Producent chipów Nvidia tworzy wraz z inwestorami gigantyczną strukturę służącą finansowaniu sztucznej inteligencji. Czy ostateczne przychody z AI uzasadniają zainwestowanie setek miliardów? – pyta w swoim komentarzu dla Seznam Zprávy (link) Michal Stupavský, strateg inwestycyjny w Conseq Investment Management a. s.
Fala inwestycji związana ze sztuczną inteligencją wkracza w kolejną fazę. Firma Nvidia ogłosiła nawiązanie strategicznego partnerstwa z firmami Apollo, BlackRock, Blackstone, Brookfield Asset Management, Goldman Sachs i KKR, którego celem jest stopniowe pozyskanie ponad 500 miliardów dolarów kapitału od podmiotów zewnętrznych na sfinansowanie infrastruktury sztucznej inteligencji.
Nie chodzi więc jedynie o kolejną inicjatywę technologiczną, ale przede wszystkim o próbę stworzenia rozbudowanego mechanizmu finansowego, który ma umożliwić kontynuację bezprecedensowego cyklu inwestycyjnego.
Istotne jest właściwe zinterpretowanie samej kwoty. Nvidia nie pozyskuje 500 miliardów dolarów do własnego bilansu ani nie zobowiązała się do samodzielnego zainwestowania tej kwoty. Z sześcioma znaczącymi grupami finansowymi podpisała ona porozumienia o współpracy, na podstawie których mają powstać niezależne platformy finansowe. Będą one pozyskiwać środki od inwestorów instytucjonalnych i udostępniać kapitał klientom budującym centra danych oraz inną infrastrukturę sztucznej inteligencji. Nvidia może uczestniczyć kapitałowo w poszczególnych projektach, według analityków nawet z udziałem wynoszącym około jednej czwartej, jednak większość ryzyka finansowego mają ponosić inwestorzy zewnętrzni.
Moc obliczeniowa staje się aktywem finansowym
Z ekonomicznego punktu widzenia najciekawsza jest próba przekształcenia infrastruktury obliczeniowej sztucznej inteligencji w odrębną klasę aktywów inwestycyjnych. Centrum danych wyposażone w procesory graficzne nie powinno być postrzegane wyłącznie jako zbiór sprzętu technologicznego, ale jako infrastruktura produkcyjna generująca długoterminowe przepływy pieniężne z tytułu dostarczania mocy obliczeniowej.
Takie podejście przypomina w pewnym stopniu finansowanie elektrowni, sieci telekomunikacyjnych czy innej infrastruktury. Inwestor wnosi kapitał własny (akcyjny) lub obcy (dłużny) na budowę aktywów, a zwrot z tej inwestycji zależy następnie od przepływów pieniężnych generowanych przez dane aktywa.
Rozwój tego modelu ma ogromne znaczenie dla spółki NVIDIA, jak i dla całej branży. Dalszy rozwój sztucznej inteligencji nie ogranicza się bowiem wyłącznie do dostępności procesorów, energii elektrycznej czy powierzchni na centra danych. Coraz większym ograniczeniem staje się dostępność kapitału.
Skala obecnego cyklu inwestycyjnego jest bez cienia wątpliwości naprawdę niezwykła. Morgan Stanley szacuje, że w latach 2026–2028 najwięksi dostawcy usług chmurowych mogą zainwestować w infrastrukturę sztucznej inteligencji około 3,5 biliona dolarów, podczas gdy łączna wartość inwestycji w budowę infrastruktury może przekroczyć osiem bilionów dolarów.
Właśnie w tym miejscu do gry wkracza inicjatywa firmy NVIDIA. Jeśli uda jej się połączyć operatorów centrów danych i twórców sztucznej inteligencji z bilansami ubezpieczycieli, funduszy emerytalnych, podmiotów zarządzających aktywami, banków oraz dostawców prywatnych instrumentów dłużnych (private debt/private credit), może to znacznie zwiększyć ilość kapitału dostępnego na dalszą rozbudowę.
Łańcuch inwestycyjny musi jednak gdzieś się kończyć
Z punktu widzenia inwestorów absolutnie kluczowe jest rozróżnienie między popytem na infrastrukturę a ostatecznym popytem ekonomicznym na usługi sztucznej inteligencji.
