Od obligacji zabezpieczonych hipoteką po obligacje zabezpieczone GPU, czy Nvidia naśladuje AIG?
Makroekonomiczny strateg Simon White uważa, że finansjalizacja systematycznie tłumi sygnały nadwyżki mocy produkcyjnych wysyłane przez rynek. Podobnie jak w przypadku kryzysu mieszkaniowego, obecna gorączka inwestycji kapitałowych prawdopodobnie przyciągnie coraz większy napływ kapitału dzięki „finansowej alchemii”, co doprowadzi do nadmiernej rozbudowy. Jednak sygnały wskazujące na wystarczającą podaż mocy obliczeniowej mogą zostać zignorowane.
Nvidia ponownie ogłosiła plany sekurytyzacji aktywów centrów danych, a ta transakcja może wynieść gorączkę obliczeń AI na niebezpiecznie nowy poziom.
Według analizy Simona White’a, stratega makro z Bloomberg, zamierzenie Nvidia, by przekształcić centra danych w inwestowalne aktywa, może doprowadzić do poważnej nadwyżki mocy obliczeniowej w sektorze AI, zwłaszcza w kontekście tego, że model wyceny oparty na wynikach staje się standardem branży. Sedno tego rozumowania polega na tym, że finansjalizacja sztucznie wzmacnia sygnały popytu, maskując faktyczną nadwyżkę podaży na rynku — co przypomina bańkę mieszkaniową sprzed kryzysu finansowego w 2008 roku.
White wskazuje, że ramy współpracy Nvidia z Apollo, Brookfield, KKR, Blackstone, BlackRock oraz Goldman Sachs mają na celu uruchomienie ponad 500 miliardów dolarów napływu kapitału do tak zwanych "fabryk AI". Nvidia zapewni ubezpieczenie dla maksymalnie 25% zabezpieczenia GPU w części transakcji, czyli gwarancję wartości zwrotnej. Podobieństwa do ery bańki mieszkaniowej są trudne do zignorowania. Wówczas AIG sprzedawało ubezpieczenia na obligacje CDO o najwyższej wartości, pozwalając bankom zmniejszyć wymogi kapitałowe i dystrybuować więcej toksycznego długu — ostatecznie, gdy korelacja gwałtownie wzrosła, sprawa zakończyła się państwową interwencją.
Przyspieszenie finansjalizacji: moment AIG na rynku obligacji GPU
Simon White uważa, że gorączka inwestycji w infrastrukturę AI już przewyższyła historyczne cykle ekspansji infrastruktury, jak budowa amerykańskich autostrad (lata 60.) czy instalacja szerokopasmowego internetu (lata 2000.). Aby utrzymać tę ucztę w ruchu, zawarto już wiele transakcji pośrednich i finansowania przez dostawców — a same transakcje związane z Nvidia sięgają wartości 750 miliardów dolarów.

CEO Nvidia, Jensen Huang, jasno stwierdził, że jego celem jest uczynienie „mocy obliczeniowej fabryk AI” nową kategorią aktywów inwestycyjnych. Rynek długu wspieranego przez GPU eksplodował w tym roku, a nowa umowa pogłębia ten proces – sekurytyzacja i dystrybucja aktywów. Partnerzy dostarczą kapitał, specjalistyczną wiedzę infrastrukturalną i będą napędzać sekurytyzację oraz dystrybucję.
Podnosząc atrakcyjność transakcji, Nvidia sprawi, że obligacje o najwyższym priorytecie w strukturze długu uzyskają wyższą ocenę wiarygodności. Tymczasem Amerykańska Komisja Papierów Wartościowych i Giełd (SEC) właśnie złagodziła przepisy dotyczące sekurytyzacji obligacji centrów danych. White porównuje to do momentu, w którym fundusze emerytalne wchodzą do gry podczas kryzysu finansowego — co często sygnalizuje rozprzestrzenienie ryzyka na szerszy segment zobowiązań i początek końca kryzysu.
Na pierwszy rzut oka ryzyko Nvidia wydaje się ograniczone. White ostrzega, że to był również osąd AIG w przeszłości — z czasem AIG wzięło na siebie coraz więcej obowiązków uznanych za bezpieczne i opłacalne, aż wzrost korelacji presji kredytowej kredytobiorców wywołał katastrofę.
Sygnał nadwyżki mocy: nierównowaga podaży i popytu ukryta przez finansowe alchemie
Główna obawa White’a polega na tym, że finansjalizacja systematycznie zakłóca sygnały rynku wskazujące na nadwyżkę mocy produkcyjnej. Podobnie jak w kryzysie mieszkaniowym, obecna fala wydatków kapitałowych przyciągnie coraz więcej kapitału dzięki finansowym alchemiom, co prowadzi do nadmiernej budowy. Sygnały świadczące, że mocy obliczeniowej jest już w nadmiarze, mogą zostać zignorowane.
Po stronie popytu White wskazuje na fundamentalną zmianę w miarach wydajności. Standardem najmu GPU jest koszt za godzinę, w procesie wnioskowania mierzy się koszt przetwarzania każdego tokena. Dla użytkowników końcowych liczy się jednak wynik — ile wartości inteligencji otrzymam za każdą wydaną złotówkę, a prościej: jaki jest koszt zakończenia zadania?
Koszt inteligencji spada, lecz ta zmiana nie jest od razu widoczna w cenach na poziomie GPU. Jeśli model jest w stanie wykonać zadanie używając 10 razy mniej tokenów, a cena GPU za token nie zmienia się, realna wydajność każdego GPU wzrasta dziesięciokrotnie.

