美股投资young

美股科技投资者 ai狂热者分享每日快讯. all in ai

299Obserwowane

677obserwujący

Feed

Forward PE $MU spadł już do około 5 razy, $SNDK ma tylko około 6 razy, a w zeszły piątek obie firmy zanotowały gwałtowne spadki odpowiednio o 5,63% i 6,85%. Przemysł pamięci masowej nadal wykazuje silną rentowność, a popyt na AI nie zniknął nagle, to dlaczego Wall Street nadal sprzedaje? $SOXX $QQQ Tu jest bardzo ważna kwestia wyceny: niski PE w sektorze pamięci masowej i niski PE firm platform technologicznych to zupełnie inna sprawa. $MU głównie korzysta z popytu na DRAM, HBM oraz częściowo NAND, podczas gdy $SNDK bardziej polega na pamięci NAND i korporacyjnych dyskach SSD. W ostatnim czasie budowa centrów danych AI napędzała wzrost popytu na pamięć, a do tego doszły napięcia w podaży i wzrost cen produktów, co znacznie poprawiło zyski firm. Jednak pamięć masowa to typowy sektor cykliczny, a gdy ceny produktów spadną choćby trochę, zyski mogą się zmienić znacznie bardziej. Załóżmy, że firma ma obecnie oczekiwany PE na poziomie 5, jeśli prognozy zysków spadną o 50%, nawet przy niezmienionej cenie akcji PE wzrośnie do 10. Rynek obawia się, że dzisiejsza bardzo niska wycena może opierać się na cyklu zysków, który trudno będzie utrzymać długoterminowo. Wall Street gotowe jest dać niską wycenę, co niekoniecznie oznacza, że działalność firmy się pogorszyła, ale może być to dyskonto na niepewność przyszłych zysków. Niedawne informacje o technologii 3D DRAM firmy ChangXin Storage dodatkowo zaostrzyły obawy rynku, ale uważam, że rynek może przeceniać krótkoterminowy wpływ tej sprawy. Postęp technologiczny nie oznacza natychmiastowej masowej produkcji, a tym bardziej natychmiastowej zmiany globalnej konkurencji w HBM. Poza tym $SNDK koncentruje się na NAND, więc nie można bezpośrednio utożsamiać postępów w DRAM z nadchodzącą nadpodażą NAND. Z drugiej strony, ta fala wyprzedaży wiąże się też ze spadkiem apetytu na ryzyko w całym sektorze AI. Wysokie rentowności obligacji USA, rosnąca presja finansowania centrów danych AI oraz wcześniejsze duże wzrosty mogą skłaniać inwestorów do zmniejszania ekspozycji na akcje o wysokiej zmienności. Nawet jeśli analitycy nie obniżają znacznie prognoz zysków, ceny akcji mogą dalej spadać z powodu wzrostu premii za ryzyko. Jestem nadal optymistą co do długoterminowego potencjału pamięci masowej, szczególnie cenię konkurencyjność HBM $MU i potencjał wzrostu $SNDK na rynku korporacyjnych SSD. Jednak w kolejnej fazie trzeba zweryfikować kilka kluczowych wskaźników: czy ceny DRAM i NAND utrzymają się na wysokim poziomie, czy dostawcy ponownie zaczną agresywnie zwiększać produkcję, czy prognozy EPS na 2027 rok będą dalej rosnąć oraz czy plany inwestycyjne kluczowych klientów uległy zmianie. Jeśli ceny pamięci nie osłabną wyraźnie, prognozy zysków pozostaną stabilne, a spadki cen akcji będą wynikiem delewarowania rynku, to obecna niska wycena może stopniowo stać się prawdziwą okazją inwestycyjną. Jednak dopóki $SOXX nie ustanowi skutecznego dna, a akcje pamięci masowej nie zbudują solidnego wsparcia, nie będę oceniać, że $MU osiągnęło dno tylko dlatego, że ma PE na poziomie 5. Moja ocena jest taka, że ta fala spadków wyraźnie zwiększyła atrakcyjność długoterminowych inwestycji w sektor pamięci, ale rynek nadal potrzebuje czasu na przetrawienie ryzyka. Fundamenty branży mogą pozostać silne, podczas gdy ceny akcji mogą przez jakiś czas pozostawać słabe. Długoterminowy pozytywny pogląd na pamięć masową się nie zmienia, a w krótkim terminie nie ma potrzeby konfrontować się na siłę z trendem spadkowym.

Jeśli obecny gwałtowny spadek na amerykańskim rynku akcji ostatecznie przekształci się w prawdziwą okazję do zakupu po niskiej cenie, to najbardziej chciałbym kupić nie te akcje, które spadły najbardziej, lecz te wysokiej jakości aktywa, które mają nadal silne fundamenty i nie zmieniły swojej pozycji w branży, a zostały masowo sprzedane z powodu paniki na rynku. Osobiście najbardziej interesuje mnie pięć głównych sektorów, uszeregowanych według długoterminowej wartości inwestycyjnej i pewności. Po pierwsze, zaawansowana produkcja i sprzęt półprzewodnikowy. $TSM $ASML $KLAC $LRCX $AMAT To kierunek, który najbardziej chcę trzymać długoterminowo. Zaawansowane procesy technologiczne, litografia EUV, trawienie, osadzanie i kontrola wydajności mają bardzo wysokie bariery technologiczne. Szczególnie $TSM, $ASML, $KLAC mają bardzo silne przewagi konkurencyjne w swoich dziedzinach. Dopóki popyt na zaawansowane chipy będzie rósł, te firmy mają szansę na dalsze korzyści. Jednak akcje sprzętowe mają cykliczność wydatków kapitałowych, więc trzeba obserwować zarówno zamówienia, jak i wycenę, nie można uznać, że spadek ceny o 20% oznacza okazję. Po drugie, sektor pamięci. $MU $SNDK $WDC $STX Uważam, że pamięć może mieć wysoką elastyczność zysków w nadchodzącej fali wzrostów. Serwery AI potrzebują HBM, DRAM i korporacyjnych SSD, a duże centra danych muszą stale zwiększać pojemność pamięci. W porównaniu do sprzętu produkcyjnego, sektor pamięci jest bardziej cykliczny, a ceny produktów i relacje podaży i popytu bezpośrednio wpływają na zyski. $MU skupia się na podaży i popycie HBM i DRAM, $SNDK na cenach NAND i popycie na korporacyjne SSD. Mogą one mieć większą elastyczność cenową podczas ożywienia branży, ale ryzyko obniżki zysków jest również wyższe. Po trzecie, optyczna komunikacja i sieci wysokiej prędkości. $LITE $COHR $AAOI $ANET Po ciągłym powiększaniu się klastrów AI, zdolność przesyłania danych między serwerami staje się coraz ważniejsza. Połączenia optyczne 800G, 1.6T i sieci przełączników centrów danych mają długoterminowy potencjał rozwoju. Wolę wybierać firmy o stabilnych relacjach z klientami, silnej realizacji zamówień i dobrej jakości zysków. Branża modułów optycznych ma duży potencjał wzrostu, ale niektóre spółki mają wycenę już odzwierciedlającą wysokie tempo wzrostu na kilka lat do przodu, więc trzeba uważać na ryzyko niespełnienia oczekiwań popytu. Po czwarte, zasilanie i chłodzenie centrów danych. $ETN $VRT $GEV W porównaniu do GPU, które są często dyskutowane na rynku, zasilanie, urządzenia dystrybucji energii i systemy chłodzenia cieczą są równie ważnymi elementami infrastruktury AI. Centra danych mogą opóźniać zakup części sprzętu, ale nie mogą ominąć ograniczeń związanych z zasilaniem i chłodzeniem. Jednak te firmy również mogą być dotknięte opóźnieniami projektów, cięciami wydatków kapitałowych i presją na wyceny, więc nie można ich traktować jako aktywów obronnych, które tylko rosną. Po piąte, platformy technologiczne z silnym przepływem gotówki. $GOOG $MSFT $AMZN $META Jeśli rynek nadal będzie się obawiał zwrotu z inwestycji kapitałowych w AI, to takie firmy warto szczególnie selekcjonować. Mają one dojrzałe biznesy, bazę klientów i źródła przepływów gotówkowych, nie polegają całkowicie na finansowaniu z rynku kapitałowego. Oczywiście inwestycje w AI mogą obniżać wolne przepływy gotówkowe, więc trzeba zwracać uwagę na rzeczywiste przychody z komercjalizacji i zwrot z kapitału. Moja strategia alokacji jest dość jasna: zaawansowana produkcja jako długoterminowe jądro, pamięć i optyczna komunikacja jako kierunki o wysokiej elastyczności, infrastruktura zasilania i platformy technologiczne dostarczają różne źródła zysków. Jednak na razie nie można potwierdzić, że okazja do zakupu po niskiej cenie już się uformowała. Jeśli rentowność amerykańskich obligacji będzie dalej rosnąć, środowisko finansowania AI się pogorszy, a prognozy zysków na 2027 rok zostaną zbiorczo obniżone, nawet najlepsze firmy mogą nadal tracić na wartości. Wolę czekać, aż wyceny wrócą do rozsądnego zakresu, prognozy zysków się ustabilizują, a cena akcji zbuduje strukturę wzrostową, zanim zacznę stopniowo kupować, zamiast teraz ryzykować całym kapitałem na najniższym poziomie. Jeśli ta korekta ostatecznie nie zniszczy długoterminowego trendu wzrostu AI, to głębokie przeceny wysokiej jakości firm mogą stać się okazją inwestycyjną wartą wykorzystania w nadchodzących latach.