Pierwszy z nich bez wątpienia istnieje już dzisiaj. Operatorzy centrów danych zamawiają procesory, firmy technologiczne rezerwują moc obliczeniową, producenci półprzewodników zwiększają produkcję, a przedsiębiorstwa energetyczne budują nowe źródła energii i infrastrukturę przesyłową. Wszystkie te działania generują obroty w ramach łańcucha inwestycji technologicznych.
Z punktu widzenia zwrotu zainwestowanego kapitału nie można jednak przedłużać tego łańcucha w nieskończoność. Na jego końcu musi znajdować się klient, który za usługi sztucznej inteligencji zapłaci z pieniędzy uzyskanych w ramach własnej działalności ekonomicznej.
Dlatego też, moim zdaniem, jednym z najważniejszych wskaźników całej historii inwestycyjnej są przychody firm, które same komercyjnie wykorzystują modele sztucznej inteligencji. To właśnie one stanowią jeden z najbardziej bezpośrednich wskaźników relacji między ogromną mocą obliczeniową, jaką udało się zbudować, a rzeczywistą gotowością gospodarstw domowych i przedsiębiorstw do płacenia za jej wykorzystanie.
Dotychczasowy rozwój w tym zakresie jest stosunkowo obiecujący. Według wstępnego raportu ONZ roczne przychody w ujęciu skorygowanym głównych firm zajmujących się rozwojem sztucznej inteligencji wyniosły łącznie w pierwszym kwartale 2026 roku około 73 miliardów dolarów, w porównaniu z około dwoma miliardami w 2023 roku. Anthropic osiągnął następnie około 47 miliardów dolarów rocznych przeliczonych przychodów, podczas gdy OpenAI wiosną utrzymywało się na poziomie około 25 miliardów dolarów.
Wzrost ten trwa nadal. Według Financial Times firma Anthropic spodziewała się w drugim kwartale 2026 roku przychodów w wysokości 10,9 miliarda dolarów, czyli ponad dwukrotnie więcej niż w pierwszym kwartale. Niektórzy z jej inwestorów spodziewają się obecnie, że do końca roku roczne przychody w ujęciu skorygowanym mogą osiągnąć nawet 100–120 miliardów dolarów. Takie prognozy należy oczywiście traktować wyłącznie jako szacunki, a nie pewnik.
Mamy tu do czynienia z niezwykle wysokim tempem wzrostu. Jednocześnie jednak właśnie ich dalszy rozwój stanowi jeden z najważniejszych testów całej tezy inwestycyjnej dotyczącej sztucznej inteligencji.
Setki miliardów inwestycji w porównaniu z dziesiątkami miliardów przychodów
Różnica między obecnymi inwestycjami kapitałowymi a dzisiejszymi przychodami końcowych dostawców usług sztucznej inteligencji jest nadal ogromna. Według wstępnego raportu ONZ wydatki kapitałowe największych firm technologicznych w 2026 r. mają wynieść około 770 mld dolarów, podczas gdy roczne przychody w ujęciu skorygowanym czołowych firm zajmujących się modelami sztucznej inteligencji wyniosły w pierwszym kwartale wspomnianego roku około 73 mld dolarów.
Oczywiście nie są to wielkości, które można bezpośrednio porównać. Centra danych będą generować przychody przez wiele lat, korzystają z nich również tradycyjne usługi chmurowe, a część korzyści ekonomicznych wynikających ze sztucznej inteligencji powstaje wewnątrz firm takich jak Microsoft, Alphabet, Amazon czy Meta, które zazwyczaj nie publikują oddzielnych danych dotyczących przychodów z AI. Samego tego stosunku nie można zatem interpretować jako miary zwrotu z inwestycji.
Mimo to dobrze ilustruje to podstawowe pytanie dotyczące obecnego cyklu inwestycyjnego: czy ostateczne przychody ze sztucznej inteligencji będą rosły wystarczająco szybko, aby ekonomicznie uzasadnić setki miliardów dolarów inwestowanych co roku w infrastrukturę?
