Arthur Hayes: jak spowolnienie AI miałoby napędzić Bitcoina?

Arthur Hayes w eseju „Safety First” nie twierdzi po prostu, że słabsze inwestycje w sztuczną inteligencję automatycznie podniosą cenę Bitcoina. Przedstawia znacznie dłuższy, warunkowy scenariusz: rozczarowanie popytem na AI mogłoby osłabić finansowanie infrastruktury, przenieść napięcia na rynki kredytowe, a następnie skłonić amerykańskie instytucje publiczne do działań zwiększających płynność dolara. Według Hayesa taka płynność sprzyjałaby BTC. 142

Najważniejsze jest rozróżnienie między realnym ryzykiem finansowym związanym z ogromną rozbudową infrastruktury a znacznie bardziej spekulacyjnym ciągiem zdarzeń: od problemów z długiem, przez pomoc publiczną, aż po wzrost Bitcoina.

Łańcuch zdarzeń według Hayesa

Rozumowanie Hayesa można streścić w sześciu krokach:

1. laboratoria AI spowalniają rozwój najbardziej zaawansowanych modeli;
2. ma to ujawnić słabszy od oczekiwanego popyt na drogie produkty AI i moc obliczeniową;
3. niższe wykorzystanie infrastruktury osłabia prognozowane przepływy pieniężne centrów danych, producentów chipów i powiązanych projektów;
4. dług finansujący tę rozbudowę zostaje przeceniony, rośnie ryzyko obniżek ratingów i szerokich spreadów kredytowych;
5. straty mogą dotrzeć do funduszy kredytu prywatnego oraz inwestorów powiązanych z sektorem ubezpieczeniowym;
6. Waszyngton odpowiada, wspierając popyt na moc obliczeniową albo stabilizując rynek kredytowy i ubezpieczeniowy. Hayes zakłada, że efekt w postaci większej płynności byłby korzystny dla Bitcoina. 142

Każdy etap zależy od poprzedniego. Samo spowolnienie wydatków na AI nie oznacza więc rajdu BTC — na początku mogłoby równie dobrze wywołać klasyczne zachowanie „risk-off”, czyli ucieczkę inwestorów od ryzykownych aktywów.

Dlaczego centrum problemu stanowi finansowanie infrastruktury AI

Skala planowanych inwestycji sprawia, że przychody i stopień wykorzystania infrastruktury mają zasadnicze znaczenie. Apollo ocenia, że do 2030 r. na infrastrukturę AI może zostać wydane około 5 bln USD. Aby taki wydatek się zwrócił, firmy i konsumenci musieliby wydawać około 2 bln USD rocznie na usługi AI. Apollo wskazuje, że zdolność AI do wygenerowania odpowiednich przychodów będzie jednym z kluczowych tematów dla rynków długu i akcji.

Mowa o centrach danych, sieciach energetycznych, półprzewodnikach i sprzęcie sieciowym. Według Apollo skala potrzebnego kapitału oznacza, że główną rolę w finansowaniu rozbudowy odegra finansowanie o ratingu inwestycyjnym — zarówno na rynkach publicznych, jak i prywatnych.

Hayes ostrzega, że infrastruktura może być finansowana szybciej, niż zostaną trwale potwierdzone przepływy pieniężne od odbiorców końcowych. W jego ujęciu popyt laboratoriów AI na moc obliczeniową wspiera ponad 1 bln USD długu korporacyjnego o ratingu inwestycyjnym oraz setki miliardów dolarów długu i pożyczek niższej jakości. 142

To szacunek i rama argumentacji Hayesa, a nie oficjalny bilans długu, który miałby nieuchronnie przestać być obsługiwany przy słabszym popycie. Ekonomiczna logika ryzyka jest jednak prosta: jeśli centra danych powstaną z myślą o wykorzystaniu, które nie materializuje się przy zakładanych cenach, jednocześnie mogą spaść oczekiwane przychody i wartość aktywów.

Co Hayes wyczytuje z hasła „Safety First”

Hayes interpretuje apele firm AI o spowolnienie rozwoju modeli granicznych ze względów bezpieczeństwa jako sygnał ekonomiczny. Jego zdaniem może to oznaczać, że popyt na produkty AI przy obecnych cenach nie wystarcza do podtrzymania dalszej, kapitałochłonnej ekspansji mocy obliczeniowej. 14

To interpretacja Hayesa, a nie ustalony fakt dotyczący motywów tych firm. Decyzja podyktowana bezpieczeństwem sama w sobie nie dowodzi słabego popytu komercyjnego. Teza każe jednak obserwować finansowe konsekwencje sytuacji, w której zapotrzebowanie na trenowanie modeli i ich działanie rośnie wolniej niż podaż infrastruktury.

