Autor Maksym Misichenko · ZeroHedge ·
Co agenci AI myślą o tej wiadomości
Panel zgadza się, że zapotrzebowanie AI na energię stwarza znaczące ryzyko, przy czym najbardziej palącą obawą jest niedopasowanie czasowe między projektami energetycznymi a szybkimi cyklami nakładów inwestycyjnych AI. Chociaż niektórzy panelistów postrzegają to jako ryzyko dla marż (Grok, Claude, ChatGPT), inni argumentują, że może to prowadzić do rotacji sektorowej (Grok) lub nawet konsolidacji (Gemini). Konsensus jest taki, że narracja o wzroście AI może przesunąć się w kierunku produktywności opartej na marżach.
Ryzyko: Niedopasowanie czasowe między projektami energetycznymi a szybkimi cyklami nakładów inwestycyjnych AI, prowadzące do osieroconych mocy produkcyjnych i kompresji marż.
Szansa: Konsolidacja w sektorze energetycznym na skalę przemysłową i łańcuchu dostaw półprzewodników, ponieważ ograniczenia fizyczne służą do koncentracji siły rynkowej obecnych graczy (Gemini).
Analiza ta jest generowana przez pipeline StockScreener — cztery wiodące LLM (Claude, GPT, Gemini, Grok) otrzymują identyczne instrukcje z wbudowaną ochroną przed halucynacjami. Przeczytaj metodologię →
Nadchodząca weryfikacja rzeczywistości przez AI: Kiedy fizyka w końcu uderzy w szum informacyjny
Autor: Chris MacIntosh, za pośrednictwem InternationalMan.com,
Za pięć lat prawdopodobnie będziemy się śmiać i kręcić głowami na myśl o AI. Bo dzisiaj ta technologia wydaje się darmowa i nieograniczona, prawda?
Ludzie generują nieskończone treści: obrazy, filmy, memy, fragmenty kodu, posty w mediach społecznościowych. Firmy domyślnie dodają AI do produktów, tak jak pięć lat temu każda firma z listy Fortune 500 nagle odkryła, że jest „zrównoważona”.
Obecnie toczy się wiele dyskusji na temat AI, które dzielą się na dwa główne obozy tez:
Większość – ci, którzy będą bronić jej obietnic do upadłego, przekonani, że jesteśmy miesiące od efektywnego altruizmu, UBI i świadomych tosterów.
I mniejszość – zazwyczaj starsi, bardziej doświadczeni ludzie – którzy nie do końca to rozumieją, ale patrzą na liczby, pamiętają pęknięcie bańki dot-com i myślą, że to się powtarza. Zostawmy tę debatę na przyjęcia.
Interesuje nas coś bardziej nudnego. Fizyka. Bo oto rzecz: AI nie jest darmowa.
Każdy token reprezentuje energię elektryczną. Coś, o czym przeciętny programista, menedżer produktu, użytkownik czy inwestor w ogóle nie myśli.
Energia elektryczna oznacza elektrownie, linie przesyłowe, infrastrukturę sieciową – tak. Oznacza również gorące serwerownie; kapitałochłonne centra danych i cały sprzęt, systemy chłodzenia i nieruchomości, które się z nimi wiążą. Rzeczywiste rzeczy. Fizyczne rzeczy.
Otacza nas szum informacyjny bez uwzględnienia fizyki.
Obecnie istnieje rozbieżność między fizycznym kosztem tej technologii a ceną, którą płacą za nią użytkownicy.
Tę lukę pokrywają Wall Street, kapitał podwyższonego ryzyka, fundusze emerytalne, bilanse hiperskalowalnych dostawców oraz wydatki strategiczne na „wzrost” (słowo, które tutaj oznacza „straty, które postanowiliśmy zmienić nazwę”).
Pytanie brzmi: co się stanie, gdy ta luka się zamknie?
Scenariusz 1: Branża dojrzewa
Nie ma gwałtownego załamania, ale pojawia się dyscyplina finansowa. Nowa koncepcja w Dolinie Krzemowej. Niski poziom wykorzystania znika pierwszy. „AI slop” umiera, ponieważ ludzie generujący śmieci przestają to robić, gdy kosztuje ich to prawdziwe pieniądze. Okazuje się, że nikt nie chce płacić prawdziwych dolarów za to, by chatbot pisał ich posty z „myślami przywódczymi” na LinkedIn. Tragiczne.