$SOXX Nawet jeśli w przyszłym tygodniu nagle wzrośnie o 8%, nie będę od razu twierdzić, że hossa na rynku półprzewodników została ponownie uruchomiona. Po tak ekstremalnym spadku rynek może doświadczyć gwałtownego odbicia, ale krótkie pokrycia, wejście kapitału po wyprzedaniu oraz zabezpieczenia opcyjne mogą napędzać krótkoterminowy wzrost. Aby potwierdzić, że rynek przeszedł z trendu spadkowego na wzrostowy, uważam, że należy obserwować co najmniej następujące zmiany. $QQQ $SPY $MU $SNDK Po pierwsze, struktura świec musi ulec istotnej zmianie. Najbardziej typową cechą trendu spadkowego jest ciągłe obniżanie się punktów odbicia i ustanawianie nowych minimów. Odwrócenie trendu wymaga najpierw zatrzymania tworzenia nowych minimów, następnie utworzenia wyższych minimów i skutecznego przebicia poprzedniego punktu odbicia. Najlepiej, aby kurs ponownie znalazł się powyżej średnich kroczących z 20 i 50 dni, a po cofnięciu się do kluczowego wsparcia nadal był podtrzymywany przez popyt. Jeśli nastąpi gwałtowny wzrost przez dwa-trzy dni, a potem zostanie on całkowicie pochłonięty przez dużą świecę spadkową, taki ruch należy traktować jedynie jako techniczne odbicie. Po drugie, wolumen i szerokość rynku muszą współgrać. Sam wzrost wolumenu w dniu odbicia nie oznacza, że instytucje ponownie weszły na rynek; idealna sytuacja to aktywny wolumen podczas fazy wzrostowej i wyraźne zmniejszenie presji sprzedaży podczas korekty. Należy również obserwować, ile składników indeksu $SOXX ponownie znajduje się powyżej średniej z 20 dni. Jeśli tylko dwie-trzy spółki o dużej wadze ciągną wzrost, a pozostałe nadal ustanawiają nowe minima, taki wzrost jest bardzo słaby. Prawdziwie zdrowa odbudowa trendu powinna objawiać się wzrostem liczby akcji rosnących oraz stopniowym rezonowaniem sektorów takich jak sprzęt półprzewodnikowy, pamięć masowa i komunikacja optyczna. Po trzecie, należy obserwować, czy kapitał jest gotów na trwałe podejmowanie ryzyka. Odbicie o 10% akcji o wysokiej elastyczności, takich jak $MU czy $SNDK, może być jedynie korektą wcześniejszego nadmiernego spadku. W porównaniu z tym, jeśli kluczowe spółki liderzy, takie jak $KLAC, $LRCX, $AVGO, również zaczną systematycznie się umacniać, a $SOXX względem $QQQ przejdzie z ciągłego słabszego do ciągłego silniejszego wyniku, sygnał będzie bardziej przekonujący. Spadek VIX i zwężenie spreadów kredytowych mogą służyć jako dodatkowa weryfikacja, ale sam wzrost obrotu opcjami Call nie dowodzi, że nowi byki przejęli kontrolę nad rynkiem. Po czwarte, makroekonomia i oczekiwania zysków muszą stopniowo się stabilizować. Jeśli rentowność obligacji USA pozostaje na wysokim poziomie, ceny ropy i presja inflacyjna nie ustępują, a koszty finansowania centrów danych AI rosną, nawet krótkoterminowe odbicie na giełdzie będzie pod presją wyceny. Szczególnie ważne jest obserwowanie, czy prognozy zysków przedsiębiorstw na 2027 rok nadal są korygowane w dół. Wzrost cen akcji przy pogarszających się prognozach zysków może łatwo prowadzić do ponownej wyprzedaży podczas kolejnego odbicia. Podzielę potwierdzenie trendu na trzy etapy: zatrzymanie tworzenia nowych minimów to wstępne zatrzymanie spadku; przebicie poprzednich szczytów i skuteczne cofnięcie to poprawa struktury technicznej; następnie po kilku tygodniach weryfikacji, gdy szerokość rynku, względna siła i oczekiwania zysków poprawiają się synchronicznie, istnieją solidniejsze podstawy do zwiększenia zaufania do trendu wzrostowego. Obecnie moje nastawienie pozostaje długoterminowo bycze wobec AI, ale krótkoterminowo nie zmienię oceny ryzyka z powodu jednej czy dwóch dużych świec wzrostowych. Wolę przegapić początkowy etap wzrostu od dołu, niż wielokrotnie angażować się na pełne pozycje podczas trwającego trendu spadkowego. Potwierdzenie trendu zawsze ma pewne opóźnienie i nie ma żadnego wskaźnika gwarantującego sukces odwrócenia. Jeśli rynek ponownie przebije poprzednie minima, wcześniejsze bycze założenia będą wymagały ponownej oceny.

Można kupić GPU firmy Nvidia, można zwiększyć produkcję HBM, można też dodać linie produkcyjne modułów optycznych, ale jeśli centrum danych AI nie ma dostępu do wystarczającej ilości energii elektrycznej, sprzęt obliczeniowy wart dziesiątki miliardów dolarów może w ogóle nie zostać uruchomiony zgodnie z planem. Uważam, że wielu inwestorów od dawna nie docenia najbardziej podstawowego i realnego wąskiego gardła w łańcuchu przemysłowym AI: energii elektrycznej. $GEV $ETN $HUBB $NVDA $VRT $QQQ W ciągu ostatnich dwóch lat Wall Street skupił dużą uwagę na GPU, HBM, zaawansowanym pakowaniu i modułach optycznych 800G. Ale prawdziwe działające centrum danych AI, oprócz tych urządzeń, potrzebuje również instalacji energetycznych, transformatorów, urządzeń rozdzielczych, sieci przesyłowej, zasilania awaryjnego i systemów chłodzenia. A wraz ze wzrostem gęstości obliczeniowej serwerów AI, zużycie energii na jednostkę szafy również stale rośnie. W przeszłości budowa centrów danych koncentrowała się głównie na liczbie serwerów, teraz coraz więcej projektów musi najpierw odpowiedzieć na pytanie: ile megawatów stabilnej energii może dostarczyć lokalna sieć energetyczna? To nie jest moja spekulacja oparta na ruchach cen akcji, ale realny problem, który Departament Energii USA już wyraźnie omawia. Badanie zapotrzebowania na przesył energii opublikowane przez Departament Energii USA w 2026 roku wskazuje, że centra danych, duże zakłady przemysłowe i ekspansja produkcji napędzają wzrost nowych obciążeń energetycznych, a USA muszą rozbudować infrastrukturę przesyłową, aby sprostać przyszłej zdolności zasilania i problemom z zatłoczeniem sieci. Co ważniejsze, 18 października pojawiła się jeszcze jedna wiadomość. Według brytyjskich mediów Microsoft wycofał się ze współpracy z Nscale przy centrum danych w Loughton w hrabstwie Essex w Wielkiej Brytanii. Projekt wcześniej napotkał poważne opóźnienia, a sieć energetyczna przewiduje, że część dostaw energii może zostać zrealizowana dopiero w latach 30. XXI wieku. Microsoft nie potwierdził publicznie przyczyn wycofania się z projektu, więc nie można jednoznacznie stwierdzić, że było to wyłącznie z powodu braku energii. Jednak ten przypadek pokazuje, że nawet przy silnym zapotrzebowaniu na moc obliczeniową nie da się ominąć kwestii dostępu do sieci i cyklu budowy infrastruktury. Kto więc korzysta na rozbudowie infrastruktury energetycznej? Najpierw spójrzmy na $GEV. GE Vernova w raporcie za drugi kwartał 2026 roku opublikowanym w lipcu pokazała, że przychody kwartalne firmy osiągnęły 11,1 mld USD, co oznacza wzrost o 22% rok do roku, a zamówienia wyniosły 24,2 mld USD, co oznacza wzrost o 88% w ujęciu organicznym. Co ważniejsze, całkowite zaległe zamówienia firmy sięgają 176 mld USD, z czego zamówienia i umowy rezerwacyjne na urządzenia do wytwarzania energii gazowej obejmują 116 GW, a firma spodziewa się, że do końca roku osiągnie co najmniej 125 GW. Należy zauważyć, że te zamówienia nie pochodzą wyłącznie z centrów danych AI, ale obejmują również tradycyjną energetykę, przemysł i inne potrzeby energetyczne. Jednak odzwierciedlają one bardzo wyraźny fakt: globalne zapotrzebowanie na urządzenia do wytwarzania energii