Big Tech: gwałtownie rośnie różnica między wydatkami a przepływami pieniężnymi

https://pbs.twimg.com/media/HSvzS0GXUAIxoIg?format=jpg&name=900x900

Przewiduje się, że siedem dużych firm technologicznych zainwestuje 9 bln USD w infrastrukturę sztucznej inteligencji do 2031 roku. Jednak paradoksalnie, coraz głośniej mówi się o tym, że rozwój modeli powinien spowolnić. Paradoks ten wynika z narastającego poczucia kryzysu: inwestycje rosną w zawrotnym tempie, a czas na odzyskanie kapitału maleje.

Nakłady inwestycyjne przewyższą operacyjne przepływy pieniężne

Według danych Bloomberg Intelligence (BI) łączne inwestycje siedmiu firm w infrastrukturę sztucznej inteligencji – Meta, Microsoft, Amazon, Alphabet, Oracle, CoreWeave i SpaceX – mają osiągnąć 9 bln USD do 2031 roku. Kwota ta stanowi około 17-krotność rocznego budżetu rządu Korei Południowej na ten rok i uwzględnia inwestycje zaledwie siedmiu firm, a nie całego sektora sztucznej inteligencji.

Problem polega na tym, że tempo inwestycji przewyższa zdolność tych firm do generowania gotówki. Analitycy prognozują, że do 2027 roku nakłady inwestycyjne sześciu z siedmiu firm – wszystkich z wyjątkiem Microsoftu – przewyższą operacyjne przepływy pieniężne. Oczekuje się, że nakłady inwestycyjne CoreWeave osiągną 304 proc. operacyjnych przepływów pieniężnych, a SpaceX 272 proc. Emisja obligacji korporacyjnych w celu wypełnienia luki finansowej również gwałtownie wzrosła – tylko w tym roku na rynek trafiło ponad 400 mld USD.

Spowolnienie rozwoju to ukryte cięcie kosztów

W tym kontekście liderzy firm z branży sztucznej inteligencji – na czele z Dario Amodei, prezesem Anthropic – coraz częściej opowiadają się za spowolnieniem tempa rozwoju modeli. Na pierwszy rzut oka powołują się na obawy dotyczące bezpieczeństwa związane z możliwością wymknięcia się sztucznej inteligencji spod kontroli człowieka, ale analitycy dostrzegają ukryte działania mające na celu złagodzenie astronomicznych kosztów rozwoju.

Problem ten jest szczególnie dotkliwy dla firm takich jak OpenAI i Anthropic, które muszą generować przychody bezpośrednio ze swoich modeli AI. Cykle publikacji nowych modeli, które jeszcze w zeszłym roku dzieliły 3–6 miesięcy, przyspieszają. Koszt budowy każdego modelu rośnie, a czas zwrotu z inwestycji maleje.

Meritz Securities szacuje, że w ciągu około 10 tygodni, które OpenAI poświęca na szkolenie GPT-6 Astra, firma traci co najmniej 1,21 mld USD przychodów, nie wykorzystując tych samych procesorów graficznych do usług wnioskowania – przetwarzania żądań klientów. Innymi słowy, stworzenie jednego nowego modelu oznacza utratę ponad 1 mld USD potencjalnych przychodów. Wydłużenie odstępu między publikacjami modeli pozwoliłoby firmom na przekierowanie zabezpieczonych procesorów graficznych na rynek wnioskowania i generowanie natychmiastowych przychodów. Dla firm z branży AI spowolnienie rozwoju stało się skuteczną drogą do poprawy efektywności inwestycji.

Jeśli ta zmiana się zmaterializuje, zmieni się również przeznaczenie pieniędzy przeznaczonych na inwestycje w sztuczną inteligencję. Do tej pory sednem rywalizacji było to, ile procesorów graficznych i serwerów firma mogłaby zabezpieczyć, aby budować coraz większe modele. W przyszłości kluczowym pytaniem będzie, ile przychodów można wygenerować, przetwarzając żądania klientów za pomocą już posiadanych procesorów graficznych. Pole bitwy w wojnie inwestycyjnej o wartości 9 bln USD przesuwa się z „wyścigu o zakup procesorów graficznych” na „wyścig o monetyzację procesorów graficznych”.