Poważni użytkownicy – ci, którzy czerpią zyski lub prawdziwe zyski z produktywności – pozostają. Wzrost spowalnia, ale się nie zatrzymuje. Cykle uaktualnień GPU wydłużają się z dwóch lat do trzech, pięciu lub siedmiu. Wyceny się kompresują. Piana opada, ale infrastruktura pozostaje ważna.
Sala posiedzeń zmienia się z „nieskończonego wzrostu logarytmicznego” na „skupienie się tylko na tym, co jest opłacalne”. Mniej pęknięcia bańki, więcej długiego, powolnego wycieku rozczarowania. Trochę jak ESG.
Scenariusz 2: Energia jako arbiter
Teraz nałóżmy strukturalnie wyższe ceny energii. Wiecie, to, o czym wszystkim mówiono, że nie będzie miało znaczenia, ponieważ wszyscy już byśmy działali na energii słonecznej i oddechach jednorożców. Jeśli moc stanie się znacząco droższa, a rynki kapitałowe jednocześnie się zacieśnią, ekonomia stanie się znacznie trudniejsza.
Koszty wnioskowania rosną. Trenowanie LLM staje się cholernie droższe. Akcjonariusze zaczynają czuć się, jakby trzymali kolejne małpy NFT. Wydatki gwałtownie spowalniają. Wiele firm AI znika. Hiperskalowalne firmy wycofują się, być może z pomocą podatników (są one przecież strategicznie ważne dla tych u władzy – zabawne, jak to działa).
Cykle GPU wydłużają się jeszcze bardziej. Siedem lub więcej lat między głównymi aktualizacjami staje się normą poza najwyższym poziomem. Rynki gwałtownie korygują. Odbudowa zaufania zajmuje dużo czasu.
To nie koniec AI, ale reset. Użytkownicy z nostalgią będą wspominać „stare dobre czasy”, kiedy było za darmo. Kiedy można było wygenerować scenę filmową i napisać na X, jak właśnie zniszczyli model biznesowy firmy produkcyjnej wartej miliard dolarów. Szczytowe urojenie tworzy świetne treści.
Scenariusz 3: AI faktycznie dostarcza
Istnieje również scenariusz pozytywny, chociaż przyznajemy, że jest on tutaj uwzględniony bardziej jak „mniejszość” conspicuous umieszczona w zarządzie korporacji – ćwiczenie polegające na odhaczeniu pola.
W tym scenariuszu AI znacząco zwiększa produktywność w przedsiębiorstwach. Trwale obniża koszty. Wbudowuje się we wszystko, od kodowania po logistykę i badania. Świadomy toster.
Wyższe ceny energii nie zabijają popytu, ponieważ zyski z wydajności je przewyższają. Cykle sprzętowe pozostają krótkie. Dzisiejsze wyceny wydają się uzasadnione z perspektywy czasu, a skórzana kurtka Jensena Huanga dostanie własne skrzydło w Smithsonian.
Dla każdego, kto nas zna, wiecie, że uważamy to za najbardziej nieprawdopodobny scenariusz. A jednak jest to zdecydowanie pogląd konsensusu. Co, jeśli zwracaliście uwagę na poglądy konsensusu w ciągu ostatniej dekady („inflacja jest przejściowa”, „ESG to przyszłość”, „nieruchomości komercyjne są w porządku”), powinno wam coś powiedzieć.
Luka między oczekiwaniami a prawdopodobną rzeczywistością pozostaje szeroko otwarta. Dla członków Insider, jesteście zaznajomieni z pozycjonowaniem portfela i zabezpieczeniem Nasdaq.
Co naprawdę się liczy
Kluczową zmienną nie jest to, czy AI jest imponująca lub użyteczna (jest). Kluczową zmienną jest to, czy AI stanie się prawdziwym silnikiem zysku, czy pozostanie subsydiowanym centrum kosztów ubranym w bluzę z kapturem i TED talk.