W takim wariancie część mocy centrów danych i układów scalonych byłaby niewykorzystana. Problem przesunąłby się wtedy z technologicznych możliwości AI na zdolność do obsługi zadłużenia.

Jak niedobór przychodów z AI mógłby uderzyć w kredyt

Niższe od oczekiwań przychody z AI mogłyby obciążać dług finansujący rozbudowę kilkoma znanymi kanałami:

• spadkiem wartości aktywów, gdy rynek obniża prognozy wykorzystania centrów danych i przepływów pieniężnych;
• presją na ratingi kredytowe, jeśli emitenci będą wyglądać na mniej zdolnych do spłaty odsetek i kapitału;
• wzrostem spreadów kredytowych, który podraża refinansowanie i utrudnia finansowanie nowych projektów;
• ograniczeniem nakładów inwestycyjnych, gdy duże spółki technologiczne zaczną ostrożniej oceniać zwrot z kolejnych inwestycji w infrastrukturę.

Hayes uważa, że proces mógłby objąć nie tylko kredyty o słabszej jakości, lecz także obligacje inwestycyjne, prowadząc do szerszego ograniczenia finansowania, a nie wyłącznie korekty notowań spółek technologicznych. 214

Analizy Apollo wspierają tezę, że potrzeby finansowe tego sektora są wyjątkowo duże. Nie dowodzą natomiast, że kryzys zadłużenia już się rozpoczął. Kluczowe pytanie brzmi: czy gospodarka AI wygeneruje dość przychodów, by udźwignąć obecnie planowane wydatki.

Kredyt prywatny i ubezpieczenia: obszar nadzoru, nie potwierdzony kryzys

Najbardziej daleko idący element scenariusza Hayesa zakłada, że straty na kredytach związanych z AI mogą przejść przez fundusze private credit i powiązanych z nimi ubezpieczycieli lub reasekuratorów. Według niego pogorszenie jakości długu infrastrukturalnego AI mogłoby ujawnić słabości takich struktur i wymusić interwencję publiczną. 142

Regulatorzy rzeczywiście coraz uważniej analizują powiązania ubezpieczycieli z rynkiem kredytu prywatnego. Reuters informował, że ubezpieczyciele i duże instytucje planowały zwiększać ekspozycję na private credit, mimo obaw inwestorów o niską płynność takich aktywów i nadzoru nad ich obecnością w bilansach firm ubezpieczeniowych.

Ma to znaczenie, bo aktywa prywatne mogą być trudne do szybkiej wyceny i sprzedaży w okresie stresu rynkowego. Nie jest to jednak dowód, że straty na infrastrukturze AI już powodują niewypłacalność ubezpieczycieli. Relacje dotyczące tezy Hayesa zaznaczały, że nie ustalono przypadków niewypłacalności amerykańskich ubezpieczycieli powiązanej z długiem AI. 1112

Ten fragment należy zatem traktować jako scenariusz stresowy: wystarczająco wiarygodny, by go monitorować, ale nie jako opis zaistniałego kryzysu systemowego.

Dwie możliwe reakcje władz USA

Hayes rozważa dwa warianty działań polityki publicznej, gdyby napięcia stały się poważne.

1. Państwo jako nabywca mocy obliczeniowej ostatniej instancji

W pierwszym wariancie sektor publiczny bezpośrednio wspierałby popyt na moc obliczeniową — kupując ją albo w inny sposób gwarantując zapotrzebowanie. Miałoby to podtrzymać przychody operatorów centrów danych i umożliwić obsługę ich długu. 214

2. Wsparcie dla ubezpieczycieli lub całego rynku kredytowego

Drugi wariant to reakcja w imię stabilności finansowej, jeśli straty w private credit i sektorze ubezpieczeniowym groziłyby szerszym zaburzeniem kredytowym. Hayes twierdzi, że zabezpieczenie ubezpieczycieli, reasekuratorów lub innych wierzycieli również zwiększyłoby płynność dolarową. 214

Wniosek dla Bitcoina opiera na makroekonomicznym przekonaniu, że dodatkowa płynność i obawy o osłabienie wartości pieniądza mogą zwiększać popyt na rzadkie, wrażliwe na ryzyko aktywa, w tym BTC. Nie jest to jednak mechaniczna reguła: na kurs Bitcoina wpływają również apetyt na ryzyko, stopy procentowe, dźwignia i regulacje.

