Goldman Sachs twierdzi, że rynek AI wchodzi w fazę konsolidacji

Goldman Sachs twierdzi, że rynek sztucznej inteligencji wszedł w fazę konsolidacji po gwałtownym odwróceniu trendu, które ujawniło zatłoczone pozycje, fundusze korzystające z dźwigni oraz kruchość mechanizmów rynkowych. To rozróżnienie ma znaczenie. Konsolidacja sugeruje, że inwestorzy korygują oczekiwania po długotrwałym rajdzie, a nie rezygnują z perspektyw wzrostu zysków i popytu na infrastrukturę wspierających spółki AI.

Krótka informacja rozpowszechniona przez rsshub 36kr podsumowała pogląd banku, zgodnie z którym mocne wyniki finansowe i mniejsze zaangażowanie inwestorów powinny złagodzić skrajną zmienność. Stojąca za tym argumentacja jest bardziej złożona niż proste wezwanie do kupowania po spadkach. Stratedzy Goldmana widzą poprawę warunków, ale przyznają też, że dźwignia może przekształcić zwykłą przecenę w wymuszoną sprzedaż.

To tworzy kluczowe napięcie dla inwestorów. Popyt na AI i wydatki przedsiębiorstw pozostają znaczące, podczas gdy instrumenty wykorzystywane do handlu tym trendem stają się coraz bardziej agresywne. W rezultacie rynek może wyglądać spokojnie na poziomie indeksów, nawet gdy pojedyncze akcje spółek produkujących półprzewodniki, pamięci, sprzęt sieciowy i wyposażenie centrów danych gwałtownie się wahają.

Niedawny spadek testuje więc dwa konkurencyjne wyjaśnienia. Pierwsze zakłada, że argumenty inwestycyjne za AI osłabły, ponieważ wydatki są zbyt wysokie, a wyceny zaszły za daleko. Drugie mówi, że fundamentalnie nienaruszony temat stał się zbyt zatłoczony, po czym przeszedł korektę pozycjonowania, która usunęła część nadmiaru bez zakończenia szerszego trendu.

Goldman obecnie skłania się ku drugiej interpretacji. Jako dowody wskazuje dalszy wzrost zysków, niższą ekspozycję funduszy hedgingowych oraz utrzymujący się popyt na infrastrukturę obliczeniową. Jednak kolejny cykl wyników musi pokazać, że ogromne budżety kapitałowe generują przychody i zysk, a nie jedynie większą moc produkcyjną.

Wyprzedaż zmieniła pozycjonowanie, a nie całą tezę dotyczącą AI

Podstawowa ocena Goldmana jest taka, że niedawny spadek szybciej usunął nadmierne pozycjonowanie, niż zaszkodził fundamentalnym argumentom inwestycyjnym za AI.

Akcje technologiczne weszły w odwrócenie trendu przy silnej ekspozycji inwestorów na wiele tych samych tematów. Pozycje te obejmowały producentów półprzewodników, dostawców pamięci, spółki z branży sieci optycznych, producentów wyposażenia centrów danych oraz hyperscalerów finansujących nową infrastrukturę.

Zatłoczenie nie oznacza automatycznie, że teza inwestycyjna jest błędna. Oznacza, że wielu uczestników posiada podobne aktywa z podobnych powodów. Gdy zmienność rośnie, inwestorzy ci mogą reagować jednocześnie, tworząc falę sprzedaży, która przytłacza informacje dotyczące konkretnych spółek.

Dane Goldmana z działalności prime brokerage dają wgląd w ten proces. Vincent Lin, współszef Prime Insights and Analytics w Goldman Sachs, powiedział, że ekspozycja brutto funduszy hedgingowych osiągnęła na początku czerwca najwyższy poziom od pięciu lat. Ekspozycja netto również wzrosła do czteroletniego maksimum.

Po odwrocie oba wskaźniki spadły do około 60.–65. percentyla swoich trzyletnich zakresów. Oznaczało to, że pozycjonowanie znalazło się w pobliżu środka niedawnego rozkładu, a nie na skrajnym poziomie.

Lin określił ten epizod jako zdrową korektę, podkreślając jednocześnie, że pozycjonowanie nie zostało całkowicie oczyszczone. Fundusze hedgingowe ograniczyły ryzyko, ale zbiorowo nie odrzuciły infrastruktury AI.