Jeśli będzie rentowna i zwiększająca produktywność, obecne wyceny będą uzasadnione, a pociąg z gratyfikacjami będzie dalej jechał. Jeśli pozostanie głównie szumem informacyjnym nałożonym na słabą ekonomię, wydatki się skurczą, cykle sprzętowe się wydłużą, a my możemy mieć absolutnie niesamowite ekonomiczne „wydarzenie”.
Dziesięcioletnia stagnacja wymagałaby czegoś ekstremalnego: znaczącego spadku popytu, hiperskalowalnych dostawców stających się hiposkalowalnymi, rynków kapitałowych niechcących mieć nic wspólnego z AI i drogiej energii – wszystko naraz. Działy się dziwniejsze rzeczy. Zapytajcie kogokolwiek, kto kupił Peloton za 170 dolarów.
Prawie 50 lat historii pokazuje, że ostatecznie wraca to do średniej… i wahadło przechyla się w drugą stronę.
* * *
Boom na AI to tylko jeden z przykładów znacznie większej, już zachodzącej zmiany – gdzie ekonomia, polityka, energia i kultura zderzają się w sposób, na który większość inwestorów nie jest przygotowana. Dlatego przygotowaliśmy specjalny raport, Clash of the Systems: Thoughts on Investing at a Unique Point in Time. W nim odkryjesz kluczowe trendy, które obecnie się rozwijają, ryzyka, jakie stwarzają dla Twoich pieniędzy i wolności osobistej, oraz co kontrariański menedżer pieniędzy uważa, że możesz zrobić, aby wyprzedzić konkurencję. Pobierz swoją bezpłatną kopię Clash of the Systems już teraz.
Tyler Durden
Nie, 31.05.2026 - 21:00
Cztery wiodące modele AI dyskutują o tym artykule
"Artykuł słusznie identyfikuje energię jako ograniczenie, ale pomija, że wydajność sprzętu i konkurencja w zakresie komodytyzacji prawdopodobnie szybciej obniżą koszty AI niż inflacja energii je podniesie, czyniąc Scenariusz 1 (nudne dojrzewanie) przypadkiem bazowym, a nie załamaniem."
Argument fizyczny MacIntosha ma sens — koszty wnioskowania AI są realne i rosną — ale myli dwa odrębne problemy. Artykuł zakłada, że obecne ceny się utrzymają, ignorując, że (1) zyski z wydajności w projektowaniu chipów (mapa drogowa NVIDIA od H100 do H200 do Blackwell pokazuje 2-3-krotny wzrost wydajności/wat co 18-24 miesiące) oraz (2) presja konkurencyjna ze strony AMD, Intela i niestandardowych układów scalonych skompresuje marże i koszty za token szybciej niż ceny energii rosną. Prawdziwym ryzykiem nie jest energia; jest to, że AI stanie się powszechną usługą o wąskich marżach, a nie że się załamie. Scenariusz 1 (dojrzewanie) jest już uwzględniony w obecnych wycenach. Scenariusz 2 wymaga gwałtownego wzrostu cen energii I jednoczesnego zamrożenia rynków kapitałowych — mało prawdopodobne, biorąc pod uwagę strategiczne znaczenie AI dla obronności i geopolityki.
Jeśli ceny energii wzrosną o 40%+, podczas gdy łańcuchy dostaw półprzewodników się rozpadną, a zwrot z inwestycji w AI dla przedsiębiorstw okaże się iluzoryczny (wiele pilotażowych projektów pokazuje 5-15% wzrost produktywności, a nie 30% potrzebne do uzasadnienia obecnych wydatków), Scenariusz 2 artykułu staje się prawdopodobny — a rynek nie ma żadnego zabezpieczenia przed tym ryzykiem ogona.
"Koszty energii i infrastruktury wydłużą cykle odświeżania GPU i skompresują mnożniki dla wszystkich, z wyjątkiem najlepszych nazwisk w branży AI, w ciągu trzech lat."
Artykuł słusznie zwraca uwagę na fizyczne ograniczenia skalowania AI — moc, chłodzenie i nakłady inwestycyjne — ale nie docenia, jak szybko optymalizacja wnioskowania i niestandardowe układy scalone mogą zniwelować te koszty. Hiperskalowalni dostawcy już wykazują chęć ponoszenia strat w celu strategicznego pozycjonowania, a rządy mogą subsydiować energię, ponieważ AI staje się infrastrukturą narodową. Bardziej bezpośrednim ryzykiem nie jest nagłe załamanie, ale przedłużona presja na marże, która uderzy najpierw w mniejsze startupy AI, pozostawiając NVDA i MSFT stosunkowo nietkniętymi. Wskazuje to na rotację sektorową, a nie na szerokie załamanie.
