Cicha wojna Tokenów się rozpoczęła, Goldman Sachs: wąskie gardła infrastrukturalne w końcu znikną, narracja AI stoi przed ponowną wyceną

Kluczowe zmienne w handlu AI przesuwają się z „czy technologia jest możliwa do wdrożenia” na „czy koszty są możliwe do zaakceptowania”. Wraz z szybkim spadkiem cen Tokenów, rynek zaczyna na nowo analizować relacje pomiędzy zapotrzebowaniem na AI, zwrotem z wydatków przedsiębiorstw oraz wyceną powiązanych aktywów.

Rich Privorotsky, kierujący działem One-Delta w Goldman Sachs, w najnowszych analizach handlowych podkreślił, że DeepSeek podobno obniżył ceny Tokenów o 75%, a Xiaomi MiMo niemal o 99%. Problem kompresji kosztów w ekosystemie AI jest coraz trudniejszy do zignorowania. Jego zdaniem ta zmiana może wywołać „wojnę cenową” przypominającą konkurencję na subsidiach.

Zmiana ta przekształca ocenę rynku wobec infrastruktury AI. Zaznaczył, że wąskie gardła infrastrukturalne prędzej czy później zostaną złagodzone i rynek nie powinien płacić zbyt wysokiej premii za „problemy, które zaraz zostaną rozwiązane”. Wydatki na Tokeny stale rosną, rośnie także zainteresowanie otwartymi modelami, a liczba instalacji asystentów kodowania weszła w fazę stagnacji.

Dla inwestorów pytanie nie brzmi już, czy zapotrzebowanie na AI wzrośnie, lecz czy tanie Tokeny wyprzedzą eksplozję nowych scenariuszy zastosowań, zastępując drogie obliczenia i przez to powodując okres presji na przychody. W krótkim okresie płynność na koniec miesiąca, pieniądze detalistów i wstrzemięźliwość instytucji wciąż mogą wspierać półprzewodniki i handel momentum, jednak ryzyka związane z wyceną i koncentracją aktywów coraz bardziej rosną.

Kompresja kosztów nową zmienną w narracji AI

Przez ostatnie pół roku narracja inwestycyjna AI skupiała się głównie na możliwościach technologicznych. Teraz rynek zaczyna koncentrować się na modelu ekonomii jednostkowej.

Technologie AI już udowodniły swoją skuteczność dla części obciążeń, użytkowników i scenariuszy. Nowym problemem jest jednak, czy ekonomia jednostkowa na skalę korporacyjną jest zasadna i czy ta poprawa wpisuje się w trajektorię przychodów wymaganą przez laboratoria i dostawców chmurowych.

Scenariusz optymistyczny opiera się na dwóch warunkach: dojrzałości zdolności do orkiestracji i wyraźnej poprawie kosztu jednostkowego w ciągu 12–18 miesięcy. Scenariusz pesymistyczny zakłada z kolei, że coraz więcej menedżerów zaczyna publicznie informować, iż wydatki na AI nie uzasadniają swojej wartości i ograniczają użycie.

To sprawia, że „tokenomika” staje się kluczową zmienną w wycenie AI. Rynek powinien patrzeć nie tylko na ilość użycia AI, ale czy jednostka użycia generuje wystarczające przychody i zysk.

Tanie Tokeny mogą najpierw uderzyć w drogie obliczenia

Kluczowym pytaniem Rich Privorotsky'ego jest to, czy szybki spadek kosztów Tokenów tymczasowo zaburzy logikę ekspansji popytu według paradoksu Jevonsa.

Paradoks Jevonsa polega na tym, że poprawa efektywności użytkowania zasobów prowadzi do wzrostu całkowitej konsumpcji. W przypadku AI niższy koszt może prowadzić do większego popytu w dłuższej perspektywie. Jednak kontrowersje dotyczą tego, czy ekspansja popytu nastąpi natychmiast.

