Pięć prognoz dla rynku AI wskazuje na dalsze wzrosty przed możliwym odwróceniem trendu na S&P 500 w 2027 roku

Google News wskazało pięć ważnych prognoz dla rynku AI, które prowadzą do jednego niekomfortowego wniosku: hossa może się wznowić, zanim S&P 500 doświadczy poważnego odwrócenia trendu.

Główne ostrzeżenie pochodzi od Capital Economics. Firma badawcza uważa, że boom na akcje związane z AI wchodzi w końcową fazę, choć nie jest ona jeszcze zakończona. Jej prognoza dopuszcza dalszy wzrost na rynkach zdominowanych przez technologie, po którym do końca 2027 roku nastąpi szeroka korekta.

Ta sekwencja ma większe znaczenie niż prosta etykieta byka lub niedźwiedzia. Analitycy niekoniecznie kwestionują obecny popyt na AI. Zastanawiają się, jak długo wyceny akcji mogą rosnąć szybciej niż zyski generowane przez ten popyt.

Wynikający z tego konflikt dotyczy dynamiki infrastruktury i oczekiwań rynkowych. Nvidia, dostawcy pamięci, firmy sieciowe i platformy chmurowe nadal raportują popyt związany z inwestycjami w AI. Inwestorzy przypisali jednak już znaczną wartość przyszłemu wzrostowi, który jeszcze nie w pełni się zmaterializował.

Pięć ruchów analityków opisuje więc różne elementy tego samego cyklu rynkowego. Obejmują możliwą końcową falę wzrostów, rosnącą presję na wyceny, różnice geograficzne, silniejszy popyt na infrastrukturę oraz potrzebę oddzielenia wyników biznesowych od wyników giełdowych.

W tym miejscu nagłówek Google News wymaga również kontekstu. Nie opisuje jednej zgodnej prognozy podzielanej przez wszystkich analityków. Łączy kilka opinii, które pokazują, jak profesjonalni inwestorzy pozycjonują się wobec tego samego napięcia.

Dalszy wzrost nie podważyłby argumentu o bańce. W tej perspektywie końcowy rajd jest częścią ryzyka, ponieważ jeszcze bardziej podnosi oczekiwania i wyceny.

Co Google News ujawnia o hossie AI

Najważniejsza prognoza analityków nie jest ani po prostu bycza, ani niedźwiedzia: hossa AI ma jeszcze przestrzeń do wzrostu, ale jej najsilniejsza faza zbliża się do końca.

Capital Economics opisuje boom jako wchodzący w „ostatnie rundy”. Firma oczekuje, że rynki akcji zdominowane przez technologie w Stanach Zjednoczonych, Korei Południowej i na Tajwanie utrzymają dynamikę, zanim warunki się odwrócą.

To podejście traktuje hossę jako cykl, a nie trwały reset wycen. Wydatki na AI mogą pozostać wysokie, podczas gdy inwestorzy będą stopniowo wyczerpywać gotowość do płacenia wyższych mnożników za każdą jednostkę oczekiwanych zysków.

Mnożnik wyceny porównuje wartość rynkową spółki z miarą finansową, taką jak zyski. Gdy mnożnik rośnie, akcje mogą zyskiwać nawet bez równoważnego wzrostu bieżącego zysku.

Mechanizm ten pomógł wielu firmom powiązanym z AI. Inwestorzy przewidywali lata wydatków na akceleratory, pamięć, sieci, centra danych i infrastrukturę energetyczną. Następnie uwzględnili część tego przyszłego popytu w obecnych wycenach.

Capital Economics dostrzega dowody, że proces ten wszedł w późną fazę. W swoim outlooku dotyczącym aktywów wskazuje oznaki możliwej fazy blow-off, czyli końcowego gwałtownego wzrostu napędzanego entuzjazmem i impetem.

Faza blow-off często wydaje się przekonująca, gdy trwa. Wyniki pozostają wspierające, pozytywne prognozy się mnożą, a każda korekta przyciąga kupujących. Ukryte ryzyko staje się widoczne dopiero wtedy, gdy oczekiwania przestają rosnąć.

