Η έκρηξη της τεχνητής νοημοσύνης έχει αναδειχθεί στη μεγαλύτερη επενδυτική ιστορία της δεκαετίας. Όμως, πίσω από τον ενθουσιασμό και τις υποσχέσεις για «νέο οικονομικό θαύμα», πληθαίνουν τα σημάδια ότι η παγκόσμια αγορά βρίσκεται μπροστά σε μια νέα φούσκα – αυτή τη φορά, των τρισεκατομμυρίων δολαρίων.
Οι τεχνολογικοί κολοσσοί ξοδεύουν ήδη εκατοντάδες δισεκατομμύρια δολάρια για να κατασκευάσουν υποδομές τεχνητής νοημοσύνης – υπερσύγχρονα data centers και εξειδικευμένα chips. Το συνολικό κόστος, σύμφωνα με τη McKinsey, ενδέχεται να ξεπεράσει τα 5,2 τρισ. δολάρια την επόμενη πενταετία.
Η OpenAI του Σαμ Άλτμαν σχεδιάζει το project Stargate, ένα γιγαντιαίο πρόγραμμα υποδομών ύψους 500 δισ. δολαρίων, που θα χρηματοδοτηθεί μέσω σύνθετων σχημάτων επενδύσεων και δανεισμού. Ακόμη πιο εντυπωσιακό: ο ίδιος μιλά πλέον για συνολική δαπάνη που μπορεί να φτάσει τα τρισεκατομμύρια.
Η Nvidia, που κυριαρχεί στην αγορά AI chips, αναλαμβάνει να επενδύσει έως 100 δισ. δολάρια στο ίδιο έργο – σε μια συμφωνία που πολλοί στη Wall Street θεωρούν «κυκλική αυτοχρηματοδότηση», αφού οι πελάτες της χρησιμοποιούν αυτά τα κεφάλαια για να αγοράσουν ξανά δικά της προϊόντα.
Το ντόμινο του υπερδανεισμού
Η OpenAI σκοπεύει να καταφύγει και σε χρηματοδότηση μέσω χρέους, καθώς εκτιμάται ότι θα «κάψει» περίπου 115 δισ. δολάρια έως το 2029.
Αντίστοιχα, η Meta εξασφάλισε δάνειο 26 δισ. δολαρίων για ένα data center στη Λουιζιάνα, η Vantage Data Centers δανείζεται 22 δισ. για νέο campus, και οι JP Morgan και Mitsubishi UFJ αναλαμβάνουν την οργάνωση της χρηματοδότησης.
Η διαφορά είναι πως, ενώ στις αρχές της ψηφιακής εποχής τα μεγάλα έργα υποδομής στήριζαν εταιρείες με στέρεα έσοδα, σήμερα ο δανεισμός κατευθύνεται σε επιχειρήσεις με ελάχιστα κέρδη ή καθόλου απόδοση.
Όπως σημειώνει η Bain & Co., για να καλύψουν τις ανάγκες ισχύος, οι εταιρείες AI θα χρειαστούν 2 τρισ. δολάρια ετήσια έσοδα μέχρι το 2030 – αλλά θα λείπουν 800 δισ. δολάρια.
Όταν η καινοτομία δεν αποδίδει
Η αλήθεια είναι σκληρή: το 95% των εταιρειών που επένδυσαν σε έργα AI δεν έχουν δει καμία απόδοση, σύμφωνα με μελέτη του MIT.
Ερευνητές του Harvard και του Stanford μιλούν για το φαινόμενο του workslop: «παραγόμενο περιεχόμενο από AI που μοιάζει με παραγωγική εργασία, αλλά δεν έχει ουσιαστική αξία». Με άλλα λόγια, η AI κομίζει – μέχρι στιγμής τουλάχιστον – περισσότερο θόρυβο παρά παραγωγικότητα.
Ταυτόχρονα, οι ίδιες οι μεγάλες εταιρείες του κλάδου αρχίζουν να διαπιστώνουν ότι οι περίφημοι scaling laws –ότι δηλαδή περισσότερα δεδομένα και ισχύς οδηγούν αυτόματα σε άλματα νοημοσύνης– έχουν αρχίσει να φθίνουν.
Το GPT-5 της OpenAI, που είχε παρουσιαστεί ως επαναστατικό, έλαβε τελικά χλιαρές κριτικές. Ο ίδιος ο Άλτμαν παραδέχθηκε: «Λείπει ακόμη κάτι σημαντικό για να φτάσουμε στην τεχνητή γενική νοημοσύνη».
Η «βιομηχανική φούσκα»
Όλη αυτή η φρενίτιδα γύρω από την τεχνητή νοημοσύνη έχει πυροδοτήσει μια πρωτοφανή έκρηξη κατασκευών: ολόκληρες πολιτείες των ΗΠΑ, όπως το Τέξας, η Βόρεια Ντακότα και το Νέο Μεξικό, γεμίζουν με τεράστια data centers.
