Rynek postawił na złego konia. Czy katastrofa jest już blisko? [OPINIA]

Sztuczna inteligencja stała się dla rynków centralną osią, wokół której oscylują wyceny większości aktywów. Absolutnie rekordowe wyceny są poparte obecnie w dużej mierze równie rekordowymi oczekiwaniami – pisze w opinii dla money.pl Kamil Szczepański, analityk rynków finansowych XTB.

Tekst powstał w ramach projektu WP Opinie. Przedstawiamy w nim zróżnicowane spojrzenia komentatorów i liderów opinii publicznej na kluczowe sprawy społeczne i polityczne.

Oczekiwania te nie są bezpodstawne. Spółki technologiczne pokazały fantastyczną dynamikę wzrostu i obecnie nie ma żadnych jakościowych przesłanek, że trend ten miałby się zmienić. Oczekiwania te nie są jednak uniwersalne; nie brakuje pesymistów, którzy wskazują na szereg realnych i urojonych problemów z tezą inwestycyjną.

Fundamentalne wyzwania dla technologii, bezprecedensowa skala wymagalnych inwestycji, trendy oraz prognozy, które ciężko będzie utrzymać, to tylko niektóre z nich. Ciężko powiedzieć, by prawda leżała pośrodku; można raczej powiedzieć, że obie strony mają rację. Technologia AI , na której oparta jest cała rewolucja, działa i zostanie z nami na długo, jednak kierunek, w którym branża zmierza, jest diametralnie inny względem tego, który wycenił obecnie rynek.

Zarabiają bajońskie sumy. Zmierzą się w finale mundialu

Nie każdy boom jest bańką

Każdą bańkę spekulacyjną poprzedza boom inwestycyjny, jednak nie każdy boom inwestycyjny to bańka. Nie brakuje opinii, że "bańka AI" jest największą ze wszystkich baniek spekulacyjnych w historii rynków kapitałowych i sprowadzi na świat recesję, jakiej nie widzieliśmy od dekad lub możliwe, że nawet stuleci. Jest to pogląd skrajny, jednak nie można odmówić mu częściowej racji.

Sednem problemów i błędnej alokacji kapitału, jakiej dopuścili się inwestorzy , zarówno ci detaliczni, jak i instytucjonalni , jest to, że AI ma dużą szansę stać się rewolucją, na którą czekają, ale za późno. Aby wytłumaczyć, co nie działa, należy najpierw zrozumieć, co ten system ma właściwie robić.

Motorem napędowym rewolucji AI nie mają być LLM-y lub popularne "czaty", takie jak ChatGPT, Claude czy Perplexity . Są one imponujące, ale ich komercyjne zastosowania na obecnym etapie są ograniczone. Stosunek kosztu do zysku zwyczajnie nie jest korzystny w stopniu, który uzasadniałby gigantyczne inwestycje oraz reorganizację firm, by wdrożyć je w sensowny sposób.

Nie, to, na czym stoją obecne wyceny oraz perspektywy dla rynku, to agenci AI. Agenci AI to półautonomiczne oprogramowanie, boty, zbudowane w oparciu o technologię LLM , w dużym skrócie. Agenci ci potrafią już nie tylko odpowiadać na pytania, ale wykonywać złożone zadania z minimalnym nadzorem.

Wbrew obiegowej opinii głównym problemem AI nie są "halucynacje", a koszt . AI operuje w oparciu o "tokeny", które są, w uproszczeniu, jednostkami pracy modelu AI. Agent AI zużywa o rząd wielkości więcej tokenów niż "czat". Podaż tokenów kontrolują centra danych. To z ich mocy obliczeniowej korzystają modele, by wykonywać zadania. Pojedyncze zapytania lub agenci AI to wydatek liczony w centach, jednak aby wprowadzenie tych rozwiązań w firmach miało sens i dostarczało pełnej wartości, muszą one być wprowadzane w odpowiedniej skali.

Ilość pracy wykonywanej przez setki agentów AI może być kolosalna, ale równie szybko kolosalne staną się koszty. Koszty mocy obliczeniowej już dziś wgryzają się w budżety nawet największych firm. W takich warunkach nie ma szans na "rewolucję AI".

Aby rewolucja mogła trwać, agenci muszą być tańsi; aby agenci byli tańsi , tańsze muszą być tokeny. Aby tokeny były tanie, potrzeba więcej centrów danych. To dlatego centra danych wyrastają w USA jak grzyby po deszczu.

Tutaj do gry wchodzi zjawisko efektu skali. Aby efekt skali zadziałał na korzyść branży AI, musi być on ogromny , według wydatków inwestycyjnych potencjalnie największy w historii.

Stąd potoczna nazwa spółek technologicznych trudniących się budową największej ilości takich obiektów "Hyperscale"; należą do nich: Microsoft, Amazon, Google, Meta i Oracle. Kwoty zaangażowane w inwestycje są trudne do wyobrażenia. Tylko w 2026 r. te pięć spółek ma wydać na inwestycje ok. 800 miliardów dolarów.

To tyle, co ponad dwa całe programy Apollo, amerykańskiego programu lotów na Księżyc. Ale to nie jest koniec, a jedynie początek wydatków. Rozbudowa infrastruktury ma trwać do lat 2030, 2032, ma rosnąć do poziomu ponad biliona dolarów rocznie i ostateczny rachunek ma wynieść ponad 5 bilionów dolarów. Pięć spółek będzie co roku wydawać odpowiednik PKB Polski na AI, a cały rachunek będzie równy ok. 25 proc. dzisiejszego PKB USA.