To rozróżnienie pomaga wyjaśnić, dlaczego podsumowanie rsshub 36kr mówiło o możliwej konsolidacji zamiast trwałego załamania. Konsolidacja następuje, gdy ceny trawią wcześniejsze wzrosty, a inwestorzy ponownie oceniają oczekiwania. Może obejmować gwałtowne spadki, nieudane odbicia i duże różnice między poszczególnymi akcjami.

Spadek podążał również za znanym wzorcem na rynkach napędzanych momentum. Udany temat przyciąga więcej kapitału, rosnące ceny wspierają większe podejmowanie ryzyka, a nowe produkty inwestycyjne ułatwiają uzyskanie ekspozycji. Gdy kierunek się zmienia, te same siły działają odwrotnie.

Wyrazisty przykład pochodził od Situational Awareness, funduszu hedgingowego skoncentrowanego na AI, założonego przez byłego badacza OpenAI Leopolda Aschenbrennera. Axios podał, że fundusz sprzedał podczas wyprzedaży swój portfel akcji notowanych publicznie firmie Citadel. Fundusz niedawno informował o około 20 mld USD aktywów w zarządzaniu.

Ta sprzedaż nie przesądza o tym, co wydarzyło się na całym rynku. Pokazuje jednak, jak szybko portfel skoncentrowany na AI może stać się częścią wydarzenia, na którym miał zarabiać. Skoncentrowany inwestor, który ponosi straty lub mierzy się z umorzeniami, może potrzebować płynności niezależnie od swoich długoterminowych przekonań.

Korekta była również wyjątkowo szeroka w obrębie technologii. Goldman określił sprzedaż jako największą skumulowaną redukcję ekspozycji na technologię w historii jednego ze swoich zbiorów danych. Mimo to rozmowy banku z funduszami hedgingowymi nadal wskazywały na fundamentalne zainteresowanie spółkami AI.

Dlatego niedawnych ruchów nie można interpretować wyłącznie przez pryzmat cen. Spadające ceny mogą odzwierciedlać niższe oczekiwania dotyczące zysków, słabszy popyt, nadmierne wyceny, wymuszone zmniejszanie dźwigni lub kilka czynników jednocześnie. Dane Goldmana dotyczące pozycjonowania nadają większą wagę wyjaśnieniu opartemu na redukcji dźwigni, ale nie eliminują pozostałych.

W rezultacie rynek staje się bardziej selektywny. Inwestorzy nie mogą już traktować każdego dostawcy powiązanego z infrastrukturą AI jako wymiennego beneficjenta. Muszą odróżniać spółki z widocznym portfelem zamówień, trwałymi marżami i siłą cenową od tych wspieranych głównie przez tematyczny popyt na ich akcje.

Mocne wyniki stanowią fundament tezy Goldmana o konsolidacji

Bycza strona argumentacji Goldmana zależy od tego, by zyski w większym stopniu niż rosnące mnożniki wyceny napędzały rynek.

W maju Shawn Tuteja z Goldmana powiedział, że zysk na akcję spółek z S&P 500 był na dobrej drodze do poziomu o 17% wyższego niż rok wcześniej. Był to szósty z rzędu kwartał dwucyfrowego wzrostu zysków. Oczekiwania na kolejne 12 miesięcy wzrosły do 13%.

Jednocześnie przyszłościowy mnożnik wyceny rynku skurczył się z 22-krotności zysków do 21-krotności. Mnożnik na poziomie 21-krotności nie jest historycznie niski, ale to połączenie sugerowało, że zyski wykonują więcej pracy niż zwykły entuzjazm inwestorów.

Segment AI rynku w znacznym stopniu przyczynił się do tych wyników. Hyperscalerzy nadal kupowali układy, sprzęt sieciowy, systemy zasilania, technologie chłodzenia i moce budowlane. Ich wydatki wspierały przychody w całym łańcuchu dostaw wykraczającym daleko poza twórców modeli.

Tuteja powiedział, że hyperscalerzy zobowiązali się do 755 mld USD nakładów kapitałowych w 2026 roku, co oznaczało wzrost o 38% rok do roku. Goldman przedstawił te liczby jako dowód, że popyt pozostaje aktywny w całej infrastrukturze AI.