i infrastrukturę energetyczną rośnie szybko. Prawdziwe sygnały związane z AI pochodzą z działalności elektryfikacyjnej. GE Vernova ujawniła, że do końca drugiego kwartału zamówienia związane z centrami danych od 2026 roku przekroczyły 5 mld USD, co jest ponad dwukrotnie wyższe niż całoroczne zamówienia w 2025 roku. Te dane są bardziej przekonujące niż czyste dyskusje o tym, ile energii AI będzie zużywać w przyszłości, ponieważ już zaczynają odzwierciedlać się w rzeczywistych zamówieniach. Spójrzmy teraz na $ETN. Eaton to globalna ważna firma zarządzająca energią, oferująca produkty związane z rozdziałem, ochroną, kontrolą i powiązaną infrastrukturą. Przychody z działalności elektrycznej w Ameryce w drugim kwartale osiągnęły 4 mld USD, co oznacza wzrost organiczny o 18%, a zamówienia w ciągu ostatnich 12 miesięcy wzrosły o 41% rok do roku, a zaległe zamówienia na koniec czerwca wzrosły o 33% rok do roku. Oznacza to, że popyt na urządzenia energetyczne nie zniknął nagle wraz z korektą akcji technologicznych. Jednak klienci Eaton to nie tylko centra danych AI, ale także przemysł, budynki komercyjne i użyteczność publiczna, więc nie można przypisać całego wzrostu działalności elektrycznej wyłącznie AI. Na koniec spójrzmy na $HUBB. Przychody Hubbell w drugim kwartale wzrosły o 15% rok do roku, z czego wzrost organiczny wyniósł 10%. Firma jasno stwierdziła, że modernizacja sieci, wzrost obciążenia energetycznego i budowa centrów danych są ważnymi czynnikami napędzającymi rozwój działalności. Jej działalność w zakresie infrastruktury energetycznej obejmuje sieci przesyłowe i dystrybucyjne, które są jedną z podstawowych infrastruktur, na których opierają się duże centra danych przy podłączeniu do sieci. Dlaczego uważam, że te firmy warto badać długoterminowo? Ponieważ w przemyśle AI pojawia się bardzo interesująca zmiana. W przeszłości najbardziej deficytowe były wysokowydajne GPU, a rynek był skłonny płacić wysokie ceny za ograniczone zasoby mocy obliczeniowej. Wraz ze wzrostem zdolności produkcyjnych chipów, nowe ograniczenia mogą stopniowo pojawiać się w dostępie do energii, dostawie transformatorów, zdolnościach chłodzenia i zatwierdzeniach budowlanych. Jeśli firma chmurowa ma wystarczające środki na zakup GPU, ale musi czekać kilka lat na pozwolenie na podłączenie do sieci, to prawdziwym ograniczeniem postępu projektu nie jest już tylko dostawa półprzewodników. Ponadto cykl rozbudowy infrastruktury energetycznej zwykle nie jest tak elastyczny jak zakup serwerów. Budowa nowych instalacji energetycznych wymaga sprzętu, ziemi i zezwoleń. Rozbudowa linii przesyłowych wiąże się z koordynacją międzyregionalną, regulacjami i podziałem kosztów. Transformatory wysokiego napięcia i inne kluczowe urządzenia mogą również mieć długie terminy zakupu i dostawy. Oznacza to, że nawet jeśli technologia chipów AI rozwija się co roku, infrastruktura zasilania niekoniecznie będzie mogła rozwijać się w tym samym tempie. Co ważniejsze, centra danych mają bardzo wysokie wymagania dotyczące ciągłości dostaw energii. Duża liczba serwerów AI musi działać nieprzerwanie, a przerwy w dostawie prądu mogą wpływać na obsługę klientów i działanie sprzętu. Dlatego dostawcy chmury zwracają uwagę nie tylko na wystarczającą ilość energii, ale także na niezawodność zasilania, systemy zapasowe i całkowite koszty energii. To również wyjaśnia, dlaczego niektóre firmy zaczynają badać własne instalacje energetyczne, generację gazową, długoterminowe umowy na zakup energii oraz rozwiązania jądrowe. 15 października Venture Global ogłosił współpracę z GE Vernova i Baker Hughes w celu rozwoju do 16 nowych zespołów generatorów, aby wesprzeć swoje przyszłe plany dostaw energii. Projekty te również muszą zmierzyć się z cyklem budowy i ryzykiem inwestycyjnym, ale przynajmniej pokazują, że duże firmy energetyczne zaczynają postrzegać centra danych AI jako potencjalnie ważnych klientów na przyszłość. Jednak nie uważam, że sektor energetyczny jest z definicji bezpieczniejszy niż półprzewodniki. Obecnie ceny akcji wielu firm energetycznych odzwierciedlają oczekiwania rynku dotyczące wzrostu popytu w nadchodzących latach. Jeśli projekty centrów danych zostaną opóźnione z powodu trudności finansowych, niektóre zamówienia na urządzenia energetyczne również mogą zostać przesunięte. Ponadto zaległe zamówienia nie oznaczają potwierdzonych przychodów, a kontrakty na urządzenia do wytwarzania energii nie oznaczają natychmiastowego wpływu gotówki. Zdolności produkcyjne, koszty surowców, robocizny, cła i czas realizacji projektów mogą wpływać na ostateczną marżę zysku firmy. Jest jeszcze jedna kwestia, na którą należy zwrócić szczególną uwagę: brak energii w centrach danych nie oznacza, że ceny energii we wszystkich regionach będą rosnąć bez ograniczeń. Rynek energii wykazuje wyraźne różnice regionalne, a struktura wytwarzania, zdolności przesyłowe i regulacje mogą zmieniać ekonomię projektów. Dlatego nie będę prostolinijnie twierdzić, że AI potrzebuje więcej energii, więc wszystkie akcje energetyczne muszą rosnąć. Ale na podstawie obecnych danych operacyjnych GE Vernova, Eaton i Hubbell już zauważyły rzeczywisty popyt związany ze wzrostem obciążenia energetycznego, budową centrów danych i modernizacją sieci. To jeden z ważnych powodów, dla których długoterminowo pozytywnie patrzę na przemysł AI. Jeśli AI byłoby tylko spekulacją na rynku kapitałowym bez rzeczywistej wartości, trudno byłoby wyjaśnić, dlaczego popyt rozprzestrzenił się z GPU na HBM, zaawansowaną produkcję, komunikację optyczną, CPU, a następnie na urządzenia do wytwarzania energii, transformatory i infrastrukturę sieciową. Oczywiście to rozprzestrzenianie się popytu nie oznacza, że każda inwestycja przyniesie rozsądne zwroty. Wręcz przeciwnie, im większe są nakłady kapitałowe całego przemysłu, tym bardziej rynek powinien poważnie badać efektywność wydatków inwestycyjnych i zdolność realizacji projektów. Będę uważnie śledzić zamówienia centrów danych GE Vernova, tempo wzrostu zamówień w działalności elektrycznej Eaton, kolejki do podłączenia do sieci w USA oraz czy duże firmy chmurowe będą kontynuować realizację ogłoszonych planów budowy centrów danych. Jeśli te wskaźniki będą się poprawiać, oznacza to, że rozbudowa infrastruktury AI nadal ma realne wsparcie przemysłowe. Jeśli zamówienia zaczną być anulowane, projekty będą masowo opóźniane, a prognozy przychodów będą obniżane, również zrewiduję swoje oceny. Wciąż uważam, że długoterminowa logika wzrostu przemysłu AI nie została całkowicie obalona przez ciągłe spadki akcji technologicznych w październiku. Czy jednak cena akcji jest warta zakupu, nadal wymaga niezależnych badań wyceny, rentowności i zdolności do podejmowania ryzyka. W przeszłości rynek nieustannie dyskutował, kto może wyprodukować najsilniejszy chip AI, ale w nadchodzących latach być może będziemy musieli badać jeszcze bardziej realny problem: Kiedy coraz więcej GPU zostanie wyprodukowanych, kto będzie w stanie dostarczyć im wystarczającą, stabilną i przystępną cenowo energię? Następna runda konkurencji infrastrukturalnej AI może nie odbywać się tylko w fabrykach chipów, ale także w elektrowniach i sieciach energetycznych.