Jeśli tańsze Tokeny najpierw zastąpią drogie usługi obliczeniowe, zamiast od razu tworzyć zupełnie nowe scenariusze, wzrost przychodów AI może się opóźnić. Rynek musi ocenić, jak duża presja będzie dotyczyć dostawców chmur, firm modelowych i zapotrzebowania na infrastrukturę AI w tym okresie opóźnienia.

Logika kosztów przekształca zakupy

Popularność otwartych modeli zmienia logikę zakupów przedsiębiorstw dotyczących AI.

Gdy „za 10% kosztów można uzyskać 90% wyników” jest coraz bardziej osiągalne, przedsiębiorstwa mogą bardziej rygorystycznie analizować wydatki na Tokeny. Racjonalizacja tych wydatków może stać się ważnym tematem na poziomie zarządu w drugim lub trzecim kwartale, równie ważnym jak sama narracja wzrostu AI.

To oznacza, że branża AI nie musi się obawiać zaniku popytu, ale raczej zmiany jego struktury. Przedsiębiorstwa mogą nadal używać AI, ale będą preferować obniżenie kosztów obliczeń, ograniczenie zależności od drogich modeli oraz wybór tańszych alternatyw dla różnych zadań.

Dla rynku taka zmiana może wpływać na podział zysków w łańcuchu wartości AI. Drogi inference, ekspansja centrów danych oraz wysoko wyceniane aktywa infrastrukturalne będą podlegały coraz dokładniejszej analizie zwrotu z inwestycji.

Półprzewodniki nadal mają momentum, ale rośnie podatność na ryzyko

Pomimo wojny cen Tokenów, która tworzy nowe problemy wycenowe, Rich Privorotsky uważa, że krótkoterminowo rynek może nadal rosnąć.

Podkreśla, że czynniki płynności na koniec miesiąca mogą wciąż mechanicznie wspierać handel momentum i sektor półprzewodników. Fundusze detaliczne są nadal silne, inwestorzy instytucjonalni pozostają bardziej sceptyczni niż powinni, a to niespodziewanie sprzyja dalszemu wzrostowi rynku.

Jednocześnie związane z AI transakcje półprzewodnikowe już doświadczyły mocnego short squeezu, każda korekta jest szybko wykorzystywana do zakupów. Wzrost zmienności wciąż budzi zainteresowanie, spadki są mniej paniczne, jednak struktura rynku zaczyna być naciągnięta.

To tłumaczy aktualne paradoksy rynku: krótkoterminowo czynniki płynności i pozycjonowania sprzyjają wzrostom, jednak zmiany w tokenomice podważają część długoterminowych założeń wycenowych. Ryzykiem dla inwestora nie jest koniec narracji AI, lecz ponowne wycenienie źródeł zysków wewnątrz tej narracji.

Wąskie gardła złagodnieją, premia niekoniecznie bezpieczna

Rich Privorotsky nie podważa długoterminowych perspektyw AI. Uważa, że budowa AI ostatecznie okaże się słuszną decyzją i może zmienić świat podobnie jak internet.

Jednocześnie przypomina, że rynek nie powinien strukturalnie ignorować ludzkiej kreatywności. Historia pokazuje, że wąskie gardła zwykle są rozwiązywane: niedobór pamięci zostaje zażegnany, niedobór energii przyciąga inwestycje, ograniczenia stopniowo znikają.

To ma podwójne znaczenie dla rynku. Z jednej strony wąskie gardła infrastruktury AI niekoniecznie mogą długo wspierać wysokie ceny i rentowność. Z drugiej, spadek kosztów i wzrost efektywności mogą w długim okresie wygenerować znacznie większy popyt.

Obecnie kluczowym pytaniem jest, czy rynek już zapłacił zbyt wysoką premię za ten proces. Wraz z rozpoczęciem „wojny Tokenów” inwestorzy muszą dokładniej rozróżnić wpływ wzrostu popytu na AI i kompresji kosztów AI, zamiast automatycznie traktować oba procesy jako pozytywne.