Główny niedźwiedź Societe Generale: Szał na AI powiela azjatycki kryzys finansowy, a śmiertelna jest „bomba zegarowa” długu

Główny strateg Société Générale, Albert Edwards, wysyła ostrzeżenie: obecna gorączka inwestycyjna wokół AI wykazuje zdumiewające podobieństwo do kryzysu finansowego w Azji w 1997 roku — nie dlatego, że sama technologia jest nieprzydatna, lecz dlatego, że napływ kapitału jest znacznie szybszy niż tempo poprawy wydajności, a uzupełnianiem tej luki historycznie zajmowali się wierzyciele, a nie inżynierowie.

Edwards w najnowszym wydaniu swojego „Global Strategy Weekly” zwraca uwagę, że dane dotyczące całkowitej wydajności czynników produkcji (TFP), mierzącej realne korzyści z technologii, nie wykazują dotąd żadnej poprawy, podczas gdy globalne wydatki kapitałowe na AI gwałtownie rosną — Goldman Sachs szacuje, że w samym 2026 roku globalna skala inwestycji w AI przekroczy 1 bilion dolarów. Tymczasem roczne przychody OpenAI zostały ujawnione jako około 20 miliardów dolarów niższe od wcześniejszych oczekiwań, a po tej informacji Nasdaq spadł o ponad 1% w ciągu jednego dnia, co bezpośrednio godzi w narrację o „rosnącym popycie”.

Według Edwardsa, prawdziwy zapalnik tej kryzysowej sytuacji to możliwość dalszego dostarczania taniego kapitału wspierającego ekspansję AI, zaś rozczarowujące dane dotyczące produktywności nie są główną przyczyną. „Strażnicy” rynku obligacji testują kolejno podatność różnych krajów na szoki — od Japonii po Francję, wyprzedaż obligacji rozprzestrzenia się falowo. Technologiczni giganci, którzy masowo zaciągają długi na finansowanie AI, potrzebują tych samych nabywców długoterminowych obligacji, aby wchłonąć setki miliardów nowych emisji, co przypomina mechanizm, w którym kraje azjatyckie w latach 90. polegały na krótkoterminowych pożyczkach dolarowych, by utrzymać koniunkturę.

Początkiem tego ostrzeżenia jest dość nudny wykres. Główny ekonomista Apollo, Torsten Slok, w raporcie zatytułowanym „Nie widać śladów AI w danych o produktywności” pokazuje, że TFP po uwzględnieniu wskaźnika wykorzystania mocy produkcyjnych jest obecnie nieco poniżej zera, od czasu rozpoczęcia cyklu wydatków kapitałowych na AI nie widać żadnych oznak przyspieszenia, a tempo wzrostu produkcji na godzinę pracy stabilnie utrzymuje się w okolicach 2,5%.

Slok podkreśla, że silny wzrost produkcji na godzinę pracy wraz ze stagnacją TFP to typowa cecha „pogłębiania kapitału”, a nie sygnał szoku technologicznego — wyposażenie każdego pracownika w nowy monitor (lub GPU o wartości 40 000 dolarów), zwiększy produkcję na godzinę, ale nie uczyni przedsiębiorstwa faktycznie bardziej efektywnym. Gorączka AI jest wyraźnie widoczna w danych inwestycyjnych i wycenach giełdowych, ale nie w statystykach dotyczących wydajności, co oznacza, że rzekome zwroty są dopiero prognozami, a nie faktami.

Strateg Bank of America, Michael Hartnett, również zauważa tę zależność i dodaje ciekawy szczegół: TFP i indeks zaufania konsumentów były w ostatnim półwieczu bardzo ze sobą powiązane, a obecnie oba tracą na wartości. Przewodniczący Federal Reserve Chicago, Austan Goolsbee, ostrzegał wcześniej, że utrzymująca się niski poziom produktywności może stanowić wyzwanie dla obecnej narracji.

Edwards nie po raz pierwszy podważa „cuda narracyjne”. Wspomina, że jego „pierwsza znacząca, wyjątkowo ryzykowna i niezgodna z konsensusem opinia” w karierze polegała na stwierdzeniu, iż „cud gospodarczy Azji Wschodniej” był w istocie potężną bańką gospodarczą i finansową. Teoretyczne podstawy czerpał z artykułu ekonomisty Paula Krugmana z 1994 roku opublikowanego w „Foreign Affairs” („Mity azjatyckiego cudu”) — Krugman wskazywał, że azjatyckie gospodarki rozwijały się dzięki ogromnym nakładom kapitału i pracy, a nie realnemu wzrostowi efektywności; wzrost TFP był słaby, co zasadniczo podkopywało optymistyczne narracje.

Wtedy mainstream wyśmiewał takie poglądy. Bank Światowy w 1993 roku opublikował „Cud Azji Wschodniej”, a szczyt „aroganckiego optymizmu” nastąpił w sierpniu 1996 r. — kolejny raport Banku Światowego chwalił „cud makroekonomiczny Tajlandii”, zaledwie rok przed zawaleniem się bahta.

