Η εκρηκτική αύξηση των εσόδων δεν αρκεί για να εξασφαλίσει την κερδοφορία των εταιρειών τεχνητής νοημοσύνης. Το πραγματικό στοίχημα για τους κορυφαίους παίκτες του κλάδου είναι αν θα καταφέρουν να μετατρέψουν την αυξανόμενη χρήση των μοντέλων τους σε σταθερές ταμειακές ροές, προτού το κόστος υπολογιστικής ισχύος και υποδομών εξαντλήσει τα περιθώρια χρηματοδότησής τους.

Τα οικονομικά στοιχεία της Anthropic, ενόψει της σχεδιαζόμενης δημόσιας εγγραφής της, αποτυπώνουν το μέγεθος της πρόκλησης. Τα έσοδά της σχεδόν δωδεκαπλασιάστηκαν το 2025, φτάνοντας τα 4,6 δισ. δολάρια, αλλά οι λειτουργικές ζημίες αυξήθηκαν ακόμη περισσότερο, στα 8,06 δισ. δολάρια. Με άλλα λόγια, η εταιρεία αναπτύσσεται με εντυπωσιακούς ρυθμούς, χωρίς όμως να έχει βρει ακόμη ένα οικονομικά βιώσιμο μοντέλο που να καλύπτει τις τεράστιες δαπάνες της.

Το πρόβλημα δεν περιορίζεται στην Anthropic. Αντίστοιχες πιέσεις αντιμετωπίζουν και άλλες εταιρείες που επενδύουν επιθετικά στην τεχνητή νοημοσύνη, καθώς οι ανάγκες για υπολογιστική ισχύ, προηγμένα τσιπ και κέντρα δεδομένων αυξάνονται ταχύτερα από τη δυνατότητα δημιουργίας κερδών.

Το κρίσιμο ερώτημα, επομένως, δεν είναι πλέον μόνο πόσο γρήγορα αναπτύσσεται η αγορά της AI, αλλά αν η ανάπτυξη αυτή μπορεί να δικαιολογήσει τις σημερινές αποτιμήσεις και το κόστος των επενδύσεων που απαιτεί.

Το παράδοξο της ανάπτυξης: Περισσότερα έσοδα, ακόμη μεγαλύτερες ζημίες

Η περίπτωση της Anthropic αναδεικνύει μια βασική αντίφαση στο επιχειρηματικό μοντέλο των μεγάλων εργαστηρίων τεχνητής νοημοσύνης. Η ζήτηση για τα μοντέλα τους αυξάνεται, αλλά η εξυπηρέτησή της απαιτεί ολοένα μεγαλύτερες επενδύσεις σε υποδομές και υπολογιστικούς πόρους.

Το πρόβλημα γίνεται εντονότερο όσο οι εταιρείες επιδιώκουν να αναπτύξουν ισχυρότερα μοντέλα, να αυξήσουν τη διαθέσιμη υπολογιστική ισχύ και να προσφέρουν υπηρεσίες σε περισσότερους χρήστες και επιχειρήσεις.

Ακόμη και η SpaceX του Έλον Μασκ, η οποία επεκτείνεται και στον χώρο της τεχνητής νοημοσύνης, είδε τις σχετικές κεφαλαιουχικές δαπάνες να υπερβαίνουν τα έσοδα στο δεύτερο τρίμηνο, σύμφωνα με τα στοιχεία που παρατίθενται.

Αυτή η εικόνα δημιουργεί ένα δύσκολο χρηματοοικονομικό ερώτημα: πόσο κεφάλαιο θα χρειαστεί να επενδύσουν οι εταιρείες μέχρι να αποκτήσουν επαρκή κερδοφορία; Και πόσο πρόθυμες θα παραμείνουν οι αγορές να χρηματοδοτούν τις ζημίες τους, εφόσον η απόδοση των επενδύσεων καθυστερεί;

Τα φθηνότερα tokens και το στοίχημα της μαζικής χρήσης

Η βασική απάντηση που δίνουν οι εταιρείες AI είναι ότι η μαζική υιοθέτηση των μεγάλων γλωσσικών μοντέλων θα οδηγήσει σε εκρηκτική αύξηση της κατανάλωσης tokens, δηλαδή των μονάδων κειμένου και δεδομένων που επεξεργάζονται τα μοντέλα. Μεγαλύτερος όγκος χρήσης θα μπορούσε, σύμφωνα με αυτή τη λογική, να αντισταθμίσει τη μείωση των τιμών και να δημιουργήσει σημαντικά έσοδα.

