Zamówienia na moc obliczeniową eksplodują, dlaczego „handel AI” traci na popularności? JPMorgan ujawnia różnicę czasową między inwestycjami w AI a realizacją wydajności

Według aplikacji finansowej Zhihui Finance APP, w kontekście gwałtownego spadku notowań globalnych akcji technologicznych, szczególnie sektorów AI i półprzewodników, oraz ich silnych wahań, najnowszy raport badawczy wydany przez Wall Street Financial Giant JPMorgan Chase pokazuje, że nakłady inwestycyjne na AI już przekładają się na zapotrzebowanie na chipy, serwery i urządzenia energetyczne, jednak ogólna korzyść dla gospodarki związana z trwałą poprawą produktywności dzięki oszczędnościom i wydajności nie została jeszcze w pełni zrealizowana. Kluczowe przesłanie raportu oznacza, że kluczowi dostawcy chipów i komponentów dla gorączkowych inwestycji infrastrukturalnych AI na całym świecie mogą dalej korzystać z napływu zamówień i wzrostu zysków, podczas gdy szeroka gama akcji technologicznych, w tym nowe podmioty chmurowe i wielkie platformy cloud computing, jednocześnie odczuwają presję wyższych stóp procentowych i wydłużonego cyklu realizacji zwrotu z inwestycji.

Zespół globalnych badań ekonomicznych JPMorgan Chase, kierowany przez Josepha Luptona, opublikował 10 listopada raport zatytułowany „Boom produktywności: Rola AI nie jest tak duża, jak się wydaje”, kontynuując wcześniejsze makroekonomiczne założenia zespołu dotyczące silnego wzrostu gospodarczego, uporczywej inflacji, długoterminowych wysokich stóp procentowych i przyszłych zmian produktywności napędzanych przez AI. Raport ujawnia, że istnieje pewien okres oczekiwania pomiędzy realizacją premii produktywności AI a nakładami inwestycyjnymi na poziomie bilionów dolarów, a szerokie korzyści dla produktywności mogą pojawić się później niż oczekują rynki.

Po wdrożeniu sprzętu AI konieczne jest jeszcze przeprowadzenie prac związanych z rozwojem aplikacji, integracją danych, rekonstrukcją procesów i szkoleniem pracowników, aby w pełni uwolnić korzyści produktywnościowe – a ten proces może potrwać dłużej niż oczekuje konsensus rynkowy. Raport badawczy JPMorgan Chase odnosi się do historycznego zjawiska z 1987 roku: „Komputery są wszędzie, ale nie w statystykach produktywności”, jak również do późniejszej poprawy produktywności z lat 90. – argumentując, że rozpowszechnienie technik podlega opóźnieniom.

Dostawca otrzymuje zamówienia, operatorzy obliczeń generują zyski, a firmy zwiększają produktywność dzięki AI – to trzy różne etapy realizacji korzyści. Gdy koszty finansowania rosną, a rynek skraca oczekiwany czas zwrotu, silny napływ zamówień może współistnieć z presją na akcje i obligacje. Badania JPMorgan Chase dostarczają makroekonomicznego wytłumaczenia tzw. „opóźnienia zwrotu z inwestycji AI”. Raport pokazuje, że konserwatywne analizy akademickie przewidują, iż AI w ciągu najbliższych 10 lat zwiększy całkowitą produktywność (TFP) poniżej 0,5%; bardziej optymistyczne szacunki mówią, że AI może przyspieszyć wzrost rocznej produktywności o 0,8–1,3 punktu procentowego.

CoreWeave ogłasza alarm kredytowy, JPMorgan Chase ujawnia „opóźnienie zwrotu”

Zamówienia na moc obliczeniową nieustannie rosną, a rynek kredytowy zaczyna pytać: ile kapitału firmy muszą zaangażować i jak długo oczekiwać, aby uzyskać zwrot w gotówce wystarczający do pokrycia kosztów finansowania? Najnowsze ujawnienia CoreWeave pokazują zaległe przychody na poziomie 132,5 miliarda dolarów, ale w trzecim kwartale koszty odsetek netto wyniosły aż 846 milionów dolarów, zdecydowanie więcej niż 207 milionów dolarów zysku operacyjnego, co wyraźnie ilustruje napięcie pomiędzy wzrostem popytu a finansowym obciążeniem.