Wraz z przejściem w przeszłość „maksymalizacji tokena”, coraz więcej dowodów pokazuje, że ilość tokenów zużytych do wykonania tego samego zadania przez model może znacząco się wahać, a wielkie modele językowe (LLM) można łatwo dostroić, by zużyć więcej tokenów — model wyceny oparty na wynikach zyskuje coraz większą popularność wśród użytkowników korporacyjnych. Gdy ten trend stanie się normą, dostawcy modeli będą pod presją, by ograniczać zużycie tokenów, co ostatecznie obniży ceny najmu GPU.
Warto także zwrócić uwagę na naprawdę niski poziom faktycznego wykorzystania GPU. Według raportu Cast AI, średnie wykorzystanie GPU wynosi jedynie 5%; ClearML odkryła, że niemal połowa firm marnuje „miliony dolarów” na bezczynne chipy.

Ograniczenia paradoksu Jevonsa: ścieżka zależności jest prawdziwym ryzykiem rynku
W obliczu argumentów przemawiających za wzrostem efektywności, zwolennicy wydatków kapitałowych w AI zazwyczaj przytaczają paradoks Jevonsa: Spadek kosztu inteligencji dzięki mocy obliczeniowej nieuchronnie zwiększy popyt, wyrównując cenę ilościowo.
White nie akceptuje tego argumentu. Jego zdaniem paradoks Jevonsa nie działa w każdym horyzoncie czasowym, a w przypadku rynku kluczowa jest ścieżka zależności. Według niego, na obecnym etapie rozwoju AI pod dominacją dużych modeli językowych, tempo wzrostu popytu na inteligencję (nie tokeny) przy aktualnym poziomie cen ostatecznie zwolni tak, by wywołać trwały spadek kosztów mocy obliczeniowej.
Jako kredytodawcy, gdy korelacja zabezpieczeń zacznie się pogarszać, a kolejne kluczowe ryzyko — wiarygodność kredytowa pożyczkobiorców — również słabnie, ryzyko będzie szybko narastać. Wtedy Nvidia będzie musiała spełnić swoje zobowiązania ubezpieczeniowe, a równocześnie jej własne transakcje finansowania mogą napotkać problemy, nie wspominając o spadku wartości podstawowych produktów. Firmy takie jak Google, które również wspierają tę falę wydatków kapitałowych swoim bilansem, staną przed podobnymi zagrożeniami.
Jak ujawnia kryzys mieszkaniowy, gdy korelacja zacznie rosnąć, nie zatrzyma się i nie będzie czekać. Końcowy wniosek White’a jest taki, że proponowana przez Nvidia transakcja tylko przybliża rynek do ponownego zetknięcia się z tą potężną siłą finansową.
Zastrzeżenie: Treść tego artykułu odzwierciedla wyłącznie opinię autora i nie reprezentuje platformy w żadnym charakterze. Niniejszy artykuł nie ma służyć jako punkt odniesienia przy podejmowaniu decyzji inwestycyjnych.
Może Ci się również spodobać
Po odejściu Jensena Huanga Nvidia stoi w obliczu nowego zagrożenia: utraty najlepszych inżynierów
Tysiące pracowników Nvidia podpisało petycję, domagając się przywrócenia Jensen Huanga na stanowisko prezesa; część z nich publicznie krytykuje decyzję rady nadzorczej, a niektórzy już ogłosili swoje odejście. Tymczasowa CEO, Kress, przyznała podwyżki i nagrody w akcjach, by ustabilizować zespół, jednak AMD, Broadcom oraz startupy AI próbują wykorzystać sytuację i przejąć specjalistów. Analitycy ostrzegają, że odejście pięciu do dziesięciu kluczowych liderów technologicznych może wpłynąć na decyzje dotyczące architektury chipów i oprogramowania, iterację produktów i rozwój kolejnej generacji technologii AI.

Brytyjski deficyt w październiku był o 1 miliard funtów niższy niż oczekiwano! Podatki uodporniły się na szok energetyczny, UBS stawia na wzmocnienie się funta i obligacji skarbowych
Ze względu na zwiększoną odporność gospodarczą, pożyczki w Wielkiej Brytanii w październiku były niższe niż oczekiwano, co pomaga zrównoważyć presję wydatków spowodowaną wzrostem inflacji. Dane Narodowego Urzędu Statystycznego Wielkiej Brytanii pokazują, że deficyt budżetowy wyniósł 17 miliardów funtów (223 miliardy dolarów), nieznacznie wzrastając w porównaniu z rokiem poprzednim, ale pozostając poniżej mediany prognozy 18 miliardów funtów według ankiety instytucji ekonomicznych.

Nadszedł kapitulacyjny wyprzedaż, jak daleko jeszcze znajduje się dno dla akcji technologicznych AI?
Wyceny akcji technologicznych gwałtownie spadają, szczególnie w przypadku głównych tytułów związanych z handlem sztuczną inteligencją (AI), co wywołuje debatę: czy rynek obecnie już w pełni uwzględnił pesymistyczne oczekiwania?
