Ostrzeżenie Chrisa Wooda: Dlaczego błędne inwestycje mogą zakończyć boom na AI

Ogromny wzrost wydatków na sztuczną inteligencję tworzy jeden z najbardziej dramatycznych cykli wydatków kapitałowych (capex) w historii, ale niesie ze sobą ukryte niebezpieczeństwo. Chris Wood, Global Head of Equity Strategy w Jefferies, ostrzega, że upadek trendu na AI nie będzie spowodowany brakiem chipów czy nadpodażą, lecz kryzysem rentowności.

Nadchodzące zagrożenie błędnymi inwestycjami

Według najnowszego biuletynu Wooda „Greed & Fear”, głównym ryzykiem dla ekosystemu AI są „błędne inwestycje” (malinvestment). Twierdzi on, że trend ten prawdopodobnie napotka bolesną pauzę lub zakończy się, gdy rynek uświadomi sobie, że dostawcy usług chmurowych (hyperscalers) oraz wiodące laboratoria AI nie są w stanie wygenerować odpowiednich zwrotów z ogromnych inwestycji.

Istotnym powodem do niepokoju jest istnienie zamkniętych pętli finansowania. Wood wskazuje na scenariusze, w których firmy takie jak Nvidia mogą finansować laboratoria AI, takie jak OpenAI, które następnie wykorzystują ten kapitał do zakupu kolejnych chipów firmy Nvidia. Choć tworzy to pętlę sprzężenia zwrotnego napędzaną impetem, pozostaje ona wysoce podatna na sceptycyzm inwestorów w kwestii widoczności długoterminowych zysków oraz dyscypliny kapitałowej.

Ogromny cykl capex napędzany przez infrastrukturę

Skala inwestycji obecnie lokowanych w infrastrukturę AI jest bezprecedensowa. TSMC jest doskonałym przykładem tej koncentracji; firma podniosła swoje prognozy dotyczące capex na rok 2026 do około 56 miliardów USD, w porównaniu do 41 miliardów USD w zeszłym roku. Dalsze prognozy Fubon Research sugerują, że do 2027 roku capex może osiągnąć poziom 65–70 miliardów USD.

Wydatki te napędzają ogromne zmiany makroekonomiczne w regionach takich jak Tajwan, gdzie wzrost realnego PKB w pierwszym kwartale 2026 roku wyniósł 14,55% rok do roku. Obecnie szacuje się, że popyt związany z AI będzie odpowiadał za 31% całkowitych przychodów TSMC w 2026 roku, co podkreśla, jak głęboko globalna gospodarka jest obecnie powiązana z rozbudową infrastruktury AI.

Komodytyzacja modeli AI

Dodatkową presję na marże wywiera szybka komodytyzacja dużych modeli językowych (LLM). W miarę jak wysokiej jakości modele stają się dostępne za ułamek dotychczasowej ceny, „fosy” (moats) otaczające wiodących zachodnich dostawców AI kurczą się.

Wood zauważa wzrost znaczenia wydajnych chińskich modeli, takich jak GLM-5.2 od Z.ai, który rzekomo oferuje wydajność niemal równą topowym amerykańskim modelom, takim jak Anthropic, ale przy koszcie za token stanowiącym zaledwie jedną czwartą dotychczasowej ceny. Dane z OpenRouter pokazują znaczącą zmianę: pod koniec czerwca czołowe chińskie modele AI przetworzyły 21,37 biliona tokenów, znacznie wyprzedzając 5,76 biliona tokenów przetworzonych przez wiodące modele amerykańskie. Trend ten sugeruje, że warstwa programowa AI staje się biznesem towarowym (commodity) o niskich marżach.

Przejście w stronę strategii „kilofów i łopat”

Mimo tych ryzyk Wood nie przewiduje natychmiastowego załamania. Sugeruje on raczej strategiczne przesunięcie w stronę „kilofów i łopat” (picks and shovels) tej branży — konkretnie w stronę pamięci i sprzętu.

W przeciwieństwie do warstwy programowej, dostawcy pamięci DRAM i innych rodzajów pamięci zyskują znaczną siłę przetargową. Na przykład firma Micron podpisała już 16 strategicznych umów z klientami, obejmujących 20% wolumenu DRAM i jedną trzecią wolumenu NAND, często na pięcioletnie terminy. Ta strukturalna zmiana pozwala producentom pamięci dyktować ceny, co czyni ich bezpieczniejszą inwestycją, nawet jeśli szerszy cykl capex w obszarze AI zostanie zweryfikowany przez rzeczywistość.

Kluczowe wnioski

• Czynnik ryzyka: Trend na AI jest podatny na „błędne inwestycje” (malinvestment), w których inwestorzy uświadomią sobie, że dostawcy usług chmurowych nie są w stanie osiągnąć wystarczających zwrotów z ogromnych wydatków kapitałowych.
• Presja komodytyzacji: Szybkie pojawianie się tanich i wydajnych chińskich modeli AI prowadzi do komodytyzacji rynku LLM i obniżania marż zachodnich dostawców.
• Strategiczny zwrot: Podczas gdy marże w oprogramowaniu mogą maleć, dostawcy sprzętu i pamięci (tacy jak SK Hynix i Samsung) zabezpieczają długoterminowe korzyści dzięki strategicznym, wieloletnim umowom dostawczym.