Muse podgrzewa infrastrukturę AI, podczas gdy inwestorzy koncentrują się na wynikach Micron (MU.US)! Kontrakty długoterminowe warte setki miliardów dolarów mogą jeszcze bardziej napędzić gorączkę mocy obliczeniowej AI?

Według aplikacji Strefa Finansowa, wraz z ekspansją Meta Muse i OpenAI Astra, które napędzają globalne wdrażanie AI w inteligentnych, wieloetapowych przepływach pracy, oczekuje się, że światowy popyt na moce obliczeniowe AI wejdzie w nową fazę gwałtownej ekspansji. To właśnie jest kluczowym argumentem tłumaczącym, dlaczego globalne rynki akcji aktualnie obserwują szybkie rozpowszechnianie aplikacji agentów AI — przekładające się na prognozy wzrostu dla liderów łańcucha dostaw mocy obliczeniowej AI oraz kluczowych dostawców, takich jak SK Hynix, Samsung, Micron, Nvidia, AMD i TSMC.

Rynek na nowo ocenia obecnie zapotrzebowanie na CPU, pamięci RAM i magazynowanie, które są niezbędne do wsparcia tych aplikacji. Micron (MU.US), jeden z trzech największych producentów chipów pamięciowych, opublikuje w przyszłym tygodniu swoje wyniki finansowe, co będzie ważnym wskaźnikiem dla potwierdzenia „supercyklu pamięci” i bezprecedensowej fali inwestycji w infrastrukturę AI.

Agenci AI i najnowocześniejsze modele AI coraz szybciej przenikają do globalnych branż, powodując trwały wzrost popytu na AI GPU/TPU, CPU do centrów danych, systemy optycznych połączeń oraz chipy pamięciowe do centrów danych — czyli kluczowe elementy infrastruktury AI. To bezpośrednio napędza rekordowe wyniki trzech gigantów pamięci – SK Hynix, Samsung i Micron — oraz ich pozytywne prognozy, które przewyższają oczekiwania rynku. W kolejnym etapie zdolność do dalszego wzrostu wyceny będzie zależeć przede wszystkim od trwałości wzrostu zysków i ekspansji perspektyw wyników.

Jak pokazuje powyższy wykres, przyspieszony wzrost przychodów Micron podkreśla, że popyt na chipy pamięciowe szybko przekłada się na wyniki finansowe. Micron opublikuje wyniki za czwarty kwartał fiskalny 2026 roku 30 września; w poprzednim kwartale przychody osiągnęły 41,456 miliarda USD, wzrastając o około 346% rok do roku, skorygowany zysk na akcję wyniósł 25,11 USD. Wcześniej firma prognozowała przychody na poziomie 50 miliardów USD (plus/minus 1 miliard), marżę brutto około 86% i skorygowany zysk na akcję 31 USD (plus/minus 1 USD. Jeszcze ważniejsze jest to, że Micron ujawnił, iż spośród 16 podpisanych umów strategicznych z klientami, 14 umów zakłada minimalne ceny kontraktowe, a pozostały okres obejmuje kumulatywne przychody około 100 miliardów USD, co zwiększa przewidywalność przyszłych przychodów i zysków.

Warto jednak zauważyć, że tak wysokie, rygorystyczne benchmarki wyników oraz jednolite oczekiwania analityków z Wall Street sprawiają, że rynek skupia się nie tylko na bieżących wynikach, ale także na tym, czy ceny, wolumeny sprzedaży i długoterminowe zamówienia w 2027 roku nadal będą wspierać podwyższone prognozy zysków.

Kluczowym czynnikiem wspierającym optymistyczne prognozy jest rozszerzenie zakupów infrastruktury AI na pełniejsze systemy obliczeniowe. Według raportu S&P Global z 22 września, analitycy z Wall Street prognozują, że kapitałowe wydatki czterech technologicznych gigantów – Meta, Alphabet, Amazon i Microsoft – w latach 2026-2028 sięgną łącznie około 2,8 biliona USD; wg wyliczeń Visible Alpha, oczekiwania analityków co do skorygowanego zysku na akcję Micron w roku fiskalnym 2027 wzrosły od marca z około 90 USD do około 156 USD.

