מדוע השקעות שגויות, ולא עודף שבבים, עלולות לשים קץ לבום ה-AI

הבהלה לזהב של הבינה המלאכותית מונעת כיום על ידי מחזור הוצאות הון (capex) חסר תקדים, אך התרעה משמעותית עלתה בנוגע לקיימות ארוכת הטווח שלה. כריס ווד, ראש אסטרטגיית המניות הגלובלית ב-Jefferies, מציע כי המסחר ב-AI עשוי לא להסתיים בשל מחסור בביקוש, אלא בשל משבר ברווחיות.

הסיכון של השקעות שגויות ומימון מעגלי

בניגוד למחזורי מוליכים למחצה מסורתיים שבדרך כלל מסתיימים עקב עודפי מלאי פתאומיים או זעזועי היצע, ווד מזהה "malinvestment" (השקעות שגויות) כסיכון העיקרי למסחר ב-AI. החשש המרכזי הוא שספקי ענן ענקיים (hyperscalers) ומעבדות AI מובילות עלולות להיכשל ביצירת תשואה הולמת על הוצאות ההון (capex) העצומות שהן מבצעות.

ווד מדגיש לולאת משוב שעלולה להיות מסוכנת בתוך המערכת: הסדרי מימון מעגליים שבהם חברות כמו Nvidia מספקות מימון למעבדות AI כמו OpenAI, אשר משתמשות בהון זה כדי לרכוש עוד שבבי Nvidia. בעוד שזה מניע צמיחה בטווח הקצר, זה יוצר פגיעות. אם המשקיעים יתחילו להטיל ספק ביכולות המונטיזציה (ייצור רווחים) ארוכות הטווח של השקעות AI אלו, לולאת המשוב הזו עלולה להתפרק בחדות, מה שיגרום להפסקה כואבת בשוק.

הוצאות הון (Capex) עצומות ופרדוקס ג'בונס

היקף ההשקעות שנצפה כיום הוא היסטורי. TSMC העלתה את תחזית הוצאות ההון שלה לשנת 2026 לכ-56 מיליארד דולר, עלייה מ-41 מיליארד דולר בשנה שעברה, כאשר חלק מהתחזיות מצביעות על כך שההוצאות עשויות להגיע ל-65–70 מיליארד דולר עד שנת 2027. זינוק זה כבר הניע משמעותית את הכלכלה הטייוואנית, כאשר צמיחת התמ"ג הריאלי הגיעה ל-14.55% בחישוב שנתי ברבעון הראשון של 2026.

ווד רואה בכך דרך עדשת "פרדוקס ג'בונס" (Jevons Paradox) — הרעיון שככל שעלות משאב (במקרה זה, טוקנים של מחשוב) יורדת עקב עלייה ביעילות, כך הצריכה הכוללת של אותו משאב למעשה עולה. פרדוקס זה מועיל לשחקני ה-"picks and shovels" (ספקי התשתית), ובמיוחד לספקי זיכרון ו-DRAM. חברות כמו Micron כבר רואות את השינוי המבני הזה, כאשר Micron חתמה על 16 הסכמי לקוחות אסטרטגיים המכסים 20% מנפח ה-DRAM שלה ושליש מנפח ה-NAND שלה, לעיתים קרובות עם תקופות חוזה של חמש שנים.

הפיכת מודלי ה-AI לסחורה (Commoditisation)

לחץ נוסף הגובר על הכלכליות של ספקי AI מערביים פרימיום הוא ההפיכה המהירה של מודלי שפה גדולים (LLMs) לסחורה (commoditisation). עלייתם של מודלים באיכות גבוהה ובעלות נמוכה — במיוחד מסין — מאתגרת את הדומיננטיות של חברות שבסיסן בארה"ב.

לדוגמה, השקת GLM-5.2 של Z.ai תוארה כקרובה כמעט לאלו של Anthropic לשימוש ארגוני, אך בעלות של רבע בלבד לכל טוקן. נתונים מ-OpenRouter מראים שינוי משמעותי בנפח; בסוף יוני, מודלי AI סיניים מובילים עיבדו 21.37 טריליון טוקנים, תוצאה שעקפה משמעותית את 5.76 הטריליון טוקנים שעיבדו מודלי AI אמריקאיים מובילים. זרם זה של חלופות זולות ויכולות מפעיל לחץ עצום על שולי הרווח של החברות המובילות במרוץ ה-AI.

נקודות מרכזיות

• הסיכון העיקרי: סיום המסחר ב-AI צפוי להיגרם יותר כתוצאה מהבנה של "malinvestment" (השקעות שגויות) ותשואות נמוכות על הוצאות הון, מאשר מעודף שבבים מסורתי.
• שינוי מבני בזיכרון: ספקי DRAM וזיכרון הם כיום המרוויחים המוגנים ביותר בשיטת ה-"picks and shovels", תוך ניצול הסכמים אסטרטגיים ארוכי טווח כדי לשמור על כוח תמחור.
• איום ההפיכה לסחורה: הופעתם המהירה של מודלי AI בעלות נמוכה וביצועים גבוהים (בעיקר מסין) הופכת את תחום ה-LLM לסחורה, מה שמאיים על המודלים בעלי שולי הרווח הגבוהים של מובילות ה-AI המערביות.