Do której z baniek podobny jest boom AI? Najlepiej pasuje ta sprzed sześćdziesięciu lat

Ekonomiści, inwestorzy i regulatorzy coraz częściej przykładają obecny boom na sztuczną inteligencję do dawnych kryzysów, od bańki internetowej, przez rewolucję łupkową, po kryzys z 2008 roku. Najciekawsze porównanie wskazał jednak Michael Burry, znany z The Big Short inwestor, który przewidział krach kredytów subprime, sięgając do zapomnianej mani leasingu komputerów z lat sześćdziesiątych, a rynek długu już pokazuje, że cierpliwość wierzycieli się kończy.


Jeszcze rok temu słowo „bańka“ padało w rozmowach o AI głównie z ust sceptyków. Dziś używają go ludzie, którzy na tym boomie zarabiają. Ken Griffin, założyciel Citadel, powiedział niedawno, że inwestorzy „niemal na pewno“ w niej siedzą. Pytanie przesunęło się więc z tego, czy bańka istnieje, na to, jak bardzo przypomina poprzednie i jak może się skończyć.

Echo 2008 roku

Najbliższa i „najłatwiejsza” jest analogia do ostatniego Kryzysu Finansowego. W felietonie dla „The New York Times“ Jen Harris przekonuje, że AI staje się największą inwestycją w historii Stanów Zjednoczonych, a firmy „wskrzeszają niepokojące praktyki“ sprzed krachu. Spółki trzymają ogromne kwoty długu poza bilansami. Fundusze emerytalne i ubezpieczyciele kupują skomplikowane produkty zabezpieczone aktywami o niepewnej wartości. Garstka firm handluje ze sobą na wielką skalę, co sztucznie pompuje popyt.

Harris zwraca uwagę na także na to, że w akcjach spółek związanych z AI jest dziś zgromadzone więcej amerykańskiego majątku, niż kiedyś było w nieruchomościach. Ewentualne załamanie mogłoby więc wymazać więcej bogactwa niż kryzys sprzed osiemnastu lat.

Druga analiza „Timesa“ przywołuje badanie opublikowane w „Journal of Finance“ w 2022 roku. Gdy w jednym sektorze jednocześnie gwałtownie rośnie zadłużenie i ceny, prawdopodobieństwo kryzysu skacze do około 40%, wobec mniej więcej 7% w normalnych warunkach. „Światła ostrzegawcze migają na pomarańczowo“ — mówi współautor badania, ekonomista z Harvardu Samuel Hanson. Richard Bookstaber, specjalista od zarządzania ryzykiem, przyznaje, że martwi się dziś bardziej niż przed ostatnim kryzysem.

Ostrożny jest też Międzynarodowy Fundusz Walutowy. W październikowym raporcie o stabilności finansowej ostrzega, że korekta cen aktywów związanych z AI może zostać wzmocniona przez rosnącą dźwignię i skoncentrowane ekspozycje, a jej skutki mogą mieć wymiar globalny.

Jason Thomas, szef globalnego researchu w Carlyle, dorzuca obserwację z samego jądra rynku kredytowego. Według omówienia jego stanowiska kredytodawcy finansują projekty AI w mniejszym stopniu na podstawie ich własnej zdolności do spłaty długu, a w większym w przekonaniu, że w razie kłopotów zobowiązania przejmie stojąca za nimi duża firma. Takie rozumowanie przypomina mu praktyki z czasów kredytów subprime. Warto pamiętać, że Carlyle sam jest mocno zaangażowany w sektor, więc trudno go uznać za zewnętrznego krytyka, a przy tym był jednym z największych poszkodowanych kryzysu 2008 roku.

Echo bańki internetowej

W analizie porównawczej krachów najdalej poszedł Ray Dalio, założyciel Bridgewater Associates, największego funduszu hedgingowego świata. Od lat posługuje się własnym wskaźnikiem baniek i według tej miary obecna bańka jest porównywalna skalą z tymi z 2000 i 1929 roku. Argumentował, że bańki pękają, gdy posiadacze muszą zamienić papierowe bogactwo w gotówkę dodając, że głębokie zadłużenie rządu USA pozostawiają niewielki margines, nawet jeśli sztuczna inteligencja podnosi produktywność.

W jego opisie kredyty, działa jak układ krążenia. Kiedy pożyczone pieniądze dają wystarczający dochód, aby obsłużyć dług, system jest zdrowy. Kiedy obsługa zadłużenia rośnie w stosunku do wydatków, „to jest jak blaszka miażdżycowa w układzie krążenia. I to właśnie powoduje ekonomiczny zawał serca.” Opisany przez Dalio mechanizm pękania bańki jest prosty: przełomowa technologia przyciąga inwestorów, ci inwestują ponad miarę i zadłużają się, a potem bańka pęka.