Muse Meta oraz Astra od OpenAI wzmocniły ekstremalnie profesjonalne umiejętności z zakresu obsługi komputerów i programowania w wieloetapowych środowiskach pracy, z czego wynika, że szybka ekspansja aplikacji AI jednocześnie zwiększa inwestycje infrastrukturalne potrzebne do „myślenia modelowego” oraz „realizacji zadań”. Dlatego też wraz z postępem komercjalizacji AI, zespół analityczny UBS znacznie podniósł prognozę operacyjnych przepływów pieniężnych dla globalnych hyperskalowych dostawców chmury oraz nowego typu firm chmurowych na rok 2027 o 30%, zaś Morgan Stanley przewiduje, że łączny capex centrów danych czterech dużych firm chmurowych z Ameryki Północnej oraz Oracle wzrośnie z 917 miliardów USD w 2026 do 1,47 biliona USD w 2027 i 1,64 biliona USD w 2028, przy czym moc zainstalowana ma wzrosnąć z 35 GW w 2025 do imponujących 145 GW w 2028.

Im większe możliwości „pracy” AI, tym bardziej niezbędne stają się CPU i chipy pamięciowe – dlaczego?

Najgłębsza zmiana w zapotrzebowaniu na moce obliczeniowe agentów AI polega na tym, że jedno polecenie użytkownika może uruchomić długotrwały łańcuch zadań. Zadania badawcze, programistyczne czy biznesowe wymagają planowania, wyszukiwania, przeglądania stron, czytania plików, wykonywania kodu, sprawdzania wyników i poprawiania błędów – wiele z tych etapów ponownie wywołuje model i tworzy nowe konteksty. Meta oficjalnie podała, że Muse działa na bezpiecznej maszynie wirtualnej w chmurze z osobną przeglądarką; użytkownik zamykając aplikację, może dalej kontynuować zadanie. OpenAI podkreśla wzrost możliwości Astra w obsłudze komputera, przeglądarki i złożonych przepływów pracy. Z inżynieryjnego punktu widzenia, gdy takie zadania zostaną rozszerzone z pojedynczych użytkowników na codzienne procesy w przedsiębiorstwach, zapotrzebowanie na infrastrukturę będzie napędzane równocześnie przez liczbę użytkowników, częstotliwość zadań, czas ich trwania i szczytową liczbę równoległych procesów.

To tłumaczy rosnące zainteresowanie CPU do centrów danych opartych na architekturach AMD, Intel i Arm. GPU i ASIC obsługują obliczenia dużych sieci neuronowych, CPU zarządza maszynami wirtualnymi, przeglądarką, sandboxami, harmonogramem zadań, wstępną obróbką danych oraz wykonywaniem narzędzi. Efektywność pracy agentów zależy od płynności przejścia między inferencją a wykonaniem; zbyt długi czas oczekiwania CPU, bazy danych lub operacji wejścia/wyjścia może obniżyć wykorzystanie drogich akceleratorów. AMD w swoim rozwiązaniu PACE wyraźnie stosuje współpracę: CPU koordynuje, GPU wykonuje ciężkie wnioskowanie; Arm wymienia sandboxy agentów i wykonywanie narzędzi jako istotne obciążenia dla CPU w chmurze. To daje inżynieryjne uzasadnienie dla ekspansji zapotrzebowania na CPU, a także czyni serwerową pamięć RAM, magazynowanie i sieć krytycznymi punktami tej samej ścieżki wzrostu popytu.

Od strony wnioskowania modeli – faza wstępna wymaga obsługi kontekstu wejściowego, faza dekodowania nieustannie generuje wyjścia; wagi modelu oraz cache klucz-wartość (KV Cache) zajmują pojemność i przepustowość pamięci. Przy podobnych strategiach modeli i cache – dłuższy kontekst, większa równoległość, więcej zadań naraz podnoszą skalę stanów wymaganych do utrzymania przez system. Powstaje jasny podział ról pamięci: HBM zapewnia wysoką przepustowość dla akceleratorów, serwerowa RAM obsługuje zbiór zadań CPU i część cache, dyski SSD klasy enterprise przechowują pliki, stan aplikacji i część kontekstów inferencji w systemach z wielopoziomowym cache. Nvidia w swoim rozwiązaniu CMX dodaje warstwę flash podłączaną przez Ethernet pomiędzy GPU a wspólnym magazynem, umożliwiając przechowywanie, migrację i ponowne wykorzystanie kontekstów między węzłami; pojemność magazynowa, szybkość dostępu i przepustowość sieci wspólnie wpływają na wydajność usług inferencyjnych.

