Циклічні акції завжди досягають піку, коли вони "найдешевші" — перший, хто оптимістично дивився на AI-апаратне забезпечення, "чіповий інфлюенсер" Citrini, чому він тихо залишає ринок

Популярний дослідницький інститут чипів Citrini Research колись був одним із найранніших і найгучніших бичачих гравців на ринку AI-обладнання. Нині ж Citrini значно скоротила позиції в напівпровідниках і навіть займає деякі короткі позиції. За цією зміною стоїть його судження про фундаментальні зміни у структурі фінансування AI-інфраструктури: коли додаткове фінансування переходить від власних грошових потоків гіперскейлінгових хмарних корпорацій до ринків акцій та боргу, ринкові настрої стають частиною фундаменталу.

21 жовтня засновник Citrini Джеймс ван Гелен записав цю розмову у подкасті Monetary Matters. На той момент акції напівпровідникових компаній щойно пережили дев'ятиденне падіння поспіль — ведучий Джек зазначив, що це найдовша серія падінь із 2006 року. Своєю чергою, Джеймс вважає: цього ще недостатньо, щоб похитнути витрати на AI, але характер ризиків уже змінився. Він пояснює: "Якщо ринкові настрої раптово обваляться, то й додаткові кошти вичерпаються — бо тепер це не гроші окремої компанії, а рішення ринку".

Розмова охоплює його причини виходу з напівпровідників, логіку лонгу по Meta й шорту по Google, значення близько 80% валової маржі DeepSeek на інференсі, а також які сигнали змусили б його знову інвестувати в чипи. Водночас він розкрив: справжнє вузьке місце у розробці нових ліків — це "дефіцит мавп", а не обчислювальні ресурси, і справжні інвест-можливості лежать у підрядних клінічних послугах, а не AI-акціях.

Гіганти у від’ємних грошових потоках, фінансова структура змінилася, й настрої можуть "вбити" фундаментал

Щоб зрозуміти, чому Citrini скорочує позиції в AI-обладнанні, треба спочатку зрозуміти так званий "рефлексивний" (reflexivity) ризик — це ядро всієї схеми бачення.

У перші три-чотири роки торгівлі AI гіперскейлери купували AI-інфраструктуру за рахунок власного операційного грошового потоку. Це означає, що незалежно від коливань настроїв на ринку — будь то тарифні війни, закриття арбітражу з ієною чи будь-яка інша паніка — достатньо, щоб Meta, Microsoft та інші і далі інвестували, і базові показники чипових компаній мають тверду "підлогу". Настрої можуть тиснути на ціну акцій, але не підривають доходи.

Тепер цей механізм порушено — грошові потоки технологічних гігантів швидко висихають або навіть стають від’ємними. Citrini James вважає, що зараз майже кожна додаткова інвестиція в AI-інфраструктуру походить із ринку акцій (чи венчурного капіталу, чи публічного ринку), або з боргового фінансування.

Це означає: AI може ставати кориснішим, обсяги використання можуть рости, але якщо ринкові настрої різко змінюються, додаткові кошти вичерпуються — бо вирішує не сама компанія, а ринок.

Ось це і є "рефлексивність": спад настроїв може відразу обірвати потік фінансування, впливаючи на реальні інвестиції, а не просто на оцінки.

Він додатково кількісно оцінив тиск. Щоб підтримати нинішню інфраструктурну оцінку, до кінця 2028 року річна виручка AI-лабораторій (ARR) має сягнути майже 1 трильйона доларів. Враховуючи поточну базу близько 13,6 млрд ARR, щомісячно треба додавати близько 50 млрд чистого додаткового ARR.

Якщо ваша гіпотеза щодо повернення коштів на базову інфраструктуру спирається на сукупний ARR лабораторій у 500 млрд, а зрештою виходить 300 млрд, це катастрофа.

Джеймс перелічив ключові фактори, які тиснуть на ARR.

По-перше: "На споживчому боці й так достатньо". Його власний досвід із використанням передових моделей показує: повсякденні потреби вже "на 99%" закриті, і значно краща функціональність не приносить нових клієнтів.