Οι εγκαταστάσεις αυτές απορροφούν τεράστιες ποσότητες ενέργειας, ενώ η χρηματοδότησή τους προέρχεται πλέον όχι από εισηγμένες εταιρείες, αλλά από ιδιωτικά funds, κρατικά επενδυτικά ταμεία και επενδυτικές τράπεζες – γεγονός που, όπως προειδοποιεί μερίδα ειδικών, μεταφέρει τον κίνδυνο από τις μετοχές στο τραπεζικό σύστημα.
Ο ιστορικός των αγορών, Andrew Odlyzko, ο οποίος ειδικεύεται σε «επενδυτικές μανίες» προειδοποιεί πως η σημερινή φρενίτιδα θυμίζει επικίνδυνα τη φούσκα των τηλεπικοινωνιών στα τέλη του ’90: τεράστια έργα, χρηματοδότηση χωρίς εξασφαλίσεις και αβέβαιο μελλοντικό κέρδος.
Τα σήματα υπερθέρμανσης, αλλά και η πίστη στην τεχνολογία
Τον τελευταίο χρόνο υπήρξαν σειρά από σημάδια υπερθέρμανσης στην αγορά:
- Η κεφαλαιοποίηση των τεχνολογικών κολοσσών ξεπερνά πλέον το ΑΕΠ ολόκληρης της Ευρώπης.
- Οι χρηματοδοτήσεις startups AI φτάνουν σε τριψήφια ποσά μέσα σε λίγους μήνες.
- Η McKinsey προβλέπει «έτη ασυμμετρίας» μεταξύ προσφοράς και ζήτησης, καθώς η κατασκευαστική μανία προηγείται της πραγματικής αγοράς.
Ακόμη και ο ίδιος ο Σαμ Άλτμαν παραδέχεται ότι η αγορά είναι «υπερενθουσιασμένη», σε μία πιο κομψή έκφραση για το «υπερτιμημένη». Ο Μαρκ Ζάκερμπεργκ δηλώνει ότι μια φούσκα είναι «πολύ πιθανή», αλλά προτιμά τον κίνδυνο της υπερεπένδυσης από εκείνον της «χαμένης ευκαιρίας».
Ο Τζεφ Μπέζος βλέπει μια «βιομηχανική φούσκα», αντίστοιχη με εκείνη της βιοτεχνολογίας τη δεκαετία του ’90.
Κοινός παρονομαστής; Η πίστη ότι, ακόμα κι αν υπάρξει κραχ, η τεχνολογία θα επιβιώσει. Και τελικά θα θριαμβεύσεις. Όπως δηλαδή έγινε με το Διαδίκτυο μετά το 2000 -01 και το σπάσιμο της φούσκας dot.com.
Ο νόμος των φουσκών
Ο οικονομολόγος Hyman Minsky έχει περιγράψει 5 στάδια κάθε φούσκας:
- Displacement – Μετατόπιση
Η εμφάνιση μιας νέας τεχνολογίας ή ευκαιρίας που αλλάζει τις ισορροπίες και προσελκύει επενδυτικό ενδιαφέρον.
- Boom – Έκρηξη
Η φάση της ταχείας ανόδου, όπου οι τιμές αυξάνονται, τα κεφάλαια ρέουν άφθονα και η αισιοδοξία κυριαρχεί.
- Euphoria – Ευφορία
Το στάδιο του παραλογισμού: οι επενδυτές πιστεύουν ότι “αυτή τη φορά είναι διαφορετικά” και αγοράζουν χωρίς να εξετάζουν τα θεμελιώδη.
- Profit-taking – Ρευστοποίηση κερδών
Οι πιο διορατικοί αρχίζουν να πουλούν, αντιλαμβανόμενοι ότι οι τιμές έχουν ξεπεράσει κάθε λογική.
- Panic – Πανικός
Η φούσκα σκάει. Οι επενδυτές σπεύδουν να πουλήσουν μαζικά, προκαλώντας κατάρρευση τιμών, απώλειες και πτώχευση επιχειρήσεων.
Η τεχνητή νοημοσύνη βρίσκεται, όπως όλα δείχνουν, ανάμεσα στην ευφορία και το profit-taking. Κανείς δεν ξέρει με βεβαιότητα πότε (ή ακόμη και εάν) θα σκάσει, αλλά η ιστορία δείχνει ότι όταν τα κέρδη αντικαθιστούν τη λογική, το τέλος είναι θέμα χρόνου.
Η φούσκα των τρισεκατομμυρίων τροφοδοτείται από την πίστη ότι η τεχνολογία αυτή θα αλλάξει τα πάντα – και ίσως πράγματι το κάνει. Όμως, όπως έδειξαν το 2000 και το 2008, οι μεγαλύτερες καινοτομίες συχνά ξεκινούν μέσα από τα συντρίμμια των ίδιων τους των φουσκών.
Μέχρι τότε, το μόνο βέβαιο είναι ότι η τεχνητή νοημοσύνη έχει μετατραπεί στο πιο ακριβό στοίχημα της ανθρώπινης ιστορίας – και οι αγορές παίζουν με τη φωτιά.
Πηγή: naftemporiki.gr με πληροφορίες από Bloomberg, Economist, McKinsey, Harvard Review
Διαβάστε επίσης: Δύσκολοι καιροί για αναλυτές - «Κάηκαν» οι αρκούδες που έβλεπαν ύφεση και κραχ