Ten typ ekspansji zapotrzebowania już funkcjonuje w dużych systemach produkcyjnych. OpenAI ujawniło 11 września, że platforma online Habitat obsługuje ponad 70 milionów zapytań na sekundę przy ponad 500 PB danych, realizując routing, kompresję, szyfrowanie i weryfikację. To zbiorcze dane dla wielu produktów OpenAI, pokazujące wielkie obciążenie aplikacyjne i magazynowe. Gdy więcej agentów trafi do produkcji, nowe węzły wykonawcze, dostęp do baz danych i wymiana danych między węzłami jeszcze bardziej podniosą wymagania wobec serwerów, RAM, SSD klasy enterprise i szybkich połączeń, a wraz ze wzrostem rozmiaru klastrów i mocy na rack będzie to prowadziło do wzrostu zapotrzebowania na systemy optycznych połączeń, zasilania i chłodzenia. Faktyczny wzrost w poszczególnych punktach zależy jednak od sposobu wdrożenia i poziomu wykorzystania.

Silniejsze modele mogą też podnieść opłacalność wykonywania zadań. Meta podaje, że w porównaniach inżynierskich Muse Spark 1.3 wykonuje o 20% mniej wywołań narzędzi niż wersja 1.2, zużywając też o 25% mniej tokenów. To oznacza, że koszt realizacji podobnych zadań może spaść, a firmy łatwiej mogą przekazać AI procesy dotychczas zbyt drogie lub wolne. Kluczowym podłożem wzrostu zapotrzebowania na moce obliczeniowe jest to, że przy spadku jednostkowego kosztu wzrasta liczba użytkowników i zadań – jeśli wzrost liczby zadań przekroczy spadek zużycia zasobów na pojedynczą operację (np. gdy zużycie tokenów spada o 25%, wystarczy wzrost zadań o ponad 33,3%, by całkowite zużycie wzrosło). To oznacza, że ulepszenia efektywności i rozbudowa infrastruktury mogą zachodzić jednocześnie – a elastyczność popytu jest kluczowa dla oceny, czy efekt Jevonsa się urzeczywistni.

Długoterminowe umowy warte miliardy fundamentem, jak rynek na nowo wycenia supercykl pamięci?

Dla amerykańskiego giganta chipów pamięciowych, Micron, kluczową przewagą – poza zdolnością do produkcji HBM, DRAM dla serwerów i NAND – jest możliwość uczestniczenia w różnych poziomach infrastruktury agentów AI. Najważniejszą wyższością nad SK Hynix i Samsungiem jest brak politycznego nacisku rządu USA dotyczącego „przywracania produkcji chipów do Ameryki” oraz niepewności związanej z polityką ceł administracji Trumpa.

W ostatnim kwartale przychody z biznesu cloud memory wyniosły 13,769 miliarda USD, rosnąc o 78% kwartał do kwartału; przychody z core data center osiągnęły 11,524 miliarda USD, rosnąc o 103% kwartał do kwartału. Firma ujawniła także, że przychody z SSD do centrów danych przekroczyły 5 miliardów USD, wzrastając ponad dwukrotnie kwartał do kwartału. Drugi wiodący gigant NAND — Sandisk (SNDK.US) – koncentruje się na pamięciach NAND i SSD; dlatego wyniki Micron są dla Sandiska istotnym punktem odniesienia pod kątem zapotrzebowania na pamięć klasy enterprise, cen NAND oraz prognoz podaży/popytu. Uczestniczą w tej samej fali inwestycji w AI, lecz struktura produktów determinuje różną elastyczność zysków.