Jeszcze przed publikacją najnowszego raportu CoreWeave, lidera rynku NeoCloud AI, na rynku kredytowym ogłoszono ostrzeżenie, że zwrot z inwestycji w AI może znacznie odbiegać od oczekiwań, a presja zadłużenia może doprowadzić CoreWeave do bankructwa zanim pojawi się wystarczający przepływ gotówki. Od 25 września do 26 października, pięcioletni swap ryzyka kredytowego CDS CoreWeave (CRWV.US) wzrósł z 835 do 1148 punktów bazowych, przy założeniu odzysku 40%, model szacuje około 62% skumulowanego prawdopodobieństwa niewypłacalności w pięć lat – wskaźnik ten uwzględnia premię za ryzyko kredytowe i nie odpowiada bezpośrednio rzeczywistemu ryzyku niewypłacalności przez kolejne pięć lat; dodatkowo, CDS Meta na ten sam okres wzrosły z 98 do 121.

CDS CoreWeave następnie 27 października zawęził się do 1041,4 punktów bazowych, co sugeruje, że presja zaczęła się zmniejszać, a 5 listopada pięcioletni CDS przekroczył 1289 punktów bazowych, po czym nieco spadł. Te dane jednocześnie podkreślają – wysokie historyczne rentowności dziesięcioletnich obligacji USA podnoszą ogólny próg finansowania, a kredytowe spready dzielą się według płynności, dźwigni i zależności od refinansowania.

W badaniu z 10 listopada Joseph Lupton z globalnego zespołu ekonomicznego JPMorgan Chase wskazuje, że ostatnia poprawa produktywności pracy wynika bardziej z pogłębienia kapitału oraz intensywności wykorzystania czynników produkcji, a szerokie korzyści efektywnościowe wynikające z AI przez restrukturyzację procesów, integrację danych i zmiany organizacyjne, potrzebują więcej czasu na realizację.

To także w dużym stopniu oznacza, że zamówienia na chipy, serwery i urządzenia energetyczne mogą rosnąć jako pierwsze, podczas gdy stały zwrot z inwestycji dla operatorów obliczeń i użytkowników końcowych nie musi pojawić się jednocześnie; w warunkach rosnących stóp procentowych i rosnących spreadów kredytowych, faza oczekiwania sama w sobie zwiększa obciążenia finansowe i obniża wartość przyszłych zysków. Produkcja i przychody wzrastające na etapie budowy AI przede wszystkim trafiają do producentów chipów, serwerów i powiązanych urządzeń – stąd tak silne notowania liderów azjatyckiego sektora produkcji infrastruktury AI w ostatnich latach.

Jeśli korelacja akcji wzrośnie, a efektu rozproszenia transakcji doprowadzi do zamknięcia pozycji, korekta może się jeszcze pogłębić. O tym, czy aktywa AI odzyskają premię, zdecyduje szybkość przekładania zamówień na gotówkę, zdolność finansowania realizacji oraz efektywność kosztowa aplikacji.

Odbicie chipów kontra wycena podwyżek stóp – rynek ponownie ocenia zwrot z inwestycji w AI

Po zamknięciu nowojorskiej giełdy 5 listopada, Nasdaq 100 spadł o 6,36%, notując największy jednodniowy spadek od marca 2020 r., a suma wartości rynkowej składników indeksu zmniejszyła się o ok. 2,3 bln dolarów; indeks półprzewodników z Filadelfii zanotował spadek o 12,25%. Po wygranej Demokratów w obu izbach Kongresu, rynek obawia się, że zwiększą się regulacje AI i ograniczenia w budowie centrów danych, a realizacja projektów, zakup sprzętu i przychody mogą zostać opóźnione. Obawy polityczne wywołały zmianę wyceny, a strategie systemowe wykorzystujące śledzenie trendu rozpoczęły dalszą wyprzedaż, zwiększając presję.

9 listopada pesymistyczne oczekiwania zostały częściowo skorygowane, Nasdaq 100 i Philadelphia Semiconductor wzrosły odpowiednio o 3,40% i 6,85%; Micron i Sandisk rosły odpowiednio o 6,25% i 6,16%. Nvidia, ze względu na szczególne wiadomości, spadła o ok. 4,3%. We wtorek, 10 listopada, Micron i Sandisk spadły odpowiednio o ok. 1,1% i 3,0%, co pokazuje, że rynek wciąż zmaga się z wyborem między silnym popytem a presją wyceny makro, a warto zauważyć, że spadki akcji technologicznych były teraz łagodniejsze – VIX zszedł z 19,92 do 19,46. To w dużej mierze pokazuje, że rynek ponownie ocenia presję na ścieżkę stóp procentowych Fed i nie powtarza się panika z czwartku.

