W wpisie na blogu opublikowanym w piątek główny ekonomista Apollo Torsten Slok wskazał na wyraźną nierównowagę strukturalną w łańcuchu wartości sztucznej inteligencji: segmenty o najwyższych marżach zysku — producenci chipów i dostawcy sprzętu — są utrzymywane przez kapitał pozyskiwany od inwestorów, a nie przez przychody od klientów końcowych. To odkrycie podważa tradycyjną logikę biznesową, zgodnie z którą firmy sprzedające gotowe produkty konsumentom osiągają najwyższe marże.

Slok podzielił spółki AI na cztery grupy: modele i aplikacje, chmura i obliczenia, energia i sieć oraz krzem i sprzęt. Korzystając z danych Pitchbook i Bloomberg dotyczących firm takich jak OpenAI, Anthropic, Microsoft, Amazon, Constellation Energy, Nvidia, AMD i Micron, obliczył, że firmy z segmentu krzemu i sprzętu — takie jak producenci chipów — mają najwyższą marżę zysku w łańcuchu wartości AI, na poziomie 41%. Firmy z obszaru modeli i aplikacji — warstwa najbliższa użytkownikom końcowym, gdzie konkurują ChatGPT, Claude i inne produkty dla konsumentów — notują marżę operacyjną na poziomie -59%. Ta różnica podkreśla rzeczywistość, którą często zaciemniają nagłówkowe przychody branży AI: pieniądze przepływające do producentów półprzewodników pochodzą w dużej mierze z finansowania venture, emisji długu i budżetów capex przedsiębiorstw, a nie od płacących klientów.

Slok ostrzegł, że tak duża rozbieżność wynika z faktu, iż pieniądze napływające do boomu AI nie pochodzą z naturalnego popytu na aplikacje AI, lecz od inwestorów liczących na kolejną rewolucję technologiczną.

„Zyski z boomu AI są obecnie finansowane przez inwestorów, a nie zarabiane od klientów” — powiedział Slok w swojej analizie Apollo. „Marże na wcześniejszych etapach są realne, ale są opłacane z kapitału pozyskanego przez warstwę, która traci pieniądze, a nie z gotówki generowanej przez popyt końcowy.”

Goldman Sachs prognozuje obecnie, że inwestycje w AI wzrosną w 2026 roku powyżej 1 biliona dolarów — kwoty zbliżonej do całkowitych rocznych inwestycji nieresidentnych w USA w sprzęt do przetwarzania informacji i oprogramowanie. Jak dotąd technologia nie przyniosła jednak istotnych zmian w produktywności gospodarczej ani wzroście marż zysku poza Magnificent Seven — Apple, Microsoft, Nvidia, Amazon, Alphabet, Meta i Tesla — które łącznie odpowiadają za około jedną trzecią kapitalizacji rynkowej S&P 500. Jeśli finansowanie AI spowolni, Slok ostrzegł, że jednostronna struktura marż może zdestabilizować całą branżę.

„Sedno sprawy jest takie, że najbardziej rentowna część łańcucha wartości AI zależy od tego, czy najmniej rentowna część nadal będzie zwiększać przychody lub pozyskiwać kapitał” — podsumował. „Kapitał może przez jakiś czas zasypywać tę lukę, ale nie bez końca. I właśnie w tym tkwi ryzyko: czy zwrot z inwestycji pojawi się u końcowych klientów AI wystarczająco szybko, aby utrzymać wydatki, które generują te wyższe marże?”

Szersze obawy o nie do utrzymania ekspansję AI

Slok nie jest jedynym ekonomistą, który alarmuje o nadmiernym uzależnieniu AI od kapitału inwestycyjnego. W raporcie rocznym opublikowanym w czerwcu Bank for International Settlements — instytucja z siedzibą w Bazylei pełniąca funkcję banku centralnego dla banków centralnych — zauważył, że wydatki na AI, napędzane głównie przez pięciu największych hyperscalerów, rosną szybciej niż zyski i wolne przepływy pieniężne, co skłoniło te spółki do emisji długu w celu pozyskania dodatkowego finansowania. Analiza Bank of America z ubiegłego listopada wykazała, że w 2025 roku tych pięć hyperscalerów wyemitowało 121 miliardów dolarów długu, czyli cztery razy więcej niż ich średni roczny poziom zadłużenia w poprzednich pięciu latach.

„Rozczarowanie stopą zwrotu mogłoby wywołać gwałtowne ograniczenie finansowania i przekształcić boom capex w przedłużony kryzys inwestycyjny, z potencjalnymi skutkami ubocznymi dla warunków finansowych” — napisał BIS w raporcie. „Jeśli hyperscalerzy spowolnią lub wstrzymają agresywne tempo wydatków kapitałowych, wielu kredytobiorców w całym łańcuchu dostaw może mieć trudności z zastąpieniem utraconych przychodów i obsługą swojego długu.”

Komentator technologiczny Ed Zitron rozwinął ten argument, twierdząc, że wydatki na AI są jeszcze bardziej kruche, niż wydaje się to na pierwszy rzut oka. W wpisie na Substacku opublikowanym w czerwcu wskazał Oracle jako studium przypadku: spółka odnotowała ujemne przepływy pieniężne w wysokości 23,7 miliarda dolarów na koniec roku fiskalnego 2026, a także niemal 130 miliardów dolarów zadłużenia oraz 260 miliardów dolarów zobowiązań leasingowych związanych z projektami infrastruktury AI, które jeszcze się nie rozpoczęły. Ogromna inwestycja Oracle w rozbudowę AI służy OpenAI, z którym firma podpisała we wrześniu ubiegłego roku umowę o wartości 300 miliardów dolarów.

„Istnienie Oracle — i osobisty majątek Larry'ego Ellisona — zależy od tego, czy OpenAI zdoła dotrzymać obietnicy wydania 300 mld dolarów na moc obliczeniową” — napisał Zitron.

Określił tę zależność jako „najbardziej oczywistą i najmniej omawianą część bańki AI”. Choć wydatki kapitałowe hyperscalerów sięgające 13 cyfr napędzają boom na półprzewodniki, jak dotąd istnieje niewiele dowodów na to, że obecny boom AI przełoży się na powszechne zastosowania technologii, które uzasadnią tak wysokie nakłady.

Jeszcze bardziej niepokojące od ewentualnego niewywiązania się Oracle z obietnicy 300 miliardów dolarów wobec OpenAI jest — według Zitrona — ryzyko, że inne duże firmy technologiczne zrezygnują z własnych, bardzo wysokich wydatków na AI.

„Jeśli Microsoft, Google, Amazon i Meta zdecydują, że czas przestać wydawać 30 miliardów dolarów lub więcej kwartalnie na GPU, pamięć RAM, pamięć masową i budowę centrów danych” — powiedział — „to wytnie dziurę w boku tego, co ludzie uważają za trwały supercykl.”