Microsoft jest postrzegany jako dobrze przygotowany do tej nowej fazy. Firma nie polega wyłącznie na konkurowaniu wydajnością własnego modelu; może generować przychody za każdym razem, gdy klienci korporacyjni korzystają ze sztucznej inteligencji za pośrednictwem platform Azure, Office i GitHub. Analitycy biznesowi prognozują, że przychody Microsoftu związane ze sztuczną inteligencją wzrosną z około 37 mld USD w marcu do ponad 105 mld USD do końca 2027 roku.

Z drugiej strony, jeśli cykle uczenia modeli się wydłużą, łańcuch inwestycji w infrastrukturę, obejmujący serwery AI, centra danych, zasilanie i chłodzenie, może w krótkim okresie znaleźć się pod presją. Jednak nawet jeśli zapotrzebowanie na szkolenia spadnie, zapotrzebowanie na wnioskowanie w celu uruchomienia istniejących usług AI będzie nadal rosło. Kwon Hyo-sung, ekonomista z Bloomberg Economics, zauważył, że jeśli nastąpi spowolnienie, cykle półprzewodników w Korei Południowej i na Tajwanie „mogą trwać dłużej, nawet jeśli siła eksplozji będzie nieco słabsza”.

Chiny: ten sam dylemat, inne podejście do finansowania

Amerykańskie i chińskie firmy z branży sztucznej inteligencji mają wspólny problem: wzrost nakładów inwestycyjnych przewyższa generowanie gotówki. Jednak obierają różne ścieżki finansowania.

Według niedawnego raportu amerykańskiej firmy konsultingowej Rhodium Group, chińskie nakłady inwestycyjne na infrastrukturę AI mają osiągnąć 932 miliardy juanów w 2026 roku, co oznacza wzrost o 103 proc. rok do roku i przekroczenie 1,2 biliona juanów w 2027 roku. Mimo to, w porównaniu z około 800 mld USD zainwestowanych w amerykańskie centra danych w tym roku, chiński poziom inwestycji w AI stanowi zaledwie 15–20 proc. wartości inwestycji w USA.

Alibaba, Tencent i Baidu są liderami w inwestycjach w infrastrukturę AI. Ich łączne nakłady inwestycyjne w pierwszej połowie 2026 roku osiągnęły 208 miliardów juanów, przekraczając oczekiwania rynku. Jednak struktura finansowania różni się od amerykańskiej. Chiński sektor AI charakteryzuje się stosunkowo niewielkim uzależnieniem od kredytów bankowych i emisji obligacji, a większym od finansowania kapitałowego. W sierpniu Alibaba rozpoczęła pierwszą emisję akcji od czasu debiutu na giełdzie w Hongkongu w 2019 roku, pozyskując 80 mld dolarów hongkońskich, a cała kwota została przeznaczona na inwestycje w AI.

Chińskie startupy z branży AI borykają się z jeszcze trudniejszymi warunkami finansowania. Zhipu AI, MiniMax, DeepSeek i Moonshot AI pozyskały zaledwie około 9 mld juanów od kapitału wysokiego ryzyka i private equity do 2025 roku, ale kwota ta gwałtownie wzrosła do 179 miliardów juanów w ciągu zaledwie ośmiu miesięcy od początku 2026 roku. Zhipu AI pozyskało około 4 miliardów juanów w styczniu w ramach pierwszej oferty publicznej w Hongkongu, a następnie w lipcu w ramach prywatnej emisji akcji H o wartości 27 miliardów juanów.

Pod względem rentowności chińskie firmy z branży AI pozostają daleko w tyle za swoimi amerykańskimi odpowiednikami. Łączny roczny przychód cykliczny (ARR) wszystkich dużych firm z branży modeli językowych w Chinach wynosi około 10,7 mld USD – zaledwie 10 proc. przychodów ujawnionych niedawno przez OpenAI i Anthropic. Jednak DeepSeek zdołał zwiększyć marżę brutto z działalności API do około 83 proc. dzięki architekturze modeli i optymalizacji infrastruktury wnioskowania, zbliżając się do 80 proc. marży Anthropic.