Nakłady kapitałowe, czyli capex, to środki wykorzystywane do nabywania aktywów o długim okresie użytkowania, takich jak serwery, centra danych i sprzęt elektryczny. Natychmiast wspierają dostawców, lecz rodzą trudniejsze pytanie dla finansujących je firm. Nabywcy ci muszą ostatecznie uzyskać zwroty uzasadniające te wydatki.

Rynek przeszedł już przez kilka warstw tej rozbudowy. Pierwszymi głównymi beneficjentami były zaawansowane spółki półprzewodnikowe. Następnie uwaga rozszerzyła się na platformy chmurowe, centra danych, dostawców energii, producentów pamięci, sieci optyczne oraz wyspecjalizowane systemy chłodzenia.

Goldman podał, że do połowy maja temat sieci optycznych zyskał w 2026 roku ponad 100%. Akcje spółek z segmentu chłodzenia cieczą, kolejnej kategorii sprzętu wyróżnionej przez bank, wzrosły o około 30%. Takie zyski pokazują popyt, ale zwiększają też ryzyko, że ceny zakładają lata bezbłędnej realizacji.

Argument za trwałymi wydatkami coraz bardziej opiera się obecnie na rzeczywistym wykorzystaniu AI. Badacze Goldmana z działu bankowości inwestycyjnej stwierdzili, że wdrażanie technologii przez przedsiębiorstwa rozszerza się poza chatboty i narzędzia do programowania. Systemy agentowe, które mogą realizować wieloetapową pracę, a nie tylko tworzyć odpowiedź, zwiększają zapotrzebowanie na moc obliczeniową.

Jedna z firm, z którymi rozmawiał Goldman, stwierdziła, że jej 5% największych klientów korporacyjnych zużywa trzy razy więcej tokenów niż klient medianowy. Tokeny to niewielkie jednostki tekstu przetwarzane i generowane przez modele. Rosnące użycie tokenów zazwyczaj wymaga większej mocy inferencyjnej, czyli zasobów obliczeniowych używanych, gdy wdrożone modele odpowiadają użytkownikom.

Goldman argumentuje, że ograniczona podaż może rozciągnąć wydatki na infrastrukturę na kilka lat. Jego badanie dotyczące wdrażania przez przedsiębiorstwa wskazuje na utrzymujący się popyt, gdy firmy przechodzą od eksperymentów do operacyjnych przepływów pracy.

Mimo to przychody dostawców i zwroty nabywców to nie to samo. Producent układów może korzystać z dużych zamówień, nawet jeśli dostawca chmury później będzie miał trudności z monetyzacją powstałej w ten sposób mocy. Obecna siła wyników potwierdza popyt na infrastrukturę, ale nie rozstrzyga ekonomiki całego systemu.

To najważniejsze ograniczenie w relacji rsshub 36kr. Mocne bieżące zyski mogą wspierać tezę o konsolidacji, lecz rynki wyceniają przyszłe przepływy pieniężne. Inwestorzy będą nadal pytać, czy przychody z AI mogą rosnąć wystarczająco szybko, aby pokryć koszty amortyzacji, energii, finansowania i rozwoju.

Kolejny etap powinien zatem przynieść większą lukę w wynikach. Spółki sprzedające deficytowe komponenty mogą utrzymać siłę cenową. Firmy polegające na ogólnym entuzjazmie będą podlegać większej kontroli. Hyperscalerzy muszą pokazać, że nowe usługi, poprawa reklam, obciążenia chmurowe i wzrost wewnętrznej efektywności przekształcają capex w mierzalne zwroty.

Dlaczego ETF-y z dźwignią mogą zamienić korektę w gwałtowną wyprzedaż

Niedawna zmienność nie była wyłącznie werdyktem wobec spółek AI; była także konsekwencją sposobu, w jaki inwestorzy pakowali i finansowali swoją ekspozycję.

Fundusze ETF z dźwignią obiecują wielokrotność dziennej stopy zwrotu danego aktywa. Na przykład dwukrotnie lewarowany ETF na półprzewodniki dąży do osiągnięcia dwukrotności dziennego ruchu bazowego indeksu. Fundusz musi często równoważyć portfel, aby utrzymać ten cel.