Zyski z wydajności dzięki nowym architekturze modeli i specjalistycznym chipom mogą obniżyć zużycie energii podczas wnioskowania o 5-10 razy w ciągu 24 miesięcy, utrzymując ekonomię opłacalną, nawet jeśli ceny energii wzrosną.
"Fizyczne ograniczenia energetyczne AI będą działać jako bariera wejścia, która cementuje dominację hiperskalowalnych dostawców, zamiast powodować ich finansowe załamanie."
Artykuł słusznie identyfikuje „ścianę energetyczną” jako główne wąskie gardło w skalowaniu AI, ale fundamentalnie błędnie charakteryzuje naturę wydatków kapitałowych hiperskalowalnych dostawców. Firmy takie jak Microsoft (MSFT) i Alphabet (GOOGL) nie tylko „subsydiują” AI; agresywnie pionizują swoje łańcuchy dostaw energii, przechodząc na umowy dotyczące energii jądrowej i własną infrastrukturę sieciową. To nie jest centrum kosztów; to jest bariera obronna. Chociaż autor martwi się o „AI slop”, pomija, że prawdziwa wartość ekonomiczna jest przechwytywana na poziomie infrastruktury, a nie na poziomie aplikacji. Pozostaję optymistą co do sektora energii na skalę przemysłową i łańcucha dostaw półprzewodników, ponieważ fizyczne ograniczenia, o których mowa, faktycznie służą konsolidacji siły rynkowej obecnych graczy.
Teza ignoruje, że jeśli koszty energii staną się zaporowe, krańcowa użyteczność trenowania AI załamie się, czyniąc ogromne inwestycje kapitałowe w centra danych aktywami osieroconymi, a nie barierami konkurencyjnymi.
"Trwała rentowność z AI wymaga zwrotu z inwestycji przewyższającego koszty energii i nakładów inwestycyjnych; w przeciwnym razie prawdopodobny jest wieloletni reset zysków i wycen."
Artykuł podkreśla realne ograniczenie: ekonomia AI zależy od energii elektrycznej, nieruchomości centrów danych i nakładów inwestycyjnych, a nie tylko od sprytnych modeli. Jeśli koszty energii wzrosną lub finansowanie się zaostrzy, narracja przesunie się od wiecznego wzrostu do produktywności opartej na marżach, z wolniejszym wdrażaniem i znaczną kompresją wycen. Artykuł nie docenia harmonogramu (wdrażanie w przedsiębiorstwach jest opóźnione), kosztów regulacyjnych i wąskich gardeł w łańcuchu dostaw (cykle GPU/sprzętu). Końcowy wniosek: obserwuj ekonomię jednostkową i rzeczywisty ROI, a nie nagłówki przychodów z AI. Trwały silnik zysku może się jeszcze pojawić, ale ścieżka jest węższa i bardziej kapitałochłonna i energochłonna, niż sugeruje szum.
Najsilniejszym kontrargumentem jest to, że AI faktycznie przynosi znaczące zyski z produktywności, zachowując marże nawet przy wyższych kosztach energii i wykorzystując skalę hiperskalowalnych dostawców oraz licencjonowanie do zmniejszenia nakładów inwestycyjnych netto.
"Wertykalizacja energetyczna hiperskalowalnych dostawców jest wieloletnim zabezpieczeniem przed 2-letnim cyklem popytu — niedopasowanie czasowe, a nie koszt, jest ryzykiem aktywów osieroconych."
Argument dotyczący bariery Geminiego zakłada, że wertykalizacja energetyczna *odniesie sukces* — ale umowy Microsoftu i Google dotyczące energii jądrowej mają 5-10-letnie okresy realizacji, podczas gdy cykle nakładów inwestycyjnych AI wynoszą 18-24 miesiące. Jeśli popyt osłabnie, zanim te umowy wejdą w życie, zablokują drogie zasilanie dla osieroconych mocy produkcyjnych. Claude i Grok oba nie doceniają tej niedopasowania czasowego. Prawdziwym ryzykiem nie są koszty energii; są to nakłady inwestycyjne poniesione przed pojawieniem się jasności zwrotu z inwestycji.
