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

Era sztucznej inteligencji zapoczątkowała najbardziej dramatyczny cykl wydatków kapitałowych (capex) w historii, ale na horyzoncie majaczy istotne ryzyko strukturalne. Chris Wood, Global Head of Equity Strategy w Jefferies, ostrzega, że trend inwestycyjny w AI może nie zakończyć się z powodu niedoboru chipów lub nadpodaży, lecz w wyniku uświadomienia sobie, że ogromne inwestycje nie generują adekwatnych zwrotów.

Widmo błędnych inwestycji

W przeciwieństwie do tradycyjnych cykli półprzewodników, które kończą się, gdy na rynek trafia nadmiar zapasów, Wood twierdzi, że obecny boom na AI mierzy się z unikalnym zagrożeniem: błędnymi inwestycjami (malinvestment). Sugeruje on, że „finał” trendu AI nastąpi, gdy hyperscalerzy i wiodące laboratoria AI nie osiągną satysfakcjonującego zwrotu z astronomicznych nakładów capex, które obecnie ponoszą.

Szczególny niepokój budzi istnienie zamkniętych pętli finansowania. Wood wskazuje na scenariusze, w których główni gracze, tacy jak Nvidia, zapewniają finansowanie firmom takim jak OpenAI, które następnie wykorzystują te środki do zakupu kolejnych chipów Nvidii. Choć tworzy to potężną pętlę krótkoterminowego wzrostu, opiera się ona w dużej mierze na optymistycznych założeniach dotyczących monetyzacji, które mogą zostać zweryfikowane, jeśli inwestorzy stracą zaufanie do przewidywalności długoterminowych zysków.

Ogromne wydatki capex i wzrost w Tajwanie

Skala inwestycji obserwowanych obecnie w tym sektorze jest bezprecedensowa. Wood opisuje trwającą rozbudowę jako najbardziej dramatyczny cykl capex, jakiego kiedykolwiek był świadkiem. Doskonałym przykładem jest TSMC, które znacząco podniosło swoje prognozy, a przewidywania na rok 2027 sięgają nawet 65–70 miliardów USD.

Te skoncentrowane wydatki napędzają ogromne zmiany makroekonomiczne, szczególnie na Tajwanie. Region ten odnotował wzrost realnego PKB o 14,55% rok do roku w pierwszym kwartale 2026 roku, napędzany wzrostem zamówień eksportowych o 53,4%. Obecnie szacuje się, że popyt związany z AI będzie odpowiadał za około 31% całkowitych przychodów TSMC w 2026 roku, co ilustruje, jak głęboko globalna gospodarka zostaje powiązana z infrastrukturą AI.

Komodytyzacja i wzrost znaczenia tanich modeli

Kolejną warstwą ryzyka jest szybka komodytyzacja dużych modeli językowych (LLM). Wraz ze spadkiem kosztu pojedynczego tokena, przewaga konkurencyjna wiodących zachodnich dostawców jest podważana. Wood zauważa, że nowe modele, takie jak GLM-5.2 od notowanej w Hongkongu firmy Z.ai, rzekomo zbliżają się wydajnością do modeli najwyższej klasy, takich jak Anthropic, ale przy zaledwie jednej czwartej kosztów.

Dane z OpenRouter podkreślają tę zmianę: pod koniec czerwca czołowe chińskie modele AI przetworzyły 21,37 biliona tokenów, co stanowi ogromny skok w porównaniu do 4,37 biliona w kwietniu. Wolumen ten znacząco przewyższył 5,76 biliona tokenów przetworzonych przez wiodące modele amerykańskie, co sygnalizuje wysoce konkurencyjny i coraz bardziej ustandaryzowany krajobraz.

Zmiana strategii: Skupienie na pamięci i sprzęcie

Mimo tych ostrzeżeń, Wood nie przewiduje natychmiastowego załamania. Zamiast tego, reorientuje portfele w stronę „kilofów i łopat” tej branży – konkretnie dostawców pamięci DRAM i innych pamięci. Ze względu na paradoks Jevonsa, w miarę jak moc obliczeniowa staje się bardziej wydajna i tańsza, całkowite zużycie w rzeczywistości rośnie, co przynosi korzyści dostawcom sprzętu.

Główni producenci pamięci, tacy jak Micron, zapewniają sobie już długoterminową stabilność – Micron podpisał strategiczne umowy obejmujące 20% swojego wolumenu DRAM. W rezultacie Wood zwiększa ekspozycję na firmy z sektora sprzętu technologicznego, takie jak SK Hynix, Kioxia i Samsung Electronics, zakładając, że pozostaną one beneficjentami, nawet jeśli szersze warstwy oprogramowania i usług AI będą miały trudności z dyscypliną kapitałową.

Kluczowe wnioski

• Główne ryzyko: Trend inwestycyjny w AI może zakończyć się raczej z powodu „błędnych inwestycji” i braku zwrotu z inwestycji (ROI) dla hyperscalerów niż z powodu tradycyjnej nadpodaży półprzewodników.
• Zagrożenie komodytyzacją: Szybko rozwijające się i tańsze chińskie modele AI wywierają intensywną presję cenową na wiodących zachodnich dostawców AI.
• Zwrot strategiczny: Zainteresowanie inwestycyjne przesuwa się w stronę producentów pamięci i sprzętu (DRAM), którzy posiadają znaczącą siłę kształtowania cen oraz długoterminowe kontrakty z klientami.