Największym konkurentem Nvidii w przyszłości może wcale nie być AMD, lecz sami giganci technologiczni, którzy co roku wydają setki miliardów dolarów na moc obliczeniową AI. Google, Amazon i Microsoft przyspieszają rozwój ASIC, przychody z półprzewodników AI $AVGO wzrosły rok do roku o 221%, a dział centrów danych $MRVL również utrzymuje szybki wzrost. Coraz bardziej uważam, że rynek chipów AI w przyszłości może nie być już zdominowany wyłącznie przez GPU, co z kolei wskazuje, że cały przemysł mocy obliczeniowej AI staje się coraz większy. $NVDA $AMD $GOOG $AMZN $MSFT Najpierw spójrzmy na najbardziej przekonujące raporty finansowe. 2 września Broadcom ogłosił, że przychody za trzeci kwartał roku fiskalnego 2026 osiągnęły 29,591 mld USD, co oznacza wzrost o 86% rok do roku. Przychody z półprzewodników AI wyniosły 16,7 mld USD, co oznacza wzrost o 221% rok do roku i wzrost o 54% kwartał do kwartału. Co bardziej imponujące, zarząd przewiduje, że w czwartym kwartale przychody z półprzewodników AI wzrosną do 21,7 mld USD, co oznacza wzrost o 236% rok do roku. Firma o już dużej skali działalności w sektorze półprzewodników, która nadal utrzymuje trzykrotny wzrost przychodów związanych z AI, pokazuje, że popyt na niestandardowe chipy AI i szybkie urządzenia sieciowe przynajmniej w najnowszym raporcie nie wykazuje wyraźnego spadku. Należy jednak jasno zaznaczyć, że 16,7 mld USD przychodów z półprzewodników AI ujawnionych przez Broadcom nie pochodzi wyłącznie z ASIC, ale obejmuje również chipy sieciowe związane z AI. Nie można tego bezpośrednio interpretować jako zakup 16,7 mld USD niestandardowych chipów obliczeniowych przez klientów. Mimo to tempo wzrostu jest warte uwagi, ponieważ Broadcom staje się ważnym partnerem dużych firm technologicznych w opracowywaniu własnych akceleratorów AI, pomagając klientom przekształcać specyficzne potrzeby obliczeniowe w rzeczywiste projekty chipów, jednocześnie dostarczając technologie szybkich sieci. Spójrzmy teraz na Google. $GOOG rozwinął TPU do ósmej generacji, a siódma generacja TPU Ironwood jest już w użyciu, podczas gdy nowe TPU 8t i 8i są zoptymalizowane odpowiednio pod kątem dużych szkoleń i inferencji. Według danych Google, pojedynczy Superpod TPU 8t może integrować do 9600 chipów, a TPU 8i skupia się na poprawie efektywności obliczeniowej i kosztów inferencji dużych modeli. Oznacza to, że Google nie jest już tylko firmą chmurową kupującą zewnętrzne GPU, lecz stara się opanować kluczowe technologie całej platformy mocy obliczeniowej AI. Co ważniejsze, TPU Google zaczynają zdobywać uznanie zewnętrznych dużych klientów AI. 6 kwietnia Google i Anthropic ogłosiły rozszerzenie współpracy, planując od 2027 roku stopniowo dostarczać moc obliczeniową TPU na poziomie kilku gigawatów. To nie jest mały projekt pilotażowy, lecz poważna współpraca związana z długoterminową infrastrukturą. Oczywiście planowana moc kilku gigawatów nie oznacza, że wszystko jest już zbudowane, ani że nie ma ryzyka opóźnień w przyszłych kontraktach. Amazon również zasługuje na uwagę. W raporcie za drugi kwartał opublikowanym 30 lipca $AMZN poinformował, że roczne przychody z działalności AI i chipów AWS przekroczyły 25 mld USD, utrzymując trzykrotny wzrost rok do roku. Dział chipów obejmuje różne typy własnych procesorów, nie tylko Trainium, i nie można tego bezpośrednio interpretować jako osiągnięcie 25 mld USD rocznych przychodów. Jednak pokazuje to, że własne chipy nie są już tylko eksperymentalnym projektem wewnętrznym Amazona mającym na celu obniżenie kosztów, lecz stały się ważnym elementem wzrostu AWS. Szczególnie Trainium. Amazon przeszedł z Trainium2 do Trainium3 i planuje kolejne produkty. Duzi klienci AI, tacy jak Anthropic, również zwiększają wykorzystanie niestandardowej mocy obliczeniowej AWS. W przeszłości dostawcy chmury kupowali GPU głównie na podstawie produktów Nvidii do budowy systemów obliczeniowych; teraz duże firmy chmurowe mają własne chipy, sieci i platformy programowe, co pozwala na głębszą optymalizację zgodnie z rzeczywistymi potrzebami modeli klientów. Microsoft również bierze udział w tej rywalizacji. W styczniu tego roku $MSFT oficjalnie wprowadził akcelerator inferencji Maia 200, wykonany w technologii 3nm TSMC, wyposażony w 216 GB pamięci HBM3e. Microsoft twierdzi, że Maia 200 poprawia efektywność kosztową jednostkową w określonych wewnętrznych obciążeniach o ponad 30% w porównaniu do poprzedniego sprzętu. Oczywiście są to dane wewnętrzne Microsoftu i nie dowodzą, że Maia jest lepsza od GPU Nvidii we wszystkich scenariuszach, ale pokazują, że własne chipy zaczynają mieć realną wartość komercyjną. Dlaczego giganci technologiczni tak bardzo upierają się przy projektowaniu własnych ASIC? Powód jest prosty: gdy skala obliczeń AI osiąga dziesiątki lub setki miliardów dolarów, nawet 10% spadek kosztu jednostkowego inferencji może przynieść ogromną wartość ekonomiczną. Największą zaletą GPU jest uniwersalność i dojrzały ekosystem oprogramowania, odpowiednie dla stale zmieniających się architektur modeli i złożonych zadań obliczeniowych. Jednak dla wysoce ustandaryzowanych, ciągle działających dużych zadań inferencyjnych, specjalnie zoptymalizowane ASIC mogą oferować lepszy stosunek wydajności do zużycia energii i kosztu jednostkowego obliczeń. Jednak ASIC nie powstaje łatwo. Zaawansowane projektowanie chipów wymaga ogromnych nakładów na badania i rozwój oraz rozwiązania problemów związanych z zaawansowanymi procesami technologicznymi, dostawami HBM, pakowaniem, łącznością sieciową, kompilatorami i ekosystemem oprogramowania. Jeśli projekt produktu nie będzie dostosowany do przyszłych architektur modeli lub skala faktycznego użycia klientów będzie niewystarczająca, początkowe inwestycje mogą się nie zwrócić. Dlatego wiele firm, nawet jeśli chce zmniejszyć zależność od Nvidii, nie porzuci GPU całkowicie. Ponadto prawdziwa siła Nvidii to nie tylko wydajność pojedynczego GPU. Ekosystem CUDA, NVLink, szybkie sieci, systemy na poziomie szaf i narzędzia deweloperskie tworzą jej przewagę konkurencyjną. Dla wielu deweloperów AI zakup kompletnej, dojrzałej platformy Nvidii może być bardziej efektywny niż wieloletni rozwój własnych chipów. Zwłaszcza w przypadku zaawansowanego treningu modeli, szybkich zmian architektury i złożonych środowisk chmurowych z wieloma najemcami, uniwersalne GPU nadal mają wyraźną przewagę. Dlatego uważam, że GPU i ASIC będą raczej współistnieć długoterminowo, niż jedna technologia całkowicie wyeliminuje drugą. Zaawansowany trening modeli, badania naukowe i złożone inferencje prawdopodobnie nadal będą w dużej mierze korzystać z GPU, podczas gdy niektóre duże, względnie stabilne obciążenia stopniowo przejdą na niestandardowe chipy. Duże firmy chmurowe ostatecznie będą rozdzielać zadania między różne platformy obliczeniowe w oparciu o wydajność, koszty, zdolności dostaw i kompatybilność oprogramowania. Spójrzmy też na $MRVL. Raport za drugi kwartał roku fiskalnego 2027 opublikowany 27 sierpnia pokazuje przychody na poziomie 2,739 mld USD, co oznacza wzrost o 37% rok do roku, a przychody z działu centrów danych wzrosły o 46%. Zarząd stwierdził, że popyt na zamówienia związane z AI pozostaje silny i przewiduje wyraźne przyspieszenie działalności niestandardowych chipów w drugiej połowie roku fiskalnego. Marvell nie tylko uczestniczy w rozwoju niestandardowych chipów obliczeniowych, ale także inwestuje w szybkie połączenia i sieci centrów danych, więc jego wzrost nie można przypisać wyłącznie ASIC. To właśnie jest powód, dla którego uważam, że branża ASIC zasługuje na długoterminowe badania. Rynek mocy obliczeniowej AI może przechodzić od dominacji pojedynczego dostawcy do współwzrostu wielu architektur chipów. Dla Broadcom i Marvell nie jest konieczne całkowite pokonanie Nvidii, aby zdobyć szanse biznesowe. Dopóki firmy chmurowe będą zwiększać inwestycje w niestandardowe chipy, mogą one zdobywać więcej zamówień na projekty, połączenia i urządzenia sieciowe. W międzyczasie $TSM również może nadal korzystać. Bez względu na to, czy ostatecznie zostaną użyte GPU Nvidii, TPU Google, Trainium Amazona czy Maia Microsoftu, wiele wysokowydajnych chipów AI nadal wymaga zaawansowanych zdolności produkcji i pakowania wafli krzemowych. Zaostrzenie konkurencji w projektowaniu chipów nie oznacza koniecznie spadku popytu w całym łańcuchu produkcyjnym. Muszę jednak przyznać, że to stanowi ryzyko warte analizy dla długoterminowej wyceny Nvidii. W przeszłości rynek wyceniał $NVDA bardzo wysoko nie tylko ze względu na wzrost popytu na chipy AI, ale także dlatego, że inwestorzy wierzyli, iż firma utrzyma silną pozycję rynkową i marże zysku. Jeśli udział ASIC będzie się nadal powiększał, nawet jeśli absolutne przychody Nvidii będą rosły, rynek może ponownie ocenić tempo wzrostu i zdolność do ustalania cen. Z drugiej strony szybki wzrost popytu na ASIC nie oznacza, że akcje $AVGO i $MRVL muszą być warte wysokich cen. Działalność niestandardowych chipów wiąże się z ryzykiem wysokiej koncentracji klientów, długich cykli rozwoju, opóźnień projektów i zmienności marż. Ogłoszenie zwiększenia inwestycji w ASIC nie oznacza, że dostawca ma już pewne przychody; zdobycie długoterminowych projektów projektowych nie gwarantuje, że w każdym kwartale będą realizowane dostawy zgodnie z najbardziej optymistycznymi prognozami. Szczególnie teraz budowa centrów danych AI stoi przed wyzwaniami związanymi z dostawami energii, zwrotem z inwestycji kapitałowych i kosztami finansowania. CEO Broadcom, Chen Fuyang, niedawno publicznie ostrzegł, że jednym z ważnych wąskich gardeł przyszłej ekspansji branży AI jest kapitał. Rynek nie może patrzeć tylko na wielkość popytu na chipy, ignorując, kto ostatecznie je kupuje, w jaki sposób są finansowane i czy po wdrożeniu generują wystarczający przepływ gotówki. Dlatego zawsze uważam, że zmiany fundamentów AI należy obserwować przez pryzmat rzeczywistych danych operacyjnych całego łańcucha przemysłowego, a nie prostych ocen na podstawie ceny akcji Nvidii. Gdyby popyt na GPU naprawdę załamał się całkowicie, powinniśmy zobaczyć, że firmy chmurowe ograniczają zakupy, spadają zamówienia na niestandardowe chipy, a prognozy przychodów półprzewodników się pogarszają. Jednak obecne dane Nvidii, Broadcom, Marvella i dużych firm chmurowych nie wskazują na taki całkowity odwrót. Będę się dalej skupiał na czterech wskaźnikach: przychodach i marży brutto Nvidii z centrów danych, czy Broadcom zrealizuje kwartalną prognozę 21,7 mld USD przychodów z półprzewodników AI, rzeczywistym wzroście działalności niestandardowych chipów Marvella oraz czy Google i Amazon będą nadal zwiększać skalę wykorzystania własnych chipów. Wciąż jestem długoterminowym bykiem na AI, ale coraz bardziej wierzę, że przyszłe inwestycje w AI nie mogą opierać się wyłącznie na GPU. Wraz ze wzrostem zapotrzebowania na moc obliczeniową, zyski w łańcuchu przemysłowym mogą być stopniowo redystrybuowane między GPU, ASIC, zaawansowaną produkcję, sieci i platformy chmurowe. Nvidia niekoniecznie straci pozycję lidera, ale też niekoniecznie będzie mogła na zawsze cieszyć się wyłącznymi korzyściami wzrostu całego rynku AI. Dla mnie szybki wzrost ASIC nie jest dowodem na upadek branży AI, lecz raczej oznaką, że coraz więcej firm jest gotowych inwestować realny kapitał, by rywalizować o przyszły rynek infrastruktury mocy obliczeniowej. Prawdziwym zagrożeniem jest to, że mimo rosnącego popytu w branży, niektóre akcje mogą nadal korygować się z powodu wcześniejszej nadmiernej wyceny. Dlatego długoterminowo jestem optymistą co do AI, ale krótkoterminowo nadal podkreślam konieczność kontrolowania pozycji. Poprawny kierunek technologiczny nie oznacza, że każda cena jest warta zakupu; rosnąca skala branży nie gwarantuje, że każdy uczestnik osiągnie równie wysokie zyski.

