Geo Chen z Fidenza Macro otáčí proti AI: čtyři důvody, proč podle něj býčí trh vrcholí

Jeho argumentace stojí na čtyřech propojených pilířích. Nejde podle něj jen o krátkodobý výprodej, ale o možnou změnu režimu, v němž se dosavadní motory růstu AI trhu začínají obracet proti němu.

1. Korejské pákové spekulace: prasknutí „nekvalitního kapitálu“

Chen označuje drobné investory z Jižní Koreje za typický příklad „nekvalitního kapitálu“, který v závěrečné fázi růstu přiživoval přestřelení trhu. Investoři ve velkém nakupovali 2× a 3× pákové ETF zaměřené na SK Hynix, Samsung a index KOSPI. Tím podle Chena vytvořili stovky miliard dolarů syntetické kupní síly .

Mechanika zajišťování těchto produktů přitom nutila tvůrce trhu budovat výraznou zápornou gamma expozici: během růstu nakupovali a při poklesu naopak prodávali. To zesilovalo volatilitu a mohlo spouštět řetězové výzvy k doplnění marže .

Citi odhaduje, že odmotávání pákových produktů vymazalo 38,7 miliardy dolarů a vedlo k likvidaci přibližně 1,2 milionu účtů — zhruba jednoho z třiceti dospělých obyvatel Jižní Koreje . KOSPI od červnového vrcholu následně klesl téměř o 30 %. Provozovatel trhu musel několikrát pozastavit obchodování poté, co ztráty překročily 10 % .

Chen se domnívá, že tento oslabený kapitál se na trh jen tak nevrátí. Parabolické růsty založené na podobné páce podle něj často končí delším medvědím trhem, nikoli pouze krátkou korekcí .

2. Čínské AI modely: tlak na náskok uzavřených systémů

Druhý pilíř se týká konkurence čínských open-source a open-weight modelů. Podle Chena přímo zpochybňují obchodní logiku předních laboratoří, které stavěly na tom, že nejlepší uzavřené modely budou moci účtovat prémiové ceny.

• Model Kimi K3 od Moonshot AI dosáhl v žebříčku Code Arena skóre 1 679, čímž překonal Claude Fable 5 se skóre 1 631 .
• Alibaba uvedla Qwen 3.8, model s otevřenými vahami a 2,4 bilionu parametrů .
• Model GLM-5 od Zai a multiagentní systém Fugu od Sakana AI podle dostupných popisů ukazují, že menší a pružnější konkurenti dokážou díky novým metodám zvyšování efektivity — například DeepSeek Sparse Attention nebo Recursive Self-Improvement — zmenšovat kvalitativní rozdíl za zlomek nákladů .

Chenův hlavní argument je jednoduchý, ale pro valuace AI firem zásadní: pokud se 80 až 90 % tokenů přesune k levnějším nebo open-source modelům, výrazně se zúží příjmový prostor na samotném vrcholu kvalitativního spektra .

Tím by se narušil takzvaný kapitálový cyklus AI: vysoké očekávané příjmy z nejlepších modelů ospravedlňují masivní investice do datových center a čipů, ty následně zvyšují kapacitu a podporují další růst. Pokud se však prémiová cena za špičkový model začne rozplývat, oslabuje i ekonomický základ pro další obří investice do infrastruktury.

3. Výpočetní kapacita: od nedostatku k přebytku

Třetí pilíř Chen považuje za možná nejvíce strukturálně škodlivý. Dosavadní příběh AI trhu stál na předpokladu, že výpočetní výkon je dlouhodobě nedostatkový. Tento předpoklad se však podle něj začíná obracet.