Firma miała podobno prognozować, że S&P 500 może wzrosnąć, zanim do końca 2027 roku spadnie do około 6 500 punktów. Oznaczałoby to znaczące odwrócenie trendu względem przewidywanego szczytu, a nie zwykłą korektę rynkową.

Takie prognozy są scenariuszami, a nie zaplanowanymi wynikami. Poziomy indeksów zależą od zysków, stóp procentowych, pozycjonowania inwestorów, wzrostu gospodarczego i wydarzeń, których żaden analityk nie potrafi dokładnie przewidzieć.

Użyteczna jest proponowana sekwencja. Capital Economics nie twierdzi, że popyt na AI już się załamał. Oczekuje, że rynek będzie nadal premiował ten temat, zanim presja wycen stanie się trudniejsza do zignorowania.

Analiza z lutego przedstawiała wcześniejszą wersję tego stanowiska. Ekonomista Elias Hilmer stwierdził, że hossa AI ma jeszcze pole do wzrostu, mimo że amerykańskie akcje technologiczne tymczasowo pozostawały w tyle za rynkami wschodzącymi.

Ta ocena rynku porównywała obecne zachowanie z końcowymi etapami boomu dotcomów. Porównanie dotyczyło struktury rynku i względnych wyników, a nie identycznej technologii czy finansów korporacyjnych.

Capital Economics oszacował również, że indeks MSCI USA może spaść o 12,5 procent między końcem 2026 a końcem 2027 roku. Odpowiadająca mu prognoza dla indeksu MSCI Emerging Markets zakładała mniejszy, 7-procentowy spadek.

Różnica odzwierciedla więcej niż tylko ekspozycję na AI. Rynki wschodzące weszły w ten okres z innymi wycenami, walutami, warunkami finansowymi i saldami zewnętrznymi.

Pierwsza prognoza analityków dotyczy zatem czasu. Hossa może się wznowić, ale inwestorzy nie powinni mylić kolejnego wzrostu z dowodem, że ryzyko wycen zniknęło.

Silny popyt na AI nie gwarantuje wysokich stóp zwrotu z akcji

Druga kluczowa prognoza oddziela cykl inwestycyjny AI od cen, które inwestorzy przypisują jego beneficjentom.

Popyt na infrastrukturę obliczeniową pozostaje najsilniejszym argumentem przeciwko natychmiastowemu załamaniu. Hyperscalerzy nadal kupują akceleratory, pamięć o wysokiej przepustowości, sprzęt sieciowy, pamięć masową i moce energetyczne.

Hyperscaler to firma, która prowadzi infrastrukturę chmurową na ogromną skalę. Microsoft, Alphabet, Amazon i Meta są czołowymi przykładami, choć ich modele biznesowe i priorytety wydatkowe się różnią.

Firmy te mają przepływy pieniężne i strategiczne bodźce, by nadal inwestować. Konkurują o trenowanie większych modeli, obsługę większej liczby obciążeń inferencyjnych oraz budowę platform wykorzystywanych przez deweloperów i przedsiębiorstwa.

Inferencja to proces uruchamiania wytrenowanego modelu AI w celu wygenerowania odpowiedzi lub wykonania zadania. Wraz ze wzrostem wykorzystania inferencja może wymagać znacznie większej mocy obliczeniowej niż początkowe trenowanie modelu.

Popyt ten daje dostawcom chipów i infrastruktury lepszą widoczność. Niektórzy analitycy sektora półprzewodników argumentowali, że zobowiązania wydatkowe sięgające 2027 roku pozostają solidne, szczególnie w obszarze akceleratorów, zaawansowanego pakowania i wyspecjalizowanej pamięci.

Neuberger Berman zauważył, że spółki półprzewodnikowe miały widoczność do 2027 roku jeszcze przed ostatnią hossą. Jego analiza sektora półprzewodników wskazuje, że dowody na rzeczywiste przychody z AI zmieniły postrzeganie trwałości popytu przez inwestorów.

Dowody te są istotne, ponieważ najsłabsza wersja hossy AI zakładała, że wydatki na infrastrukturę nie mają ekonomicznego odbiorcy. Rosnące przychody z AI oferują potencjalny zwrot firmom finansującym tę infrastrukturę.