Cena akcji Nvidii była nieustannie wyprzedawana, a globalny rynek półprzewodników gwałtownie spadł, co skłoniło wielu do wątpliwości, czy hossa na AI już się zakończyła. Jednak po przeanalizowaniu najnowszych raportów finansowych $NVDA i $AMD nadal podtrzymuję jedno stanowisko: przynajmniej na podstawie dotychczas opublikowanych danych operacyjnych, globalny popyt na GPU nie wykazuje oznak całkowitego załamania. Obecnie prawdziwym zmartwieniem rynku może nie być brak popytu na AI, lecz zbyt optymistyczna wycena branży AI w przeszłości. $SOXX $QQQ $AVGO $MU Najpierw spójrzmy na najbardziej przekonujące dane. 26 sierpnia Nvidia opublikowała raport za drugi kwartał roku fiskalnego 2027, osiągając przychody na poziomie 96,2 mld USD, co oznacza wzrost o 106% rok do roku, z czego przychody z działu centrów danych wyniosły 89 mld USD, wzrastając o 117% rok do roku i o 18% kwartał do kwartału. Co bardziej imponujące, marża brutto GAAP firmy utrzymała się na poziomie 75%, a zysk operacyjny osiągnął 63,7 mld USD, co oznacza wzrost o 124% rok do roku. Firma, która w jednym kwartale generuje przychody bliskie 100 mld USD i nadal utrzymuje taki wzrost i rentowność, nie jest zwykłym przykładem szybkiego wzrostu. Jednak to, co naprawdę utwierdza mnie w pozytywnym spojrzeniu na popyt na GPU, to prognoza Nvidii na kolejny kwartał. Firma przewiduje przychody na trzeci kwartał roku fiskalnego 2027 na poziomie 108 mld USD z odchyleniem +/- 2%, co oznacza, że zarząd nadal oczekuje około 12% wzrostu kwartał do kwartału. Jednocześnie platforma Vera Rubin weszła już w fazę pełnej produkcji, a klienci tacy jak Microsoft, Google, Oracle i CoreWeave wdrażają odpowiednie systemy. Gdyby popyt na moc obliczeniową AI faktycznie się załamał, trudno byłoby wyjaśnić ten wzrost przychodów i tempo wdrożeń produktów na podstawie obecnych raportów finansowych. Oczywiście 108 mld USD to tylko prognoza zarządu, a nie już osiągnięte przychody. Spójrzmy teraz na AMD. Przychody AMD w drugim kwartale wyniosły 11,536 mld USD, co oznacza wzrost o 50% rok do roku, z czego przychody z działu centrów danych wyniosły 6,7 mld USD, wzrastając o 107%. Firma jasno wskazała, że popyt na serwerowe procesory EPYC jest silny, wdrożenia GPU Instinct nadal rosną, a systemy AI na poziomie szaf Helios również zaczynają się rozwijać. Trzeba tu rozróżnić jeden aspekt: 6,7 mld USD przychodów AMD z centrów danych obejmuje zarówno CPU, jak i GPU, więc nie można ich bezpośrednio porównywać z przychodami Nvidii z GPU. Jednak przynajmniej pokazuje to, że popyt na infrastrukturę AI nie koncentruje się tylko w jednej firmie. Ponadto uważam, że wiele osób nadal niedoszacowuje długoterminowego popytu na moc obliczeniową generowaną przez AI w zakresie inferencji. W przeszłości rynek skupiał się głównie na trenowaniu modeli, zastanawiając się, ile GPU, HBM i zaawansowanych technologii pakowania jest potrzebnych. Jednak wraz z coraz szerszym wdrażaniem agentów AI w procesy biznesowe, zapotrzebowanie na moc obliczeniową rozszerza się z treningu na ciągłą inferencję. Jeden asystent AI odpowiadający na pytanie zużywa inne zasoby obliczeniowe niż agent, który wielokrotnie wywołuje narzędzia, wykonuje kod, wyszukuje informacje i realizuje złożone zadania. Jeśli skala zastosowań AI będzie dalej rosła, zapotrzebowanie na inferencję może stać się nowym, długoterminowym źródłem wzrostu rynku GPU. Dlatego Nvidia przechodzi od samej sprzedaży GPU do oferowania kompletnej platformy obliczeniowej AI. Vera Rubin obejmuje nie tylko GPU, ale także CPU, NVLink, urządzenia sieciowe, oprogramowanie i systemy na poziomie szaf. Dla dużych dostawców chmury prawdziwym wyzwaniem jest już nie tylko wydajność pojedynczego układu, lecz to, ile zadań obliczeniowych może wykonać cały klaster AI przy jak najniższych kosztach. Ekosystem oprogramowania CUDA, zdolności integracji systemów i technologie sieciowe są kluczowymi elementami konkurencyjności Nvidii. Jednak nie zamierzam uważać, że branża GPU jest wolna od ryzyka tylko dlatego, że dane są silne. Wręcz przeciwnie, uważam, że obecnie rynek stoi przed trzema bardzo realnymi problemami. Pierwszy to pytanie, czy wydatki kapitałowe dostawców chmury mogą utrzymać tak wysoki wzrost. Microsoft, Google, Amazon i Meta mają silne przepływy pieniężne, ale w branży jest wiele centrów danych zależnych od finansowania dłużnego. Jeśli koszty finansowania będą dalej rosnąć, a dostęp do energii i budowa projektów będą się opóźniać, niektórzy klienci mogą przesunąć zakupy GPU. Długoterminowy popyt na moc obliczeniową istnieje, ale nie oznacza to, że wszystkie zapowiedziane plany budowy zostaną zrealizowane na czas. Drugi problem to rosnąca konkurencja ze strony ASIC. Google rozwija TPU, Amazon ma Trainium, Microsoft pracuje nad własnymi chipami AI, a $AVGO i $MRVL szukają wzrostu w dziedzinie układów niestandardowych. W niektórych scenariuszach stałych modeli i dużej skali inferencji klienci mogą obniżyć koszty jednostkowe obliczeń dzięki dedykowanym chipom. To nie oznacza szybkiego wyparcia GPU, ale może zmienić podział zysków na rynku mocy obliczeniowej AI. Trzeci problem, który moim zdaniem jest najczęściej pomijany, to pytanie, jak długo Nvidia utrzyma swoją marżę brutto na poziomie 75%. Prognoza na kolejny kwartał wskazuje spadek do około 74%, a masowa produkcja nowych produktów, koszty zakupu HBM i siła negocjacyjna klientów mogą wpłynąć na przyszłe marże. Nawet jeśli popyt na moc obliczeniową AI będzie rósł, rosnąca konkurencja lub spadek cen produktów mogą wymusić korektę wyceny przyszłych zysków Nvidii. Warto też zwrócić uwagę na jeden szczegół. Na koniec ostatniego kwartału zapasy Nvidii wzrosły do około 32 mld USD, częściowo z powodu przygotowań do produktów Vera Rubin. Wzrost zapasów nie musi oznaczać pogorszenia popytu, ale jeśli pojawią się opóźnienia w dostawach, zmiany w zamówieniach klientów lub problemy z przejściem na nowe produkty, mogą to być sygnały ostrzegawcze. Dlatego nie skupiam się tylko na tym, ile miliardów dolarów zamówień firma ogłosiła, ale także na rzeczywistych dostawach, rotacji zapasów, należnościach i przepływach pieniężnych z działalności operacyjnej. Podsumowując, najważniejszym tematem w branży GPU nie jest to, czy AI jest użyteczne, lecz jak duży wzrost popytu może uzasadnić inwestycje kapitałowe i jak wysokie marże mogą utrzymać firmy produkujące chipy. Najnowszy raport Nvidii pokazuje, że firma nadal ma bardzo silną rentowność, ale raport za okres do końca lipca nie dowodzi, że każde zamówienie klientów na październik pozostaje bez zmian, ani nie gwarantuje, że wzrost w 2027 i 2028 roku będzie zawsze zgodny z najbardziej optymistycznymi prognozami. Zawsze byłem długoterminowym bykiem na AI i uważam, że GPU pozostaną kluczowym elementem przyszłej globalnej infrastruktury obliczeniowej. Jednak nie zamierzam uważać, że cena akcji powinna rosnąć bezwarunkowo tylko dlatego, że przychody Nvidii wzrosły o 106% rok do roku. Rynek handluje przyszłością, a nie tylko opublikowanymi kwartalnymi zyskami. Jeśli wcześniejsza wycena uwzględniła szybki wzrost na kilka lat do przodu, nawet poprawa wyników może spowodować znaczne korekty cen akcji z powodu rewizji oczekiwań. W najbliższym czasie będę uważnie obserwować, czy prognoza przychodów Nvidii na trzeci kwartał na poziomie 108 mld USD zostanie zrealizowana, tempo rzeczywistych dostaw Vera Rubin, ekspansję rynku GPU Instinct AMD oraz czy duzi dostawcy chmury zaczną korygować wydatki kapitałowe. Jeśli te wskaźniki będą się pogarszać, ponownie ocenię swoje długoterminowe stanowisko. Ale przynajmniej do tej pory raporty finansowe Nvidii i AMD nie dostarczyły wystarczających dowodów na całkowite odwrócenie globalnego popytu na GPU. Od pamięci, modułów optycznych, zaawansowanej produkcji, CPU aż po GPU zawsze rozróżniałem dwie kwestie: AI jako branża ma realny wzrost popytu, a cena akcji AI wcześniej niekoniecznie była uzasadniona. Oba te stwierdzenia mogą być prawdziwe jednocześnie. Wciąż wierzę, że długoterminowa hossa na AI ma solidne podstawy, ale uważam też, że październikowa korekta przypomniała wszystkim inwestorom, że silne fundamenty nie powstrzymają krótkoterminowego spadku wycen i nie zastąpią zarządzania pozycjami. To, co naprawdę utrzymuje moją długoterminową wiarę, to fakt, że globalny popyt na moc obliczeniową nadal rośnie, a nie to, że cena akcji jakiejkolwiek firmy chipowej nigdy nie spadnie.

