Analýza: Má zmysel hovoriť o AI bubline alebo nie?
Existuje viacero argumentov, ktoré podporujú možnosť existencie „AI bubliny“. Len si vezmime agresívne a bezprecedentné investície do infraštruktúry, konkrétne do dátových centier, čipov, procesorov, vysokorýchlostných káblov, chladiacich riešení a softvéru na spracovanie dát. Tie vzbudzujú zásadnú otázku: ako veľmi neistá je skutočná návratnosť takto alokovaného kapitálu?
Súčasná dynamika sa však výrazne líši od historických bublín, ako boli dot-com alebo subprime kríza (hypotekárna kríza v USA). Spoločnosti, ktoré poháňajú AI „horúčku“ na trhoch, najmä dodávatelia infraštruktúry a komponentov, vo väčšine prípadov vykazujú pôsobivé rastové ukazovatele a silné fundamenty. Ich zisky, tržby aj marže naďalej rastú, čo do veľkej miery opodstatňuje ich vysoké valuácie.
Skutočný problém prípadnej „bubliny“ sa netýka ani tak poskytovateľov infraštruktúry, ale veľkých spoločností využívajúcich AI, najmä Big Tech, ako firmy označované ako BIG7, ktoré do AI investujú miliardy. Ak sa ukáže, že tieto kapitálové investície (CapEx) neprinášajú očakávanú monetizáciu a efektívnosť, teda ak aplikácie AI negenerujú predpokladané výsledky a výnosy, potom áno, môže ísť o bublinu. Tá by sa však skôr prejavila ako korekcia hodnôt smerom k úrovniam odrážajúcim skutočnú návratnosť investícií.
Okrem toho sa forwardové P/E (price-to-earnings) indexu S&P 500 nachádza na historicky vysokých úrovniach, čo naznačuje, že očakávania budúcich ziskov sú už veľmi napnuté. Táto vysoká miera očakávaní, v kombinácii s možnosťou, že globálna ekonomika sa blíži k vrcholu rastu, vytvára prostredie, v ktorom môže sklamanie viesť ku krátkodobej výraznej korekcii.
Aký je teda predpoklad prasknutia AI bubliny v roku 2026? A čo by mohlo byť spúšťačom?
Pravdepodobnosť klasického „výbuchu“, aký sme videli pri dot-com bubline v roku 2000, je nízka, no šanca na korekciu v roku 2026 je značná. Treba tiež poznamenať, že trhy už v niektorých segmentoch prechádzajú obdobím konsolidácie alebo korekcie, čo môže naznačovať, že trh funguje efektívne, postupne spracúva nové informácie a posúva ceny smerom k ich „reálnej hodnote“, čím obmedzuje vznik výraznej bubliny.
Na rozdiel od minulých bublín, kde aktíva (napríklad meme akcie alebo subprime hypotéky) nemali fundamenty, ktoré by ospravedlnili ich valuáciu, spoločnosti prepojené na AI infraštruktúru disponujú nespornými rastovými základmi. Obava sa týka skôr nadhodnotenia založeného na očakávaní budúceho exponenciálneho rastu.
Možné spúšťače korekcie:
- Pokles kapitálových výdavkov (CapEx). Ak Big Tech spoločnosti začnú spomaľovať agresívne investície do AI infraštruktúry, či už z dôvodu rozpočtových škrtov alebo obáv o návratnosť, rast dodávateľských firiem (vyrábajúcich čipy, komponenty) sa obmedzí. Toto spomalenie sa priamo prejaví v cenách ich akcií.
- Nenaplnenie očakávanej monetizácie a produktivity. Ide o najdôležitejší spúšťač. Ak veľké investície do generatívnej AI (napr. veľké jazykové modely) nepovedú k viditeľnému rastu produktivity a ziskovosti, ktoré by prevýšili náklady na investície, nerealistické očakávania investorov sa rozplynú. Vnímanie nízkej alebo príliš vzdialenej návratnosti investícií do AI môže viesť k prehodnoteniu ceny akcií.