Silniejszy popyt nie uzasadnia jednak automatycznie każdej wyceny. Dostawca może zwiększać przychody, podczas gdy jego akcje spadają, jeśli inwestorzy wcześniej oczekiwali jeszcze szybszego wzrostu.

To rozróżnienie często pojawia się podczas dużych cykli nakładów kapitałowych. Rynki najpierw premiują niedobór, potem wzrost produkcji, a w końcu spółki, które przekształcają nowe moce w trwały zysk. Różne grupy przewodzą w różnych momentach.

Infrastruktura AI wiąże się także z ryzykiem wykonawczym. Nowe moce wymagają energii, chłodzenia, sieci i klientów gotowych płacić za powstające usługi. Wąskie gardła mogą opóźniać wdrożenia nawet przy utrzymujących się silnych zamówieniach.

Konkurencja tworzy kolejne ograniczenie. Nvidia zachowuje centralną pozycję w akceleracji AI, lecz AMD, programy rozwoju własnego krzemu i chipy projektowane przez dostawców chmury również starają się odgrywać większą rolę.

Własny akcelerator może zmniejszyć zależność od ogólnego dostawcy w przypadku konkretnych obciążeń. Może jednak wymagać znacznych inwestycji inżynieryjnych i nie mieć szerszego wsparcia programowego otaczającego ugruntowaną platformę.

Dostawcy pamięci i sieci podlegają własnym cyklom. Popyt może przez pewien czas przewyższać podaż, zachęcając do rozbudowy. Jeśli klienci później zaczną redukować zapasy lub ograniczą wydatki, te same moce mogą wywierać presję na wykorzystanie i marże.

Druga prognoza analityków jest więc testem jakości. Inwestorzy muszą określić, które firmy mają trwały popyt, kontrolę nad cenami, przewagi technologiczne i powtarzalne obciążenia klientów.

Test ten wykracza poza producentów chipów. Firmy chmurowe muszą wykazać, że produkty AI generują przychody, nie pochłaniając niezrównoważonej ilości mocy obliczeniowej.

Firmy programistyczne stoją przed powiązanym wyzwaniem. Muszą sprawić, by klienci konsekwentnie płacili za funkcje AI, a nie jedynie testowali je w ramach programów promocyjnych.

Żaden z tych warunków nie wymaga natychmiastowego załamania. Wyjaśniają one, dlaczego rynek może rosnąć, stając się jednocześnie bardziej selektywny. Firmy z potwierdzonymi przychodami mogą osiągać lepsze wyniki niż spółki wyceniane głównie na podstawie odległych oczekiwań.

Konflikt staje się ostrzejszy pod koniec hossy. Pozytywne wyniki operacyjne pozostają realne, ale rynek wymaga coraz silniejszych dowodów, by uzasadnić dalsze wzrosty.

S&P 500 jest bardziej narażony, niż sugeruje nagłówek

Trzecia prognoza analityków koncentruje się na koncentracji: niewielka grupa spółek powiązanych z AI może podnosić S&P 500, a następnie wzmacniać jego spadek, gdy zmieniają się oczekiwania.

S&P 500 waży spółki według kapitalizacji rynkowej. Większe firmy mają więc większy wpływ na indeks niż mniejsze jego składniki.

Ta struktura pomogła indeksowi korzystać ze wzrostów dużych platform technologicznych i liderów sektora półprzewodników. Skoncentrowała również wrażliwość rynku na ich zyski, plany wydatków i mnożniki wyceny.

Inwestor posiadający szeroki fundusz indeksowy może w konsekwencji mieć znaczną pośrednią ekspozycję na AI. Fundusz może posiadać akcje setek spółek, ale jego dzienne notowania nadal mogą w dużej mierze zależeć od znacznie mniejszej grupy.

Koncentracja nie czyni indeksu wadliwym. Zmienia jednak znaczenie dywersyfikacji. Dywersyfikacja oparta na liczbie spółek zapewnia mniejszą ochronę, gdy największe pozycje reagują na tę samą narrację inwestycyjną.