Griffin sięga po ten sam okres, tylko konkretniej. Porównuje procesory graficzne do miejsc w samolocie, bo w obu przypadkach obsługa dodatkowej jednostki kosztuje niewiele. To daje tylko pozór bezpieczeństwa inwestycji, bo jeśli podaż GPU przerośnie popyt, jego zdaniem ceny krańcowe wpadną w swobodny spadek, tak jak stało się z nadmiarem łączy światłowodowych około 2000 roku.

Burry jeszcze w marcu zestawił CoreWeave z Level 3 Communications, jedną z firm, które zbudowały na kredyt światłowodową infrastrukturę pod popyt mający przyjść później. Dodał, że dziś sytuacja może być trudniejsza, bo chipy tracą wartość znacznie szybciej niż kable w ziemi.

Echo rewolucji łupkowej

Trzecia analogia jest młodsza i dla wielu inwestorów bardziej bolesna, bo pamiętają ją z własnych portfeli. Na początku roku Jeff Currie, analityk rynku surowców związany z Carlyle, zestawił boom AI z amerykańską rewolucją łupkową z pierwszej połowy poprzedniej dekady.

Łupki były technologicznym triumfem. Szczelinowanie hydrauliczne zamieniło Stany Zjednoczone w największego producenta ropy i gazu na świecie i przetasowało światową geopolitykę energetyczną. Dla wielu inwestorów skończyło się jednak katastrofą. W szczycie boomu nakłady inwestycyjne sektora sięgały 110–120% przepływów pieniężnych, a niektóre firmy przed krachem cen ropy w 2014 roku wydawały ponad dwa razy więcej, niż zarabiały. Wydobycie rosło tak szybko, że zalało rynek, ceny się załamały, a według przytaczanej przez Curriego analizy wyparowało 2,6 biliona dolarów wartości akcji.

Currie widzi w AI ten sam rodzaj kapitałochłonności. Centra danych to coś więcej niż oprogramowanie. To hale, sprzęt, energia i chłodzenie, a biznesy oparte na takich aktywach historycznie wyceniano znacznie skromniej niż czyste spółki technologiczne.

Podobnie myślą inni. Fundusz OMERS Ventures jeszcze w 2025 roku opublikował tekst o wymownym tytule „Boom na AI ma kształt łupków“. Warren Beth z ALPS Advisors w czerwcu porównał wprost oba cykle i ostrzegł, że tempo inwestycji może przerosnąć zdolność branży do finansowania własnego wzrostu.

Lekcja z 1968 roku

Najmniej oczywiste porównanie Burry przedstawił jednak na początku października. Punktem wyjścia był slajd z prezentacji Nvidii dla inwestorów, zatytułowany mniej więcej „Infrastruktura AI Nvidii zachowuje wartość dłużej, niż zakłada przyspieszona amortyzacja“. Wykres zestawiał wartość układów A100, H100 i B200 z pięcioletnią krzywą amortyzacji i zwolennicy spółki uznali go za nokaut dla sceptyków.

Burry zauważył, że dane pochodzą od firmy analitycznej Silicon Data i nie pokazują cen, za jakie faktycznie da się sprzedać używany sprzęt. To model oparty na prognozowanych przychodach z wynajmu przy założeniu, że chip pracuje osiem lat. Porównywanie go z pięcioletnią amortyzacją nazwał zestawianiem jabłek z pomarańczami. Wyższe stawki za wynajem starszych układów tłumaczy z kolei brakiem pamięci i energii w centrach danych. „Układ, który zarabia więcej, niż kosztuje, to oznaka niedoboru spowodowanego brakiem pamięci i energii, a nie braku rdzeni GPU i ich trwałości“ — napisał.

I tu przywołał historię, o której mało kto dziś pamięta. Pod koniec lat sześćdziesiątych zewnętrzne firmy leasingowe podgryzały IBM, wynajmując komputery mainframe taniej od producenta. Udawało im się to, bo amortyzowały maszyny przez osiem lat, podczas gdy IBM przyjmował cztery. Komputery rzeczywiście działały dłużej. Problem pojawił się, gdy IBM wprowadził System/370. Stare maszyny wciąż chodziły, ale nikt nie chciał płacić za nie dawnych stawek. Zwroty z wynajmu się załamały, a do 1970 roku notowania spółek leasingowych spadły o około 80%.

Burry zacytował też wydaną w 1968 roku książkę „The Money Game“, w której młodzi traderzy zbywają pytania o amortyzację stwierdzeniem, że zapotrzebowanie na komputery jest praktycznie nieskończone. „Natura ludzka zmienia się wolniej niż cokolwiek innego”, skomentował.

