Dlaczego to błędne inwestycje, a nie nadpodaż chipów, mogą zakończyć trend na AI

Boom na sztuczną inteligencję napędza najbardziej dramatyczny cykl wydatków kapitałowych (capex) w historii, ale pojawiło się istotne ostrzeżenie dotyczące jego trwałości. Chris Wood, globalny szef strategii akcyjnej w Jefferies, sugeruje, że ostateczny koniec trendu na AI nie zostanie wywołany brakiem chipów, lecz kryzysem zaufania do zwrotów z inwestycji.

Nadchodzące zagrożenie błędnymi inwestycjami

W przeciwieństwie do tradycyjnych cykli półprzewodników, które kończą się z powodu nagłego nasycenia podaży lub akumulacji zapasów, Wood twierdzi, że era AI stoi przed unikalnym ryzykiem strukturalnym: błędnymi inwestycjami. Główne niebezpieczeństwo tkwi w możliwości, że hyperscalerzy i wiodące laboratoria AI nie będą w stanie wygenerować odpowiednich zwrotów z ogromnego kapitału, który angażują.

Wood zwraca uwagę na niepokojący wzorzec „okrężnego finansowania” wewnątrz ekosystemu. Na przykład Nvidia uczestniczy w finansowaniu podmiotów takich jak OpenAI, które z kolei wykorzystują ten kapitał do zakupu kolejnych chipów Nvidii. Choć w krótkim terminie tworzy to silny impet, generuje również pętlę sprzężenia zwrotnego, która może gwałtownie się załamać, jeśli inwestorzy zaczną wątpić w długoterminową monetyzację i przewidywalność zysków całego stosu technologicznego AI.

Ogromne wydatki capex i koncentracja ryzyka

Skala inwestycji, których obecnie jesteśmy świadkami, jest bezprecedensowa. TSMC, wiodący na świecie producent półprzewodników, podniósł swoje prognozy capex na rok 2026 do około 56 miliardów dolarów, w porównaniu do 41 miliardów dolarów w zeszłym roku. Prognozy Fubon Research sugerują, że do 2027 roku kwota ta może wzrosnąć do poziomu między 65 a 70 miliardów dolarów.

Ten wzrost już teraz przekształca gospodarki regionalne. Na Tajwanie wpływ popytu związanego z AI jest wyraźny – wzrost realnego PKB wyniósł 14,55% rok do roku w pierwszym kwartale 2026 roku. Co więcej, oczekuje się, że popyt związany z AI będzie odpowiadał za około 31% całkowitych przychodów TSMC w 2026 roku, co podkreśla, jak silnie gospodarka światowa koncentruje się na infrastrukturze AI.

Komodytyzacja modeli AI

Drugim punktem nacisku jest szybka komodytyzacja Dużych Modeli Językowych (LLM). W miarę jak rośnie wydajność, a koszty spadają, „premium” przewaga zachodnich dostawców AI jest podważana. Wood wskazuje na wzrost znaczenia modeli chińskich, takich jak GLM-5.2 od Z.ai, który rzekomo oferuje wydajność porównywalną z wiodącymi zachodnimi modelami przy zaledwie jednej czwartej kosztów.

Dane potwierdzają tę zmianę; na platformie OpenRouter najlepsze chińskie modele AI przetworzyły 21,37 biliona tokenów pod koniec czerwca, co stanowi ogromny skok w porównaniu do 4,37 biliona w kwietniu. Wolumen ten jest znacznie wyższy niż 5,76 biliona tokenów przetworzonych przez wiodące modele z USA, co sygnalizuje zatłoczony i wrażliwy na cenę rynek.

Przesunięcie uwagi na „kilofy i łopaty”

Mimo tych ostrzeżeń Wood nie przewiduje natychmiastowego załamania. Sugeruje on raczej strategiczny zwrot w stronę „kilofów i łopat” branży – konkretnie dostawców pamięci DRAM i innych rodzajów 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 gracze, tacy jak Micron, już teraz zabezpieczają swoją pozycję poprzez zmiany strukturalne, takie jak podpisywanie strategicznych pięcioletnich umów obejmujących znaczną część ich wolumenów DRAM i NAND. Zapewnia to producentom pamięci większą siłę dyktowania cen i stabilność, nawet jeśli szersza warstwa oprogram