Geo Chen ostrzega przed końcem hossy AI. Cztery filary jego niedźwiedziej tezy

1. Koreański kapitał na dźwigni: gwałtowne rozliczenie spekulacji

Zdaniem Chena koreańscy inwestorzy detaliczni stali się symbolem „kapitału niskiej jakości”, który napędził końcową, najbardziej spekulacyjną fazę obecnego cyklu. Masowo kupowali lewarowane ETF-y o mnożniku 2x i 3x oparte na akcjach SK Hynix, Samsunga oraz indeksie KOSPI, tworząc setki miliardów dolarów sztucznej siły nabywczej .

Mechanika zabezpieczania takich produktów zmuszała animatorów rynku do gromadzenia dużej ekspozycji na ujemną gammę. W praktyce oznaczało to kupowanie podczas wzrostów i sprzedaż podczas spadków, co dodatkowo zwiększało zmienność i uruchamiało kaskadę wezwań do uzupełnienia depozytu zabezpieczającego .

Citi szacuje, że likwidacja pozycji w lewarowanych produktach wymazała 38,7 mld dolarów, a rachunki straciło około 1,2 mln osób — mniej więcej jeden na 30 dorosłych mieszkańców Korei Południowej . Od czerwcowego szczytu indeks KOSPI spadł o niemal 30 proc. Operator rynku kilkakrotnie zawieszał handel, gdy straty przekraczały 10 proc.

Chen uważa, że tak osłabiony kapitał raczej szybko nie wróci na rynek. Jego zdaniem paraboliczne hossy finansowane podobnym lewarem niemal zawsze kończą się dłuższą bessą .

2. Chińskie modele AI podważają przewagę zamkniętych systemów

Drugim problemem jest rosnąca konkurencja ze strony chińskich modeli open source i open weight. Chen argumentuje, że podważa ona ekonomiczne podstawy działalności czołowych laboratoriów AI, które dotychczas zakładały, że najbardziej zaawansowane, zamknięte modele będą mogły pobierać wysokie ceny.

Wskazuje między innymi na następujące przykłady:

• Kimi K3 firmy Moonshot AI uzyskał 1679 punktów w Code Arena, wyprzedzając Claude Fable 5 z wynikiem 1631 .
• Alibaba udostępniła model Qwen 3.8 z 2,4 bln parametrów w formule open weight .
• GLM-5 firmy Zai oraz wieloagentowy system Fugu firmy Sakana AI pokazują, że mniejsi i bardziej elastyczni konkurenci, wykorzystujący nowe metody zwiększania efektywności — między innymi DeepSeek Sparse Attention i Recursive Self-Improvement — zmniejszają różnicę jakości przy ułamku kosztów .

Najważniejszy wniosek Chena jest prosty: jeśli 80–90 proc. tokenów zostanie przeniesionych do tańszych lub otwartych modeli, pula przychodów przypadająca na sam szczyt jakości wyraźnie się skurczy . To mogłoby przerwać mechanizm napędzający ogromne nakłady inwestycyjne na infrastrukturę AI, a tym samym podważyć wyceny firm korzystających na obecnym boomie.

3. Moc obliczeniowa: od wąskiego gardła do nadpodaży

Trzeci filar dotyczy podaży mocy obliczeniowej. Przez większą część hossy inwestorzy zakładali, że moc obliczeniowa jest trwale deficytowa. Chen uważa jednak, że ta narracja zaczyna się odwracać.