$MSFT, $GOOG, $AMZN, $META co roku inwestują setki miliardów dolarów w budowę centrów danych AI, a Wall Street zaczyna obawiać się pęknięcia bańki AI. Jednak moim zdaniem, aby ocenić, czy fundamenty AI rzeczywiście się pogorszyły, najważniejsze nie jest, o ile spadła cena akcji Nvidii, lecz czy ci prawdziwi kupujący GPU, serwery, pamięć masową i urządzenia sieciowe – giganci chmury obliczeniowej – faktycznie zarabiają pieniądze. $NVDA $AVGO $MU $CRWV Wcześniej analizowałem kolejno pamięć masową, moduły optyczne, zaawansowaną produkcję i CPU, i zauważyłem wspólny mianownik: mimo gwałtownych korekt cen akcji, najnowsze dane operacyjne kluczowych firm z łańcucha dostaw nie wskazują na całkowity załamanie popytu na AI. Jednak nawet jeśli wyniki firm z wyższych poziomów są dobre, istnieje nieunikniony problem: jeśli dostawcy chmury będą nadal inwestować ogromne środki kapitałowe, ale nie uzyskają rozsądnych zwrotów, to wysoki wzrost półprzewodników z wyższych poziomów trudno będzie utrzymać w nieskończoność. Dlatego dziś przyjrzymy się bezpośrednio kilku najważniejszym firmom. Zacznijmy od Microsoftu. $MSFT w raporcie za czwarty kwartał roku fiskalnego 2026, opublikowanym 29 lipca, osiągnął przychody w wysokości 90 mld USD, co oznacza wzrost o 18% rok do roku, a zysk operacyjny wyniósł 40,6 mld USD, również wzrastając o 18%. Przychody z Azure i innych usług chmurowych wzrosły o 43% rok do roku, a całkowite przychody Microsoft Cloud w kwartale wyniosły 59,3 mld USD, co oznacza wzrost o 27%. Kierownictwo jasno stwierdziło, że popyt klientów nadal przewyższa istniejącą podaż mocy obliczeniowej, a nowo uruchomione zasoby obliczeniowe są szybko wykorzystywane przez klientów. Co ważniejsze, w tym kwartale Microsoft wydał na inwestycje kapitałowe 41 mld USD, a przepływy pieniężne z działalności operacyjnej wyniosły 55,4 mld USD, pozostawiając wolne przepływy pieniężne na poziomie 19,6 mld USD. Co to oznacza? Microsoft, mimo intensywnych inwestycji w AI, nadal generuje bardzo silne przepływy pieniężne z istniejącej działalności. Oczywiście przychody Microsoft Cloud nie są równoznaczne z czystymi przychodami z AI, a wzrost Azure obejmuje również tradycyjne usługi chmurowe, więc nie można przypisać całego wzrostu AI. Przejdźmy do Google. $GOOG w raporcie za drugi kwartał, opublikowanym 22 lipca, osiągnął przychody w wysokości 119,8 mld USD, co oznacza wzrost o 24% rok do roku, z czego przychody Google Cloud wyniosły 24,77 mld USD, wzrastając o 82%, a zysk operacyjny chmury wyniósł 8,81 mld USD, podczas gdy rok wcześniej było to tylko 2,83 mld USD. Oznacza to, że działalność chmurowa Google nie tylko szybko rośnie pod względem przychodów, ale także wyraźnie poprawia rentowność. To moim zdaniem bardzo ważny sygnał. W przeszłości rynek wątpił, czy budowa infrastruktury AI przyniesie zyski tylko Nvidii, a prawdziwi nabywcy GPU nie będą mieli zwrotów. Jednak najnowszy raport Google przynajmniej dowodzi, że ich działalność chmurowa powiększa skalę zysków. Oczywiście Google Cloud obejmuje tradycyjne usługi chmurowe, infrastrukturę AI oraz Workspace, więc nie można całego zysku 8,8 mld USD przypisać wyłącznie AI. Google ma też przewagę trudną do skopiowania: posiada nie tylko Google Cloud, ale także ogromny ekosystem produktów, takich jak wyszukiwarka, YouTube, Android i Gemini, a także może optymalizować część kosztów obliczeń AI dzięki własnym TPU. Oznacza to, że Google może zarówno wynajmować moc obliczeniową klientom zewnętrznym, jak i wykorzystywać AI do ulepszania własnych produktów, starając się obniżyć jednostkowy koszt każdej inferencji. Jednak Google też nie jest wolne od ryzyka. Wraz z gwałtownym wzrostem inwestycji w infrastrukturę AI firma musi również uzupełniać finansowanie poprzez emisję akcji i zadłużenie. Czy wzrost nakładów inwestycyjnych będzie w stanie generować nadzwyczajne zwroty, pokażą dane z kolejnych kwartałów. Następnie Amazon. $AMZN w drugim kwartale osiągnął przychody AWS na poziomie 42,2 mld USD, co oznacza wzrost o 37%, najszybszy od 18 kwartałów. Zysk operacyjny AWS wyniósł 16,6 mld USD, podczas gdy rok wcześniej było to 10,2 mld USD, a marża operacyjna wyniosła około 39%. Pod względem przychodów i zysków AWS pozostaje jedną z najbardziej dochodowych działalności chmurowych na świecie. Co ważniejsze, kierownictwo Amazon wcześniej stwierdziło, że popyt klientów AWS nadal przewyższa istniejącą zdolność produkcyjną i podniosło planowane nakłady inwestycyjne na 2026 rok do około 220 mld USD. Jednak w ciągu ostatnich 12 miesięcy wolne przepływy pieniężne Amazon stały się ujemne i wyniosły -7,6 mld USD, głównie z powodu znacznego wzrostu inwestycji w infrastrukturę AI. Te dane powinny skłonić inwestorów do poważnej refleksji. AWS generuje ogromne zyski operacyjne, ale wolne przepływy pieniężne grupy są wyraźnie ograniczane przez nakłady inwestycyjne. Pokazuje to, że popyt na chmurę jest realny, ale budowa infrastruktury jest bardzo kosztowna. Nie można ignorować cyklu zwrotu kapitału i przyszłych kosztów amortyzacji tylko dlatego, że przychody AWS rosną o 37%. Przejdźmy do Meta. $META, choć nie jest tradycyjnym dostawcą usług chmurowych, jest jednym z najważniejszych na świecie nabywców mocy obliczeniowej AI. W drugim kwartale firma osiągnęła przychody około 60,8 mld USD, co oznacza wzrost o 28%, z czego przychody z reklam wyniosły około 59,4 mld USD, wzrastając o 27%. Znaczenie AI dla Meta różni się wyraźnie od Microsoftu i Amazon. Meta nie zarabia głównie na wynajmie GPU, lecz wykorzystuje AI do ulepszania rekomendacji reklam, doświadczenia użytkownika i efektywności konwersji biznesowej. Posiada ogromną bazę użytkowników, więc nawet jeśli AI nie jest osobnym produktem płatnym, może generować realną wartość ekonomiczną poprzez działalność reklamową. Jednak Meta również stoi przed presją nakładów inwestycyjnych. W drugim kwartale przepływy pieniężne z działalności operacyjnej wyniosły 31,86 mld USD, a nakłady inwestycyjne i spłaty leasingów finansowych łącznie około 31,08 mld USD, pozostawiając wolne przepływy pieniężne na poziomie zaledwie 