По-друге: "Зниження цін не привело до аналогічного зростання обсягів". Він цитує індекс економіки Anthropic: "Зниження вартості завдання на 10% відповідає зростанню обсягів використання на 3%".

У його розумінні ця статистика показує, що парадокс Джевонса (ефективність веде до зростання споживання) наразі не спрацьовує для токенів. Після того як компанія вибудувала функціональні AI-процеси, обсяги можуть навіть знижуватися: коли все працювало неідеально, токенів споживалося більше, бо доводилося багато переробляти.

Третє — зростання частки open-source. Він згадує, що частка open-source моделей у новому ARR, за його оцінкою, зросла приблизно з 1% рік тому до 18% зараз; покупці платять за завдання і якщо мінімальна функціональність достатня: вони не їздять на винищувачі на роботу — вони їдуть на автомобілі.

Він вважає, що розрив між американськими та китайськими моделями ще зберігається, тому цінові війни його не надто лякають. Ключовий критерій: питання не в тому, чи AI корисний і чи ставатиме кращим, а в тому, чи економічно виправдані витрати на передові розробки. На короткій дистанції "офісна робота" має стати killer app і створити більшість майбутнього попиту на токени.

“Найдешевший” — це вигляд піку циклу

Ведучий зазначає, що з погляду прибутковості багато технологічних компаній нині здаються дешевшими, ніж у 2023-му — то чому знижувати позиції? Citrini James пояснює це типовою циклічною поведінкою:

Так працюють цикли: циклічні акції завжди здаються найдешевшими перед самим піком.

Інакше кажучи, дешевизна — це ілюзія, створена тимчасово завищеним прибутком, і так характерно для циклічних паперів: прибутки зростають, коли все добре. У моменти розквіту доходи компаній на максимумі, знаменник у P/E великий, і мультиплікатор стає низьким — здається дешево. Але це прибутки піку, і як тільки кон’юнктура погіршується, доходи падають, — і слідом падає ціна акції. Тому "найдешевший" момент часто й означає вершину циклу.

Ведучий додає аналогію: ніхто не купує нафтові компанії, коли їхній прибуток на піку, а P/E лише 14.

Цей логічний ланцюжок пояснює його переклад портфеля. Він каже: якби у квітні-травні портфель залишався глибоко в інфраструктурі, усе б "упало відсотків на 50". А у вересні-жовтні 2023 року, коли напівпровідники відкотилися за 2-3 місяці, він не поспішав шукати заміну, бо тоді оцінки були низькі, а зона падіння обмежена. Зараз це вже не так:

Зона падіння дуже відчутна, якщо дійсно з’являться негативні результати чи настрої.

Він розцінює свої кроки як коригування портфеля, а не тотальний песимізм щодо AI: NVIDIA йому все ще подобається, а більший потенціал асиметрії він бачить у тому, що називає “agentic utilities” (галузі, що реально користуються/виграють від AI). За його словами, наразі попит все ще більший за пропозицію — питання в майбутньому.

Лонг Meta, шорт Google, очікування сигналу на повернення у чипи

Щодо конкретних позицій логіка Citrini James така сама чітка.

Головний аргумент на користь лонгу по Meta — монетизаційний потенціал Muse (AI-асистента Meta). Його розрахунок: середній дохід на користувача (ARPU) у Meta трохи перевищує 20 доларів, охоплюючи Instagram, WhatsApp, Facebook. "Якщо Muse досягне хоч якогось суттєвого рівня впровадження, це прямо веде до чотириразового зростання ARPU до 2030 року." За його словами, ще влітку він переключився на бичачий погляд, і реліз Muse це підтверджує.

Шорт по Google продиктований його побоюваннями через відтік талантів із DeepMind. На його думку, ринок недооцінює негативний вплив цього відтоку — і це відбувається саме в часи структурних загроз основному бізнесу пошуку. "Я й сам рідше використовую Google Search. Чи зникне пошук взагалі? Не знаю, може й ні. Але ризик залишається, водночас вони втрачають людей." Він додає, що використовує стопи, але наразі зберігає "лонг Meta + шорт Google".

