Ryzyko w AI nie siedzi w popycie. Siedzi w strukturze kapitału
35 mld USD długu. 5 mld USD kapitału własnego. Około 2,5 mld USD przychodu kwartalnie.
To nie jest profil spółki technologicznej. To profil lewarowanego wykupu, tyle że zamiast fabryki aktywem są procesory graficzne.
Tak wygląda dziś bilans CoreWeave, jednego z największych neocloudów. Model jest prosty: kupić na kredyt jak najwięcej najnowszych GPU i wynajmować ich moc innym firmom na minuty.
Problem w tym, że nakładają się tu trzy ryzyka naraz. Dług, który trzeba obsługiwać co kwartał. Sprzęt, który traci wartość szybciej niż niemal każda maszyna w przemyśle. I kontrakty z hiperskalerami, które mają twarde klauzule wyjścia, jeśli moc nie zostanie dostarczona na czas. Opóźnienie przyłącza o kilkanaście miesięcy nie przesuwa tu po prostu przychodu. Skraca okno na spłatę długu.
Do tego dochodzi strona popytowa, którą widzę z bliska. W firmach, z którymi pracuję, także w spółkach portfelowych funduszy PE, gwałtownie rosnące zużycie tokenów i koszty AI wymusiły dyscyplinę. Każde zastosowanie przechodzi dziś ocenę ROI. Tam, gdzie to się bardziej opłaca, firmy zatrudniają doświadczonych programistów zamiast przepalać tokeny. Popyt na moc obliczeniową jest realny, ale nie jest ślepy na cenę.
Gartner szacuje, że do 2030 roku 80% neocloudów przestanie działać samodzielnie. Przez przejęcia, partnerstwa albo bankructwa.
Ryzyko w infrastrukturze AI nie siedzi w popycie. Siedzi w strukturze kapitału.
Dlatego analizując takie aktywa, zaczynam od trzech pytań, a nie od technologii. Jaka część portfela zamówień jest warunkowa? Kiedy realnie powstanie przyłącze energetyczne? Jak tempo utraty wartości sprzętu ma się do harmonogramu spłaty długu?
W tym cyklu nie wygrają ci, którzy mają najwięcej GPU. Wygrają ci, którzy nie musieli się na nie zadłużać.