Tworzy to mechaniczne sprzężenie zwrotne. Gdy bazowe aktywa rosną, fundusz często musi dokupić dodatkową ekspozycję. Gdy spadają, musi sprzedawać. Traderzy określają to zachowanie jako short gamma, ponieważ równoważenie portfela zwykle wzmacnia dominujący kierunek.

Tuteja ostrzegał przed tą strukturą przed ostatnią wyprzedażą. Wyjaśnił, że akcja, która po negatywnej informacji miałaby spaść o 3%, może zamiast tego stracić 10%, gdy produkty lewarowane i inni wymuszeni sprzedający jednocześnie ograniczają ekspozycję. Ten sam mechanizm może wzmacniać wzrosty podczas rajdu.

Ryzyko rośnie, gdy fundusze z dźwignią posiadają zmienne papiery wartościowe o ograniczonej głębokości obrotu. Niewielki produkt ma mały wpływ na rynek. Duży produkt zmuszony do transakcji blisko zamknięcia sesji może przesuwać ceny, szczególnie gdy kilka funduszy stosuje podobne mandaty.

Brian Garrett z Goldmana powiedział później, że jeden na pięć ETF-ów zawierał element lewarowany lub odwrotny. Wśród ETF-ów wyemitowanych w 2026 roku udział ten wynosił jeden na trzy. Wzrost ten uczynił rynek bardziej agresywnym i zwiększył potencjalny wpływ automatycznego równoważenia.

Problem był szczególnie widoczny poza głównymi amerykańskimi indeksami. Garrett zauważył, że implikowana zmienność południowokoreańskiego KOSPI wzrosła powyżej poziomów obserwowanych podczas światowego kryzysu finansowego. Indeks znalazł się pod silnym wpływem niewielkiej liczby zmiennych akcji powiązanych z łańcuchem dostaw AI.

Koncentracja może ukrywać tę presję. Indeks łączy wiele papierów wartościowych, więc wzrosty w jednej grupie mogą równoważyć straty gdzie indziej. Niska zmienność indeksu może współistnieć z gwałtownymi ruchami poszczególnych akcji, tworząc to, co Garrett nazwał różnicą między rynkiem akcji a rynkiem pojedynczych akcji.

W takim otoczeniu inwestor obserwujący wyłącznie S&P 500 lub Nasdaq może nie doceniać presji kryjącej się pod powierzchnią. Akcje spółek z branży półprzewodników, pamięci i sprzętu mogą odnotowywać duże dzienne ruchy, podczas gdy zdywersyfikowane indeksy wydają się względnie stabilne.

Dyskusja o zmienności ETF-ów wyjaśnia również, dlaczego mniej zatłoczone pozycjonowanie może ograniczyć przyszłe turbulencje. Gdy fundusze hedgingowe zmniejszają ekspozycję, a produkty lewarowane tracą aktywa, mniej uczestników musi sprzedawać podczas kolejnego spadku.

Jednak mniej zatłoczone nie oznacza całkowicie oczyszczonego. Lin powiedział, że po wyprzedaży ekspozycja funduszy hedgingowych pozostawała w okolicach środka swojego ostatniego zakresu. Inwestorzy ograniczali też zabezpieczenia makroekonomiczne, sprzedając jednocześnie udziały związane z AI — proces, który określił jako de-grossing.

Zabezpieczenie makroekonomiczne to pozycja zaprojektowana tak, by równoważyć szerokie ryzyko rynkowe, na przykład opcja put na indeks lub krótka pozycja w kontraktach futures. Jeśli inwestorzy zamykają zarówno pozycje długie, jak i zabezpieczenia ochronne, ich bilanse się kurczą. Obniża to bezpośrednią ekspozycję, ale może pozostawić pozostałą część rynku wrażliwą na ponowny wzrost korelacji.

Korelacja mierzy, jak ściśle papiery wartościowe poruszają się razem. Niska korelacja sprzyja selekcji akcji, ponieważ większe znaczenie mają wydarzenia specyficzne dla poszczególnych spółek. Rosnąca korelacja wskazuje, że inwestorzy ponownie traktują wiele papierów jako przejawy jednego wspólnego ryzyka.

Mechanizm ten wspiera oczekiwanie Goldman, że po resecie zmienność powinna osłabnąć. Mniej zatłoczone pozycjonowanie ogranicza paliwo dostępne dla wymuszonej sprzedaży. Jednak ta sama struktura rynku pozostaje na miejscu, w tym lewarowane ETF-y, aktywność na rynku opcji, skoncentrowane indeksy i silnie powiązane łańcuchy dostaw AI.