- Makroekonomické faktory. Nečakané zhoršenie globálnej ekonomiky, rast inflácie alebo agresívne a dlhodobo vysoké úrokové sadzby, ktoré zdražujú kapitál a znižujú atraktivitu rastových akcií, môžu pôsobiť ako katalyzátor presunu investorov do bezpečnejších aktív.
- Geopolitické faktory. Eskalácia napätia medzi USA a Čínou a vývozné obmedzenia na pokročilé AI čipy a výrobnú technológiu, ako je litografia („tlač“ mikroskopických spojov na čip), môžu mať dvojitý negatívny dopad. Na jednej strane obmedzujú trh pre amerických výrobcov, ako je Nvidia. Na druhej strane nútia Čínu urýchliť snahu o technologickú sebestačnosť. Prísnejšie reštrikcie z ktorejkoľvek strany môžu spôsobiť šok v dodávkach polovodičov a strategických surovín, ako sú vzácne suroviny, čo by vážne narušilo globálne dodávateľské reťazce AI infraštruktúry, zvýšilo náklady a negatívne ovplyvnilo marže a rastový potenciál firiem. Nemožno opomenúť ani Taiwan, kde pretrváva neistota ohľadom možnej invázie zo strany Číny, čo by mohlo výrazne zasiahnuť polovodičový priemysel a spôsobiť meškania a zdražovanie výstavby dátových centier.
- Regulácia. Schvaľovanie prísnejších a komplexnejších regulácií, ako je napríklad európsky AI Act, ktoré vyvolávajú vysoké náklady na dodržiavanie pravidiel, audity a právnu zodpovednosť pri „vysoko rizikových“ AI modeloch. Globálna regulačná fragmentácia, teda rozdielne pravidlá v jednotlivých ekonomických blokoch, môže spomaľovať zavádzanie AI, zvyšovať prevádzkové náklady a obmedzovať globálnu škálovateľnosť, čím sa oslabuje potenciál monetizácie a znižuje ochota investorov riskovať.
Do akej miery budú zvýšené investície Big Tech spoločností do AI a jej infraštruktúry ziskové?
AI už preukázala schopnosť prinášať výrazné zlepšenia v produktivite a optimalizácii procesov. Jej využitie v programovaní, vývoji softvéru, zákazníckej podpore a dátovej analytike je nesporné.
Objem alokovaného kapitálu je však taký veľký, že vyvoláva vážne pochybnosti o možnej návratnosti. V súčasnosti preto ešte nie je možné úplne pochopiť skutočný dopad na produkciu a produktivitu v reálnej ekonomike. Ziskovosť nezávisí len od toho, či AI funguje, ale od toho, či jej výnosy v primeranom čase prekročia náklady na kapitál a infraštruktúru (CapEx). Z toho vyplývajú dve hlavné riziká:
- Riziko nadkapacity. Existuje riziko, že firmy budú investovať do dátových centier a čipov v rozsahu, ktorý neprimerane prevyšuje reálny dopyt alebo konečnú ziskovosť. Ak kapacita čipov a dátových centier výrazne presiahne skutočný dopyt a potenciál monetizácie, hodnota týchto aktív môže byť prehodnotená smerom nadol.
- Problém škálovania a prevádzkových nákladov. Prevádzka a údržba veľkých AI modelov, vrátane ich tréningu a nasadzovania, je extrémne náročná na energiu a výpočtové zdroje. Kľúčovou výzvou je dosiahnuť taký rozsah využitia a efektívnosť, aby generované príjmy prevýšili tieto vysoké náklady.
Stručne povedané – ziskovosť AI je pretek s časom. Big Tech musí v najbližších 12 až 24 mesiacoch dokázať, že generatívna AI je zdrojom príjmov a efektívnosti s pozitívnou návratnosťou investícií, a nie len masívnou investíciou do vzdialenej budúcnosti. V opačnom prípade príde nevyhnutne tlak na ceny akcií.
Zdroj: XTB
