10 palących problemów spółek AI

Niemal co dnia tego lata wypływają niewygodne dla branży AI fakty, szczególnie dla potentatów, czyli spółek Wspaniałej 7 (hiperskalerzy).

To chłodzi nastroje giełdowe, tamuje wzrosty i powoduje coraz więcej obaw inwestorów co do trwałości AI hossy.

Poniżej telegraficzny skrót 10. najważniejszych bolączek wraz z oceną wpływu na przyszłość.

1. Szokujące 3 biliony dolarów poza bilansami

Tyle zobowiązań POZA bilansem ma 9 czołowych firm technologicznych, głównie związanych z AI. Do tej pory wiedzieliśmy głównie o rosnącym niepokojąco CAPEX (wydatki inwestycyjne) o wielkości ok. 700 mld $ w 2026r, ale teraz ból głowy stał się jak widać 4 x większy.

O sprawie napisał Wall Street Journal pokazując szacunkowe wyliczenia, bo do prawdziwych trudno dojść. Te ogromne zobowiązania wydatkowe dotyczą przede wszystkim dzierżawy centrów danych i układów scalonych. Aby to wszystko kupić, firmy podpisują długoterminowe umowy z dużym wyprzedzeniem, aby zabezpieczyć produkcję u swoich dostawców. Ekspozycje poza bilansem w niektórych spółkach obejmują także umowy na zakup akcji innych firm w przyszłości lub umowy najmu zabezpieczające dla innych najemców.

Zgodnie z zasadami księgowości zobowiązania zakupowe zazwyczaj pozostają poza bilansem do czasu dostarczenia produktu lub usługi. A to nastąpi za jakiś czas, więc spółki siedzą na bombie, która wybuchnie, jeśli monetyzacja tego gigantycznego biznesu pójdzie nie tak i te nakłady się nie zwrócą. Wówczas firmy technologiczne będą płacić wysokie rachunki za infrastrukturę, której nie będą mogły rentownie wykorzystać.

To jedna z rzeczy, przed którą ostrzegał od jakiegoś czasu „Big short” Michael Burry.

2. Rosnące zadłużenie

Capex zjada coraz większą część operacyjnego cash flow. Mega-techy jeszcze niedawno dysponowały górami wolnej gotówki, której obecnie brak, teraz coraz więcej finansowania pochodzi z długu. Spółki emitują potężne ilości obligacji, WYPIERAJĄC z rynku potrzeby pożyczkowe rządu USA. Co gorsza, to powoduje coraz bardziej dotkliwie ROSNĄCE RENTOWNOŚCI obligacji na całym świecie. Moody’s i inni ostrzegają przed pogorszeniem ich jakości kredytowej.

3. Szybsza niż zakładana deprecjacja sprzętu

GPU i serwery AI mogą tracić wartość ekonomiczną w 2–3 lata, podczas gdy spółki amortyzują je przez 5–6 lat. To opóźnia księgowanie kosztów i zawyża obecne zyski. To druga rzecz, którą „Big short” zarzuca gigantom AI.

4. Niepewny zwrot z inwestycji i monetyzacji

Hyperscalerzy wydają setki miliardów, ale przychody z AI rosną wolniej niż koszty. OpenAI i Anthropic wciąż przepalają ogromne pieniądze przy dochodach będących tylko ułamkiem wydatków hiperskalerów. Jeśli adopcja nie przyspieszy wystarczająco szybko, zwroty mogą rozczarować.

5. Wolna adaptacja na poziomie biznesu

Badania wskazują, że tempo wdrażania AI w firmach i zyski z tego tytułu są rozczarowujące. Można powiedzieć, że nadal pozostaje w takim razie spory potencjał, ale to nie tak miało być.

6. Konkurencja i ceny tokenów

Chińczycy tworzą swoje AI w niemniej zaawansowanym stopniu i nieco taniej. To powoduje obniżki cen tokenów, a więc malejącą opłacalność. Do tego doszła wojna między otwartoźródłowymi a zamkniętymi AI.

7.  Ograniczenia energetyczne

Brak wystarczającej mocy, opóźnienia w budowie elektrowni/sieci, rosnące ceny energii i problemy z chłodzeniem. Część projektów centrów jest już opóźniana lub anulowana. Szacuje się, że do 2030 potrzebne będzie 72 reaktorów jądrowych i to jest ogromne wyzwanie. Tym bardziej, że rośnie fala protestów ludności.

8.  Finansowanie okrężne (tzw. circular financing)

Nvidia inwestuje w OpenAI i Anthropic, a te kupują chipy i chmurę od Nvidii. Tworzy to wiele pętli, w których popyt jest częściowo sztuczny. Wygląda to jakby spółki kupowały swoje produkty za własne pieniądze. Załamanie jednego ogniwa może pociągnąć kolejne. Tak było podczas bańki dot.comowej

Nowy pomysł Nvidii to pomoc klientom w uzyskaniu kapitału na zakup lub wynajem jej własnych GPU. Stworzyła pakiet 500 mld $ pomocowy we współpracy z wieloma instytucjami z rynku finansowego. A to nie spodobało się rynkowi, który widzi, że potrzebna jest wymyślna inżynieria finansowa, żeby podołać zapotrzebowaniu.

9.  Ryzyka regulacyjne

Prawo dopiero się rodzi i wcale nie musi sprzyjać potentatom. Działania  antymonopolowe, troska o ochronę danych i odpowiedzialność za treści generowane przez AI, sankcje, ograniczenia eksportu chipów, napięcia USA–Chiny itd. A to dopiero początek problemów.

10. Sztuczne przychody

Goldman Sachs zwraca uwagę, że znacząca część ostatnich zysków hyperscalerów pochodzi z tzw. „other income” – głównie z wyceny udziałów w prywatnych firmach AI. Dla Alphabet i Amazona stanowiło to niemal 60% ich łącznego dochodu w ostatnim kwartale.

To legalna, choć nieco „kreatywna” księgowość. Problem stanowi to, że to niestabilne, nieoperacyjne dochody, nie pochodzące z głównego businessu typu chmura, reklamy czy oprogramowania. Winduje to jednak zyski, co nie podoba się rynkowi, który tworzy spiskowe teorie. Jeśli wyceny startupów typu OpenAi czy Anthropic okażą się nadmuchane, to te zyski z posiadania ich akcji gwałtownie spadną, zmniejszając zyski hiperskalerów.

***

Optymiści oczekują, że wszystko się uda, a pieniądze zaczną napływać na spłatę tych wydatków.

Jeśli nie, spółki nie dźwigną tych obciążeń. Szerokie masy inwestorów niespecjalnie się tym przejmują, ale fundusze chcą coraz bardziej zobaczyć więcej dowodów na monetyzację.

Tak wygląda klasyczna bańka. Nawet jeśli część spółek okaże się zwycięzcami, nie wszystkie przeżyją tak zmasowanych inwestycji.

W kolejnej części – dlaczego zyski gwałtownie rosną, ale wyceny są rekordowe?

—kat—