Teza o konsolidacji nie obiecuje zatem spokojnego handlu. Sugeruje, że prawdopodobieństwo powtarzających się, samonapędzających spadków zmalało, ponieważ inwestorzy już usunęli znaczną część ryzyka. Nowy negatywny katalizator wciąż mógłby ponownie uruchomić ten mechanizm.

Prawdziwym przeciwnikiem jest realizacja wyników wobec nadmiernego pozycjonowania

Decydujące starcie nie toczy się między bykami AI a sceptykami AI; chodzi o wyniki operacyjne kontra nadmierne oczekiwania wpisane w zatłoczone transakcje.

Konstruktywne spojrzenie Goldman działa tylko wtedy, gdy wyniki nadal potwierdzają cykl infrastrukturalny. Niższe pozycjonowanie może stabilizować ceny, ale nie może tworzyć przychodów, poprawiać marż ani generować zwrotu z zainwestowanego kapitału.

Transakcja związana z AI obejmuje firmy o bardzo różnej ekonomice. Nvidia i inni dostawcy chipów sprzedają ograniczony podażowo sprzęt obliczeniowy. Dostawcy chmury finansują centra danych. Przedsiębiorstwa użyteczności publicznej i firmy przemysłowe zapewniają energię oraz chłodzenie. Twórcy oprogramowania poszukują przychodów z modeli i aplikacji.

Jedna etykieta może zacierać te różnice. Niektórzy dostawcy infrastruktury rozpoznają przychody w miarę wysyłki sprzętu. Hyperscalerzy ponoszą wieloletnie koszty amortyzacji i wydatki operacyjne. Spółki aplikacyjne muszą przekonać klientów, by płacili wystarczająco dużo za usługi AI, aby pokryć koszty inferencji.

To rozróżnienie staje się ważniejsze podczas konsolidacji. W czasie szerokiej hossy inwestorzy często nagradzają ekspozycję na popularny temat. Na wolniejszym rynku wyniki kwartalne i prognozy tworzą ostrzejsze różnice między spółkami.

Majowa ocena Goldman stanowiła mocny punkt wyjścia. Wzrost zysków pozostawał wysoki, a popyt związany z AI wydawał się odporny mimo inflacji i słabszego wzrostu gospodarczego. Tuteja opisał nawet AI jako relatywnie odporną na presje wpływające na spółki konsumenckie i cykliczne.

Ta defensywna interpretacja ma swoje ograniczenia. Wydatki na AI są finansowane przez spółki o silnych bilansach, lecz nadal stanowią uznaniową alokację kapitału. Menedżerowie mogą opóźniać projekty, jeśli oczekiwane zwroty spadną, finansowanie stanie się droższe lub ograniczenia w dostępie do energii utrudnią wdrożenie.

Stopy procentowe dodają kolejną warstwę. Wyższe rentowności długoterminowych obligacji zwiększają stopę dyskontową stosowaną do przyszłych zysków. Efekt ten może najsilniej ciążyć spółkom, których wyceny zależą od zysków oczekiwanych dopiero za wiele lat.

Tuteja wskazał na przekroczenie przez rentowność 30-letnich obligacji skarbowych USA poziomu 5% w maju jako ważnego progu psychologicznego. Dokładny poziom zmienia się wraz z rynkiem, lecz podstawowa zależność pozostaje istotna. Drogi kapitał wywiera większą presję na spółki, by wykazywały krótkoterminowe zwroty.

Sceptyczna teza koncentruje się także na koncentracji. Spółki związane z AI stanowią dużą część głównych indeksów amerykańskich, co oznacza, że rozczarowujące wyniki kilku firm mogą wpłynąć na inwestorów pasywnych daleko poza portfelami stricte technologicznymi.

Goldman wcześniej ostrzegał, że wąskie przywództwo rynkowe i szybkie wzrosty impetu często poprzedzają wyższą zmienność i słabsze stopy zwrotu. Nie wskazuje to szczytu rynku, ale podważa założenie, że silne wyniki indeksów dowodzą szerokiego zdrowia gospodarki.