Щодо повернення в напівпровідники — він формулював чіткі умови: побачити стійке зростання платного використання і нове прискорення динаміки ARR, достатнє, щоб фінансування будівництва йшло вже із грошових потоків клієнтів. Якщо ж поточний попит реально стримується лише пропозицією, і зараз просто пауза між якісним стрибком моделей і релізом нових продуктів — і коли вони вийдуть, користувачі підуть у новий платний функціонал — його страхи даремні, а це падіння інфраструктурних акцій стане покупною можливістю.

Щодо CoreWeave, його оцінка стримана — він вважає ймовірність дефолту близько 60%, але не очікує фактичного банкрутства. На його думку, ведмежий сценарій розгортатиметься "зі стогоном, а не вибухом": не дефолт якоїсь компанії дасть старт краху, а корекція очікувань щодо ARR лабораторій із 400 до 360 млрд пошириться через переоцінку, тягнучи вниз увесь сектор.

Щодо DeepSeek він посилається на дані DeepInfer (внутрішньої системи інференсу DeepSeek): 155 трильйонів токенів щодня, $38 доходу на годину GPU, а вартість ринкової оренди GPU-години — $5-8, тобто валова маржа інференсу близько 80%, інвестиції в GPU окупаються за 81 день. "Це означає, що ціна токена може падати ще глибше, особливо в непроміжних моделях."

Дизайн антитіл до скорпіної отрути за допомогою Claude: що AI стискає, а що ні

Citrini James також поділився рідкісним експериментом: його команда разом з Anthropic за 64 години за допомогою Claude розробила 211 кандидатних молекул антитіл до отрути скорпіона, з яких 17 успішно зв’язувалися з мішенню в лабораторії. Результат одночасно і вражаючий, і наводить на невтішний для AI-биків висновок: AI робить дизайн ліків "товаром", але вузьке місце реально в лабораторії, на мавпах — а не в обчисленнях.

Щоб зрозуміти, де межі застосування AI в пошуку ліків, команда Citrini James зробила нестандартний крок: звернулася до команди Anthropic Life Sciences (Nathan Frey, Amir Chennisa та Steven Molina), щоб у офісі Anthropic на внутрішніх моделях розробити антитіла до отрути скорпіона за 64 години.

У процесі Claude запустив близько 300 суб-агентів, які створили 180 проектів, а на тестування пішли 211 молекул. У лабораторії 17 із них зв’язалися з мішенню, сім — із мексиканською скорпіною отрутою CN2, а найкращий кандидат CN2B1 ще й вступив у конкурентне зв’язування з відомим нейтралізуючим антитілом у потрібній ділянці.

"AI створив ці молекули — і 17 із них зв’язалися в лабораторії. Це справді дивує."

Але далі Джеймс підсумовує, що важливіше: AI стискає час від ідеї до лабораторного плану — що раніше займало місяці, тепер займає дні. Але синтез, тестування, збір контрольних даних все одно зайняли 39 днів. "Якщо дані рухаються зі швидкістю життя, прихід AI не прискорить ріст клітин у чашці Петрі — і це саме вузьке місце".

За його підрахунками, AI може скоротити близько 20% тривалості розробки й досліджень, але 80% часу залишаються незворотно витраченими. Звідси висновок: варто інвестувати не в AI для пошуку ліків, а у компанії, що пришвидшують лабораторні експерименти.

Він прямо називає Charles River Laboratories (CRL) найбільш переконливою лонговою ідеєю: 60% виторгу — від ранніх досліджень і оцінки безпеки, бізнес якраз на дні циклу, потужностей вистачає для нових замовлень, а кожен новий контракт безпосередньо заходить у прибуток.

Він також відзначає вузьке місце, яке ринок ще не заклав у ціни: дефіцит мавп. Нелюдиноподібні примати — незамінний ресурс у доклінічних тестах, цикл розмноження — 4 роки, розширити пропозицію майже неможливо. "Це, ймовірно, найважливіше обмеження пропозиції на етапі доклінічних досліджень."