Geo Chen ser vendepunkt for AI-markedet

Dette er ikke bare et kortsiktig syn på svakere aksjekurser. Chen mener selve drivkreftene bak oppgangen er i ferd med å snu. Analysen hans bygger på fire hovedpunkter.

1. Belånte koreanske småsparere har forsterket fallet

Chen peker på koreanske privatinvestorer som den viktigste kilden til det han kaller «lavkvalitetskapital» i den sene fasen av oppgangen. Mange kjøpte børshandlede fond med to eller tre ganger belåning, knyttet til blant annet SK Hynix, Samsung og KOSPI-indeksen. Ifølge Chen skapte dette enorme mengder kunstig kjøpekraft .

Når slike produkter stiger, må markedsaktørene som sikrer dem ofte kjøpe mer. Når markedet faller, må de i stedet selge. Denne mekanikken kan forsterke både opp- og nedturene, og bidra til en kjedereaksjon av margin calls og tvangssalg .

Citi anslår at avviklingen av de belånte produktene har utslettet 38,7 milliarder dollar, og at rundt 1,2 millioner kontoer er blitt likvidert – omtrent én av 30 voksne i Sør-Korea . KOSPI har siden falt nær 30 prosent fra toppen i juni. Børsoperatøren har flere ganger måttet stanse handelen etter fall på over 10 prosent .

Chen mener kapitalen som er blitt slått ut, neppe kommer raskt tilbake. Historisk har parabolsk stigende markeder drevet av høy belåning ofte blitt fulgt av langvarige bjørnemarkeder, argumenterer han .

2. Kinesiske AI-modeller presser de lukkede modellene

Det andre punktet handler om konkurransen fra kinesiske, åpne eller delvis åpne AI-modeller. Chen mener utviklingen utfordrer ideen om at de største, lukkede modellene skal kunne ta ut en varig premie.

Blant eksemplene han trekker frem, er:

• Moonshot AIs Kimi K3 fikk 1 679 poeng i Code Arena, foran Claude Fable 5 med 1 631 poeng .
• Alibaba lanserte Qwen 3.8, en modell med åpne vekter og 2,4 billioner parametere .
• Zais GLM-5 og Sakana AIs multiagentsystem Fugu viser ifølge Chen hvordan mindre aktører kan hente inn kvalitetsforskjellen ved hjelp av mer effektive metoder, blant annet DeepSeek Sparse Attention og Recursive Self-Improvement .

Kjernen i resonnementet er at dersom 80–90 prosent av bruken flyttes til billigere eller åpne modeller, blir inntektsgrunnlaget for de aller dyreste modellene langt smalere . Da kan også investeringsspiralen i AI-infrastruktur svekkes: Lavere priser og mer konkurranse gjør det vanskeligere å forsvare stadig større investeringer i datasentre, brikker og datakraft.

3. Datakraft kan gå fra knapphet til overtilbud

Den tredje og kanskje mest strukturelle bekymringen er at datakraft ikke lenger vil være en knapp ressurs. Chen mener den enorme utbyggingen som skulle løse kapasitetsmangelen, samtidig kan fjerne knappheten som gjorde investeringene så attraktive .

Han viser blant annet til følgende utviklingstrekk:

• Meta bygger en skytjeneste for å leie ut datakapasitet, noe som kan øke det samlede tilbudet .
• AI-laboratorier reduserer kostnadene ved såkalt inferens, altså kjøringen av modeller etter at de er trent. Tokenforbruksindekser fra Silicon Data har falt siden toppen i juni, noe Chen tolker som et tegn på at effektiviseringen av maskinvaren løper raskere enn etterspørselen .
• OpenAI vurderer å utsette en børsnotering og skal ha problemer med å hente inn ny kapital. Chen mener dette kan få følger videre nedover i halvlederkjeden .
• Google løftet prognosen for AI-relaterte investeringer i 2026 til 205 milliarder dollar, men aksjen falt 7 prosent etter nyheten. Chen tolker reaksjonen som et tegn på at markedet ikke lenger belønner stadig høyere investeringer .
• Kredittpåslagene for datasentre øker, noe som signaliserer høyere kredittrisiko i sektoren .

Ifølge Chen er paradokset enkelt: Jo mer hyperskalere som Meta, Google og andre bygger ut, desto mindre sjelden blir datakraften – og desto lavere kan avkastningen på den nye kapasiteten bli.

4. Renter, olje og risiko for stagflasjon

AI-spesifikke utfordringer kommer samtidig som makrobildet blir vanskeligere. Chen trekker frem krigen med Iran og Federal Reserves pengepolitikk som to kilder til ekstra press.

Han anslår at Iran-krigen allerede har kostet USA 37,5 milliarder dollar etter at våpenhvilen brøt sammen i juli 2026. Brent-olje steg fra 70 til 85 dollar fatet, og Chen advarer om en langvarig konflikt som kan blusse opp og roe seg ned igjen i perioder – med nye prissjokk på olje som resultat . Sammen med fire inflasjonssjokk mener han dette har skapt noe av det sterkeste og mest langvarige stagflasjonspresset på flere år . Stagflasjon betyr en kombinasjon av høy prisvekst og svak økonomisk vekst.

Han mener også at Federal Reserves troverdighet er under press. Den amerikanske tiårsrenten med 30 års løpetid har steget over 5,2 prosent, det høyeste nivået på to år. Den såkalte bearish steepening-kurven – der lange renter stiger raskere enn korte – kan tolkes som at markedet frykter at sentralbanken mister kontrollen over inflasjonen. Chen mener manglende renteøkninger fra rentekomiteen har bidratt til at inflasjonsforventningene løsner .

Et høyere enn ventet PCE-tall, et viktig amerikansk mål på privat konsum og inflasjon, kan ifølge Chen igjen sette Federal Reserve, korte renter og dollaren i sentrum for AI-handelen . Det vil særlig ramme de mest spekulative AI-selskapene, som er avhengige av lave renter og høye fremtidige vekstforventninger.

Chen holder kontanter og kjøper gull

Chen sammenligner situasjonen med mars 2000, mars 2008, januar 2020 og desember 2022 – perioder han ser som vendepunkter før kraftig markedsuro . Han sier at han nå sitter med kontanter, kjøper gull når prisene faller, og ser kapital flytte seg fra AI til helse, finans, programvare og bioteknologi .

Hans hovedscenario er ikke nødvendigvis et øyeblikkelig krakk, men en toppdannelse over flere måneder – en periode der markedet gradvis blir mer urolig mens overbelånte posisjoner avvikles.

Chen tilbyr dermed mer enn en spådom om lavere AI-aksjer. Tesens viktigste poeng er at kreftene som løftet sektoren til rekordnivåer, nå kan virke motsatt vei: Belåningen forsvinner, konkurransen øker, datakraft blir mindre knapp og makroøkonomien straffer lange og spekulative investeringer. For investorer med AI-eksponering er dette først og fremst et rammeverk for å vurdere om oppgangen fortsatt har drivkraft – eller om markedet allerede har passert toppen.