Szybkość dostosowania podaży jest kluczowym wsparciem ekspansji rentowności w tym cyklu pamięci. Nowe fabryki wafli wymagają budowy, instalacji urządzeń, wdrożenia technologii i certyfikacji klientów; HBM obejmuje dodatkowo wielowarstwowe układanie, zaawansowane opakowania i walidację systemową, więc od wprowadzenia wafli do gotowych produktów mija wiele czasu. Zarząd Micron ocenił wcześniej, że napięcie podaży DRAM i NAND może potrwać do 2027 roku, zaś przemysłowa podaż zacznie poprawiać się dopiero w 2028; wciąż brak pewności, kiedy popyt zostanie w pełni zaspokojony. Warto śledzić ekspansję podaży HBM4 Samsunga, choć jej zwiększenie wymaga oceny pod kątem produkcji na bazie 4nm, wydajności pakowania DRAM i certyfikacji klientów, by oszacować końcową podaż HBM. Z inwestycyjnego punktu widzenia najważniejsze jest tempo wzrostu efektywnej podaży względem popytu ze strony AI, a nie pojedyncza liczba zwiększenia produkcji.

Długoterminowe umowy zapewniają Micronowi dodatkową gwarancję trwałości zysków. Firma ogłosiła w czerwcu, że podpisała 16 umów strategicznych, pokrywających ok. 20% sprzedaży DRAM i jedną trzecią sprzedaży NAND w okresie obowiązywania kontraktów; 14 umów zakłada minimalne ceny, zapewniając w pozostałym okresie przychody ok. 100 miliardów USD. Umowy te zawierają klauzule „take-or-pay”, a część z nich określa przedział cenowy.

Długoterminowe umowy dużych producentów chipów pamięciowych są istotne z punktu widzenia inwestycji w tematykę mocy obliczeniowej AI – klienci zobowiązują się do długoterminowych zakupów, co gwarantuje dostawy, a Micron zyskuje przejrzystość planowania produkcji i przewidywalność przychodów, redukując wrażliwość na krótkoterminowe zmiany cen rynkowych. Warto zwrócić uwagę, że stwierdzenie „ok. połowa lub więcej przychodów będzie objęta umowami” odnosi się do całego planu po realizacji wszystkich kontraktów i nie jest to równoznaczne z aktualnie osiągniętą wartością.

Zarząd Micron spodziewa się także, że umowy przyniosą ok. 22 miliardy USD w formie kaucji i zobowiązań finansowych, w tym ok. 18 miliardów USD jako same kaucje. To pokazuje skłonność klientów do zabezpieczenia długoterminowych dostaw i wspiera planowanie ekspansji; księgowość ujmuje te kaucje jako działalność finansową, zwracając je w drugiej połowie umowy. Przy analizie wyników warto więc zwrócić szczególną uwagę na nowe umowy, zakres pokrycia, strukturę produktów, realne tempo dostaw i wpływ tych zmian na przewidywalność przyszłych przepływów pieniężnych.

Dodatkowo, „dodatkowy tydzień” w czwartym kwartale fiskalnym Micron będzie mieć bezpośredni wpływ na interpretację tempa wzrostu przez rynek. Kwartał ten liczy 14 tygodni – poprzedni miał 13; przy średnim poziomie przychodów z prognozy (50 miliardów USD), wzrost kwartał do kwartału nominalnie wynosi ok. 20,6%, lecz przy porównaniu średniej tygodniowej jest to wzrost ok. 12,0%. Mechanicznie licząc, powrót do 13-tygodniowego kwartału w kolejnym okresie (przy niezmienionej średniej tygodniowej) oznaczałby przychody ok. 46,43 miliarda USD. To pokazuje, że oceniając nową prognozę, trzeba jednocześnie brać pod uwagę liczbę tygodni, ceny, wolumeny i miks produktów – zmiana kwartalnej sumy nie przesądza o punkcie zwrotnym popytu. Wypowiedzi zarządu o spowolnieniu wzrostu cen należy analizować razem z ich bezwzględnym poziomem i wzrostem wolumenu sprzedaży.

Najbardziej wartościowe inwestycyjnie informacje podczas publikacji wyników Micron i telekonferencji 30 września będą dotyczyć trwałości zamówień na HBM i pamięć klasy enterprise, trendów cen DRAM i NAND, tempa wzrostu efektywnej mocy produkcyjnej w 2027 roku oraz czy długoterminowe umowy będą obejmować coraz większy zakres. Zebrane przez TIPRANKS prognozy analityków z Wall Street wskazują średni cel na poziomie ok. 1550 USD za akcję w perspektywie kolejnych 12 miesięcy, co przy kursie zamknięcia 1071,88 USD 23 września daje ponad 40% potencjału wzrostowego.