Η δυσκολία βρίσκεται στο κατά πόσο η αύξηση της ζήτησης θα είναι αρκετά μεγάλη ώστε να αντισταθμίσει την πτώση των τιμών. Η Anthropic και η OpenAI έχουν ήδη διαθέσει οικονομικότερες εκδόσεις μοντέλων τους, ενώ οι τιμές για τη χρήση μοντέλων έχουν υποχωρήσει περισσότερο από 40%, σύμφωνα με τα στοιχεία του δημοσιεύματος.

Οι εταιρείες ποντάρουν στο λεγόμενο «παράδοξο του Jevons»: όταν μια υπηρεσία γίνεται φθηνότερη, η χρήση της μπορεί να αυξηθεί τόσο πολύ ώστε να ενισχυθεί τελικά η συνολική ζήτηση. Στην περίπτωση της AI, όμως, αυτό δεν αρκεί από μόνο του για να εξασφαλίσει μεγαλύτερα κέρδη.

Ακόμη και αν ο όγκος των tokens αυξηθεί θεαματικά, το οικονομικό αποτέλεσμα θα εξαρτηθεί από το κόστος επεξεργασίας κάθε μονάδας, τις τιμές που μπορούν να χρεώνουν οι εταιρείες και το περιθώριο κέρδους που απομένει μετά την κάλυψη των λειτουργικών και υπολογιστικών δαπανών.

Εάν η μείωση των τιμών είναι ταχύτερη από την αύξηση της χρήσης, η επέκταση της δραστηριότητας μπορεί να συνοδεύεται από συνεχιζόμενες ζημίες αντί για βελτίωση της κερδοφορίας.

Αμφισβητείται η διάρκεια της ζήτησης

Πρόσθετο ερώτημα δημιουργούν οι ενδείξεις υποχώρησης της ζήτησης για ορισμένα μοντέλα της Anthropic σε πλατφόρμες όπως το OpenRouter. Εφόσον η τάση αυτή επιβεβαιωθεί και αποκτήσει διάρκεια, θα μπορούσε να επηρεάσει τις προσδοκίες για την ανάπτυξη των εσόδων της εταιρείας.

Παράλληλα, ενισχύεται η συζήτηση για το αν η αγορά θα στραφεί σταδιακά προς μικρότερα μοντέλα, τα οποία μπορούν να εκτελούνται τοπικά σε προσωπικούς υπολογιστές ή εταιρικά συστήματα, με χαμηλότερο κόστος και μικρότερη εξάρτηση από μεγάλα κέντρα δεδομένων.

Μια τέτοια εξέλιξη δεν θα σήμαινε απαραίτητα ότι τα μεγάλα μοντέλα θα χάσουν τη σημασία τους. Θα μπορούσε, ωστόσο, να περιορίσει τη δυνατότητα των σημερινών πρωταγωνιστών να διατηρήσουν υψηλές τιμές και να δικαιολογήσουν επενδύσεις τεράστιας κλίμακας.

Για τις εταιρείες που έχουν οικοδομήσει τις στρατηγικές τους πάνω στην υπόθεση ότι η ζήτηση θα αυξάνεται διαρκώς, η εξέλιξη της τεχνολογίας αποτελεί ταυτόχρονα ευκαιρία και κίνδυνο.

Οι αποτιμήσεις δοκιμάζονται από την αγορά χρέους

Ο σκεπτικισμός δεν περιορίζεται στις μετοχικές αγορές. Επεκτείνεται και στη χρηματοδότηση μέσω δανεισμού, όπου οι επενδυτές εξετάζουν όλο και πιο προσεκτικά την αξία των εταιρειών και την ποιότητα των εξασφαλίσεων που προσφέρονται.

Χαρακτηριστική είναι η περίπτωση της SoftBank, η οποία επιχείρησε να εξασφαλίσει δανεισμό για τη χρηματοδότηση της συμμετοχής της στην OpenAI. Σύμφωνα με το δημοσίευμα, οι πιο συντηρητικοί επενδυτές ομολόγων ζήτησαν πρόσθετες εγγυήσεις.

Η στάση αυτή υποδηλώνει ότι η αποτίμηση μιας εταιρείας στις ιδιωτικές αγορές δεν γίνεται αυτομάτως αποδεκτή ως επαρκής βάση για τη χορήγηση δανείων. Οι πιστωτές ενδιαφέρονται πρωτίστως για την ικανότητα αποπληρωμής, τις ταμειακές ροές και την αξία των εξασφαλίσεων σε ένα δυσμενές σενάριο.

