Bańka AI pod presją. Meta przyznaje, że efekty są wolniejsze od oczekiwań

• Meta przyznaje, że rozwój agentów AI nie przyspieszył tak szybko, jak zakładano, mimo głębokiej reorganizacji i przesunięcia tysięcy pracowników do zespołów sztucznej inteligencji.

• BIS ostrzega przed ryzykiem przeinwestowania w AI, wskazując na finansowanie okrężne, presję na centra danych oraz niepewną rentowność ogromnych nakładów.

• Rynek zaczyna coraz uważniej patrzeć na ceny i wykorzystanie tokenów AI, bo spadek wydatków może oznaczać słabnącą siłę cenową całego sektora.

Meta daje rynkowi sygnał ostrzegawczy

Meta znalazła się w centrum debaty o tym, czy sztuczna inteligencja rzeczywiście zaczyna przynosić spółkom technologicznych wymierne korzyści. Mark Zuckerberg przyznał wewnątrz firmy, że rozwój tak zwanych agentów AI nie przyspieszył w ostatnich miesiącach tak mocno, jak oczekiwano. To ważny sygnał, bo właśnie agenci AI mieli stać się jednym z kluczowych argumentów za kosztowną przebudową organizacji.

Spółka przeprowadziła dużą reorganizację, która obejmowała redukcję około 10 proc. globalnego zatrudnienia oraz przesunięcie około 7 tys. pracowników do zespołów skoncentrowanych na sztucznej inteligencji. Oficjalny kierunek się nie zmienia. Meta nadal chce finansować infrastrukturę AI i wykorzystać technologię do poprawy efektywności pracy. Problem polega jednak na tym, że rynek nie rozlicza już Big Techu wyłącznie z narracji. Coraz mocniej oczekuje dowodów w wynikach.

Zuckerberg wskazał, że część decyzji organizacyjnych nie została przeprowadzona tak czysto, jak mogłaby być. To brzmi jak techniczna uwaga menedżerska, ale dla inwestorów ma większe znaczenie. Jeśli tak duża spółka reorganizuje się pod AI, zwalnia ludzi, przenosi tysiące pracowników i nadal nie widzi oczekiwanego przyspieszenia, pojawia się pytanie o tempo zwrotu z inwestycji.

Meta ma według prognoz wydać w tym roku nawet 145 mld dolarów na infrastrukturę AI. To ogromna kwota nawet jak na standardy amerykańskich gigantów technologicznych. Zuckerberg zakłada, że bardziej znaczące efekty inwestycji mogą pojawić się w ciągu trzech do sześciu miesięcy. Rynek będzie więc patrzył na kolejne kwartały wyjątkowo uważnie.

BIS ostrzega przed finansowaniem okrężnym i przeinwestowaniem

Niepokój wokół AI nie ogranicza się do jednej spółki. Bank Rozrachunków Międzynarodowych, często określany jako bank centralny banków centralnych, zwraca uwagę na ryzyka wynikające z inwestycyjnej gorączki. Największe firmy z ekosystemu AI wydają coraz więcej, ale rentowność tych nakładów pozostaje niepewna.

W centrum problemu znajduje się finansowanie okrężne. Hiperskalerzy, producenci chipów i laboratoria AI są powiązani siecią prywatnych umów, udziałów kapitałowych, kontraktów na moc obliczeniową oraz zakupów sprzętu. To mechanizm, który w czasie hossy wygląda jak samonapędzający się rozwój sektora. W czasie spowolnienia może stać się źródłem ryzyka systemowego.

Jeżeli jedna część tego układu zacznie mieć problemy, napięcia mogą szybko przejść na kolejne firmy. Dostawcy chmury inwestują w laboratoria AI, laboratoria zobowiązują się do zakupów mocy obliczeniowej, producenci chipów korzystają z ogromnych zamówień, a centra danych są budowane przez zewnętrzne podmioty na podstawie długoterminowych umów. Taki model zwiększa skalę wzrostu, ale jednocześnie utrudnia ocenę, gdzie naprawdę znajduje się ryzyko.