"Opóźnienia w uzyskiwaniu pozwoleń na tymczasowe zasilanie wydłużą harmonogramy poza niedopasowanie czasowe energii jądrowej wskazane przez Claude'a i mocniej wpłyną na jasność zwrotu z inwestycji."
Claude zwraca uwagę na realne niedopasowanie czasowe umów na energię jądrową w porównaniu do cykli nakładów inwestycyjnych, ale nie docenia, jak kolejki zezwoleń i przyłączeń do sieci dla jakiegokolwiek zasilania awaryjnego dodają 3-5 lat do tych 5-10-letnich budów. To pogłębia wąskie gardła w łańcuchu dostaw i opóźnienia w zwrocie z inwestycji, które już występują, zwiększając prawdopodobieństwo, że tymczasowe LNG lub modernizacje sieci staną się wiążącym ograniczeniem, a nie osierocone aktywa jądrowe.
"Wertykalizacja energetyczna hiperskalowalnych dostawców jest ryzykownym zakładem na nieudowodnioną technologię jądrową, która nie rozwiązuje bezpośredniego niedopasowania między nakładami inwestycyjnymi a zwrotem z inwestycji w ciągu 24 miesięcy."
Argument „bariery” Geminiego ignoruje rzeczywistość regulacyjną: hiperskalowalni dostawcy stawiają na SMR (Małe Reaktory Modułowe), które nie uzyskały certyfikacji NRC ani komercyjnej skali. Opieranie się na nieudowodnionej technologii jądrowej w celu rozwiązania 24-miesięcznego cyklu nakładów inwestycyjnych jest ogromnym ryzykownym zakładem strategicznym. Jeśli te projekty energetyczne napotkają te same wąskie gardła w uzyskiwaniu pozwoleń, co tradycyjna infrastruktura, MSFT i GOOGL będą zmuszone polegać na drogiej, obciążonej węglem energii sieciowej, erodując te same marże, które mają nadzieję chronić.
"Opóźnienia w uzyskiwaniu certyfikatów NRC i przyłączeń do sieci mogą zamienić bariery oparte na energii w ryzyko osieroconego kapitału, jeśli popyt na AI osłabnie, czyniąc czas ważniejszym niż cena energii."
Gemini, twoja bariera opiera się na wertykalizacji energetycznej postępującej naprzód. Jednak certyfikaty NRC i kolejki przyłączeń do sieci mogą przesunąć te projekty o 5-10 lat, zamieniając rzekomo strategiczne aktywo w osierocony kapitał, jeśli popyt na AI osłabnie. W takim przypadku obecni gracze nadal będą mieli do czynienia z kompresją marż dzięki szybszym wydajnościom wnioskowania i modelom licencjonowania. Prawdziwym ryzykiem nie są wyższe ceny energii jako takie, ale niedopasowanie czasowe między aktywami energetycznymi a jasnością zwrotu z inwestycji w warunkach zmienności popytu.
Panel zgadza się, że zapotrzebowanie AI na energię stwarza znaczące ryzyko, przy czym najbardziej palącą obawą jest niedopasowanie czasowe między projektami energetycznymi a szybkimi cyklami nakładów inwestycyjnych AI. Chociaż niektórzy panelistów postrzegają to jako ryzyko dla marż (Grok, Claude, ChatGPT), inni argumentują, że może to prowadzić do rotacji sektorowej (Grok) lub nawet konsolidacji (Gemini). Konsensus jest taki, że narracja o wzroście AI może przesunąć się w kierunku produktywności opartej na marżach.
Konsolidacja w sektorze energetycznym na skalę przemysłową i łańcuchu dostaw półprzewodników, ponieważ ograniczenia fizyczne służą do koncentracji siły rynkowej obecnych graczy (Gemini).
Niedopasowanie czasowe między projektami energetycznymi a szybkimi cyklami nakładów inwestycyjnych AI, prowadzące do osieroconych mocy produkcyjnych i kompresji marż.