Waarom Geo Chen de AI-bullmarkt voorbij haar hoogtepunt ziet

Zijn analyse draait om vier ontwikkelingen die elkaar volgens hem versterken.

1. De hefboom van Zuid-Koreaanse particuliere beleggers valt weg

Chen ziet Zuid-Koreaanse particuliere beleggers als het duidelijkste voorbeeld van zogenoemd ‘kapitaal van lage kwaliteit’ in de oververhitte fase van deze cyclus. Zij stapelden zich op in ETF’s met een hefboom van twee of drie keer, gericht op onder meer SK Hynix, Samsung en de KOSPI. Daardoor ontstond volgens Chen een grote hoeveelheid kunstmatige koopkracht .

De structuur van deze producten dwong marketmakers bovendien tot agressieve hedging. Hun blootstelling aan negatieve gamma betekende in de praktijk: kopen op stijgende dagen en verkopen wanneer de markt daalde. Dat versterkte de bewegingen en droeg bij aan een keten van margin calls .

Citi schat dat het afbouwen van de hefboomproducten 38,7 miljard dollar heeft weggevaagd. Naar schatting 1,2 miljoen rekeningen werden geliquideerd — ongeveer één op de dertig Zuid-Koreaanse volwassenen . De KOSPI is sindsdien bijna 30 procent gedaald vanaf de piek in juni. De beursuitbater legde de handel meerdere keren stil nadat verliezen boven de 10 procent uitkwamen .

Volgens Chen zal dit verzwakte kapitaal niet snel terugkeren. Parabolische bullmarkten die door zulke hefboomconstructies worden gedragen, eindigen volgens hem vrijwel altijd in een langdurige bearmarkt .

2. Chinese AI-modellen zetten het verdienmodel onder druk

De tweede pijler van Chens visie is de opmars van Chinese open-source- en open-weight-modellen. Die ontwikkeling ondermijnt volgens hem het zakelijke fundament van frontierlabs die met gesloten modellen werken.

De concurrentieverhoudingen verschuiven snel:

• Moonshot AI’s Kimi K3 behaalde 1.679 punten in Code Arena, meer dan Claude Fable 5 met 1.631 punten .
• Alibaba bracht Qwen 3.8 uit, een open-weight-model met 2,4 biljoen parameters .
• GLM-5 van Zai en het multi-agentsysteem Fugu van Sakana AI laten volgens de aangehaalde analyses zien dat kleinere concurrenten met efficiëntere methodes — zoals DeepSeek Sparse Attention en Recursive Self-Improvement — de kwaliteitskloof tegen een fractie van de kosten kunnen verkleinen .

De kern van Chens redenering: als 80 tot 90 procent van alle tokens naar goedkopere of open-source-modellen verschuift, wordt de omzetmarkt aan de absolute top van de kwaliteitsladder veel kleiner .

Daarmee komt ook de zogenoemde capex-vliegwielwerking onder druk te staan. Het huidige AI-beleggingsverhaal veronderstelt dat de beste modellen een hoge prijs kunnen vragen en zo enorme investeringen in datacenters en chips rechtvaardigen. Als gebruikers massaal overstappen op goedkopere alternatieven, wordt die redenering volgens Chen van onderaf uitgehold.

3. Rekenvermogen kan van knelpunt in overschot veranderen

Jarenlang was het dominante verhaal op de AI-markt dat rekenkracht structureel schaars was. Chen denkt dat dit begint te keren. Hij wijst op verschillende ontwikkelingen die samen voor een overschot kunnen zorgen:

• Meta bouwt aan een cloudbedrijf waarmee het rekenkracht wil verhuren. Dat vergroot het totale aanbod en daagt het idee uit dat compute structureel schaars is .
• AI-labs verlagen de kosten van inference — het uitvoeren van modellen — snel. Tokenbestedingsindices van Silicon Data dalen sinds hun piek in juni, wat erop wijst dat efficiëntiewinsten de groei van de vraag kunnen overtreffen .
• OpenAI zou zijn beursgang uitstellen en moeite hebben om nieuwe financiering aan te trekken. Dat kan volgens Chen doorwerken in de toeleveringsketen van halfgeleiders .
• Google verhoogde zijn verwachting voor AI-kapitaaluitgaven in 2026 naar 205 miljard dollar, maar het aandeel daalde na dat nieuws met 7 procent. De markt lijkt uitbreiding van de investeringen niet langer automatisch te belonen .
• De kredietspreads voor datacenters lopen op, een signaal dat het kredietrisico in de compute-infrastructuur toeneemt .

Chen maakt daarbij een belangrijk punt: de investeringen die een knelpunt oplossen, maken dat knelpunt uiteindelijk minder waardevol als beleggingsverhaal . Hoe meer hyperscalers bouwen, hoe minder schaars rekenvermogen wordt — en hoe lager het rendement op die investeringen kan uitvallen.

4. Fed-beleid en stagflatie vergroten de druk

Boven op de AI-specifieke risico’s komen twee macro-economische krachten.

De oorlog met Iran kan de inflatie opnieuw aanwakkeren. Volgens de aangehaalde analyse heeft de oorlog de Verenigde Staten al 37,5 miljard dollar gekost nadat een staakt-het-vuren in juli 2026 instortte. Brentolie steeg van 70 naar 85 dollar per vat. Chen waarschuwt voor een langdurig conflict dat telkens opnieuw kan oplaaien en de olieprijs periodiek hoger kan zetten . In combinatie met vier inflatieschokken ontstaat volgens hem een van de sterkste en hardnekkigste periodes van stagflatoire druk in jaren .

Ook het vertrouwen in de Federal Reserve staat onder druk. Het rendement op Amerikaanse 30-jarige staatsobligaties steeg boven 5,2 procent, het hoogste niveau in twee jaar. De bearish steepening — waarbij langlopende rentes sterker oplopen dan kortlopende — weerspiegelt volgens Chen de vrees dat de Fed onder leiding van Christopher Waller de inflatie minder goed onder controle heeft. Doordat het FOMC de rente niet verhoogde, zouden inflatieverwachtingen bovendien minder goed verankerd raken .

Een hoger dan verwacht PCE-inflatiecijfer kan de Fed, de korte rente en de dollar opnieuw rechtstreeks in het risicogebied van overvolle AI-posities brengen . Vooral de langlopende en speculatieve onderdelen van de AI-handel zijn kwetsbaar voor zo’n klimaat.

Chens conclusie: cash, goud en sectorrotatie

Chen vergelijkt de huidige situatie expliciet met maart 2000, maart 2008, januari 2020 en december 2022 — momenten die voorafgingen aan zware marktbewegingen . Hij houdt naar eigen zeggen cash aan, koopt goud bij zwakte en ziet geld wegstromen uit AI richting gezondheidszorg, financiële waarden, software en biotech .

Zijn basisscenario is geen onmiddellijke crash, maar een topvormingsproces dat meerdere maanden kan duren. In die periode kan de markt verder schommelen terwijl overtollige speculatie wordt afgebouwd.

De analyse van Chen is daarmee meer dan een simpele waarschuwing dat AI-aandelen duur zijn. Zijn structurele argument luidt dat precies de krachten die de sector naar parabolische hoogten stuwden — hefboomwerking, schaarste aan compute en de verwachting van premiumprijzen voor frontiermodellen — nu beginnen om te keren. Voor beleggers met AI-gerelateerde activa biedt dat een reden om niet alleen naar omzet- en winstverwachtingen te kijken, maar ook naar liquiditeit, concurrentie, aanbod van rekenkracht en het bredere renteklimaat.