האזהרה של כריס ווד: מדוע השקעות שגויות (Malinvestment) עלולות לשים קץ למסחר בבינה המלאכותית
הפריחה העולמית בבינה מלאכותית (AI) מוזנת כיום במחזור ההוצאות ההוניות (capex) הדרמטי ביותר שנראה אי פעם, אך סיכון מבני המתקרב עלול לעורר תזוזה פתאומית בשוק. כריס ווד, ראש אסטרטגיית המניות הגלובלית ב-Jefferies, מזהיר כי סיומו של מסחר ה-AI לא יגיע ממחסור בשבבים או מעודף היצע, אלא ממשבר אמון בנוגע לתשואות על ההשקעה.
האיום של השקעות שגויות ומימון מעגלי
בניגוד למחזורי מוליכים למחצה מסורתיים המסתיימים בשל עודפי מלאי, ווד טוען כי מסחר ה-AI ניצב בפני איום פסיכולוגי וכלכלי ייחודי: "malinvestment" (השקעות שגויות). הסיכון העיקרי הוא שספקי ענן ענקיים (hyperscalers) ומעבדות AI עלולים להיכשל ביצירת תשואות הולמות על כמויות ההון העצומות שהם פורסים.
ווד מדגיש לולאת משוב שעלולה להיות שבירה בתוך המערכת האקולוגית. הוא מצביע על מבנים שבהם חברות כמו Nvidia עשויות לממן מעבדות AI כמו OpenAI, אשר בתורן משתמשות בהון זה כדי לרכוש עוד שבבי Nvidia. בעוד שמעגליות זו מניעה צמיחה בטווח הקצר, היא יוצרת "בית קלפים" שעלול לקרוס אם המשקיעים יתחילו להטיל ספק ביכולות המונטיזציה (monetization) ארוכות הטווח של מערך ה-AI.
הוצאות הון (Capex) מאסיביות וריכוזיות של עושר
היקף ההשקעות הנוכחי הוא חסר תקדים. TSMC העלתה את תחזית ה-capex שלה לשנת 2026 לכ-56 מיליארד דולר, עלייה מ-41 מיליארד דולר בשנה שעברה, כאשר חלק מהתחזיות מצביעות על 65–70 מיליארד דולר עד שנת 2027. זינוק זה הפך את טאיוואן לכוח מאקרו עוצמתי, כאשר צמיחת התמ"ג הריאלית שלה הגיעה ל-14.55% בחישוב שנתי ברבעון הראשון של 2026.
הביקוש הקשור ל-AI כל כך מרוכז כיום, עד שעל פי ההערכות הוא יהווה 31% מהכנסות TSMC בשנת 2026. רמת ריכוזיות זו מדגישה עד כמה הכלכלה העולמית מהמרת כיום על ורטיקל טכנולוגי בודד.
הפיכת מודלי ה-AI לסחורה (Commoditisation)
נקודת לחץ משמעותית נוספת היא הפיכתם המהירה של מודלי שפה גדולים (LLMs) לסחורה (commoditisation). ככל שמודלים באיכות גבוהה הופכים לזולים יותר, כוח התמחור הפרמיום של ספקי ה-AI המערביים עומד בפני אתגר.
ווד מציין כי מודלים סיניים צוברים תאוצה משמעותית. בפלטפורמת OpenRouter, המודלים הסיניים המובילים עיבדו 21.37 טריליון טוקנים (tokens) בסוף יוני, קפיצה אדירה מ-4.37 טריליון באפריל, תוצאה שעוקפת משמעותית את ה-5.76 טריליון טוקנים שעיבדו המודלים האמריקאיים המובילים. שינוי זה מרמז שככל ש"העלות לכל טוקן" יורדת, הכלכליות של תחזוקת מודלים יקרים וקנייניים תעמוד תחת בחינה אינטנסיבית.
העברת המיקוד לזיכרון וחומרה
למרות אזהרות אלו, ווד אינו חוזה קריסה מיידית. במקום זאת, הוא ממקם מחדש תיקי השקעות לעבר ה-"picks and shovels" (הכלים והציוד) של התעשייה — ובאופן ספציפי, זיכרון וחומרה.
הוא מצטט את פרדוקס ג'בונס (Jevons Paradox), שבו עלייה ביעילות מובילה לצריכה כוללת גבוהה יותר. ככל שהמחשוב הופך ליעיל יותר, הביקוש לזיכרון DRAM ו-NAND עולה. חברות כמו Micron כבר הבטיחו הסכמים אסטרטגיים ארוכי טווח עבור חלק משמעותי מנפח המכירות שלהן, מה שמעניק ליצרניות הזיכרון כוח מיקוח וכוח תמחור ניכר, שחסר לעיתים קרובות ליצרני שבבים מסורתיים במהלך תקופות האטה קודמות.
נקודות מפתח
- הסיכון העיקרי: מסחר ה-AI פגיע ביותר לחששות מפני "malinvestment" — ההבנה שהוצאות הון (capex) מאסיביות אינן מניבות רווחים מספיקים.
- לחץ של הפיכה לסחורה (Commoditisation): מודלי AI משתפרים וזולים יותר במהירות, במיוחד מסין, מאיימים על המודל הכלכלי בעל שולי הרווח הגבוהים של חברות ה-AI המערביות המובילות.
- גידור הזיכרון: בעוד שספקי תוכנה ומודלים מתמודדים עם לחץ על שולי הרווח, יצרני חומרה וזיכרון (כמו SK Hynix ו-Samsung) נותרים המרוויחים המבניים מהתשתית שנבנית.