784 mln USD. Prognoza nakładów inwestycyjnych na cały rok wynosi od 130 do 145 mld USD. Oznacza to, że podstawowa działalność Meta nadal jest bardzo dochodowa, ale większość nowo generowanych środków jest pochłaniana przez budowę infrastruktury AI. Inwestorzy muszą obserwować nie tylko dalszy wzrost przychodów z reklam, ale także to, czy inwestycje w AI będą dalej zwiększać efektywność reklam i czy wolne przepływy pieniężne poprawią się po dużych inwestycjach. Na koniec chciałbym skupić się na dwóch najbardziej kontrowersyjnych firmach: $ORCL i $CRWV. Oracle w raporcie za pierwszy kwartał roku fiskalnego 2027, opublikowanym we wrześniu, osiągnął przychody z infrastruktury chmurowej na poziomie 7,4 mld USD, co oznacza wzrost o 121%, a pozostałe zobowiązania do wykonania (RPO) wyniosły 664 mld USD. Firma stwierdziła, że popyt na usługi treningu i inferencji AI w chmurze nadal przewyższa podaż, a nowe kontrakty AI w kwartale przekroczyły 30 mld USD. Te liczby są bardzo silne, ale RPO to nie otrzymane pieniądze i nie oznacza, że wszystkie kontrakty są wolne od ryzyka realizacji. Oracle w tym kwartale nadal miało ujemne wolne przepływy pieniężne na poziomie -5 mld USD i pozyskało 20 mld USD kapitału poprzez program ATM. Firma ma realny wzrost działalności chmurowej, ale musi stale pozyskiwać środki na dalszą ekspansję. Sytuacja CoreWeave jest jeszcze bardziej ekstremalna. W drugim kwartale przychody wyniosły 2,575 mld USD, podczas gdy rok wcześniej było to tylko 1,212 mld USD, czyli wzrost dwukrotny. Jednak strata netto w kwartale wyniosła 626 mln USD, a koszty odsetkowe netto 640 mln USD. Na koniec czerwca firma ujawniła backlog zamówień na około 104 mld USD. Dwukrotny wzrost przychodów i ogromne zamówienia, ale jednocześnie ogromne koszty finansowania – to sedno obecnej kontrowersji wokół inwestycji w infrastrukturę AI. W porównaniu do Microsoftu, Google i Amazon, nowi dostawcy chmury AI, tacy jak CoreWeave, bardziej polegają na zewnętrznym finansowaniu budowy centrów danych. Jeśli klienci będą korzystać z mocy obliczeniowej zgodnie z planem, a kontrakty będą realizowane, przyszłe przychody mogą być znaczące; ale jeśli projekty się opóźnią, koszty finansowania wzrosną lub ceny wynajmu GPU spadną, model wzrostu, który teraz wygląda atrakcyjnie, może znaleźć się pod dużą presją. Dlatego uważam, że nie można obecnie traktować wszystkich dostawców chmury jako jednej kategorii transakcji AI. Microsoft, Google i Amazon mają dojrzały biznes i dużą bazę klientów, Meta może monetyzować AI przez reklamy, a Oracle i CoreWeave stoją przed różnym stopniem presji kapitałowej i ekspansji. Wszyscy budują infrastrukturę AI, ale ich zdolności finansowe, modele zysków i odporność na ryzyko znacznie się różnią. Jest też długoterminowa zmiana warta uwagi: duzi dostawcy chmury aktywnie rozwijają własne chipy AI. Google ma TPU, Amazon Trainium, a Microsoft rozwija Maia. To nie oznacza, że zapotrzebowanie na GPU $NVDA nagle zniknie, ale pokazuje, że dostawcy chmury nie chcą na stałe akceptować zbyt wysokich kosztów obliczeń. Poprawa zwrotu z inwestycji w AI w przyszłości może pochodzić z wyższej efektywności chipów, niższych kosztów inferencji oraz ciągłej optymalizacji oprogramowania i modeli. Dla firm z wyższych poziomów półprzewodników to zarówno szansa, jak i ryzyko. Jeśli nakłady inwestycyjne dostawców chmury będą nadal rosły, $NVDA, $AVGO, $MU oraz cały łańcuch dostaw pamięci, komunikacji optycznej i zaawansowanej produkcji mogą nadal korzystać. Ale jeśli dostawcy chmury zaczną masowo optymalizować zakupy, obniżać koszty pojedynczej inferencji lub część projektów zostanie opóźniona z powodu problemów finansowych lub energetycznych, tempo wzrostu firm z wyższych poziomów może zostać ograniczone. Dlatego mówię, że fundamenty AI się nie zmieniły, nie dlatego, że wierzę, iż akcje AI nigdy nie spadną, ale dlatego, że obecne dane operacyjne głównych dostawców chmury nadal pokazują silny wzrost przychodów z usług chmurowych, rosnącą liczbę klientów korporacyjnych korzystających z mocy obliczeniowej i częściową zdolność do generowania znaczących zysków. Jednak trzeba przyznać, że brak załamania popytu na AI nie oznacza, że każda inwestycja w AI przyniesie zysk. Obecne wyzwania branży przesuwają się z pytania, czy jest zapotrzebowanie na moc obliczeniową, na pytanie, czy ta moc może być budowana i wdrażana po rozsądnych kosztach oraz czy będzie generować wystarczające przychody i przepływy pieniężne. Teraz najbardziej interesuje mnie pięć wskaźników: tempo wzrostu przychodów Azure, AWS i Google Cloud, marża operacyjna działalności chmurowej, zmiany nakładów inwestycyjnych i wolnych przepływów pieniężnych, rzeczywiste wykorzystanie zasobów obliczeniowych AI oraz czy dostawcy chmury w kolejnych kwartałach zmienią swoje prognozy nakładów inwestycyjnych. Jeśli w przyszłości wzrost działalności chmurowej wyraźnie zwolni, marże będą spadać, klienci zaczną anulować zamówienia, a nakłady inwestycyjne pozostaną wysokie, wtedy ponownie ocenię długoterminową logikę zyskowności branży AI. Ale przynajmniej do tej pory nie widzimy całkowitego odwrócenia danych operacyjnych kluczowych dostawców chmury, takich jak Microsoft, Google i Amazon. Od pamięci masowej, modułów optycznych, zaawansowanej produkcji, CPU, aż po dostawców chmury, którzy faktycznie inwestują w budowę centrów danych, cały łańcuch wartości AI nadal wykazuje bardzo silny, realny popyt. Długoterminowo nadal jestem optymistą co do AI, ale w krótkim terminie nadal podkreślam kontrolę pozycji, ponieważ fundamenty biznesowe są silne, a wyceny akcji są już rozsądne – to dwie zupełnie różne kwestie. Czy długoterminowa hossa AI będzie kontynuowana, nie zależy od tego, jak wielkie historie Wall Street dziś opowie, lecz od tego, ile przychodów, zysków i wolnych przepływów pieniężnych te setki miliardów dolarów wydane przez dostawców chmury faktycznie wygenerują w przyszłości. Przynajmniej na podstawie obecnych danych komercjalizacja AI nie zatrzymała się, a prawdziwym testem jest zwrot z tej historycznej ekspansji nakładów inwestycyjnych.