Temat AI łączy firmy, które poza tym prowadzą różne rodzaje działalności. Platforma chmurowa, projektant chipów, dostawca pamięci i producent sprzętu sieciowego mogą reagować na tę samą zmianę wydatków hyperscalerów.

Tworzy to mechanizm transmisji. Jeśli firmy chmurowe spowolnią nakłady kapitałowe, dostawcy mogą napotkać słabsze zamówienia. Jeśli dostawcy obniżą prognozy, inwestorzy mogą zakwestionować całą krzywą popytu na AI.

Proces może działać również w odwrotną stronę. Wyższe prognozy wydatków wspierają zyski dostawców, które wzmacniają zaufanie rynku i zachęcają do dodatkowej alokacji kapitału w akcje powiązane z AI.

Capital Economics oczekuje, że ta pętla sprzężenia zwrotnego pozostanie korzystna w końcowej fazie hossy. Niebezpieczeństwo pojawia się, gdy kolejne informacje przestają prowadzić do wyższych prognoz zysków lub rosnących wycen.

W tym momencie koncentracja może zmienić się ze źródła wyników w źródło presji na indeks. Zarządzający portfelami mogą jednocześnie ograniczać kilka skorelowanych pozycji.

S&P 500 nie potrzebuje załamania przychodów z AI, by doświadczyć korekty. Wystarczy, że inwestorzy zaakceptują niższą wycenę dla tego samego strumienia oczekiwanych zysków.

Stopy procentowe mogą przyspieszyć tę korektę. Wyższe rentowności obniżają wartość bieżącą przypisywaną zyskom oczekiwanym za wiele lat.

Zależność ta nie jest mechaniczna w każdym dniu sesyjnym. Silne wyniki mogą równoważyć wyższe stopy, podczas gdy słabość gospodarcza może obniżać stopy, lecz jednocześnie szkodzić prognozom przychodów.

Mimo to spółki wyceniane na podstawie odległego wzrostu są zwykle bardziej wrażliwe na zmiany stopy dyskontowej. Ta wrażliwość ma znaczenie, gdy inflacja lub zadłużenie rządowe utrzymują rentowności obligacji na wysokim poziomie.

Kolejne ryzyko wynika z pozycjonowania inwestorów. Transakcja szeroko obecna w portfelach może stać się podatna na spadki, gdy pozostaje mniej kupujących zdolnych wchłonąć sprzedaż.

Strategie momentum mogą wzmacniać ruchy w obu kierunkach. Zwiększają ekspozycję, gdy ceny rosną, i redukują ją po osłabieniu trendów, co może sprawić, że ruchy w późnej fazie cyklu będą bardziej gwałtowne.

Trzeci ruch analityków nie jest prognozą, że wszystkie spółki AI spadną jednocześnie. To ostrzeżenie, że benchmark zawiera więcej wspólnego ryzyka związanego z AI, niż sugeruje jego szeroka nazwa.

Czytelnicy śledzący tę historię przez Google News powinni zatem patrzeć dalej niż na poziom indeksu. Szerokość rynku, rewizje prognoz zysków i liderzy sektorowi pokazują, czy wzrosty zależą od coraz węższej grupy spółek.

Szerokość rynku mierzy, ile akcji uczestniczy w ruchu rynkowym. Rosnący indeks wspierany przez wiele sektorów zwykle ma inny profil ryzyka niż indeks napędzany przez garstkę dużych spółek.

Jeśli szerokość rynku poprawia się wraz ze wzrostem akcji AI, rajd zyskuje wsparcie ze strony szerszej gospodarki. Jeśli grono liderów jeszcze bardziej się zawęża, indeks staje się coraz bardziej zależny od utrzymującego się entuzjazmu wobec jego największych komponentów.

Wschodząca Azja zmienia mapę rynku AI

Czwarty ruch analityków ma charakter geograficzny: transakcja związana z AI wykroczyła poza amerykańskie platformy technologiczne i objęła azjatyckie rynki półprzewodników oraz infrastruktury.

Capital Economics zauważył, że rynki wschodzącej Azji o dużym udziale technologii nadal korzystały z entuzjazmu wokół AI, podczas gdy amerykańskie akcje technologiczne tymczasowo się zatrzymały.