Ta analogia jest o tym trafniejsza od pozostałych, że kryzys 2008 roku dotyczył domów, które nie tracą użyteczności, gdy sąsiad zbuduje nowszy, a światłowody z 2000 roku działają do dziś. Chipy zachowują się jak tamte mainframe’y. Nowa generacja Nvidii nie musi zepsuć starych układów, wystarczy, że odbierze im klientów. A neocloudy i centra danych wspierane przez fundusze private equity w dużej mierze finansują swoje GPU strukturyzowanym długiem i kredytem prywatnym, licząc na długi okres zarabiania.

Bańka jako cena postępu

Griffin nie traktuje tego wszystkiego jako powodu do paniki. „Każda radykalna transformacja naszej gospodarki jest zazwyczaj powiązana z bańką“ — mówi. Firmy, które ją przetrwają, stają się według niego liderami rynku na kolejne dziesięciolecia. Tak było z Amazonem po 2000 roku i z koleją w XIX wieku.

Współszef inwestycji Citadel Pablo Salame również przekonuje, że przypływ, który niesie AI, „zatopi część łodzi“. Widzi zderzenie dwóch światów. Inwestorzy giełdowi gonią za ponadprzeciętnymi zyskami, wierzycielom zależy głównie na odzyskaniu pieniędzy, a opowieści o wzroście, które wystarczają do kupowania akcji, nie udźwigną setek miliardów dolarów długu. Salame nazywa ten proces urealnieniem oczekiwań i odróżnia go od kryzysu. Zauważa jednak, że napięcie przenosi się już z długu o najniższych ratingach na obligacje śmieciowe lepszej jakości.

Burry skwitował wypowiedź Griffina krótko, że dla każdego z choć jedną działającą komórką mózgową to oczywiste. Głosy przeciwne też są. Prezydent Blackstone Jon Gray nazywa popyt na AI „parabolicznym“ i uważa, że budowanie mocy przerobowych to próba nadążenia za klientami, a nie produkcja nadmiaru.

Gartner liczy to jednak na chłodno. Właściciele centrów danych potrzebowaliby do 2030 roku około 8,5 biliona dolarów przychodów, żeby pokryć koszty. Przychody z AI związane z centrami danych mają w tym czasie sięgnąć najwyżej 3,6 biliona. „To na firmach z branży AI spoczywa ciężar utrzymania bardzo wysokiego tempa wzrostu“ — mówi Torsten Slok z Apollo. Jeśli to się nie uda, nadejdzie moment otrzeźwienia.

Wierzyciele mówią „dość“

Ten moment zaczyna być widoczny na rynku długu. Bloomberg rozmawiał z ponad trzydziestoma bankierami i zarządzającymi funduszami, którzy zgodnie twierdzą, że pozyskanie pieniędzy na infrastrukturę AI jest dziś znacznie trudniejsze niż kilka miesięcy temu. Rentowności obligacji i kredytów na centra danych i chipy sięgają dwucyfrowych poziomów, a bankom coraz trudniej przerzucać ryzyko na ubezpieczycieli.

Barclays szuka ubezpieczenia od niewypłacalności dla ponad 10 mld dolarów długu związanego z AI, żeby zrobić sobie miejsce na kolejne pożyczki. Pimco, które w 2025 roku pożyczyło na ten boom miliardy, część pozycji sprzedało, zabezpieczyło się przed ryzykiem stóp i pominęło kolejne emisje. Koszt ubezpieczenia długu Broadcomu i Oracle skoczył do poziomów typowych dla firm z ratingiem śmieciowym. Tucker Roberts z Citadel Securities ostrzega, że wkrótce problemem może być znalezienie rzeczywistych nabywców gotowych wziąć więcej ryzyka.

Elon Musk napisał, że rynki długu niemal całkowicie odcięły od pieniędzy firmy, które nie mają znaczących przychodów poza centrami danych AI, i wieszczy ponad dwustu neocloudom masowe wymieranie i konsolidację. Przy okazji pochwalił się, że SpaceX zamknął finansowanie na 40 mld dolarów na zakup GPU, co zawdzięcza ratingowi inwestycyjnemu i przychodom ze Starlinka.

Kredyt wciąż jednak płynie do wybranych. Nebius dostał od Citi zabezpieczoną pożyczkę na 3,5 mld dolarów. Ed Yardeni uważa, że z bańki raczej uchodzi powietrze, niż zanosi się na jej pęknięcie, a rynek obligacji przejmuje rolę regulatora dostępu do kapitału. „Będą tu jakieś upadki — mówi. — Ale to jest ekosystem.“