Dane z 10 listopada pokazują, że amerykański CPI ogólny i bazowy za październik wzrosły odpowiednio o 0,4% i 0,3% miesiąc do miesiąca – powyżej oczekiwanych 0,3% i 0,2%. Odczyt bazowy Real CPI osiągnął warunki stawiane przez stałego członka FOMC, członka zarządu Fed Waller’a: „Rozważenie podwyżki stóp o 50 punktów bazowych w grudniu”. Dow Jones, S&P 500 i Nasdaq Composite spadły odpowiednio o 0,30%, 0,38% i 0,74%. Wycenianie rynkowe pokazuje, że prawdopodobieństwo podwyżki stóp o 50 punktów bazowych w grudniu wzrosło do 11,8%, zaś 25 punktów bazowych pozostaje dominującą oczekiwaną wartością; traderzy dodatkowo zwiększyli zakłady na trzy kolejne podwyżki po 25 punktów bazowych, do połowy 2027 r., włączając oczekiwaną podwyżkę w grudniu. Zmiana obaw rynku polega na tym, że ta seria podwyżek Fed może być szybsza i dłuższa niż dotąd.

Wzrost produkcji za godzinę nie oznacza, że AI już przyniosło rewolucję efektywności

JPMorgan Chase rozdziela trzy często mylone pojęcia: pogłębianie kapitału (Capital Deepening), intensywność wykorzystania czynników (Factor Utilization) i całkowitą produktywność czynników (TFP). Więcej sprzętu i oprogramowania przypadającego na każdego pracownika zwiększa produkcję na godzinę; gęstsze używanie sprzętu i zmniejszenie bezczynności w procesach również zwiększa wydajność; jednak tylko po usunięciu tych zmian, rosnąca produkcja przy tych samych nakładach jest rzeczywistą poprawą efektywności.

Samo pogłębianie kapitału może zawierać technologie wbudowane w nowy sprzęt, więc nie należy rozumieć tej dekompozycji jako dowód na to, że AI nie przyczynia się do produktywności. Nowoczesne chipy AI poprawiają wydajność obliczeń i część tego wkładu przypisywana jest właśnie pogłębieniu kapitału. Dlatego JPMorgan Chase uważa, że ostatnia poprawa produktywności wynika głównie z pogłębiania kapitału, co nie oznacza braku wpływu AI, lecz że AI jeszcze nie przyniósł szerokiej poprawy TFP dzięki powszechnym aplikacjom i transformacji procesów biznesowych.

Kluczowe dane: w USA roczna produktywność pracy w ostatnich trzech latach rosła o 2,6%, wyraźnie ponad 1,4% z poprzedniego ekspansywnego cyklu gospodarczego. Jak pokazuje raport, pogłębianie kapitału odpowiada połowie tego wzrostu, intensywność wykorzystania czynników ok. 20%, a TFP ok. jednej trzeciej (przeciętnie 0,9% rocznie w ostatnich trzech latach). Pogłębianie kapitału technologicznego i nietechnologicznego daje razem 1–1,5 p.p., z czego wkład inwestycji w centra danych to ok. 0,5 p.p. Te proporcje wskazują, że poprawa produktywności opiera się głównie na zwiększeniu kapitału i lepszym wykorzystaniu istniejących nakładów.

Najważniejszy jest trend przyrostowy: raport twierdzi, że w ostatnim roku (po uwzględnieniu wykorzystania) wzrost TFP jest niemal zerowy. Aktualizacja danych przez San Francisco Fed z 9 listopada daje podobny dowód – za cztery ostatnie kwartały do Q3 2026, TFP bez korekty wzrosła o 1,27%, zaś po korekcie spadła o 0,22%. To wspiera wniosek, że „szeroka premia efektywności nie jest jeszcze w pełni widoczna”, i nie oznacza, że pojedyncze firmy nie czerpią korzyści z AI.

Z perspektywy mechanizmu wdrożenia w firmach, zakup GPU i integracja dużych modeli to tylko część inwestycji. Produktywność wymaga jeszcze dostępnych danych, budowy aplikacji, zarządzania uprawnieniami, restrukturyzacji workflow i szkoleń. Te inwestycje ponoszone są na początku, a korzyści wypuszczają się później – tworząc podkreślaną w raporcie „krzywą J produktywności” (Productivity J-Curve). Tak więc wzrost zamówień na moc obliczeniową, wzrost przychodów z usług chmurowych i wzrost efektywności firm mają ze sobą powiązanie, lecz nie realizują się jednocześnie.