Korea Południowa i Tajwan zajmują ważne pozycje w łańcuchu dostaw półprzewodników. Notowane tam spółki zapewniają pamięci, produkcję układów, pakowanie, komponenty i usługi wytwórcze wymagane przez zaawansowane systemy obliczeniowe.

To sprawia, że ich rynki są wrażliwe na globalne nakłady kapitałowe na AI. Oznacza też, że ich wyniki odzwierciedlają inne modele biznesowe niż platformy konsumenckie dominujące w dyskusjach o rynku amerykańskim.

To rozróżnienie pomaga wyjaśnić, dlaczego rynki powiązane z AI nie zawsze poruszają się razem. Spółka chmurowa może mierzyć się z pytaniami o monetyzację, podczas gdy dostawca pamięci korzysta z ograniczonej podaży.

Podobnie producent układów scalonych może raportować silny popyt, gdy spółki programistyczne odczuwają presję związaną z cenami, konkurencją lub wdrażaniem przez klientów.

Capital Economics stwierdził, że wyceny AI na rynkach wschodzących wydawały się mniej skrajne niż zarówno obecny boom AI w USA, jak i rynek dotcomów u szczytu.

W analizie wskazano również na silniejsze pozycje zewnętrzne w części Azji. Takie warunki mogą zmniejszać podatność na presję finansową, która dotknęła rynki wschodzące podczas wcześniejszych globalnych spowolnień.

Nie czyni to jednak azjatyckich akcji technologicznych aktywami defensywnymi. Biznes półprzewodnikowy pozostaje cykliczny, a spory handlowe mogą wpływać na produkcję, dostęp do sprzętu i relacje z klientami.

Ryzyko geopolityczne dodaje kolejną zmienną. Silnie skoncentrowana sieć produkcyjna może zapewniać efektywną specjalizację, jednocześnie zwiększając ekspozycję na zakłócenia regionalne.

Ruchy walut również wpływają na stopy zwrotu inwestorów międzynarodowych. Akcja może rosnąć na rynku krajowym, podczas gdy zmiany kursu walutowego ograniczają zyski mierzone w dolarach amerykańskich.

Ekspansja geograficzna osłabia jednak uproszczone spojrzenie na transakcję AI. Nie jest to wyłącznie rywalizacja między amerykańskimi platformami programistycznymi.

To cykl nakładów kapitałowych obejmujący projektantów układów, foundry, producentów pamięci, dostawców rozwiązań sieciowych, przedsiębiorstwa użyteczności publicznej, firmy budowlane i operatorów centrów danych.

Kanada stanowi kolejny przykład tego rozszerzania się tematu. Sondaż Reutersa wykazał, że stratedzy rozważają, jak rosnące zapotrzebowanie AI na energię może przynieść korzyści rynkowi akcji o znaczącej ekspozycji na sektor energetyczny.

Perspektywy dla Kanady pokazują, jak ten temat może docierać do sektorów, które nie budują modeli ani nie projektują akceleratorów. Centra danych wymagają energii elektrycznej, infrastruktury przesyłowej, chłodzenia i fizycznej budowy.

Japoński rynek akcji również korzystał z optymizmu wokół AI, obok reform ładu korporacyjnego i wsparcia ze strony krajowej polityki. Sondaż Reutersa prognozował dalsze wzrosty, choć niektórzy analitycy ostrzegali, że szybki wzrost rynku zwiększył ryzyko korekty.

Prognoza dla Japonii ilustruje ważną komplikację. AI może wspierać rynek, nie będąc jego jedynym czynnikiem napędowym.

Ten niuans staje się kluczowy przy porównywaniu regionów. Indeks amerykański zdominowany przez drogie spółki technologiczne różni się od indeksu kanadyjskiego, na który wpływają spółki energetyczne i finansowe.

Podobnie ekspozycja na azjatyckie półprzewodniki różni się od posiadania amerykańskich spółek tworzących oprogramowanie użytkowe. Wszystkie mogą korzystać z tego samego cyklu wydatków, lecz mechanizmy generowania zysków i ryzyka wycen pozostają odmienne.

