Ken Griffin szczegółowo wyjaśnia „spadek AI”: moc obliczeniowa podobna do lotnictwa, trzy główne pułapki – „marginalne wyceny”, „okres amortyzacji” i „budżet przedsiębiorstw”

21 października, podczas dorocznego globalnego szczytu rynków finansowych Citadel, Griffin w wywiadzie udzielonym dziennikarce Bloomberga, Dani Burger, stwierdził, że rynek odchodzi od „tematycznego szału zakupowego” ostatnich dwóch lat na rzecz autentycznych badań fundamentalnych. Powiedział: „Uważam, że mamy do czynienia z momentem, w którym ludzie rzeczywiście zaczęli odrabiać pracę domową”.

W ostatnich dwóch latach logika rynkowa była dość uproszczona: rozpoczął się bilionowy boom na budowę centrów danych – inwestowano w strategiczne punkty całego łańcucha wartości: Nvidia, DRAM o wysokiej przepustowości, wielowarstwowe kondensatory MLCC od firm z Korei, Tajwanu, Japonii, dostawców cloud computingu i innych – niemal gwarantowany zysk. Obecnie ta logika jest gruntownie rewidowana. Niedawno doszło także do znaczącej korekty w sektorze AI, branża półprzewodników zanotowała najdłuższą serię spadków od czasu globalnego kryzysu finansowego.

Ken Griffin ostrzega: GPU są bardzo podobne do linii lotniczych – mają niezwykle niskie koszty działalności na marginesie. Gdy moc obliczeniowa przewyższy popyt, ceny wynajmu i wywołań API mogą załamać się natychmiast, powtarzając historię „ciemnych włókien” z bańki telekomunikacyjnej 2000 roku.

Pułapka 1: Załamanie cen marginalnych – „moment linii lotniczych” GPU

Griffin przedstawił bezpośrednią analogię do branży lotniczej.

„GPU i linie lotnicze są do siebie wyjątkowo podobne – marginalne koszty eksploatacji są bardzo niskie. Jeśli w samolocie zostaje jedno wolne miejsce, to nawet jego sprzedaż za 20 dolarów jest korzystna.” – powiedział. – „To właśnie ta cecha sprawia, że jeśli linie lotnicze mają nadmiar mocy przewozowej, ceny mogą gwałtownie spaść.”

Następnie przeniósł tę logikę na rynek mocy obliczeniowej: „Jeśli dojdziemy do punktu, w którym podaż GPU przewyższa popyt, ceny marginalne faktycznie zaczną gwałtownie spadać.”

Griffin podał za przykład bańkę telekomunikacyjną z 2000 roku: zainstalowano wtedy masowo światłowody, które z powodu braku popytu nigdy nie zostały wykorzystane („ciemne włókna”), a ceny usług telekomunikacyjnych gwałtownie się załamały. Zadał pytanie: Czy rynek mocy obliczeniowej zmierza w tym samym kierunku?

„To całkowicie podważy wszystkie założenia inwestycyjne, na których dziś polegamy. To pierwszy problem.”

Pułapka 2: Niewłaściwe modelowanie deprecjacji – przeceniona „żywotność użyteczna”

Drugi postawiony przez Griffina problem dotyczy modeli wyceny stosowanych przez inwestorów.

„Obecnie są osoby, które wynajmują przestarzałe GPU, mające 5–6 lat, wciąż osiągając za nie bardzo wysokie czynsze. Prawdopodobnie za 5–6 lat ta sytuacja się już nie utrzyma.” – powiedział. – „Coraz więcej osób zaczyna się zastanawiać: nie mogę już tak jak 12 miesięcy temu przyznawać siódmemu, ósmemu czy dziewiątemu roku życia układu scalonego takiej samej kapitalizacji czy przychodowości.”

Innymi słowy, jeśli inwestorzy dalej przyjmą wysoką wartość rezydualną aktywów i odpisy rozłożone na 7–9 lat, ich modele wyceny będą musiały zostać systemowo zweryfikowane.

Pułapka 3: Zacieśnianie budżetów – era precyzyjnego ROI

Griffin wskazał, że logika wydatków firm na AI uległa zasadniczej zmianie.

„Najbardziej przenikliwe firmy w USA stają się niezwykle świadome – analizują, które projekty wymagają zapłaty najwyższej ceny za zaawansowane modele OpenAI i Anthropic, a które można obsłużyć otwartymi modelami przy minimalnych kosztach.”

Dodał: „Jeśli spojrzysz na firmy, które naprawdę potrafią wykorzystać AI, okazuje się, że bardzo szybko uczą się maksymalizacji zwrotu z każdej wydanej złotówki. Myślę, że cały biznes patrzy na faktury od Anthropic i OpenAI i mówi: dobrze, musimy mieć pewność, że naprawdę zyskujemy na produktywności.”

750 miliardów dolarów vs. zaciskanie budżetów przedsiębiorstw

Ten trend oszczędnościowy po stronie biznesu stoi w bezpośredniej sprzeczności z planami ekspansji firm oferujących modele generatywnej AI.

Według relacji Dziennika Wall Street, Anthropic w swoim pliku S-1 ujawnił plany inwestycji w moc obliczeniową o wartości 750 miliardów dolarów, przy czym skala wydatków nadal rośnie.

Dziennikarka Dani Burger zapytała Griffina wprost: Czy pomiędzy tymi dwoma zjawiskami istnieje napięcie?

Odpowiedź Griffina była krótka i rzeczowa: „Tak. Właściwie zadając pytanie, już sama na nie odpowiedziałaś.”

Następnie zauważył, że kluczowym pytaniem jest, czy Anthropic będzie w stanie przekształcić swoje modele we „wymagane produkty” – na przykład w naukach o życiu: jeśli model pozwoli rzeczywiście pokonać raka lub inne choroby śmiertelne, każda firma farmaceutyczna będzie gotowa zapłacić każdą cenę. „Ale dziś nie znamy na to odpowiedzi.”

Pytanie o bańkę: historia się powtarza, ale zakończenie nie musi być takie samo

W dyskusji na temat rosnącej „bańki AI”, Griffin udzielił odpowiedzi zakorzenionej w historii.

„Na tym etapie niemal na pewno istnieją lokalne bańki. Każda fundamentalna zmiana w ekonomii zwykle wiąże się z wybuchem bańki.” – stwierdził. – „Żałuję tylko, że dawno temu nie zatrzymałem akcji Amazona.”

W jego ocenie, po pęknięciu bańki pozostaje infrastruktura techniczna zmieniająca świat, a firmy, które ją przetrwają, stają się liderami rynkowymi na dekady.

Jednocześnie podkreślił jednak, że nie oznacza to ignorowania ryzyka wyceny – szczególnie w trzech aspektach: cen marginalnych, założeń dotyczących deprecjacji oraz budżetów firm. Przecena dopiero się zaczyna.