Podsumowanie rsshub 36kr podkreśla poprawę perspektyw po gwałtownym oczyszczeniu rynku. Pełniejsza interpretacja jest warunkowa. Zmniejszona ekspozycja funduszy hedgingowych i ETF-ów usuwa jedno źródło niestabilności, podczas gdy wyniki nadal muszą sprostać wymagającym wycenom i ogromnym potrzebom kapitałowym.

Istnieje również luka weryfikacyjna dotycząca najnowszej noty strategicznej. Publiczny newsflash zawiera krótką parafrazę, podczas gdy publiczne dyskusje rynkowe Goldman dostarczają powiązanych danych i uzasadnienia. Bez pełnej noty dla klientów czytelnicy powinni unikać traktowania każdego szczegółu jako stanowczej prognozy dla wszystkich akcji AI.

Sam Goldman rozróżnia poglądy instytucjonalne od indywidualnych komentarzy rynkowych. Jego publiczne transkrypcje wskazują, że opinie prelegentów mogą się zmieniać i nie muszą reprezentować banku jako całości. Są one też wyraźnie przedstawiane jako informacje, a nie porady inwestycyjne.

Ta ostrożność ma znaczenie, ponieważ różne zespoły Goldman analizują różne części rynku. Specjaliści prime brokerage koncentrują się na pozycjonowaniu funduszy hedgingowych. Traderzy zmienności analizują opcje i przepływy ETF-ów. Stratedzy akcyjni oceniają wyniki, wyceny i konstrukcję portfeli.

Ich poglądy nadal mogą tworzyć spójny obraz. Pozycjonowanie stało się skrajne, struktury rynkowe wzmacniały odwrócenia trendu, a wyniki pozostawały relatywnie wspierające. Po redukcji lewarowania równowaga między fundamentami a presją techniczną stała się mniej niekorzystna.

Jednak spójne wyjaśnienie nie jest gwarancją. Konsolidacja może zakończyć się ponownymi wzrostami, długotrwałym rynkiem bocznym albo kolejnym spadkiem. Wynik zależy od tego, czy zyski nadrobią oczekiwania, zanim pojawi się nowy szok makroekonomiczny lub specyficzny dla spółek.

Czytelnicy powinni zatem oprzeć się dwóm prostym narracjom. Wyprzedaż nie dowiodła, że inwestycje w AI zakończyły się niepowodzeniem. Silne wydatki na infrastrukturę nie dowodzą, że każda wycena związana z AI jest uzasadniona.

Czego perspektywa Goldman Sachs dotycząca AI nadal nie może rozstrzygnąć

Trzy nierozstrzygnięte kwestie mogą osłabić tezę o konsolidacji: monetyzacja capexu, utrzymująca się dźwignia i rosnące korelacje między aktywami AI.

Pierwszą kwestią jest monetyzacja. Hyperscalerzy muszą pokazać, jak wydatki na infrastrukturę przekładają się na przychody z chmury, wzrost przychodów reklamowych, wzrost subskrypcji lub niższe koszty wewnętrzne. Ogólne twierdzenia o przyszłej produktywności nie dostarczą wystarczających dowodów.

Inwestorzy powinni porównywać nakłady inwestycyjne z przyrostowymi przychodami i zyskiem operacyjnym. Powinni także obserwować amortyzację, ponieważ serwery i sprzęt sieciowy generują koszty przez okres ich użytkowania. Szybka wymiana sprzętu może zwiększyć znaczenie tego obciążenia.

Moment ujęcia księgowego może tymczasowo upiększać tę historię. Gotówka wypływa, gdy firmy budują centra danych, podczas gdy amortyzacja rozkłada się na przyszłe rachunki zysków i strat. Przychody mogą napływać stopniowo lub pozostawać trudne do bezpośredniego przypisania AI.

Drugą kwestią jest dźwignia. Fundusze hedgingowe zmniejszyły ekspozycję, ale Goldman stwierdził, że pozycjonowanie nie zostało całkowicie oczyszczone. Lewarowane ETF-y i aktywność na rynku opcji również pozostają strukturalnymi cechami rynku, a nie tymczasowymi uczestnikami.

Spokojniejszy okres może szybko ponownie przyciągnąć ryzyko. Jeśli zmienność spadnie, a ceny się odbudują, fundusze mogą odbudować pozycje, inwestorzy detaliczni mogą wrócić do opcji call, a produkty lewarowane mogą zgromadzić nowe aktywa. Proces ten może odtworzyć tę samą podatność przy innych poziomach cen.