Czwarty ruch analityków faworyzuje zatem selektywną ekspozycję geograficzną zamiast jednej, niezróżnicowanej transakcji AI. Wyjaśnia również, dlaczego Capital Economics oczekuje mniejszego spadku rynków wschodzących w swoim scenariuszu odwrócenia trendu.

Ta prognoza pozostaje niepewna. Gwałtowne ograniczenie globalnych wydatków na technologie wpłynęłoby na gospodarki zorientowane na eksport, nawet jeśli ich wyceny początkowe były niższe.

Niższe wyceny mogą jednak zapewnić pewną poduszkę bezpieczeństwa. Inwestorzy, którzy zapłacili mniej za każdą jednostkę zysku, mają do zaabsorbowania mniejszą kompresję wycen, gdy zmienia się nastroje.

Prawdziwy konflikt to zyski kontra oczekiwania

Piąta ocena analityków pyta, czy zyski z AI mogą rosnąć wystarczająco szybko, by sprostać oczekiwaniom już uwzględnionym w wycenach rynkowych.

To decydujące pytanie, ponieważ sam popyt nie może rozstrzygnąć debaty. Inwestorzy muszą wiedzieć, kto przechwytuje ten popyt, przy jakiej marży i przez jak długi czas.

Pierwszy etap boomu AI nagrodził rzadką infrastrukturę. Akceleratory Nvidia stały się kluczowe dla trenowania modeli, a pamięć o wysokiej przepustowości i zaawansowane rozwiązania sieciowe zyskały strategiczne znaczenie.

Kolejny etap wymaga dowodów, że klienci potrafią przekształcić inwestycje obliczeniowe w przychody lub produktywność. Takie dowody istnieją w części rynku, ale pozostają nierówne.

Dostawcy chmury raportują rosnące wykorzystanie AI, a twórcy modeli rozszerzyli ofertę dla przedsiębiorstw. Ekonomia obsługi złożonych modeli może jednak znacznie różnić się między poszczególnymi obciążeniami roboczymi.

Produkt może przyciągać użytkowników, nie generując atrakcyjnych marż. Wysokie koszty inferencji, rabaty dla klientów i szybka konkurencja między modelami mogą pochłaniać wzrost przychodów.

Wdrażanie w przedsiębiorstwach przebiega również wolniej niż eksperymentowanie konsumentów. Firmy muszą rozwiązać kwestie zarządzania danymi, bezpieczeństwa, integracji, dokładności i szkolenia pracowników, zanim rozszerzą wdrożenia.

To tworzy niedopasowanie czasowe. Dostawcy infrastruktury rozpoznają przychody w miarę budowania mocy, podczas gdy użytkownicy końcowi mogą potrzebować lat, aby przeprojektować procesy pracy i zmierzyć zwroty.

Pracownicy wiedzy już mierzą się z praktyczną wersją tego problemu. AI może streszczać dokumenty lub tworzyć szkice, ale jej wartość zależy od dostępu do wiarygodnego kontekstu i możliwych do zweryfikowania materiałów źródłowych.

Ustrukturyzowana baza wiedzy AI może poprawić ten kontekst. Lepsze zarządzanie informacją nie eliminuje jednak potrzeby ludzkiej weryfikacji ani jasnego celu biznesowego.

Pytanie na poziomie rynku jest podobne. Infrastruktura umożliwia tworzenie przyszłej wartości, ale inwestorzy wciąż potrzebują dowodów, że wartość ta przewyższa koszt jej stworzenia.

Analitycy popierający rajd wskazują na rosnące przychody, zobowiązania dostaw i utrzymujące się inwestycje hyperscalerów. Sceptycy koncentrują się na wycenach, skoncentrowanym przywództwie i niepewnych zwrotach z ogromnych programów kapitałowych.

Obie strony mogą mieć rację w różnych horyzontach czasowych. Silne zamówienia mogą wspierać zyski w 2026 roku, podczas gdy nadmierne wyceny mogą prowadzić do słabszych zwrotów w 2027 roku.