Odpowiedź ta będzie miała kluczowe znaczenie nie tylko dla akcjonariuszy firmy Nvidia, ale także dla akcjonariuszy i wierzycieli producentów półprzewodników, dostawców sprzętu produkcyjnego, operatorów centrów danych, firm oferujących usługi w chmurze, przedsiębiorstw energetycznych, deweloperów oraz innych podmiotów zaangażowanych w infrastrukturę technologiczną sztucznej inteligencji. Jednocześnie będzie ona miała kluczowe znaczenie dla banków, funduszy inwestycyjnych i innych podmiotów dostarczających kapitał, które finansują tę falę inwestycji.
Gdzie zaczyna się ryzyko cyklicznego finansowania
Właśnie w tym miejscu pojawiają się obawy związane z tak zwanym finansowaniem cyklicznym oraz finansowaniem klientów przez dostawcę.
Ekonomicznie zdrowy łańcuch inwestycyjny powinien zaczynać się od popytu końcowego. Przedsiębiorstwo stwierdza na przykład, że wdrożenie sztucznej inteligencji zwiększa wydajność pracowników, obniża koszty lub generuje nowe przychody. W związku z tym jest gotowe zapłacić za usługę firmie OpenAI, Anthropic lub innemu dostawcy. Ten z kolei pokrywa z tych przychodów koszty mocy obliczeniowej dostawcy usług chmurowych. Operator infrastruktury, dzięki rosnącemu popytowi, inwestuje w kolejne centra danych, które następnie zakupują nowe procesory.
W takim przypadku kapitał porusza się w kierunku przeciwnym do przepływów pieniężnych generowanych przez użytkownika końcowego. Bardziej ryzykowna opcja zaczyna się od przeciwnego końca. Duża ilość dostępnego kapitału pozwoli najpierw zbudować centra danych i zakupić procesory. Producenci półprzewodników odnotowują wysokie przychody, operatorzy infrastruktury szybko się rozwijają, a ich klienci zawierają długoterminowe umowy na dodatkową moc obliczeniową. Silny wzrost przekonuje następnie kolejnych inwestorów i kredytodawców do udostępnienia nowego kapitału, który finansuje dalszą rozbudowę.
Jeśli jednocześnie popyt końcowy rozwija się wystarczająco szybko, nie ma nic złego w takim mechanizmie. Problem pojawia się wtedy, gdy wzrost finansowanych mocy produkcyjnych zaczyna w dłuższej perspektywie odbiegać od wzrostu dochodów generowanych przez ich rzeczywistych użytkowników.
W takiej sytuacji przychody poszczególnych ogniw łańcucha dostaw mogą dawać mylący obraz siły ekonomicznej całego systemu. Dla producenta procesorów zakup centrum danych stanowi przychód. Dla operatora centrum danych ten sam procesor jest jednak inwestycją, której zwrot zależy od przyszłego wykorzystania. A dla wierzyciela finansującego centrum danych stanowi on wierzytelność, której jakość ostatecznie zależy od tego samego źródła, czyli od zdolności klientów końcowych do generowania wystarczających przepływów pieniężnych.
Ryzyko kredytowe może rozprzestrzeniać się w całym ekosystemie
W ten sposób kwestia inwestycyjna stopniowo zmienia się z technologicznej w finansową. Jeśli rzeczywisty popyt na usługi sztucznej inteligencji będzie wystarczająco duży, wykorzystanie centrów danych zapewni operatorom infrastruktury przepływy pieniężne niezbędne do spłaty kredytów. Kredytodawcy będą skłonni do udzielania dalszego kapitału, firmy technologiczne będą inwestować, a producenci półprzewodników będą nadal się rozwijać.
Jeśli jednak dochody użytkowników końcowych będą rosły wolniej niż moc obliczeniowa, może to spowodować spadek jej wykorzystania i cen. Operatorzy centrów danych mogą wówczas osiągać niższy zwrot z inwestycji niż przewidywały ich modele finansowe. Projekty o największym zadłużeniu mogą znaleźć się pod presją, a wierzyciele zaczną domagać się wyższych stóp procentowych, większego udziału kapitału własnego lub surowszych warunków umownych.