Trzecią kwestią jest korelacja. Lin wskazał rosnącą korelację akcji jako kluczowy sygnał do monitorowania po redukcji ryzyka. Jeśli korelacje pozostaną niskie, wyniki i realizacja działań specyficzna dla spółek mogą napędzać stopy zwrotu. Jeśli gwałtownie wzrosną, presja makroekonomiczna może ponownie przytłoczyć fundamentalne różnice.

Niedawna likwidacja znanego portfela AI pokazuje to ryzyko. Axios poinformował, że Situational Awareness sprzedał swoje udziały w spółkach publicznych Citadelowi w obliczu dużych strat na akcjach AI. Jego doświadczenie nie przewiduje kolejnej likwidacji, ale pokazuje, jak skoncentrowana ekspozycja może przenosić presję.

Sprzedaż funduszu AI komplikuje również pogląd, że zmniejszone pozycjonowanie jest automatycznie bycze. Część sprzedaży poprawia przyszłą równowagę rynku. Inna sprzedaż może sygnalizować, że straty, presja finansowania lub umorzenia pozostają nierozwiązane.

Kolejna niepewność dotyczy struktury popytu. Trenowanie modeli frontier wymaga ogromnych klastrów, podczas gdy inferencja rozprasza potrzeby obliczeniowe po wdrożonych produktach. Przesunięcie w kierunku inferencji może poszerzyć popyt, ale może też faworyzować innych dostawców sprzętu i oprogramowania.

Poprawa efektywności tworzy dodatkowy kompromis. Lepsze chipy, zoptymalizowane modele i tańsza inferencja mogą obniżyć koszt każdego zadania. Niższe koszty mogą zwiększyć wykorzystanie, ale mogą też obniżyć oczekiwania przychodowe dostawców, jeśli popyt nie wzrośnie wystarczająco szybko.

Dostępność energii może ograniczać obie strony. Centra danych potrzebują energii elektrycznej, przepustowości sieci przesyłowej, chłodzenia i pozwoleń. Silne zamówienia na chipy nie gwarantują, że ukończone systemy będzie można zasilić zgodnie z harmonogramem.

Polityka geopolityczna pozostaje kolejną zmienną. Kontrole eksportu, cła i amerykańsko-chińskie ograniczenia technologiczne mogą zmieniać popyt na zaawansowane procesory i sprzęt produkcyjny. Mogą także przyspieszać rozwój alternatywnych łańcuchów dostaw konkurujących o kapitał.

Żadna z tych niepewności nie unieważnia wniosku Goldman, że warunki się poprawiły. Wyjaśniają one, dlaczego poprawę warunków należy opisywać jako lepszą konfigurację, a nie rozstrzygnięty przypadek inwestycyjny.

Najlepszym dowodem dla tezy o konsolidacji będą węższe reakcje cenowe. Jeśli spółki z silnymi zamówieniami i poprawiającymi się marżami będą osiągać lepsze wyniki niż słabsi konkurenci, rynek wraca do fundamentalnego różnicowania. Jeśli cała grupa nadal będzie poruszać się razem, pozycjonowanie wciąż dominuje.

Trzy sygnały do obserwowania w ciągu najbliższych trzech miesięcy

O kolejnej fazie zdecydują zwroty hyperscalerów, ekspozycja funduszy hedgingowych oraz korelacja między poszczególnymi akcjami AI.

Pierwszym sygnałem jest konwersja nakładów inwestycyjnych. Nadchodzące wyniki hyperscalerów powinny ujawnić plany wydatkowe i dostarczyć dowodów, że moce AI generują przychody lub mierzalne zyski efektywności.

Inwestorzy powinni koncentrować się na zmianach wzrostu chmury, popytu na usługi AI, marż operacyjnych i prognoz zarządu. Rosnące nakłady inwestycyjne przy jednocześnie poprawiających się przychodach wzmocniłyby tezę Goldman o konsolidacji. Rosnące nakłady inwestycyjne bez wyraźniejszych zwrotów osłabiłyby ją.