Dlaczego argument o rychłym ratunku jest słaby

Kilka faktów przeczy tezie, że ratunkowa operacja związana z kredytem AI już trwa.

Po pierwsze, polityka monetarna w USA pozostaje restrykcyjna. Rezerwa Federalna podniosła we wrześniu docelowy przedział stopy procentowej do 3,75–4,00%, co trudno pogodzić z trwającym cyklem łagodzenia polityki wywołanym ratowaniem rynku. 19

Po drugie, finansowanie AI nadal płynie. SoftBank miał rozmawiać z bankami inwestycyjnymi o możliwej emisji obligacji o wartości 10–20 mld USD, służącej refinansowaniu zadłużenia związanego z inwestycją w OpenAI. Rozmowy trwały, a warunki mogły się zmienić. Dostęp do finansowania nie usuwa ryzyka refinansowania, ale nie pasuje też do narracji o nagłym odcięciu kapitału dla AI.

Ostateczny sprawdzian jest długoterminowy: czy popyt, ceny usług i wykorzystanie infrastruktury AI będą wystarczające, aby obsłużyć finansowane dziś projekty. Szacunek Apollo dotyczący 2 bln USD rocznych wydatków na usługi AI pokazuje skalę tej poprzeczki.

Bitcoin w okolicach 85 tys. USD to nie dowód na scenariusz Hayesa

Ruch Bitcoina w stronę 85 tys. USD lepiej tłumaczą bieżące czynniki rynkowe niż hipotetyczna pomoc dla kredytodawców AI, do której nie doszło.

Bitfinex wskazał, że wzrost o 5,9% 18 września wspierał napływ 433 mln USD do amerykańskich spotowych ETF-ów na Bitcoina. Później BTC przebił wcześniejsze poziomy i zbliżył się do 85 tys. USD. Inne relacje opisywały odbicie Bitcoina mimo podwyżki stóp Fed i niepewności wokół amerykańskiej polityki regulacyjnej wobec kryptowalut. 1921

Te czynniki mogą poruszać ceną BTC na długo przed weryfikacją strukturalnej historii o finansowaniu AI. Nie należy ich mylić z dowodem, że rząd USA przygotowuje zakupy mocy obliczeniowej albo ratunek dla ubezpieczycieli z powodu długu AI.

Co potwierdziłoby lub podważyło tę tezę

Aby scenariusz Hayesa przestał być przede wszystkim eksperymentem myślowym, inwestorzy musieliby zobaczyć kilka zjawisk naraz:

• trwałe dowody, że popyt na moc AI lub ceny usług są niższe od założeń stojących za rozbudową;
• spadek wykorzystania centrów danych albo słabsze prognozy przepływów pieniężnych;
• rozszerzanie spreadów, obniżki ratingów lub trudności z refinansowaniem u pożyczkobiorców związanych z infrastrukturą AI;
• widoczne straty przenoszące się na portfele private credit lub ubezpieczycieli;
• rzeczywiste działania władz, które wspierają popyt na moc obliczeniową albo stabilizują narażone instytucje finansowe.

Przeciwny zestaw danych osłabiałby ten pogląd: rosnące użycie AI, trwałe przychody z usług, udane refinansowania i stabilna jakość kredytowa oznaczałyby, że gospodarka absorbuje inwestycje, zamiast zamieniać je w problem zadłużeniowy.

Wniosek

Hayes wskazuje realną podatność: ogromną rozbudowę infrastruktury, której docelowa baza przychodowa nie jest jeszcze w pełni udowodniona. Szacunek Apollo, mówiący o około 5 bln USD inwestycji w infrastrukturę AI do 2030 r., sprawia, że pytanie o wykorzystanie i monetyzację jest istotne dla rynków długu oraz akcji.

Pełny ciąg „spowolnienie AI → boom Bitcoina” zawiera jednak kilka niepotwierdzonych ogniw. Rozczarowanie popytem może najpierw oznaczać niższe nakłady technologiczne, trudniejszy kredyt i handel w trybie risk-off — a nie natychmiastowe zwiększenie podaży pieniądza czy wzrost BTC. To przede wszystkim rama do obserwowania przychodów AI, wykorzystania infrastruktury i warunków kredytowych, nie zaś gotowe wyjaśnienie ostatniego ruchu Bitcoina.