Dostawcy zbierają zamówienia jako pierwsi, gospodarka wciąż musi pokonać barierę kosztów i stóp procentowych

JPMorgan Chase dzieli boom technologiczny na dwa etapy: inwestycje i zwroty. W pierwszym etapie wzrost nakładów inwestycyjnych na AI i wyceny aktywów kieruje popytem konsumenckim naprzód, najpierw zyskują dostawcy dóbr kapitałowych. Drugi etap następuje po szerokim upowszechnieniu technologii – wtedy powiększa się podaż, spada koszt jednostkowy, a rzeczywiste przychody i zyski przedsiębiorstw są bardziej trwałe. Pierwszy etap to boom inwestycji i konsumpcji, popyt rośnie szybciej niż poprawia się podaż; drugi etap to rozpowszechnienie technologii, wzrost produktywności i spadek jednostkowych kosztów.

Raport pokazuje, że globalne nakłady inwestycyjne od początku 2025 rosną w tempie około 7% rocznie, zaś amerykańskie nakłady technologiczne wzrosły w ostatnim roku o 30%. Duża część sprzętu jest importowana, przez co wydatki inwestycyjne nie są w pełni liczone do amerykańskiego PKB, a zyski produkcyjne trafiają głównie do Azji. Według raportu, globalna produkcja przemysłowa od 2024 wzrosła o 5,6%, z czego Azja odpowiada za 4,7 p.p. (na wykresie wykluczono Chiny i Indie).

Obecne ujawnienia w łańcuchu dostaw pokrywają się z tym schematem. Microsoft w rozmowie telefonicznej z 28 października ujawnia kwartalne nakłady inwestycyjne na poziomie 45,2 mld dolarów, z czego aż trzy czwarte przypada na aktywa jak CPU i GPU o krótkiej żywotności, w tym wyższe koszty pamięci i magazynowania. TrendForce 4 listopada nadal obserwuje wzrost cen kontraktowych DRAM serwerowych, wdrażanie HBM4 oraz rosnący udział umów długoterminowych, jednocześnie wskazuje słabszy rynek spotowy. Wzrost cen u dostawców i przychody przekładają się na koszty zakupów dla chmurowych firm – koniunktura upstream może wyprzedzić pełną realizację zwrotów downstream.

To wyjaśnia, dlaczego poprawa cyfrowych wskaźników produktywności nie od razu usuwa presję inflacyjną. Bardziej intensywne wykorzystanie sprzętu i ludzi oznacza większe koszty nadgodzin, utrzymania i zużycia; nowy kapitał powiększa podaż, lecz zapotrzebowanie rośnie szybciej podczas fazy budowy. JPMorgan Chase zauważa, że rosnąca potrzeba inwestycji i finansowania, wraz ze wzrostem zamożności, pobudza konsumpcję – a gospodarka może potrzebować wyższej neutralnej realnej stopy procentowej dla przyciągnięcia oszczędności i wsparcia dalszego formowania kapitału. Należy podkreślić, że JPMorgan Chase analizuje zmiany stóp równowagi – oznacza to, że nawet jeśli inflacja w przyszłości spadnie, warunki finansowania mogą nie szybko wrócić do wcześniejszych, niskich poziomów.

Raport JPMorgan Chase podkreśla dodatkowy warunek często pomijany w narracji AI: konsumpcja nie może na dłuższą metę opierać się na wzroście cen akcji i spadku oszczędności – ekspansja musi w końcu bazować na wzroście dochodów z pracy. Instytucja przewiduje cykliczne odbicie zatrudnienia, lecz słaba podaż siły roboczej może utrudnić spadek inflacji.

Z tego modelu wynika, że według badan JPMorgan Chase, przyszłe inwestycje w całym łańcuchu AI powinny koncentrować się na skutecznej konwersji zamówień na gotówkę, zdolności klientów do ciągłego finansowania i tym, czy efektywność końcowych użytkowników wspiera kolejną turę zakupów. Wzrost zysków dostawców pamięci, energii i interfejsów może zniwelować część presji wycenowej; platformy i aplikacje, które potrafią przekuć wydatki na AI w zweryfikowane przychody lub oszczędności kosztów, mają lepsze warunki do długoterminowego utrzymania wartości. Wzrost wywołany wyłącznie nakładami kapitałowymi, jeśli ekspansja zwolni, przestanie napędzać wzrost gospodarczy.