Ich doskonalenie oraz konkurencyjne ceny od samego początku w dość prosty sposób telegrafowały, że model rozwoju branży AI, w który wierzy większość Wall Street, nie ma na dłuższą metę przyszłości.
Inwestorzy słusznie ponownie zaczęli zastanawiać się, czy setki miliardów dolarów przeznaczane przez amerykańskie koncerny na centra danych rzeczywiście stworzą trwałą wartość dla akcjonariuszy i przewagę konkurencyjną.
Najważniejsze pytanie to nie: „Czy chiński model jest już lepszy od rozwiązań OpenAI/Anthropic?”, lecz: „Czy modele open source oferują lepszy stosunek wartości do ceny?”. Odpowiedź brzmi: tak.
W średnim terminie największe zagrożenie dotyczy marż laboratoriów AI. Klienci już nie pytają o to, czy jakość uzasadnia cenę; już teraz widać w danych odwrót segmentu biznesowego w stronę modeli open source.
Zjawisko to będzie uderzać też w hyperscalerów, ale nie w tym samym stopniu. Spółki z tego segmentu to bardzo duży segment rynku i warto przyjrzeć się ich sytuacji dokładniej.
W krótkim terminie modele open source będą wywierać presję na wyceny, głównie poprzez uzasadnione obawy co do marży oraz tempa wzrostu. Co gorsza, w krótkim terminie mogą spaść oczekiwania wobec przychodów z chmury, co dla obecnych poziomów wycen może być druzgocące. Jednak analizy tych podmiotów nie należy kończyć w tym miejscu.
Tańsza inteligencja może wywołać „efekt Jevonsa”, wynikający bundle fundamentalnych cech funkcji popytu i podaży. Jeżeli koszt wykorzystania AI spadnie, przedsiębiorstwa będą uruchamiać więcej agentów, analizować więcej danych i automatyzować większą liczbę procesów. Koszt pojedynczych zadań spadnie, ale wzrośnie wolumen. Taki scenariusz byłby świetny dla gospodarki, ale nie ma w nim miejsca na podmioty takie jak OpenAI w ich obecnej postaci.
Niski koszt pozyskania oraz utrzymania modeli oznacza, że z czasem wartość prawdopodobnie przesunie się z samego modelu do dalszych warstw technologicznego stosu oraz wartości, jaką daje integracja z ekosystemem danej firmy.
Wpływ na producentów półprzewodników pozostaje bardziej nieprzewidywalny. Sukces K3 może jeszcze bardziej podważać przekonanie, że niezbywalnym elementem dalszego wzrostu branży AI są wykładniczo rosnące wydatki na infrastrukturę oraz kolejne generacje procesorów, serwerów i pamięci. Waszyngton prawdopodobnie spróbuje ograniczyć wykorzystanie chińskich modeli w sektorach strategicznych, jednak próba zepchnięcia ich z szerszego rynku byłaby brawurowa i prawdopodobnie nieskuteczna.
W średnim terminie rynek będzie więc kwestionował marże laboratoriów i rentowność rekordowego CAPEX-u. W długim terminie sukces K3 oznacza wzmocnienie trendów widocznych już dzisiaj oraz stopniowe wypychanie z rynku podmiotów o wadliwych modelach biznesowych.
Kamil Szczepański Analityk rynków finansowych XTB
