Moody’s: chińskie chmury AI nie dogonią amerykańskich gigantów wydatkami

Rywalizacja w AI coraz mniej przypomina wyłącznie wyścig na jakość modeli, a coraz bardziej — wyścig o kapitał i infrastrukturę. Według Moody’s chińscy dostawcy chmury działający na ogromną skalę zwiększają inwestycje, ale nadal będą wyraźnie ustępować największym firmom z USA. Powodem są większe możliwości finansowania, globalnie szersze biznesy i już rozpoczęta, bardzo duża rozbudowa infrastruktury po stronie amerykańskiej. 28

Barierą jest kapitał, nie tylko jakość modeli

Zmniejszanie się różnic w wybranych testach modeli AI nie usuwa potrzeby ponoszenia gigantycznych nakładów. Trenowanie i obsługa modeli na dużą skalę wymagają chipów, serwerów, sieci, powierzchni centrów danych, gruntów, dostępu do energii oraz długoterminowych zobowiązań — zanim usługi przyniosą potwierdzone przychody.

Moody’s wskazuje, że chińskie spółki technologiczne podnoszą wydatki na AI, ale mają mniejsze bazy przychodowe i mniejszą elastyczność finansową niż konkurenci z USA. To utrudnia im utrzymanie szybkiego tempa nadrabiania nakładów kapitałowych, a zarazem finansowanie bieżącej działalności i ochronę bilansów. 2

Najwięksi amerykańscy operatorzy chmury mogą natomiast wspierać inwestycje wpływami z kilku bardzo dużych segmentów: usług chmurowych, reklamy, oprogramowania i platform konsumenckich. Nie oznacza to, że taki model jest pozbawiony ryzyka. Moody’s ostrzegał również, że przejście firm technologicznych do bardziej kapitałochłonnego modelu AI może obciążać wolne przepływy pieniężne i jakość kredytową hyperscalerów. 8

Usługi rozliczane za tokeny podnoszą stawkę

Usługi tworzone z myślą o AI często są rozliczane według liczby tokenów lub zużycia. W takim modelu moc obliczeniowa staje się bezpośrednim kosztem każdej interakcji klienta. Dostawca musi opłacić zasoby potrzebne do inferencji, niezależnie od tego, czy sprzedaje ją przez API, produkt dla firm czy usługę konsumencką.

Dla firmy mającej dużo infrastruktury i wysokie wykorzystanie zasobów posiadanie lub zakontraktowanie dużej mocy może poprawić kontrolę nad kosztami i dostępnością. Dla dostawcy dysponującego mniejszymi środkami generowanymi wewnętrznie ta sama ekspansja oznacza trudniejszy wybór między niskimi cenami, wzrostem dostępnej mocy a zwrotem z inwestycji.

Skalę odroczonego zwrotu pokazuje perspektywa Alibaby. Jej prezes stwierdził, że spółka oczekuje osiągnięcia progu rentowności nakładów związanych z AI w ciągu około trzech lat, przy obecnych średnich marżach brutto. 1 To przypomina, że wzrost popytu na AI nie jest równoznaczny z natychmiastową rentownością infrastruktury.

Różnica w nakładach pozostaje ogromna

Moody’s podał, że chińscy hyperscalerzy będą intensywnie inwestować w AI przez kolejne dwa lata, lecz ich nakłady kapitałowe pozostaną znacznie niższe niż u konkurentów z USA. 2

Skalę amerykańskiej rozbudowy dobrze pokazują prognozy Moody’s cytowane przez „Forbes”. Łączne nakłady sześciu dużych hyperscalerów z USA — Alphabetu, Amazona, CoreWeave, Mety, Microsoftu i Oracle’a — mają wynieść w 2026 r. około 785 mld USD, a w 2027 r. wzrosnąć do niemal 1 bln USD. 8

Inne szacunki wskazują ten sam kierunek. MUFG przytacza prognozy, według których „wielka piątka” hyperscalerów wyda w 2026 r. ponad 600 mld USD, z czego około 450 mld USD ma być bezpośrednio związane z infrastrukturą AI: serwerami, procesorami GPU, centrami danych i powiązanym sprzętem. 3

Dokładne porównanie zależy od tego, które firmy i kategorie wydatków zostaną uwzględnione. Kierunek pozostaje jednak jednoznaczny: chińscy dostawcy inwestują agresywnie, ale liderzy z USA lokują kapitał na poziomie trudnym do wyrównania dolar za dolara.

Dług może przyspieszyć rozbudowę, ale podnosi ryzyko

Finansowanie zewnętrzne pozwala budować moce wcześniej, niż umożliwiałyby to same przepływy z działalności operacyjnej. Jednocześnie dług, emisje akcji, leasingi i długoterminowe umowy na dostęp do mocy przenoszą część ryzyka na bilans.

To problem całej branży, a nie wyłącznie Chin. Moody’s opisuje boom infrastruktury AI jako przejście od relatywnie lekkiego kapitałowo biznesu technologicznego do działalności wymagającej wielkich aktywów i rosnącego finansowania. 8

W przypadku chińskich platform chmurowych mniejsza wewnętrzna baza finansowania nadaje tej zmianie większe znaczenie. Większe uzależnienie od długu lub kapitału pozyskanego z zewnątrz może oznaczać wyższe koszty odsetkowe, ryzyko refinansowania i presję na wolne przepływy pieniężne — w chwili, gdy infrastrukturę trzeba opłacić z góry. Moody’s wskazuje wprost na presję na przepływy pieniężne i zadłużenie chińskich firm podnoszących wydatki na AI. 2

Co to oznacza dla rywalizacji w AI

Trwała luka infrastrukturalna może dać amerykańskim hyperscalerom przewagę w trenowaniu modeli z najwyższej półki, obsłudze dużych wdrożeń inferencyjnych oraz globalnej dystrybucji usług chmurowych. Rezerwa Federalna USA również ocenia, że Stany Zjednoczone mają istotne atuty w zakresie mocy obliczeniowej, infrastruktury i warunków inwestowania. 17

Nie znaczy to, że chińskie firmy nie mogą skutecznie konkurować. Ich mocnymi stronami mogą być poprawa efektywności, koncentracja na popycie krajowym, wdrażanie modeli w otwartych ekosystemach oraz zastosowania, w których koszt i szybkość są ważniejsze niż posiadanie największej możliwej floty obliczeniowej.

W efekcie rynek AI może się bardziej rozdzielić: firmy z USA będą dysponować wyjątkową zdolnością finansowania infrastruktury dla modeli granicznych, natomiast firmy chińskie mogą rywalizować efektywnymi modelami, selektywnymi wdrożeniami i lokalnie skalowanymi ekosystemami chmurowymi. Dostęp do półprzewodników jest istotną częścią tej szerszej rywalizacji, ale przedstawione dane Moody’s nie zawierają ilościowej oceny wpływu amerykańskich kontroli eksportowych na chińskie nakłady kapitałowe do 2028 r.

Ważne zastrzeżenie dotyczące 2028 r.

Dostępne relacje opisują perspektywę Moody’s na najbliższe dwa lata oraz prognozy wydatków w USA na 2026 i 2027 r. Uzasadniają wniosek, że luka prawdopodobnie się utrzyma, ale nie ustanawiają konkretnej prognozy Moody’s w dolarach dla chińskich ani amerykańskich wydatków na infrastrukturę AI w 2028 r. 28