To zasadnicze odwrócenie stojące za historią w Google News. Warunki wspierające kolejny rajd mogą jednocześnie zwiększać ostateczne ryzyko spadków.

Wyższe ceny akcji zachęcają do pozyskiwania większego kapitału i zwiększania wydatków. Dostawcy rozbudowują moce, pojawiają się konkurenci, a klienci zyskują alternatywy.

Te reakcje stopniowo ograniczają niedobór. Gdy podaż dogania popyt, inwestorzy zaczynają odróżniać prawdziwe przewagi platformowe od tymczasowych korzyści wynikających z ograniczonego rynku.

Podobna sytuacja wystąpiła w erze dotcomów, choć dzisiejsze wiodące spółki mają znacznie silniejsze przychody i bilanse. Technologia przetrwała i zmieniła gospodarkę, lecz wiele wycen i tak gwałtownie spadło.

Ten precedens nie dowodzi, że akcje AI podążą tą samą ścieżką. Pokazuje, dlaczego znaczenie technologiczne i zwroty z inwestycji to odrębne kwestie.

Przydatna analiza unika zatem dwóch skrajności. AI nie jest automatycznie bańką tylko dlatego, że ceny wzrosły, a rzeczywiste przychody nie uzasadniają automatycznie każdej wyceny.

Najsilniejsze przedsiębiorstwa prawdopodobnie będą nadal inwestować mimo zmienności rynku. Postrzegają moce obliczeniowe, własne modele, dystrybucję i relacje z deweloperami jako aktywa strategiczne.

Mniejsze spółki stoją przed trudniejszymi wyborami. Mogą zależeć od zewnętrznych dostawców modeli, nie mieć skali zakupowej lub mieć trudności z przenoszeniem kosztów inferencji na klientów.

Rynki publiczne będą coraz częściej oceniać te grupy odmiennie. Szeroki entuzjazm wobec AI może wynieść wiele akcji podczas wczesnego rajdu, lecz późniejsze etapy zwykle nagradzają mierzalne zyski.

Inwestorzy powinni również dokładnie analizować, jak spółki definiują przychody z AI. Produkt może łączyć istniejące usługi chmurowe, nowe wykorzystanie modeli i pakietowe funkcje oprogramowania.

Zmiany w prezentacji księgowej lub łączeniu produktów mogą utrudniać porównania. Jasne ujawnienia dotyczące klientów, wykorzystania, marż i czasu trwania kontraktów wzmocniłyby argumenty byków.

Piąty ruch przenosi więc uwagę z zapowiedzi na konwersję finansową. Pytanie nie brzmi już, czy spółki wydają na AI. Chodzi o to, czy te wydatki przynoszą trwałe korzyści ekonomiczne.

Trzy sygnały sprawdzą prognozę spadku w 2027 roku

Kolejne trzy sygnały pokażą, czy rajd opiera się na trwałych zyskach, czy zbliża się do odwrócenia opisanego przez Capital Economics.

Pierwszym sygnałem są nakłady kapitałowe hyperscalerów. Inwestorzy powinni porównać rzeczywiste wydatki z wcześniejszymi wytycznymi Microsoft, Alphabet, Amazon i Meta.

Dalsze wzrosty wspierałyby popyt na półprzewodniki, pamięci, rozwiązania sieciowe i centra danych. Wzmacniałyby argument za kolejnym rynkowym wzrostem napędzanym przez AI.

Jednak jakość wydatków ma równie duże znaczenie jak ich skala. Inwestorzy potrzebują dowodów, że nowe moce obsługują rosnące obciążenia robocze, a nie pozostają niewykorzystane.

Ograniczenie wydatków nie musiałoby koniecznie oznaczać, że wdrażanie AI poniosło porażkę. Mogłoby wskazywać na większą efektywność sprzętu, zakończone etapy budowy lub tymczasową przerwę po szybkiej ekspansji.

Jednoczesne spowolnienie u kilku hyperscalerów miałoby większą wagę. Taki wzorzec wywarłby presję na dostawców i osłabił argument, że popyt na infrastrukturę pozostaje szeroko trwały.

