Michael Burry ostrzega przed Nvidią: scenariusz wzrostowy i spadkowy dla boomu na chipy AI

Inwestycje związane z AI wchodzą w bardziej wymagający etap. Przez ostatnie trzy lata teza wzrostowa była stosunkowo prosta: hiperskalerzy potrzebowali większej mocy obliczeniowej, Nvidia dominowała na rynku akceleratorów AI, a większe modele wymagały coraz większych klastrów. Ta logika nadal ma solidne podstawy, ale inwestorzy muszą teraz zmierzyć się z trudniejszym pytaniem: czy przychody z AI i wzrost produktywności mogą dotrzymać kroku nadzwyczajnym nakładom kapitałowym niezbędnym do budowy infrastruktury?

Krytyka nowej inicjatywy Nvidii dotyczącej finansowania AI o wartości 500 mld USD, wyrażona przez Michaela Burry’ego, wpisuje się w tę szerszą debatę. Nazwał on ten plan „oznaką desperacji”, kwestionując, czy popyt na AI nie staje się nadmiernie zależny od finansowania. Nvidia twierdzi natomiast, że partnerstwa z Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs i KKR mogą zapewnić ponad 500 mld USD kapitału zewnętrznego na infrastrukturę AI.

Rzeczywisty spór między scenariuszem wzrostowym a spadkowym wykracza poza kwestię finansowania. Sprowadza się do wydatków hiperskalerów, monetyzacji AI, cykli wymiany chipów, konkurencji i zwrotu z kapitału.

Scenariusz wzrostowy: popyt na AI nadal rośnie

Najmocniejszy argument przemawiający za wzrostami jest prosty: cykl wydatków jeszcze się nie załamał.

Przychody Nvidii w pierwszym kwartale roku fiskalnego 2027 osiągnęły 81,6 mld USD, co oznacza wzrost o 85% rok do roku, natomiast przychody segmentu centrów danych wzrosły o 92%, do 75,2 mld USD. Spółka prognozuje około 91 mld USD przychodów w następnym kwartale, nawet bez uwzględniania przychodów z mocy obliczeniowej centrów danych w Chinach.

Jej najwięksi klienci również przyspieszają inwestycje. Alphabet podniósł prognozę nakładów inwestycyjnych na 2026 r. do 195–205 mld USD. Meta oczekuje 130–145 mld USD. Microsoft wydał w ostatnim kwartale 41 mld USD, z czego około dwie trzecie przeznaczono na aktywa o krótszym okresie użytkowania, takie jak CPU i GPU.

Co ważniejsze, infrastruktura AI zaczyna generować realne przychody. Przychody Google Cloud wzrosły w drugim kwartale o 82%, do 24,8 mld USD, a portfel zakontraktowanych przychodów osiągnął 514 mld USD. Przychody Microsoftu z chmury przekroczyły 214 mld USD w roku fiskalnym 2026, a popyt coraz wyraźniej rozszerza się poza firmy rozwijające najbardziej zaawansowane modele.

Ma to znaczenie, ponieważ kolejny etap rozwoju AI może być napędzany przez wnioskowanie, agentów, programowanie, reklamę, wyszukiwanie, przemysłową AI i wdrożenia w przedsiębiorstwach, a nie wyłącznie przez trenowanie najbardziej zaawansowanych modeli. Jeśli AI stanie się integralną częścią codziennych procesów produkcyjnych, popyt na półprzewodniki może przez lata utrzymywać się na strukturalnie wysokim poziomie.

Kolejnym katalizatorem jest Rubin. Nvidia informuje, że platforma jest już w produkcji, a systemy pojawią się w drugiej połowie 2026 r. AWS, Google Cloud, Microsoft, Oracle i CoreWeave znajdują się wśród podmiotów, które mają wdrożyć ją jako pierwsze.

Możliwości wykraczają również poza Nvidię. Większe klastry AI wymagają większej ilości pamięci HBM, zaawansowanego pakowania chipów, infrastruktury sieciowej, połączeń optycznych, infrastruktury energetycznej i chłodzenia. Nawet jeśli Nvidia ostatecznie będzie przejmować mniejszą część każdego dodatkowego dolara wydawanego na AI, cały rynek infrastruktury AI może nadal się rozwijać.

Scenariusz spadkowy: czy monetyzacja zdoła nadrobić zaległości?

Zwolennicy scenariusza spadkowego mogą spojrzeć na te same dane dotyczące nakładów inwestycyjnych i wyciągnąć zupełnie inne wnioski.

