Wzór jest więc następujący: ceny jednostkowe spadają, całkowite wydatki na tokeny wciąż mogą rosnąć, ale tempo wzrostu wydatków najwyraźniej wyhamowuje po majowym szczycie .
Dokładne liczby dotyczące luki przychodowej z oryginalnej wersji nie są bezpośrednio wsparte przez dostarczone źródła, ale ogólna teza jest potwierdzona: wydatki na infrastrukturę AI przyspieszają do rekordowych poziomów, podczas gdy baza przychodów wciąż znajduje się pod presją, by uzasadnić tę rozbudowę .
To konkretny sygnał, że Meta może mieć więcej mocy obliczeniowej AI, niż potrzebuje wewnętrznie i szuka sposobów na jej zewnętrzną monetyzację .
Dostępne źródła potwierdzają kluczową obawę dotyczącą siły cenowej: ceny tokenów spadły o około 90% od 2023 roku, a indeks wydatków na tokeny osłabł po majowym szczycie . Bain wzmacnia ten punkt z perspektywy kosztów klienta: koszty tokenów dla firm korzystających z AI stanowią obecnie zaledwie około 1–2% kosztów zatrudnienia, a niektóre scenariusze zakładają wzrost do 20–30%
.
Oznacza to, że dostawcy AI potrzebują albo znacznie wyższego wykorzystania, albo silniejszej siły cenowej, albo obu tych rzeczy, aby przekształcić ogromne inwestycje infrastrukturalne w trwały wzrost przychodów .
Dostarczone źródła nie potwierdzają bezpośrednio tezy o wyprzedaży akcji konkretnych producentów półprzewodników i pamięci. Szeroka narracja leżąca u podstaw takiej wyprzedaży jest jednak wsparta:
Implikacja dla akcji półprzewodnikowych jest więc wnioskiem: jeśli inwestorzy dojdą do wniosku, że infrastruktura AI została przeszacowana lub siła cenowa tokenów słabnie, mogą przeszacować dostawców chipów i pamięci powiązanych z tą rozbudową .
Mechanizm podstawowy jest następujący: firmy AI wydały ogromne sumy na infrastrukturę, zakładając, że wykorzystanie i przychody będą rosły wystarczająco szybko, by uzasadnić tę rozbudowę. Tymczasem konkurencja i wzrost wydajności doprowadziły do spadku cen tokenów o około 90%, indeks wydatków na tokeny odwrócił się od majowego szczytu, a Meta rozważa zewnętrzną sprzedaż nadmiaru mocy obliczeniowej . Rynek zaczyna więc ponownie oceniać, czy wydatki inwestycyjne na infrastrukturę AI mogą zostać przekształcone w trwałe, wysokomarżowe przychody
.