Το ζήτημα αποκτά ιδιαίτερη σημασία ενόψει πιθανών δημόσιων εγγραφών. Μια εταιρεία μπορεί να διαθέτει εντυπωσιακή τεχνολογία και υψηλούς ρυθμούς ανάπτυξης, αλλά η χρηματιστηριακή της αξία θα εξαρτηθεί τελικά και από το κατά πόσο μπορεί να δημιουργήσει βιώσιμα κέρδη.

Το μεγάλο στοίχημα του 1,2 τρισ. δολαρίων

Η συζήτηση για την κερδοφορία των εργαστηρίων AI συνδέεται με ένα ακόμη μεγαλύτερο ζήτημα: πόσο πρόσθετο πλούτο μπορεί να δημιουργήσει συνολικά η τεχνολογική βιομηχανία και από πού θα προέλθει.

Ο επικεφαλής οικονομολόγος της Apollo, Τόρστεν Σλοκ, εκτιμά ότι οι μεγάλοι αμερικανικοί τεχνολογικοί όμιλοι θα αυξήσουν τις λειτουργικές ταμειακές ροές τους κατά περισσότερα από 1,2 τρισ. δολάρια την περίοδο 2025-2028. Πρόκειται για μια εξαιρετικά μεγάλη αύξηση, η οποία υπερβαίνει, σύμφωνα με την εκτίμησή του, την αντίστοιχη συνολική αύξηση των υπόλοιπων κλάδων.

Για να υλοποιηθεί αυτή η πρόβλεψη, θα πρέπει να δημιουργηθούν αντίστοιχες πηγές εσόδων και εξοικονόμησης κόστους στην υπόλοιπη οικονομία. Οι επιχειρήσεις που αγοράζουν υπηρεσίες τεχνητής νοημοσύνης θα πρέπει να αποκομίσουν αρκετά οφέλη ώστε να δικαιολογούν τις δαπάνες τους, ενώ οι καταναλωτές θα πρέπει να είναι διατεθειμένοι να πληρώνουν για τις νέες υπηρεσίες.

Εάν η AI αυξήσει σημαντικά την παραγωγικότητα, μειώσει τα λειτουργικά έξοδα και δημιουργήσει νέες αγορές, οι επενδύσεις μπορούν σταδιακά να μετατραπούν σε πραγματική οικονομική αξία. Εάν, αντίθετα, τα έσοδα των παρόχων αυξάνονται χωρίς ανάλογη βελτίωση της παραγωγικότητας και της κερδοφορίας των πελατών τους, το χρηματοδοτικό βάρος μπορεί να γίνει δυσβάστακτο.

Γιατί το ζήτημα αφορά ολόκληρη τη Wall Street

Οι επιπτώσεις ξεπερνούν κατά πολύ την πορεία μιας μεμονωμένης δημόσιας εγγραφής. Η παγκόσμια χρηματιστηριακή άνοδος στηρίζεται σε μεγάλο βαθμό στην προσδοκία ότι η τεχνητή νοημοσύνη θα μετασχηματίσει την οικονομία και ότι οι σημερινοί τεχνολογικοί πρωταγωνιστές θα είναι εκείνοι που θα αποκομίσουν το μεγαλύτερο μέρος των οικονομικών οφελών.

Αυτό το αφήγημα προϋποθέτει ότι οι επενδύσεις σε υπολογιστική ισχύ, μοντέλα και υποδομές θα αποδώσουν επαρκή κέρδη. Εάν οι αποδόσεις αποδειχθούν χαμηλότερες από τις προσδοκίες ή χρειαστούν περισσότερα χρόνια για να υλοποιηθούν, οι αποτιμήσεις ενδέχεται να δεχθούν σημαντικές πιέσεις.

Δεν σημαίνει ότι η τεχνητή νοημοσύνη δεν θα αλλάξει τον κόσμο ή ότι οι σημερινές επενδύσεις είναι καταδικασμένες να αποτύχουν. Σημαίνει, όμως, ότι η τεχνολογική πρόοδος και η επενδυτική επιτυχία δεν είναι το ίδιο πράγμα.

Η πραγματική δοκιμασία για τα εργαστήρια AI είναι να αποδείξουν ότι μπορούν να μετατρέψουν την τεράστια ζήτηση σε διατηρήσιμα κέρδη. Μέχρι να συμβεί αυτό, η ταχεία αύξηση των εσόδων θα συνυπάρχει με ένα κρίσιμο ερώτημα για τις αγορές: πόσο ακόμη κεφάλαιο απαιτείται και ποιος θα είναι τελικά διατεθειμένος να το διαθέσει.