Το πρόβλημα όμως είναι ότι η βάση των επενδεδυμένων κεφαλαίων αυξάνεται πολύ ταχύτερα.

Έτσι, η UBS βλέπει υποχώρηση του Cash Flow Return on Investment (CFROI) των μεγάλων hyperscalers μέχρι το 2028.

Με απλά λόγια:

οι εταιρείες μπορεί να συνεχίσουν να εμφανίζουν υψηλά κέρδη, αλλά κάθε νέο δολάριο που επενδύουν ενδέχεται να παράγει μικρότερη απόδοση από το προηγούμενο.

Και αυτό είναι κρίσιμο για τις αποτιμήσεις.

Οι πέντε hyperscalers αντιμετωπίζουν χρηματοδοτικό κενό $227 δισ.

Η UBS υπολογίζει ότι οι πέντε μεγάλοι hyperscalers:

Microsoft

Meta

Alphabet

Amazon

Oracle

θα αντιμετωπίσουν το 2027 ένα συνολικό χρηματοδοτικό κενό περίπου 227 δισ. δολαρίων σε σχέση με τις λειτουργικές και χρηματοδοτικές τους υποχρεώσεις.

Το στοιχείο αυτό αποκτά ακόμη μεγαλύτερη σημασία επειδή οι εταιρείες δεν περιορίζονται πλέον σε κλασικές επενδύσεις τεχνολογίας.

Η AI επανάσταση απαιτεί:

data centers → GPUs → networking → ηλεκτρική ενέργεια → ψύξη → αποθήκευση → νέες υποδομές.

Το συνολικό capital intensity αυξάνεται δραματικά.

Και όσο αυξάνεται το επενδυτικό κόστος, τόσο αυξάνεται η ανάγκη να αποδειχθεί ότι η τελική ζήτηση για AI υπηρεσίες μπορεί να δημιουργήσει ανάλογες ταμειακές ροές.

Η ιστορία δεν είναι ιδιαίτερα καθησυχαστική

Η UBS εξέτασε περίπου 650 μεγάλες επενδυτικές εκρήξεις κεφαλαιουχικών δαπανών από το 1998.

Το αποτέλεσμα είναι εντυπωσιακό:

στο 60% των περιπτώσεων ακολούθησε μόνιμη υποχώρηση του CFROI.

Και το φαινόμενο ήταν εντονότερο στις επιχειρήσεις που ξεκινούσαν ήδη από πολύ υψηλά επίπεδα αποδοτικότητας.

Αυτό έχει άμεση σχέση με την AI επενδυτική ιστορία.

Οι σημερινοί hyperscalers ξεκινούν από εξαιρετικά υψηλά περιθώρια και returns on capital.

Επομένως, το ερώτημα δεν είναι αν μπορούν να διατηρήσουν την κερδοφορία τους.

Το πιο δύσκολο ερώτημα είναι:

Μπορούν να επενδύουν εκατοντάδες δισεκατομμύρια δολάρια επιπλέον και να διατηρούν ταυτόχρονα τις σημερινές αποδόσεις του κεφαλαίου;

Και οι ημιαγωγοί έχουν διαφορετικό πρόβλημα

Στους ημιαγωγούς η UBS βλέπει μια διαφορετική πηγή κινδύνου.

Οι αποδόσεις του κλάδου έχουν περίπου τριπλασιαστεί, φτάνοντας κοντά στο 30%.

Πρόκειται για επίδοση εξαιρετικά σπάνια στην ιστορία των αγορών.

Σύμφωνα με την UBS, λιγότερο από 1% των εταιρειών από το 1990 έχουν καταφέρει να παρουσιάσουν αντίστοιχη αύξηση των returns.

Το πρόβλημα βρίσκεται στις αποτιμήσεις.

Οι σημερινές τιμές προϋποθέτουν ουσιαστικά ότι αυτές οι εξαιρετικά υψηλές αποδόσεις θα παραμείνουν για περίπου πέντε χρόνια.

Αυτό όμως έρχεται σε αντίθεση με τη βασική οικονομική αρχή του ανταγωνισμού:

όταν ένας κλάδος εμφανίζει εξαιρετικά υψηλές αποδόσεις, προσελκύει κεφάλαια, ανταγωνιστές και νέα παραγωγική δυναμικότητα, με αποτέλεσμα οι αποδόσεις να τείνουν τελικά να υποχωρούν.

DeepSeek και Moonshot: το κινεζικό «τεστ» για τα AI moats

Η UBS χρησιμοποιεί ως χαρακτηριστικά παραδείγματα τις κινεζικές εταιρείες AI DeepSeek και Moonshot.

Ο λόγος είναι ότι η κινεζική αγορά έχει διαφορετική σχέση με την κερδοφορία.

Οι κινεζικές επιχειρήσεις τεχνολογίας συχνά δίνουν μεγαλύτερη έμφαση στην απόκτηση μεριδίου αγοράς παρά στη μεγιστοποίηση των περιθωρίων.

