Jefferies ostrzega przed „momentem z 2008 roku”: AI może doprowadzić do „wielkiego zniszczenia kapitału” w USA, udziały przepływają do chińskich otwartych modeli

Ryzyko zadłużenia w branży AI wywołuje na Wall Street intensywne ostrzeżenia od doświadczonych strategów. Chris Wood, globalny szef strategii akcji w Jefferies oraz autor „GREED & fear”, w swoim najnowszym kwartalnym raporcie porównuje obecną prosperity AI do kryzysu subprime z 2008 roku i wskazuje strukturalne zagrożenie: giganci chmury udzielają ogromnych „niezabezpieczonych kredytów” dwóm ciągle nierentownym laboratoriom AI.

Wood uważa: „Najbardziej prawdopodobny długoterminowy finał historii AI na rynku to masowe zniszczenie kapitału w Stanach Zjednoczonych, a udziały rynkowe przesuną się w stronę tańszych chińskich otwartych modeli językowych.”

Według niego, historia AI „wkrótce czeka na poważne przewartościowanie”.

Chińskie modele: od „tanich” do „równorzędnych”

Ostrzeżenie Wooda nie jest nowe, ale tym razem dotyczy większej skali.

Jak wynika z monitorowanych przez niego danych OpenRouter, w tygodniu kończącym się 27 września chińskie topowe modele przetworzyły 76,12 biliona tokenów, podczas gdy pod koniec kwietnia tego roku było to zaledwie 4,37 biliona; w tym samym czasie amerykańskie topowe modele przetworzyły 14,2 biliona tokenów. Chińska liczba podwoiła się w ciągu dziesięciu tygodni.

Zmiana nastąpiła także w jakości. Wood wskazuje, że Kimi K3 od Moonshot „z punktu widzenia branży AI, działa w 'konkurencji na granicy', a jego wydajność szacowana jest na 95% poziomu Anthropic Claude Fable 5”. Model osiągający 95% wydajności za bardzo niską cenę nie jest już marką promocyjną, lecz realnym konkurentem.

Konsekwencje cenowe już są widoczne. Według indeksu wydatków LLM Token firmy Silicon Data, średnia rynkowa cena tokenów AI od majowego szczytu spadła o 52%, osiągając historyczne minimum 0,98 USD za milion tokenów.

Ryzyko skoncentrowanej kredytowości za 2,3 biliona USD nagromadzonych zamówień w USA

Wood porównuje ryzyko kredytowe prosperity AI do kryzysu nieruchomości z 2008 roku, według tej logiki:

Do końca II kwartału 2026 r. skumulowana kwota niezrealizowanych zobowiązań (RPO) czterech głównych platform (Microsoft, Google, Amazon, Oracle) osiągnęła 2,34 biliona USD, wzrosła o 186% w stosunku do roku wcześniej, przyrost wyniósł 1,52 biliona USD.

Problem polega na tym, że około połowa tych ogromnych zamówień przypada na OpenAI i Anthropic – obie firmy nie są obecnie rentowne.

Wood napisał: „Giganci chmury w rzeczywistości udzielili skoncentrowanych niezabezpieczonych pożyczek najemcom, którzy nadal spalają pieniądze, ponieważ Anthropic i OpenAI nie są rentowne. Dla nowopowstałych dostawców chmury (neo-clouds) ryzyko jest większe, bo sami pożyczają środki na wynajem chipów.”

Według analityków Jefferies Technology, te dwa czołowe laboratoria AI w II kwartale 2026 roku będą stanowić około 45% przychodów Google Cloud, 25% przychodów Microsoft Azure, a ich udział w AWS ma wzrosnąć w III kwartale z 6% do 12-18% – potrojenie.

Wood porównuje to bezpośrednio i ostro: „Inwestycje gigantów chmury w centra danych opierają się na założeniu przyszłych płatności najemców – to identyczna sytuacja jak w kryzysie kredytowym na rynku nieruchomości z 2008 roku.”

Pozabilansowe zadłużenie: kolejna warstwa ukrytego ryzyka

Wood wskazuje także na zagrożenia poza bilansem.

Według zestawień Moody’s z lutego bieżącego roku, pięciu gigantów chmury ma zawarte umowy najmu centrum danych, które jeszcze nie wystartowały, o wartości 662 miliardów USD – pod koniec 2023 roku było to 152 miliardy USD. Badanie Nikkei szacuje „ukryte zadłużenie” tych firm do końca II kwartału 2026 r. na 1,65 biliona USD, przewyższające księgowe zadłużenie o około 1,35 biliona USD.

Tymczasem w tym roku giganci chmury wyemitowali już obligacje warte 229 miliardów USD, podczas gdy w całym 2025 roku było to 108 miliardów USD. Wood podkreśla, że spread kredytowy Amazon, Google i Meta wzrósł od początku czerwca o 13-16 punktów bazowych – potrzeba długoterminowego finansowania przez gigantów chmury zaczyna konkurować z rządem federalnym.