To rozróżnienie jest ważne, ponieważ dostawcy infrastruktury mogą publikować doskonałe wyniki, zanim ich najwięksi klienci wypracują atrakcyjną ekonomikę. Rynek potrzebuje dowodów z obu stron transakcji.

Własni traderzy Goldman wskazali wyniki finansowe hyperscalerów jako kluczowy test w najbliższym czasie. Lin powiedział, że obserwuje trajektorie wydatków oraz postępy w przekształcaniu nakładów inwestycyjnych w dodatkowe przychody i zysk. To bardziej wymagający standard niż samo utrzymywanie inwestycji.

Drugim sygnałem będzie to, czy fundusze hedgingowe odbudują ekspozycję. Zakres po wyprzedaży, wynoszący około 60.–65. percentyla, wskazuje na przestrzeń do zakupów, ale oznacza też, że rynek nie wychodzi z wyjątkowo defensywnej pozycji.

Stopniowy wzrost wsparty wynikami finansowymi wzmocniłby tezę, że korekta wyeliminowała słabą dźwignię. Szybki powrót w okolice wcześniejszych szczytów odtworzyłby zatłoczenie pozycji, zanim fundamentalne przesłanki zdążyły się poprawić.

Aktywa ETF-ów i pozycjonowanie na rynku opcji zasługują na uwagę obok funduszy hedgingowych. Dalszy wzrost produktów lewarowanych i odwrotnych zwiększyłby skalę mechanicznego handlu wokół zmiennych papierów wartościowych.

Trzecim sygnałem jest korelacja akcji. Niska korelacja wskazywałaby, że inwestorzy rozdzielają zwycięzców od słabszych biznesów. Dałaby również aktywnym zarządzającym większe możliwości handlu w oparciu o fundamenty konkretnych spółek.

Gwałtowny wzrost korelacji sugerowałby, że segment AI ponownie zachowuje się jak jedna lewarowana pozycja makroekonomiczna. W takim środowisku nawet silne spółki mogą spadać, ponieważ inwestorzy sprzedają płynne aktywa, aby ograniczyć całkowite ryzyko.

Sygnały te należy odczytywać łącznie. Lepsza ekonomika hyperscalerów może uzasadniać ponowne zwiększenie ekspozycji. Umiarkowana ekspozycja może sprzyjać uporządkowanemu odkrywaniu cen. Niska korelacja może pozwolić, by jakość wyników finansowych decydowała o tym, które akcje się odbudują.

Przeciwna kombinacja byłaby niebezpieczna. Słaba monetyzacja, szybko powracająca dźwignia i rosnąca korelacja podważyłyby twierdzenie, że niedawna wyprzedaż była jedynie zdrową korektą.

Serwis informacyjny rsshub 36kr uchwycił optymistyczny kierunek poglądu Goldman, ale publiczna analiza banku przedstawia niezbędne warunki. Silne wyniki i bardziej uporządkowane pozycjonowanie poprawiają sytuację. Nie eliminują jednak ryzyka związanego z wycenami, dźwignią ani realizacją.

Dla deweloperów, nabywców korporacyjnych i użytkowników produktów AI ta debata rynkowa ma praktyczne konsekwencje. Utrzymujący się cykl inwestycji infrastrukturalnych może obniżyć koszty inferencji i zwiększyć dostępną przepustowość. Spowolnienie wydatków może opóźnić budowę centrów danych, ograniczyć dostęp i skłonić dostawców do priorytetowego traktowania rentownych obciążeń.

Zespoły przedsiębiorstw powinny zatem obserwować ekonomię produktów równolegle z rynkami finansowymi. Wzrost rzeczywistych wdrożeń stanowi mocniejszy dowód niż dynamika kursów akcji. Teza Goldman staje się bardziej przekonująca, gdy rosnące wykorzystanie tokenów przekłada się na powtarzalne przychody i mierzalne rezultaty biznesowe.

Teza inwestycyjna dotycząca AI nie potrzebuje kolejnej nieprzerwanej hossy, aby pozostać aktualna. Potrzebuje spokojniejszego rynku, na którym wyniki finansowe mogą dogonić oczekiwania. W ciągu najbliższych trzech miesięcy warto obserwować, czy nakłady kapitałowe przynoszą zwroty, czy dźwignia jest odbudowywana odpowiedzialnie oraz czy poszczególne akcje zaczynają być wyceniane na podstawie własnych wyników.