Drugim sygnałem są rewizje prognoz zysków w całym łańcuchu dostaw AI. Analitycy powinni nadal podnosić prognozy, jeśli zamówienia, wykorzystanie mocy i marże rozwijają się zgodnie z oczekiwaniami byków.

Ceny akcji mogą pozostawać wysokie, gdy rewizje prognoz rosną. Problemy zaczynają się, gdy akcje drożeją, ale prognozy zysków stabilizują się lub spadają.

Taka rozbieżność sugerowałaby, że inwestorzy płacą wyższe mnożniki bez otrzymywania silniejszych prognoz bazowych. Wspierałaby interpretację późnej fazy cyklu.

Znaczenie ma także struktura rewizji. Wzrosty skoncentrowane u jednego dostawcy układów zapewniają mniej pewności niż poprawa w obszarze pamięci, sieci, usług chmurowych i oprogramowania dla przedsiębiorstw.

Trzecim sygnałem jest szerokość rynku. Zdrowszy rajd powinien wyjść poza niewielką grupę liderów technologicznych.

Udział firm przemysłowych, energetycznych, finansowych i mniejszych spółek technologicznych sugerowałby, że inwestycje w AI wspierają szerszą aktywność gospodarczą.

Zawężanie się grona liderów zwiększyłoby zależność indeksu S&P 500 od jego największych składników. Sprawiłoby też, że indeks byłby bardziej wrażliwy na jedno rozczarowanie wynikami lub korektę planów wydatkowych.

Te sygnały należy odczytywać łącznie. Silne nakłady kapitałowe, rosnące prognozy zysków i szerszy udział osłabiłyby przewidywania dotyczące dużego odwrócenia trendu w 2027 roku.

Wysokie wydatki połączone ze spadającymi szacunkami zysków opowiadałyby inną historię. Mogłoby to oznaczać, że konkurencja, amortyzacja, koszty energii lub presja cenowa pochłaniają oczekiwaną stopę zwrotu.

Podobnie, wzrost zysków przy zawężającej się szerokości rynku wspierałby wybrane spółki, nie potwierdzając jednak dobrej kondycji całego indeksu.

Scenariusz Capital Economics można zatem zweryfikować przed końcem 2027 roku. Inwestorzy nie muszą czekać na prognozowany poziom indeksu, aby ocenić, czy logika leżąca u jego podstaw zyskuje na sile.

Kwartalne ujawnienia pokażą, czy przychody z AI doganiają inwestycje. Prognozy dostawców ujawnią, czy popyt wykracza poza istniejące zobowiązania. Szerokość rynku pokaże, czy entuzjazm się rozszerza, czy koncentruje.

Dla deweloperów i nabywców korporacyjnych te same sygnały wpływają na strategię produktową. Dalsze inwestycje w infrastrukturę mogą obniżyć koszty inferencji i zwiększyć dostępność modeli.

Korekta rynkowa mogłaby również zmienić zachowanie dostawców. Firmy mogłyby kłaść nacisk na efektywność, zrównoważone ceny i mierzalne korzyści dla klientów zamiast szybkiego zwiększania mocy.

Pracownicy umysłowi powinni potraktować pięć opinii analityków jako przypomnienie, by oddzielać użyteczną technologię od finansowego entuzjazmu. Korekta rynkowa nie przekreśliłaby wartości systemów, które oszczędzają czas lub poprawiają jakość decyzji.

Inwestorzy powinni dokonać tego samego rozróżnienia. Wdrożenie AI, zyski przedsiębiorstw i wyceny akcji oddziałują na siebie, lecz nie są wzajemnie wymiennymi miarami.

Nagłówek Google News oddaje rynek rozdarty między wiarygodnym popytem a wysokimi oczekiwaniami. Capital Economics oczekuje, że to napięcie wesprze jeszcze jeden wzrost, zanim doprowadzi do odwrócenia trendu.

Czy kolejna runda wydatków hyperscalerów i raportów wynikowych potwierdzi trwałą ekspansję, czy ujawni rynek, który już zdyskontował zbyt wiele? Obserwuj nakłady kapitałowe, rewizje prognoz i szerokość rynku, zanim uznasz za przesądzone zarówno wzrosty, jak i korektę w 2027 roku.