Według przedstawionych szacunków pięciu największych hiperskalerów planuje przeznaczyć na nakłady inwestycyjne związane z AI ponad bilion dolarów w latach 2025-2026. Skala ta przewyższa ich generację gotówki, co wymusza finansowanie długiem. To moment, w którym AI przestaje być tylko historią o innowacji, a zaczyna być także historią o bilansach, amortyzacji i kosztach kapitału.

Otwarte modele z Chin podważają marże

Drugim źródłem presji jest konkurencja technologiczna. Chińska spółka Z.ai, wspierana przez Alibaba i Tencent, udostępniła otwarty model AI, który w niektórych obszarach ma dorównywać modelowi Anthropic. Najważniejsze jest jednak nie tylko samo porównanie jakości. Kluczowy jest fakt, że model można pobrać, uruchomić i modyfikować bez nadzoru zewnętrznego podmiotu.

To uderza w najważniejsze założenie stojące za gigantycznymi inwestycjami hiperskalerów. Jeśli dystans między modelami zamkniętymi i otwartymi nadal będzie się zmniejszał, klienci mogą coraz częściej wybierać tańsze rozwiązania. Dla rynku oznacza to presję na ceny, marże i tempo zwrotu z infrastruktury.

Widać to także w danych dotyczących wydatków na tokeny AI. Indeks Silicon Data LLM Token Expenditure spadł o niemal 20 proc. od majowego szczytu, po wcześniejszym niemal podwojeniu od grudnia. Sam spadek nie oznacza automatycznie, że AI tanieje. Może oznaczać niższe ceny, przesunięcie popytu w stronę tańszych modeli albo spadek gotowości klientów do płacenia za drogie rozwiązania.

Dla inwestorów najważniejsze jest to, że w każdym z tych wariantów pojawia się pytanie o siłę cenową. Jeżeli klienci zaczynają ograniczać wykorzystanie drogich narzędzi lub przenosić część obciążeń do tańszych modeli, optymistyczne założenia dotyczące przyszłych przychodów mogą wymagać korekty.

Problemem nie są tylko chipy, lecz opłacalność całego modelu

Najłatwiej sprowadzić boom AI do popytu na procesory graficzne, ale to zbyt proste ujęcie. Najbardziej zaawansowane GPU i pamięci o wysokiej przepustowości pozostają trudno dostępne, a realna ulga podażowa może nadejść dopiero później. To nie wygląda jeszcze jak klasyczna nadpodaż chipów.

Ryzyko jest subtelniejsze. Dotyczy struktury popytu. Rynek może przesuwać się z drogich układów do trenowania modeli w stronę komponentów zoptymalizowanych pod wnioskowanie, czyli codzienne wykorzystanie gotowych modeli. To nadal wspiera część sektora półprzewodników, ale może zmieniać listę zwycięzców.

Dodatkowo pojawia się kwestia amortyzacji centrów danych. Skoro znaczna część kosztu centrum danych przypada na chipy i serwery, a technologia szybko się starzeje, okres użytkowania infrastruktury może być krótszy, niż zakładają obecne modele finansowe. Jeśli amortyzacja będzie przyspieszać, zyski spółek mogą wyglądać słabiej, a potrzeby reinwestycyjne wzrosną.

Na to nakładają się regulacje. Stany Zjednoczone i Unia Europejska coraz mocniej interesują się kontrolą nad najbardziej zaawansowanymi modelami. Takie przepisy nie muszą bezpośrednio ograniczać cen, ale zwiększają koszty wdrożeń, zgodności i kontroli. Dla dyrektorów finansowych to kolejny argument, aby część zastosowań przenosić do tańszych i mniej obciążonych regulacyjnie rozwiązań.

Najważniejszy wniosek jest prosty. AI nadal może być wielkim rynkiem wzrostu, ale nie każdy dolar wydany dziś na infrastrukturę automatycznie zamieni się w przyszły zysk. Entuzjazm wokół sztucznej inteligencji pozostaje ogromny, lecz zaczyna wchodzić w fazę testu. Teraz liczą się nie tylko prezentacje, modele i konferencje, ale przede wszystkim przychody, marże, amortyzacja, gotówka i rzeczywista gotowość klientów do płacenia.