Αυτό δημιουργεί έναν πιθανό κίνδυνο για τις αμερικανικές εταιρείες:

Εάν η τεχνολογική πρόοδος μειώσει γρήγορα το κόστος υπολογισμού και εκπαίδευσης μοντέλων, τα σημερινά οικονομικά «τείχη» γύρω από τις AI υποδομές μπορεί να μην αποδειχθούν τόσο ισχυρά όσο υποθέτουν οι αποτιμήσεις.

Με άλλα λόγια, η τεχνολογική υπεροχή δεν εγγυάται απαραίτητα οικονομικό moat.

Το software έχει ήδη δεχθεί το πρώτο χτύπημα

Η αγορά έχει ήδη προεξοφλήσει σημαντικό μέρος του κινδύνου στον χώρο του software, των enterprise data και των υπηρεσιών.

Οι συνολικοί δείκτες price-to-book των εταιρειών αυτών έχουν υποχωρήσει περίπου 40% μέσα σε 18 μήνες, καθώς οι επενδυτές φοβούνται ότι το AI μπορεί να διαταράξει τα παραδοσιακά επιχειρηματικά μοντέλα.

Αλλά και εδώ η ιστορία της UBS είναι προειδοποιητική.

Σε ιστορικό δείγμα μετοχών που υπέστησαν αντίστοιχη απομείωση αποτίμησης, περίπου 80% δεν κατάφεραν να επιστρέψουν στα προηγούμενα επίπεδα valuation μέσα σε μία δεκαετία.

Άρα η UBS δεν θεωρεί ότι όλο το damage στο software έχει απαραίτητα ολοκληρωθεί.

Πού θα στραφούν οι επενδυτές εάν το AI trade αρχίσει να ξεφουσκώνει;

Η ιστορική ανάλυση της UBS δείχνει ότι σε προηγούμενες μεγάλες τεχνολογικές διορθώσεις, δύο επενδυτικές στρατηγικές είχαν ιδιαίτερα καλή συμπεριφορά:

Ωστόσο, η UBS προειδοποιεί ότι ούτε το Value ούτε το Low Volatility αποτελούν σήμερα απόλυτη λύση.

Το παραδοσιακό πλεονέκτημα του Value έχει αποδυναμωθεί από το 2023, ενώ οι low-volatility μετοχές συχνά υποαποδίδουν όταν δεν υπάρχει πραγματικό sell-off.

Επομένως, η επιλογή μετοχών με ισχυρά θεμελιώδη μεγέθη παραμένει κρίσιμη.

Το πραγματικό πρόβλημα του AI trade

Η UBS ουσιαστικά μεταφέρει τη συζήτηση από το:

«Πόσο θα μεγαλώσουν τα έσοδα από το AI;»

στο πολύ πιο δύσκολο:

«Πόσο κεφάλαιο απαιτείται για να δημιουργηθεί αυτή η ανάπτυξη και τι απόδοση θα έχει αυτό το κεφάλαιο;»

Αυτό είναι ένα κρίσιμο σημείο.

Για όσο διάστημα τα AI revenues αυξάνονται ταχύτερα από το invested capital, το story παραμένει εξαιρετικά ισχυρό.

Αν όμως συμβεί το αντίθετο — αν δηλαδή τα data centers, οι GPUs και οι ενεργειακές υποδομές αυξάνονται ταχύτερα από τις πραγματικές ταμειακές ροές που παράγει το AI — τότε η αγορά θα αρχίσει να αμφισβητεί όχι την τεχνολογία, αλλά την οικονομική απόδοση της τεχνολογίας.

Και εκεί βρίσκεται ο μεγαλύτερος κίνδυνος για τις σημερινές αποτιμήσεις.

Συμπέρασμα

Η UBS δεν λέει ότι η AI επανάσταση τελειώνει.

Λέει κάτι πιο ενδιαφέρον και πιο επικίνδυνο για τις αγορές:

η τεχνολογία μπορεί να συνεχίσει να προοδεύει, ενώ ταυτόχρονα οι αποδόσεις των επενδύσεων στην τεχνολογία να αρχίσουν να μειώνονται.

Οι hyperscalers διαθέτουν τεράστια οικονομική ισχύ, οι ημιαγωγοί βρίσκονται στο επίκεντρο της AI ανάπτυξης και η ζήτηση για υπολογιστική ισχύ παραμένει ισχυρή.

Όμως οι αγορές έχουν ήδη προεξοφλήσει πολλά.

Με τη μεταβλητότητα να βρίσκεται σε επίπεδα που θυμίζουν την εποχή της dot-com και με 227 δισ. δολάρια χρηματοδοτικού κενού να εμφανίζονται μπροστά στους πέντε μεγάλους hyperscalers, το επόμενο στάδιο του AI trade δεν θα κριθεί μόνο από το πόσο γρήγορα αναπτύσσεται η τεχνητή νοημοσύνη.

Θα κριθεί από κάτι πολύ πιο πεζό:

πόσα δολάρια επενδύονται για κάθε δολάριο επιπλέον ταμειακών ροών που τελικά παράγει το AI.