Dwie sztuczne inteligencje

To szaleństwo inwestycyjne byłoby uzasadnione pod kilkoma warunkami. Najważniejszym warunkiem byłoby wyparcie przez największe spółki AI i technologiczne reszty sektora z rynku dzięki AI, a następnie ekspansja, skalowanie i budowanie nowych łańcuchów wartości w oparciu o nową technologię. Taki obrót wydarzeń jest możliwy, ale jest to scenariusz skrajny, a obecnie rynek i inwestorzy uznają go za scenariusz bazowy.

Dlaczego jest to scenariusz skrajny? AI wyraźnie podzieliło się na dwa główne segmenty. Pierwszy to AI "wystarczająco dobra": starsze modele i te open source (jak np. chiński DeepSeek). Drugi to modele "krańcowe" , najlepsze, najnowsze i najdroższe. Te pierwsze stają się coraz tańsze, a te drugie stają się coraz lepsze, ale również coraz droższe.

Rynek operuje pod absurdalnym założeniem, że firmy będą potrzebować "najlepszej możliwej inteligencji". Obecne badania oraz trendy na rynku pokazują ponad wszelką wątpliwość.

Biznes idzie linią najmniejszego oporu i wyposaża się w AI dostosowane do dzisiejszego rynku, tanie, proste i działające.

Firma kurierska nie będzie kupować samochodów sportowych, by jak najszybciej dowieźć paczkę na miejsce; w ten sam sposób firmy nie będą kupować przerażająco drogich, ultrazaawansowanych modeli krańcowych do obsługi np. sklepów internetowych.

Sytuacja ze złej stała się katastrofalna wraz z premierą DeepSeek. Chiński model udowodnił nie tyle wyższość chińskiego sektora technologii nad USA, ile pokazał, że użyteczne komercyjnie modele są możliwe do produkcji i utrzymania za ułamek środków, których potrzebowało OpenAI czy Anthropic.

Modele stają się coraz lepsze, coraz lepsze stają się też podzespoły dostosowane do pracy z AI. Jest kwestią kwartałów, zanim modele zbliżone możliwościami do dzisiejszej "średniej półki" będą mogły być budowane i utrzymywane wewnętrznie przez zespoły dedykowanych specjalistów lub małe wyspecjalizowane firmy, pomijając molochy takie jak Google czy Microsoft. Jest to zła wiadomość dla wycen, bo dzisiejsi liderzy sektora wyceniani są jako przyszli quasimonopoliści, a trendy i mechanizmy rynkowe wskazują na coś dokładnie przeciwnego.

Jeśli nowe łańcuchy wartości miałyby być oparte o usługi zbudowane w oparciu o agentów, to oznacza, że to tam będzie generowany zysk oraz marże. Jednocześnie tania moc obliczeniowa będzie przekładać się na niski próg wejścia i ogromną konkurencję.

Dla wspomnianych molochów nie oznacza to upadku. Nawet jeśli inwestycje się nie zwrócą, to nie te spółki są w największym niebezpieczeństwie. Spółki "wielkiej piątki" mają własne zyskowne ekosystemy, które utrzymają je przy życiu oraz będą mogły z czasem dostosować się do AI na szeroką skalę , ale nie każdy ma ten luksus.

Najsłabsze są fundamenty

Microsoft, Alphabet czy Amazon mogą pozwolić sobie na błędy, ale są duże podmioty na rynku żyjące niemal wyłącznie z obietnicy przyszłego popytu.

Jest to "finansowy trójkąt bermudzki" rewolucji AI. Są to spółki "neo-cloud", laboratoria "frontier" (czyli OpenAI i Anthropic) oraz podmioty je finansujące, tj. firmy private equity/credit. Sformułowanie trójkąta bermudzkiego jest tutaj na miejscu, bo tak samo jak samoloty , kapitał wlatuje do środka, znika i nikt nie wie, co się z nim stało.

Spółki te mają nieprzejrzystą i dużą ekspozycję na długi o wątpliwej jakości, połączoną z równie wątpliwym jakościowo modelem biznesowym. Nie jest to problemem, dopóki sentyment wobec branży jest świetny, ale nawet najlepszy sentyment nie jest dany na zawsze. W momencie, w którym któraś z dużych spółek przyzna się do dużych strat, obniży prognozy lub wycofa się z części zobowiązań inwestycyjnych, rozpocznie się ucieczka kapitału.

To będzie oznaczać samonapędzającą się spiralę paniki i efekt domina. Spółki bez przygotowania i rezerw upadną, a wraz z nimi firmy inwestycyjne, które je finansowały.

Dziś oprocentowanie długu korporacyjnego jest najniższe od 2007 r. Oznacza to, że popyt jest ogromny, a rynek nie widzi żadnego ryzyka. To wcale nie jest coś dobrego. Bo do kryzysów finansowych nie dochodzi wtedy, kiedy wszyscy się boją, a wtedy, kiedy rynek przestaje wyceniać ryzyko.

Czas próby

Obecnie sentyment, jak wspomniałem, jest pozytywny, solidny i na pierwszy rzut oka ślepy na niemal wszystkie zagrożenia.

Biorąc pod uwagę prognozy oraz trendy, jeśli "bańka" AI miałaby pęknąć, to mogłoby się to stać w 2027 r. To wtedy prognozy i oczekiwania mają największe prawdopodobieństwo zderzyć się ze ścianą realiów rynkowych oraz obciążeniem niebotycznych wydatków inwestycyjnych.

Jeżeli rynek zachowa obecny stopień lewarowania oraz niepoprawnego optymizmu, to takie rozczarowanie musi skończyć się kryzysem finansowym oraz dewastacją całych gałęzi gospodarki.

Obecnie kryzys nie powinien być traktowany jako coś pewnego, jednak nawet jeśli z czasem inwestorzy "przejrzą na oczy" i zredukują oczekiwania, to głębokie korekty wycen będą nieuniknione.

Czytaj cały artykuł u źródła — Money.pl