Taki rozwój sytuacji odbiłby się następnie na całym łańcuchu technologicznym. Wyższy koszt kapitału ograniczy budowę nowych centrów danych, co spowoduje spadek zamówień na procesory, pamięci, elementy sieciowe oraz urządzenia elektryczne. Słabsze inwestycje kapitałowe dotkną dostawców infrastruktury i mogą jednocześnie obniżyć wartość istniejących aktywów służących jako zabezpieczenie kredytów.
Ryzyko nie ogranicza się zatem wyłącznie do bilansów przedsiębiorstw technologicznych. Wraz z rosnącym zaangażowaniem prywatnych funduszy kredytowych, banków, ubezpieczycieli i rynków kapitałowych ryzyko to stopniowo przenosi się również do systemu finansowego. Financial Times podaje, że tylko w 2026 r. udzielono około 200 mld dolarów prywatnych kredytów podmiotom związanym ze sztuczną inteligencją oraz wyemitowano obligacje firm technologicznych o wartości około 350 mld dolarów.
Kluczowy wskaźnik na końcu łańcucha
Dlatego w nadchodzących latach dla inwestorów najważniejsze nie będzie już tylko śledzenie liczby sprzedanych procesorów czy wielkości zapowiadanych centrów danych. Coraz większe znaczenie będą miały wskaźniki znajdujące się na drugim końcu łańcucha ekonomicznego: wzrost przychodów dostawców modeli, liczba płacących klientów korporacyjnych, ceny usług sztucznej inteligencji, ich marże brutto, a przede wszystkim wymierny zwrot z inwestycji w te usługi dla przedsiębiorstw, które je nabywają.
Dzisiejsze dane wskazują, że popyt końcowy rzeczywiście rośnie. Jednocześnie jednak wzrost ten następuje z bardzo niskiego poziomu w porównaniu z wielkością kapitału kierowanego do infrastruktury. Co więcej, nawet wysokie przychody nie oznaczają automatycznie wysokiej rentowności ekonomicznej, jeśli do ich wygenerowania konieczne są wyjątkowo wysokie nakłady na moc obliczeniową.
Właśnie dlatego istotne będą nie tylko przychody OpenAI, Anthropic i innych laboratoriów, ale stopniowo przede wszystkim ich marże operacyjne oraz wolne przepływy pieniężne (free cash flow – FCF). Dopiero zdolność tych firm do generowania dodatnich wolnych przepływów pieniężnych w perspektywie długoterminowej pokaże, czy wartość tworzona przez sztuczną inteligencję jest wystarczająca do sfinansowania infrastruktury, na której się opiera.
Inicjatywa firmy Nvidia i Wall Street może wyeliminować jedną z największych przeszkód dla dalszego rozwoju sztucznej inteligencji – brak kapitału. Jednocześnie jednak stwarza ona warunki, w których kapitał może stać się dostępny szybciej, niż wzrośnie uzasadniony ekonomicznie popyt na nowe moce obliczeniowe. I właśnie w tym tkwi kluczowe ryzyko w perspektywie średnioterminowej.
Pół biliona dolarów nowego finansowania może zapewnić rozbudowę mocy obliczeniowej. Nie może jednak zagwarantować, że będzie ona w wystarczającym stopniu wykorzystywana. Ostateczny zwrot z dzisiejszego bezprecedensowego cyklu inwestycyjnego w zakresie nakładów kapitałowych nie będzie zatem zależał od ilości kapitału, jaką sektor technologiczny i finansowy zdoła zmobilizować, ale od kwoty, jaką przedsiębiorstwa i konsumenci będą skłonni płacić w perspektywie długoterminowej za usługi sztucznej inteligencji.
Jeśli obroty na tym końcu łańcucha będą nadal rosły w obecnym szybkim tempie, dzisiejsze inwestycje mogą stać się podstawą jednej z najważniejszych infrastruktur technologicznych współczesnej gospodarki. Jeśli jednak wzrost popytu końcowego zacznie znacznie pozostawać w tyle za wzrostem finansowanych mocy produkcyjnych, mechanizm, który obecnie przyspiesza ekspansję całej branży, może zacząć działać w odwrotnym kierunku, czyli poprzez niższe wykorzystanie aktywów, spadek ich wartości, straty kredytowe i wynikające z tego gwałtowne ograniczenie inwestycji w całym ekosystemie sztucznej inteligencji.
Michal Stupavský
Strateg inwestycyjny