt signal om hvor mye infrastruktur en av verdens største AI-aktører mener den må eie for å konkurrere. Reuters skriver at Meta bruker tungt på AI-infrastruktur, høy lønn til AI-team og Meta Superintelligence Labs. Samtidig bygger selskapet AI dypere inn i annonseplattformen, WhatsApp, Threads og interne arbeidsflyter.

For norske ledere er poenget ikke Metas aksjekurs. Poenget er kostkurven. Når hyperscalere og plattformselskaper fortsetter å øke datasenter- og chip-investeringer, vil kapasitet, energitilgang og modelltilgang bli strategiske innkjøpsspørsmål – ikke bare tekniske valg i IT.

CIO-konsekvensen er konkret: AI-roadmapet må ha en kapasitetsstrategi. Hvilke arbeidslaster skal kjøres hos hyperscaler? Hva kan kjøres billigere med mindre modeller, åpen vekt eller spesialiserte inferensplattformer? Hvilke leverandører har faktisk kapasitet hvis prisene eller prioriteringene endres?

CFO og styre bør lese saken som et krav om bedre ROI-disiplin. Det er lett å kopiere Big Tech-retorikken om at mer AI-kapasitet alltid gir mer verdi. For vanlige virksomheter er det feil startpunkt. Start med prosessene som har målbar effekt: kundeservice, utviklerproduktivitet, saksbehandling, markedsanalyse, dokumentflyt og sikkerhetsoperasjoner. Knyt hvert tiltak til kost per transaksjon, kvalitet, risiko og tid spart.

Vurdering: Metas signal forsterker et mønster vi allerede ser hos Microsoft, Google, Amazon, OpenAI og kinesiske aktører: AI-infrastruktur blir en maktfaktor. Det kan gi bedre tjenester, men også mer leverandørbinding. Norske virksomheter bør derfor kreve portabilitet i arkitektur, tydelige exit-muligheter i kontrakter og løpende måling av faktisk bruk.

Rådet nå: Ikke lås 2026-budsjettet til én AI-plattform uten stresstest. Lag en enkel matrise for datafølsomhet, latency, kost, modellkvalitet og regulatorisk risiko. Det er kjedelig arbeid, men det er slik AI går fra pilot til styrbar drift.