Alphabet przeznaczył w drugim kwartale 44,9 mld USD na nakłady inwestycyjne i odnotował ujemne wolne przepływy pieniężne w wysokości 5,9 mld USD. Meta wydała 31,1 mld USD i wygenerowała zaledwie 784 mln USD kwartalnych wolnych przepływów pieniężnych. Microsoft również przyznał, że inwestycje w infrastrukturę AI wywierają presję na marże usług chmurowych.

Kluczowe pytanie jest zatem proste:

Ile dodatkowych przychodów z AI wygeneruje każdy kolejny dolar nakładów inwestycyjnych?

Boom może trwać, dopóki hiperskalerzy uważają, że moc obliczeniowa pozostaje zasobem deficytowym. Rynek staje się bardziej podatny na spadki, gdy podaż mocy obliczeniowej zrównuje się z popytem, a firmy zaczynają wymagać wyższych zwrotów z każdego nowego centrum danych.

Amortyzacja technologiczna stwarza kolejne ryzyko. Nvidia szybko przechodzi przez generacje Hopper, Blackwell, Blackwell Ultra i Rubin. Starsze GPU nadal mogą generować przychody dzięki wnioskowaniu, dostrajaniu modeli i tańszym zadaniom realizowanym w chmurze, ale ich wartość ekonomiczna może szybko spadać, ponieważ nowe architektury zapewniają lepszą wydajność na wat i niższy koszt na token.

W tym kontekście krytyka finansowania wyrażona przez Burry’ego nabiera znaczenia. Nowe partnerstwa Nvidii z firmami z Wall Street mają zapewnić ponad 500 mld USD finansowania zewnętrznego. Według jego spadkowej interpretacji coraz bardziej złożone mechanizmy finansowania mogą być niezbędne do podtrzymania cyklu wydatków, którego długoterminowa rentowność pozostaje niepewna.

Rzeczywiste zagrożenie pojawiłoby się, gdyby popyt na AI osłabł w tym samym czasie, gdy stawki wynajmu starszych GPU i ich wartości rezydualne gwałtownie by spadły. Silnie zadłużeni operatorzy chmur AI stanęliby wówczas jednocześnie w obliczu słabszych przepływów pieniężnych i spadku wartości zabezpieczeń.

Konkurencja stanowi kolejne źródło presji. Google rozszerza wykorzystanie TPU poza zastosowania wyłącznie wewnętrzne, natomiast AMD i niestandardowe akceleratory wspierane przez firmy takie jak Broadcom celują w zadania, w przypadku których uzasadnienie wysokich cen produktów Nvidii może stawać się coraz trudniejsze.

Nvidia nadal może się rozwijać w takim otoczeniu, ale jej udział w rynku, siła cenowa i marże na półprzewodnikach mogą stopniowo wracać do bardziej typowych poziomów.

Co zdecyduje o kolejnym etapie inwestycji w AI?

Kolejny etap inwestycji w chipy AI zależy od czterech zmiennych:

wzrostu przychodów z AI, nakładów inwestycyjnych hiperskalerów, wykorzystania GPU i marż na półprzewodnikach.

Scenariusz wzrostowy pozostanie aktualny, jeśli zastosowania AI będą się nadal upowszechniać, skala wnioskowania wzrośnie, hiperskalerzy wciąż będą ograniczeni dostępną mocą obliczeniową, starsze GPU znajdą rentowne zastosowania w tańszych segmentach, a Rubin zapoczątkuje kolejny cykl modernizacji.

Scenariusz spadkowy zaczyna się wtedy, gdy nakłady inwestycyjne rosną znacznie szybciej niż monetyzacja, marże usług chmurowych maleją, opłacalność starszych GPU się pogarsza, a hiperskalerzy w końcu ograniczają wydatki na infrastrukturę.

Kluczowe pytanie jest szersze niż plan finansowania Nvidii o wartości 500 mld USD:

Czy AI może wygenerować wystarczającą wartość ekonomiczną, aby uzasadnić infrastrukturę, która już powstaje — oraz jeszcze większą falę nadchodzących inwestycji?

Jeśli odpowiedź nadal brzmi „tak”, cykl wzrostowy półprzewodników AI ma jeszcze przestrzeń do dalszego rozwoju. Jeśli ta zależność zacznie się załamywać, inwestorzy mogą być zmuszeni do ponownej oceny całego łańcucha — od Nvidii i producentów pamięci, przez infrastrukturę sieciową i foundry, aż po operatorów chmur AI.