Największe firmy technologiczne przyspieszają wielomiliardowe inwestycje w infrastrukturę sztucznej inteligencji, ale rosnące koszty pamięci i ujemne wolne przepływy pieniężne zwiększają kontrolę inwestorów. Pomimo silnego rozwoju usług w chmurze firmy stoją przed rosnącą presją, aby wykazać długoterminową rentowność z tak znaczących nakładów kapitałowych.
Rosnące wydatki kapitałowe
Globalny sektor technologiczny jest obecnie zaangażowany w masową rozbudowę infrastruktury, której głównym katalizatorem jest sztuczna inteligencja. Według prognoz Goldman Sachs oczekuje się, że zbiorowe wydatki liderów branży osiągną w tym roku 765 miliardów dolarów, a do 2027 roku liczba ta wzrośnie do 1,2 biliona dolarów. Amazon stał się podmiotem wydającym najwięcej wśród największych hiperskalarników, podnosząc niedawno swoje roczne prognozy dotyczące wydatków kapitałowych do 220 miliardów dolarów. To agresywne podejście do infrastruktury odzwierciedla wyścig o zaspokojenie ogromnego zapotrzebowania na moc obliczeniową chmury i sztucznej inteligencji. Dyrektorzy twierdzą, że inwestycje te mają fundamentalne znaczenie dla przyszłej konkurencyjności, jednak nie da się ignorować skutków finansowych. Na przykład Amazon odnotował ujemny wolny przepływ środków pieniężnych w wysokości 7,6 miliarda dolarów w ciągu ostatnich 12 miesięcy, co stanowi wyraźny kontrast w stosunku do poprzednich okresów trwałej płynności. Już sama skala tych inwestycji wskazuje, że branża w dużym stopniu opiera się na przyszłej monetyzacji sztucznej inteligencji, aby uzasadnić obecne wielomiliardowe inwestycje.
Wpływ ograniczeń pamięci
Istotnym czynnikiem wpływającym na te rosnące koszty jest globalne wąskie gardło w dostawach wysokiej klasy układów pamięci wymaganych dla zaawansowanego sprzętu AI. Dyrektorzy z całej branży, w tym Elon Musk w Tesli i Andy Jassy w Amazonie, otwarcie określili ceny tych komponentów jako zawyżone lub wygórowane. Ponieważ nowoczesne procesory AI są w dużym stopniu zależne od określonej technologii pamięci, ograniczona liczba dostawców spowodowała wzrost cen, co bezpośrednio wpływa na budżety kapitałowe. Dla Apple, które działa na inną skalę inwestycji niż giganci chmurowi, załamanie pamięci stanowi wyraźne wyzwanie. Firma boryka się z ograniczeniami podaży, które już spowodowały korekty cen komputerów Mac i iPadów, a analitycy spodziewają się potencjalnych podwyżek iPhone'a jeszcze w tym roku. Podczas gdy podmioty hiperskalowalne zmagają się z kosztami zapełnienia centrów danych, firmy takie jak Apple muszą zachować delikatną równowagę w zakresie przenoszenia tych kosztów na konsumentów bez zmniejszania popytu na ich sprzęt.
Mieszane reakcje i zmienność rynku
Reakcja Wall Street na te raporty o wynikach była szczególnie fragmentaryczna, co odzwierciedla głęboki sceptycyzm co do trwałości obecnych trendów wydatków. Podczas gdy akcje Amazona spotkały się z pozytywną reakcją ze względu na silny rozwój chmury i jasną strategię zarządzania, inni giganci branżowi stanęli w obliczu znacznych przecen. Akcje Alphabetu i Tesli spadły po ich raportach pod presją ujemnych przepływów pieniężnych i agresywnych prognoz wydatków. Meta również doświadczyła gwałtownego spadku wartości rynkowej, spowodowanego niepewnością co do konkretnych planów monetyzacji sztucznej inteligencji i słabymi wytycznymi na przyszłość. Analitycy JPMorgan zwrócili uwagę na rosnącą tendencję do dyskryminacji inwestorów, w ramach której rynek w coraz większym stopniu analizuje, które firmy skutecznie zamienią wydatki na infrastrukturę na rzeczywisty zysk. Ta zmiana nastrojów sugeruje, że era niekwestionowanego wsparcia dla wydatków kapitałowych związanych ze sztuczną inteligencją dobiega końca, a akcjonariusze domagają się obecnie bardziej namacalnych dowodów na to, że te gigantyczne zakłady przyniosą odpowiednie długoterminowe zyski.
Poszerzanie dynamiki konkurencyjnej
Poza bezpośrednimi wynikami fiskalnymi, krajobraz sztucznej inteligencji stoi przed zwiększoną presją wynikającą z pojawienia się wydajnych, tanich alternatyw. Mniejsze i międzynarodowe laboratoria sztucznej inteligencji coraz częściej wypuszczają modele o otwartej wadze, które zapewniają poziom wydajności porównywalny z uznanymi liderami, takimi jak OpenAI i Anthropic, często za ułamek kosztów. Ta zmiana jest szczególnie atrakcyjna dla firm, które chcą zmniejszyć swoją zależność od drogich, zastrzeżonych usług AI. Dla hiperskalowców to konkurencyjne środowisko dodaje warstwę niepewności, ponieważ ostateczna wartość ich infrastruktury zależy od ciągłej dominacji tych kosztownych platform. W miarę jak korporacje stają się coraz bardziej oszczędne, atrakcyjność modeli typu open source hostowanych na własnym serwerze może zakłócić obecne modele biznesowe, które napędzają popyt na usługi w chmurze Amazon, Google i Microsoft. W rezultacie branża zmaga się nie tylko z wewnętrzną presją kosztową i problemami w łańcuchu dostaw, ale także ze zmieniającym się paradygmatem technologicznym, który może zasadniczo zmienić sposób wyceny i wdrażania sztucznej inteligencji na poziomie przedsiębiorstwa.
⚖ The Balanced View
Supporting view
Amazon i inne podmioty zajmujące się hiperskalowalnością przytaczają rosnący popyt na chmurę i ogromne, rosnące zaległości w zakresie prac zleconych jako dowód na to, że ich wydatki na infrastrukturę są konieczne i ostatecznie opłacalne.
Concerns & criticism
Inwestorzy wyrażają zaniepokojenie ujemnymi wolnymi przepływami środków pieniężnych, zmiennością cen akcji spółek o wysokich nakładach inwestycyjnych oraz potencjalnym zagrożeniem, jakie dla obecnych strategii monetyzacji stanowią tańsze, bardziej otwarte modele sztucznej inteligencji.
→What's next
Inwestorzy w dalszym ciągu skupiają się na nadchodzących raportach o wynikach, szczególnie ze szczególnym uwzględnieniem publikacji Nvidii z 26 sierpnia, która pozwoli uzyskać lepszy wgląd w podaż i popyt na chipy. Uczestnicy rynku będą w dalszym ciągu monitorować, w jaki sposób podmioty hiperskalowalne godzą intensywną rozbudowę infrastruktury z koniecznością przywrócenia dodatnich przepływów pieniężnych.