Edwards nazywa swoją „krótko nastawioną” strategię z tamtego okresu „Noddynomics” i opisuje, jak był przez rynek powszechnie wyśmiewany. Podczas roadshow w USA porównał bańkę technologiczną końca lat 90. do bańki gospodarczej Tajlandii, co wymagało interwencji jego przełożonego, aby chronić go przed atakami klientów. Obie bańki ostatecznie pękły.

Drugie oskarżenie Edwardsa pochodzi z badań jego byłego kolegi, Roba Parenteau. Parenteau wskazuje, że całkowite inwestycje firm napędzane przez AI wyglądają imponująco, ale po odjęciu amortyzacji, inwestycje netto niemal nie rosną: nominalnie, inwestycje stanowią około 14% PKB, podczas gdy inwestycje netto od około dekady utknęły przy 3%; w ujęciu realnym, całkowite inwestycje osiągają rekordowy poziom 15,5% PKB, lecz wartość netto wynosi jedynie ok. 3,5%, podobnie jak w latach 2015 i 2019.

Edwards podkreśla również, że firmy wydłużają okres amortyzacji aktywów takich jak GPU, co sprawia, że dane dotyczące inwestycji netto wyglądają lepiej na papierze, ale maskują słabą faktyczną stopę zwrotu ekonomicznego. To pokrywa się z wcześniejszą krytyką Michaela Burry dotyczącej sztucznie wydłużanego okresu użytkowania GPU.

Wyliczenia Goldman Sachs dodatkowo kwantyfikują to ryzyko. Według najnowszych badań, jeśli sześciu największych amerykańskich dostawców chmurowych osiągnie na inwestycjach w AI ROIC (zwrot z zainwestowanego kapitału) równy zeru, to tylko na pokrycie amortyzacji i kosztów operacyjnych potrzebują rocznie ok. 920 miliardów dolarów przychodów.

Goldman Sachs szacuje wydatki na AI w trzech etapach: 2023-2025 ok. 633 miliardów dolarów, 2026-2027 ok. 1,73 biliona dolarów, a 2028-2030 aż 4,14 biliona dolarów. By osiągnąć jedynie 15% ROIC dla drugiego etapu, sześciu gigantów musi w latach 2028-2030 wygenerować około 1,42 biliona dolarów przychodu.

Dane na poziomie PKB również nie dają zwolennikom wzrostu dużego wsparcia.

Edwards podkreśla, że wkład inwestycji stałych amerykańskich firm do wzrostu PKB rok do roku wynosi mniej niż jeden punkt procentowy — to tylko ułamek szczytowych wartości z końca lat 90. (ponad 2 punkty procentowe).

Strukturalnie, inwestycje w sprzęt nominalnie rosną niemal o 14%, ale realny wzrost „ledwo osiąga dwucyfrowość”; inwestycje w budynki nienależące do mieszkań wykazują spadek — nominalnie o 3%, realnie bliżej 6% — nawet uwzględniając budowę centrów danych.

Na tej podstawie Edwards wskazuje, że „rozkwit AI” w rachunkach PKB odzwierciedla raczej wzrost cen niż ekspansję produkcji, gdyż uczestnicy rynku równocześnie kupują te same chipy, pamięć i transformatory, podbijając ich ceny. To częściowo tłumaczy, dlaczego Fed obawia się ryzyka inflacji związanego z AI, a nie jego efektu deflacyjnego.

Edwards pisze w raporcie, że prawdziwa przyczyna kryzysu w Azji nie tkwiła w rozczarowujących danych o produktywności, lecz w nagłym przerwaniu napływu taniego zewnętrznego kapitału, który podtrzymywał niewłaściwą alokację zasobów. Ostrzega, że „strażnicy” rynku obligacji działają dziś podobnie: ostatnio napływ środków z Japonii wywołał wyprzedaż amerykańskich obligacji skarbowych, później efekt rozlał się na Francję, gdzie obligacje państwowe mają najgorszy dziesięcioletni wynik od 1803 roku.

W tym kontekście firmy AI ciągle emitują nowe obligacje — Broadcom, Oracle, SpaceX i inni dołączają do fali finansowania chipów AI, zwiększając presję podaży na rynku obligacji, co bezpośrednio konkuruje z potrzebą dużych firm do pozyskiwania długoterminowych inwestorów.

Wnioski Edwardsa są celne: „Cud” Tajlandii nie skończył się z powodu rozczarowania produktywnością, lecz w momencie, gdy wierzyciele dostrzegli problem. Największym ryzykiem obecnej gorączki wokół AI jest powtórka tego scenariusza — tylko tym razem narzędziem finansowania są obligacje inwestycyjne, prywatne kredyty i specjalne pojazdy inwestycyjne, a nie krótkoterminowe pożyczki dolarowe.

Edwards ostrożnie zaznacza, że nie ogłasza śmierci gorączki AI, lecz pyta: kiedy jedyne dane statystyczne mogące dowieść, że to nie bańka, „odmawiają współpracy”, dlaczego rynek jest tak pewien swojego konsensusu? Odpowiedź na to pytanie być może stanie się jasna dopiero po odpływie kapitału.