Wśród sygnałów ostrzegawczych wymienia:

• Meta buduje biznes chmurowy, aby wynajmować własne zasoby obliczeniowe, co zwiększy łączną podaż mocy .
• Laboratoria AI szybko obniżają koszty wnioskowania, a indeks wydatków na tokeny firmy Silicon Data spada od szczytu ustanowionego w czerwcu. Może to oznaczać, że wzrost efektywności sprzętu wyprzedza tempo wzrostu popytu .
• OpenAI opóźnia debiut giełdowy i ma trudności z pozyskiwaniem finansowania, co — zdaniem Chena — może przełożyć się na cały łańcuch dostaw półprzewodników .
• Google podniosło prognozę nakładów na AI w 2026 r. do 205 mld dolarów, ale kurs akcji spadł po tej informacji o 7 proc. Chen odczytuje to jako sygnał, że rynek przestał nagradzać samą ekspansję wydatków .
• Rosną spready kredytowe związane z centrami danych, co wskazuje na zwiększające się ryzyko kredytowe w sektorze infrastruktury obliczeniowej .

Chen zwraca uwagę na paradoks: inwestycje mające usunąć wąskie gardła jednocześnie niszczą narrację o niedoborze, która wcześniej uzasadniała wysokie wyceny spółek . Im więcej budują najwięksi dostawcy chmury, tym mniej rzadka staje się moc obliczeniowa, a potencjalna stopa zwrotu z kolejnych nakładów może spadać.

4. Fed i stagflacja zwiększają presję na ryzykowne aktywa

Ryzyko związane z samym sektorem AI nakłada się na niekorzystne tło makroekonomiczne. Chen wskazuje na dwa główne czynniki.

• Wojna w Iranie. Po załamaniu zawieszenia broni w lipcu 2026 r. konflikt miał już kosztować Stany Zjednoczone 37,5 mld dolarów. Cena ropy Brent wzrosła z 70 do 85 dolarów za baryłkę. Chen ostrzega przed długotrwałym konfliktem o zmiennym przebiegu, który co pewien czas podbijałby ceny ropy . W połączeniu z czterema szokami inflacyjnymi tworzy to — w jego ocenie — „najsilniejszą i najbardziej uporczywą presję stagflacyjną” od lat .
• Słabnąca wiarygodność Fedu. Rentowność 30-letnich obligacji skarbowych USA przebiła 5,2 proc., osiągając najwyższy poziom od dwóch lat. Niedźwiedzie wystromienie krzywej dochodowości odzwierciedla obawy rynku, że Rezerwa Federalna pod kierownictwem Christophera Wallera traci kontrolę nad inflacją. Zdaniem Chena brak podwyżki stóp przez FOMC pozwolił oczekiwaniom inflacyjnym oderwać się od celu .

Wyższy od oczekiwań odczyt PCE — preferowanej przez Fed miary inflacji — mógłby ponownie skierować uwagę inwestorów na Rezerwę Federalną, rentowności krótkoterminowych obligacji i dolara . W takiej sytuacji najbardziej wrażliwe byłyby zatłoczone transakcje związane z AI, zwłaszcza ich najbardziej spekulacyjne i długoterminowe elementy.

Wniosek Chena: gotówka, złoto i rotacja sektorowa

Chen porównuje obecną sytuację do marca 2000 r., marca 2008 r., stycznia 2020 r. i grudnia 2022 r. — momentów zwrotnych poprzedzających gwałtowne turbulencje na rynkach . Obecnie utrzymuje gotówkę, dokupuje złoto podczas spadków i dostrzega przepływ kapitału z AI do ochrony zdrowia, sektora finansowego, oprogramowania oraz biotechnologii . Jego scenariusz bazowy zakłada formowanie się szczytu przez kilka miesięcy, w czasie gdy rynek będzie nadal rozładowywał wcześniejszą nadmierną spekulację.

To nie jest wyłącznie krótkoterminowo pesymistyczna prognoza. Chen przedstawia strukturalny argument: czynniki, które wyniosły akcje związane z AI do parabolicznych poziomów, mogą obecnie działać w przeciwnym kierunku. Dla inwestorów posiadających aktywa powiązane ze sztuczną inteligencją jego analiza jest przede wszystkim zachętą do ponownego sprawdzenia, czy za wysokimi wycenami wciąż stoją równie silne podstawy biznesowe.