J.P. Morgan ostrzega przed narastającymi sygnałami ostrzegawczymi na rynku AI

Podczas gdy sztuczna inteligencja nadal napędza bezprecedensowe skoki technologiczne, analitycy finansowi alarmują w sprawie potencjalnej niestabilności rynku. Niedawny raport J.P. Morgan sugeruje, że „entuzjazm inwestorów” tworzy niebezpieczne poziomy koncentracji i zmienności w sektorze AI.

Ekstremalna koncentracja i analogia do bańki dotcom

Najbardziej uderzającym powodem do niepokoju podniesionym przez J.P. Morgan jest ekstremalna koncentracja bogactwa i wzrostu w ramach indeksu S&P 500. Od premiery ChatGPT w 2022 roku, zaledwie 42 firmy związane z AI odpowiadają za wygenerowanie około 65% do 80% zysków, przychodów i inwestycji całego indeksu. Koncentracja ta jest najbardziej widoczna w kapitalizacji rynkowej, gdzie dziesięć największych amerykańskich spółek stanowi obecnie około 40% S&P 500 — co stanowi ogromny skok w porównaniu do zaledwie 17% w 2015 roku.

Co więcej, wzorce techniczne w sektorze półprzewodników odzwierciedlają słynną bańkę dotcom. J.P. Morgan identyfikuje cztery konkretne sygnały ostrzegawcze:

• Akcje spółek półprzewodnikowych odbiegają od swojej 200-dniowej średniej kroczącej tak gwałtownie, jak miało to miejsce pod koniec lat 90. XX wieku.
• Fundusze hedgingowe są bardziej zaangażowane w akcje producentów chipów niż w jakimkolwiek wcześniejszym momencie.
• Pożyczki marginowe na koreańskiej giełdzie papierów wartościowych potroiły się od 2020 roku.
• Handel opcjami na akcje spółek półprzewodnikowych wzrósł pięciokrotnie w stosunku do poziomów z 2020 roku.

Zmieniający się krajobraz sprzętu AI

Choć Nvidia pozostaje gigantem na rynku akceleratorów AI, jej dominacja napotyka na strategiczną erozję. J.P. Morgan szacuje, że udział rynkowy Nvidia prawdopodobnie spadnie z 85% w 2023 roku do około 75% do 2026 roku. Zmiana ta jest napędzana przez głównych dostawców usług chmurowych, którzy opracowują własne układy scalone, aby zoptymalizować koszty.

Na przykład jednostki TPU od Google oraz chipy Trainium od Amazon stają się kluczowymi alternatywami. Korzystanie z dedykowanych układów scalonych może obniżyć koszty operacyjne o 30% do 40% w porównaniu do tradycyjnych procesorów graficznych (GPU) firmy Nvidia. W branży następuje już zauważalna zmiana: firma Anthropic zobowiązała się do uruchamiania swoich modeli Claude na infrastrukturze Trainium od Amazon przez najbliższą dekadę, co sygnalizuje odchodzenie od całkowitej zależności od GPU.

Presja na marże i wzrost znaczenia open source

Rentowność wiodących laboratoriów AI, takich jak OpenAI i Anthropic, pozostaje pod dużym znakiem zapytania. Mimo gwałtownego wzrostu przychodów, astronomiczne koszty mocy obliczeniowej ograniczają marże. Tworzy to podatność, którą konkurenci są gotowi wykorzystać.

W miarę jak ceny tokenów ulegają wahaniom, przedsiębiorstwa coraz częściej szukają sposobów na optymalizację wydatków, przenosząc zadania na tańsze, wydajne modele open-source. Krajobraz ten dodatkowo komplikują chińskie modele open-source, które szybko zbliżają się do najwyższej klasy wydajności za ułamek kosztów zachodnich modeli własnościowych. Ta presja spadkowa na ceny tokenów, w połączeniu ze zmniejszającymi się marżami wolnych przepływów pieniężnych u głównych dostawców chmurowych, sugeruje, że „gorączka złota AI” może wkrótce zderzyć się z brutalną rzeczywistością w kwestii rentowności.

Kluczowe wnioski

• Zmienność rynku: Wzorce akcji spółek półprzewodnikowych oraz zwiększony handel opcjami wykazują techniczne podobieństwa do bańki dotcom.
• Dywersyfikacja sprzętu: Przewiduje się spadek udziału rynkowego Nvidia, ponieważ dostawcy chmurowi, tacy jak Amazon i Google, wdrażają własne chipy, aby obniżyć koszty nawet o 40%.
• Ryzyko rentowności: Wysokie koszty mocy obliczeniowej oraz rosnąca wydajność tanich modeli open-source (w tym chińskich) zagrażają marżom wiodących laboratoriów AI.