Wood konkluduje: spread kredytowy pożyczkobiorców związanych z AI „musi być teraz monitorowany z bliska, by zobaczyć, czy inwestorzy przestają chcieć finansować wydatki kapitałowe AI”, a sekurytyzacja aktywów centrów danych to obszar wymagający szczególnej uwagi.

Prawda o zyskach: cykliczna inżynieria finansowa?

Wątpliwości Wooda dotyczące jakości zysków gigantów chmury mogą być najbardziej uderzającą częścią raportu.

Dane pokazują, że w czterech kwartałach do II kwartału 2026 r. roczny wzrost zysków czterech gigantów chmury wyniósł 222 miliardy USD, osiągając 581 miliardów USD. Równocześnie pozycja „inne przychody/straty operacyjne” – głównie niezrealizowane wzrosty wartości inwestycji w udziały w niepublicznych spółkach – wzrosła o 224 miliardy USD.

Innymi słowy, cały wzrost zysków gigantów chmury można wyjaśnić przyrostem wartości rynkowej udziałów w startupach AI.

Wood opisuje tę logikę cyklu: giganci chmury inwestują w laboratoria AI, laboratoria AI kupują moc obliczeniową od tych samych gigantów chmury, a giganci chmury zaliczają wyższe prywatne wyceny laboratoriów do swoich zysków.

Wood wskazuje także, że raportowane EPS S&P 500 rosną w ostatnich trzech latach 18% rocznie, podczas gdy zyski przedsiębiorstw niefinansowych według rachunków narodowych jedynie 5%. Tak duża rozbieżność występowała ostatnio podczas szczytu bańki internetowej. Wood pisze: „Powyższe wskazuje na inżynierię finansową.”

Nakłady inwestycyjne: kto za to zapłaci?

Choć wolne przepływy pieniężne spadły gwałtownie z 60 miliardów USD w IV kwartale 2025 do 7 miliardów USD w II kwartale 2026 i mają w III kwartale być ujemne (-13 miliardów USD), nakłady inwestycyjne nie hamują.

Konsensus rynkowy prognozuje, że nakłady inwestycyjne czterech gigantów chmury wzrosną z 723 miliardów USD w tym roku do 993 miliardów USD w 2027 roku.

Wood pyta wprost: „Czy czterej giganci chmury naprawdę mają wydać 993 miliardy USD na inwestycje kapitałowe w 2027 roku? To obecna rynkowa prognoza.”

Jego główny scenariusz: historia AI „wkrótce czeka na poważne przewartościowanie”.

„Bezpieczeństwo” czy kartel?

Interpretacja Wooda dotycząca niedawnych wezwań do „bezpiecznego wstrzymania” rozwoju AI również przykuwa uwagę.

Dario Amodei z Anthropic, Sam Altman z OpenAI i Elon Musk ostatnio wezwali do zwolnienia rozwoju zaawansowanej AI, lecz Trump stanowczo odmówił.

Wood nie zgadza się na narrację o „bezpieczeństwie” i pisze: „Warto zwrócić uwagę na mechanizmy motywacyjne. Wspólne wstrzymanie, uzasadnione 'bezpieczeństwem', może być sposobem na budowę regulacyjnej fosy, zwłaszcza jeśli plany później zakładają zakaz otwartych modeli, szczególnie tych z Chin. Druga opcja – nie wykluczająca pierwszej – to świadomość gigantów AI, że koszt mocy obliczeniowej staje się trudny do utrzymania, a popyt na modele zaczyna się stabilizować. Jeśli tak, czemu nie spróbować zawiązać kartelu?”

Warto zauważyć, że Mark Zuckerberg z Meta odmówił wstrzymania, a kurs Meta wzrósł potem o 18%.

Rynek kredytowy jest kluczowy

Rekomendacja Wooda nie zmieniła się od 2023 roku: kupuj „kilofy i łopaty” (czyli producentów chipów dostarczających moce obliczeniowe gigantom chmury), a nie samych gigantów chmury. Strategia ta działa, póki kupujący nie przestali kupować.

Jednak jego zdaniem, o tym, kiedy wszystko się skończy, zadecyduje rynek kredytowy, a nie rynek akcji.

Jego konkluzja: „Ekosystem AI obecnie emituje obligacje o dłuższej zapadalności niż Departament Skarbu USA, w środowisku niestabilności rynku obligacji i podwyżek stóp przez Fed, kapitał służy budowie centrów danych, podczas gdy największy najemca pozostaje nierentowny.”

Wood cytuje historyczną analogię z kryzysem finansowym w Azji w 1997 roku – podobną ramę zaproponował też Albert Edwards z SocGen – i wskazuje, że „cud” Tajlandii skończył się nie przez rozczarowującą produktywność, lecz dlatego, że wierzyciele zwrócili uwagę na problemy.

Novogratz mówi, że bańka „nie jest jeszcze wystarczająco spektakularna”, by pękła. Wood twierdzi, że nie musi być spektakularna – wystarczy, że zabraknie chętnych do udzielania pożyczek.