Chen upozorňuje na několik souběžných trendů:

• Meta buduje cloudovou činnost, v jejímž rámci chce pronajímat vlastní výpočetní kapacitu. Tím se celková nabídka dále zvýší .
• AI laboratoře rychle snižují náklady na inferenci, tedy na samotné používání modelů. Indexy výdajů za tokeny od společnosti Silicon Data podle citovaných materiálů od červnového vrcholu klesají, což naznačuje, že růst hardwarové efektivity předbíhá růst poptávky .
• OpenAI údajně odkládá primární nabídku akcií a obtížněji získává nové financování. To by se mohlo přelít i do dodavatelského řetězce polovodičů .
• Google zvýšil odhad kapitálových výdajů na AI v roce 2026 na 205 miliard dolarů, jeho akcie však po této zprávě klesly o 7 %. Trh podle Chena už samotné navyšování investic neodměňuje .
• Rozšiřují se úvěrové spready datových center, což signalizuje rostoucí úvěrové riziko v sektoru výpočetní infrastruktury .

Chen upozorňuje na paradox: právě investice, které mají odstranit úzké hrdlo v podobě nedostatku výpočetního výkonu, mohou zničit příběh o jeho nedostatkovosti — tedy příběh, který pomáhal ospravedlňovat vysoké ceny akcií . Čím více kapacity hyperscale firmy vybudují, tím méně vzácná bude a tím nižší mohou být výnosy z dalšího kapitálu.

4. Fed, ropa a stagflace

AI specifická rizika se podle Chena setkávají s nepříznivým makroekonomickým prostředím. Za první z dvojice hlavních makro faktorů považuje válku s Íránem. Po zhroucení příměří v červenci 2026 měla konflikt podle citovaných odhadů stát Spojené státy 37,5 miliardy dolarů. Cena ropy Brent vzrostla ze 70 na 85 dolarů za barel a Chen varuje před dlouhým konfliktem typu „zapnuto–vypnuto“, který by mohl opakovaně tlačit ceny ropy vzhůru .

V kombinaci se čtyřmi inflačními šoky to podle něj vytváří „nejsilnější a nejvytrvalejší stagflační tlak“ za poslední roky . Stagflace — tedy současná kombinace slabšího růstu a vysoké inflace — bývá obzvlášť nepříjemná pro aktiva, jejichž valuace stojí na očekávání vzdálených budoucích zisků.

Druhým faktorem je podle Chena slábnoucí důvěra v americký Federální rezervní systém. Výnos třicetiletých amerických státních dluhopisů překonal 5,2 %, což představovalo dvouleté maximum. Takzvané medvědí zplošťování či strmění výnosové křivky podle citovaných komentářů odráží názor trhu, že Fed pod vedením Christophera Wallera ztrácí kontrolu nad inflací. Neschopnost Výboru pro operace na volném trhu sazby zvýšit měla zároveň umožnit rozkolísání inflačních očekávání .

Vyšší než očekávaný údaj PCE — preferovaný ukazatel inflace Fedu — by podle Chena mohl do centra pozornosti znovu dostat Fed, krátkodobé výnosy i dolar. To by zasáhlo přeplněné AI obchody právě ve chvíli, kdy investoři omezují nejdelší a nejcitlivější sázky .

Co z toho Chen vyvozuje?

Chen přirovnává současný okamžik k březnu 2000, březnu 2008, lednu 2020 a prosinci 2022 — tedy k obdobím, která předcházela prudkým tržním otřesům . Jeho vlastní strategie je nyní defenzivní: drží hotovost, při poklesech přikupuje zlato a očekává přesun kapitálu z AI do zdravotnictví, finančních společností, softwaru a biotechnologií .

Základním scénářem je pro něj několikaměsíční proces tvorby vrcholu a další turbulence, protože se bude dál odvíjet spekulativní přebytek. Nejde tedy jen o předpověď dalšího poklesu cen. Chen tvrdí, že se obracejí samotné mechanismy, které AI akcie vynesly na parabolické úrovně: pákové financování slábne, konkurence zlevňuje modely, výpočetní kapacita přestává být vzácná a makroekonomické podmínky přestávají nahrávat rizikovým aktivům.

Pro investory, kteří stále drží AI akcie nebo související aktiva, je to především rámec k zamyšlení nad tím, zda současný růst ještě nabízí prostor, nebo zda trh již vstoupil do fáze obratu. Chenův pohled zůstává scénářem jednoho analytika, nikoli jistotou — jeho síla spočívá v tom, že propojuje tržní páku, technologickou konkurenci, nabídku infrastruktury a měnovou politiku do jednoho uceleného varování.