GPU notuje ciągły spadek, a sektor półprzewodników doświadcza masowej wyprzedaży, jednak na globalnym rynku CPU pojawia się bardzo istotna zmiana: AI nie tylko nie wyeliminowało CPU, ale wręcz może tworzyć nową falę popytu na serwerowe CPU. $AMD $INTC $ARM $NVDA $TSM W ciągu ostatnich dwóch lat Wall Street niemal całkowicie skupił się na GPU. Blackwell Nvidii, Instinct AMD oraz własne chipy AI firm chmurowych stały się najgorętszymi kierunkami inwestycyjnymi na rynku kapitałowym. Wielu ludzi nabrało nawet błędnego przekonania, że przyszłość obliczeń AI opierać się będzie głównie na GPU, a rola CPU będzie maleć. Jednak prawda może być zupełnie inna. GPU świetnie radzą sobie z masową obliczeniową równoległością, idealne do trenowania modeli i operacji macierzowych w inferencji, podczas gdy CPU odpowiadają za system operacyjny, harmonogram zadań, wstępne przetwarzanie danych, dostęp do baz danych oraz wiele uniwersalnych zadań obliczeniowych. Centrum danych z setkami tysięcy GPU nie może działać całkowicie niezależnie od CPU. Wraz z rozwojem AI od chatbotów do agentów wykonujących złożone zadania, rola CPU może jeszcze wzrosnąć. Spójrzmy na najbardziej bezpośrednie dane finansowe. $AMD w sierpniu ogłosiło, że przychody za drugi kwartał 2026 roku wyniosły 11,536 mld USD, co oznacza wzrost o 50% rok do roku, z czego przychody z centrum danych sięgnęły 6,7 mld USD, wzrost o 107%, stanowiąc 58% całkowitych przychodów firmy. AMD jasno wskazało, że wzrost w centrum danych wynika z silnego popytu na serwerowe CPU EPYC oraz rozszerzenia wdrożeń GPU Instinct. Warto zauważyć, że 6,7 mld USD nie pochodzi wyłącznie z CPU, ponieważ AMD łączy przychody z EPYC i Instinct GPU w jednym segmencie centrum danych. Mimo to kierownictwo wyraźnie podkreśla przyspieszający wzrost popytu na EPYC. To pokazuje, że zapotrzebowanie na moc obliczeniową generowane przez rozwój infrastruktury AI nie ogranicza się tylko do GPU. Jeszcze ciekawiej wygląda sytuacja Intela. Wiele osób uważa, że $INTC został w tyle w erze AI, ale jego najnowsze wyniki za drugi kwartał pokazują przychody na poziomie 16,1 mld USD, wzrost o 25% rok do roku, z czego przychody z centrum danych i AI wyniosły około 6,3 mld USD, wzrost o 59%. Oznacza to, że mimo rosnącego wpływu Nvidii i AMD, biznes centrum danych Intela nadal rośnie wyraźnie. Oczywiście nie twierdzę, że wzrost przychodów Intela oznacza zakończenie transformacji. Firma zanotowała w tym kwartale stratę netto GAAP około 11 mld USD, a wyniki finansowe były obciążone znaczącymi kosztami księgowymi i innymi czynnikami. Intel stoi też przed wyzwaniami dużych inwestycji kapitałowych w produkcję, silnej konkurencji produktowej i zmian udziałów rynkowych. Jednak najnowsze dane pokazują, że popyt na serwerowe CPU nie zniknął nagle wraz z rozwojem GPU. Dlaczego CPU zyskują na znaczeniu w erze AI? Uważam, że ważnym powodem jest Agentic AI. Dotychczas AI głównie odpowiadało na pytania: użytkownik wpisywał zdanie, model generował tekst, a główny ciężar obliczeń spoczywał na GPU. Przyszłe AI Agent mogą jednak wymagać ciągłego wywoływania narzędzi, wykonywania kodu Python, dostępu do baz danych, obsługi przeglądarki, organizacji plików, a nawet równoczesnego uruchamiania wielu niezależnych zadań. Nie wszystkie te zadania nadają się do GPU. Inferencja modeli nadal korzysta z akceleratorów, ale wykonywanie kodu, zarządzanie systemem, przetwarzanie danych i wiele uniwersalnych obliczeń wciąż wymaga CPU. W miarę wzrostu skali AI Agent centra danych muszą brać pod uwagę nie tylko liczbę generowanych tokenów na sekundę, ale także liczbę jednocześnie wykonywanych zadań, wywołań narzędzi oraz koszt jednostkowy zadań w całym systemie. AMD wyraźnie już zaczęło działać w tym kierunku. 12 października firma oficjalnie zaprezentowała referencyjny projekt infrastruktury AI Helion na poziomie szaf serwerowych, zoptymalizowany pod obciążenia Agentic AI. Według oficjalnej specyfikacji, konfiguracja czysto CPU może integrować do 32 768 rdzeni Zen 6, a także możliwe jest zastosowanie konfiguracji mieszanej CPU i GPU, aby sprostać różnym potrzebom przedsiębiorstw. Warto podkreślić, że te 32 768 rdzeni to maksymalna konfiguracja projektu referencyjnego, a nie potwierdzone zamówienia. Jednak uważam, że pokazuje to wyraźny trend: producenci chipów zaczynają traktować uniwersalne zapotrzebowanie obliczeniowe generowane przez AI Agent jako ważny kierunek wzrostu centrów danych. Spójrzmy też na $ARM. Firma w lipcu ogłosiła, że przychody za pierwszy kwartał roku fiskalnego 2027 wyniosły 1,29 mld USD, wzrost o 22%, z czego przychody z licencji związanych z centrum danych wzrosły ponad dwukrotnie. Arm poinformował również, że CPU AGI wprowadzone w marcu cieszą się popytem przewyższającym wcześniejsze oczekiwania, a szanse na przychody w latach fiskalnych 2027 i 2028 przekraczają 2 mld USD. Tutaj również trzeba rozróżnić potencjalne szanse popytowe od potwierdzonych przychodów. Jednak dane Arm przynajmniej pokazują, że serwerowe CPU oparte na architekturze Arm coraz szybciej wchodzą na rynek infrastruktury AI. To oznacza też, że przyszła rywalizacja na rynku CPU może nie ograniczać się już tylko do tradycyjnej walki AMD i Intela. $AMZN ma Graviton, $GOOG posiada Axion, a $MSFT rozwija własne serwerowe procesory. Coraz więcej dużych firm chmurowych chce obniżyć koszty, poprawić efektywność energetyczną i zmniejszyć zależność od pojedynczego dostawcy poprzez dostosowane CPU. Najciekawszym konkurentem może być jednak sama Nvidia. W marcu tego roku $NVDA wprowadziła CPU Vera specjalnie zaprojektowane pod Agentic AI, a w sierpniu ogłosiła rozpoczęcie rozszerzonej dostawy tych procesorów. Nvidia próbuje połączyć CPU, GPU, sieć, pamięć i oprogramowanie, oferując klientom bardziej kompletną platformę obliczeniową AI. Strategiczne znaczenie tego jest bardzo jasne. Przyszłe zakupy centrów danych mogą nie ograniczać się do pojedynczego GPU czy CPU, lecz do kompletnego systemu obliczeniowego zdolnego do realizacji określonych zadań AI. Jeśli Nvidia zdoła rozszerzyć swój udział w rynku CPU poza GPU, jej wpływ na cały łańcuch infrastruktury AI może dalej rosnąć. Dla AMD i Intela oznacza to nową presję konkurencyjną. Rynek serwerowych CPU x86 był dotąd zdominowany przez dwie firmy, a teraz do gry wchodzą ekosystem Arm, własne procesory firm chmurowych i Vera Nvidii. Nawet jeśli popyt na CPU będzie rósł, nie oznacza to automatycznego przejęcia całego wzrostu przychodów przez tradycyjnych producentów. Ponadto branża CPU stoi przed kolejnym wyzwaniem: rosnąca wydajność obliczeniowa na jednostkę niekoniecznie przekłada się na proporcjonalny wzrost liczby sprzedanych CPU. Firmy chmurowe bardziej skupiają się na wydajności na wat, kosztach wykonania zadania i efektywności całej szafy serwerowej. Jeśli nowa generacja CPU może wykonać tę samą pracę przy mniejszej liczbie chipów, wzrost branży może bardziej odzwierciedlać wartość produktów niż prosty wzrost wolumenu sprzedaży. Dlatego uważam, że analiza branży CPU nie powinna opierać się wyłącznie na liczbie serwerów, ale także na rzeczywistych przychodach z CPU w centrach danych, średnich cenach, udziałach rynkowych, planach zakupowych klientów oraz zdolności firm do utrzymania rozsądnej marży zysku. Od pamięci, przez moduły optyczne, po zaawansowaną produkcję i CPU, zawsze podkreślałem, że fundamenty AI nie uległy zasadniczej zmianie, a powód jest właśnie taki. Przynajmniej na podstawie opublikowanych raportów głównych firm, zapotrzebowanie na obliczenia związane z AI nadal napędza wzrost wielu segmentów półprzewodników. Nie oznacza to jednak, że cały łańcuch dostaw jest wolny od ryzyka. Budowa centrów danych AI nadal stoi przed wyzwaniami kosztów finansowania, dostaw energii, zwrotu z inwestycji kapitałowych oraz niepewności co do realizacji przyszłego popytu. Jeśli dostawcy chmury opóźnią wdrożenia, zakupy CPU również mogą ucierpieć. Najnowsze raporty pokazują wyniki za ostatni kwartał, ale nie gwarantują, że popyt w 2027 i 2028 roku wzrośnie zgodnie z najbardziej optymistycznymi prognozami. Będę uważnie obserwować wzrost EPYC AMD, czy biznes centrum danych Intela będzie się dalej poprawiał, realizację przychodów ekosystemu serwerowego Arm oraz skalę wdrożeń CPU Vera Nvidii. Jeśli te wskaźniki będą rosnąć, będzie to dowód, że uniwersalne zapotrzebowanie obliczeniowe generowane przez AI ma solidne podstawy biznesowe. Zawsze byłem długoterminowym bykiem na AI, ale nie wierzę, że wszystkie akcje AI będą wiecznie rosnąć, tylko że globalna infrastruktura obliczeniowa przechodzi długotrwałą modernizację. Rynek może w krótkim terminie gwałtownie spadać z powodu wyceny i płynności, ale rzeczywiste przychody, zyski i zamówienia firmy nie znikną przez kilka dużych spadków cen. Teraz najważniejsze jest rozróżnienie, czy branża AI traci zdolność wzrostu, czy Wall Street po prostu nie chce już płacić wysokich wycen za zbyt optymistyczne prognozy. Przynajmniej na podstawie najnowszych danych z branży CPU, nie widzę wystarczających dowodów na całkowite odwrócenie popytu na obliczenia AI. Dlatego długo wierzę w AI, ale w krótkim terminie nadal podkreślam konieczność kontrolowania pozycji. Fundamenty decydują o tym, ile wartości firma może tworzyć w długim terminie, a wycena, płynność i oczekiwania rynkowe decydują, po jakiej cenie inwestorzy mogą kupić, by uzyskać rozsądny zwrot. Przyszłość AI może wymagać więcej GPU, ale też mocniejszych CPU. Prawdziwa okazja inwestycyjna to nie akcje, które spadły najbardziej, lecz te, które potrafią stale przekształcać rosnące zapotrzebowanie obliczeniowe w realne zyski i wolne przepływy pieniężne.

Zysk netto TSMC wzrósł o 69%, ASML zarobił prawie 5 miliardów euro w jednym kwartale, a mimo to cały sektor półprzewodników nadal notuje ciągłe spadki. Wiele osób zaczyna wątpić, czy hossa na AI naprawdę się skończyła, ale chcę powiedzieć, że jeśli nawet najważniejsze na świecie zaawansowane przedsiębiorstwa produkcyjne nadal przyspieszają wzrost, nie możemy po prostu na podstawie spadku cen akcji uznać, że fundamenty branży AI się załamały. $TSM $ASML $AMAT $LRCX $KLAC $NVDA $SOXX Najpierw spójrzmy na właśnie opublikowane wyniki TSMC. 15 października $TSM ogłosił wyniki za trzeci kwartał 2026 roku: przychody osiągnęły 46,72 mld USD, co oznacza wzrost o 50,9% w porównaniu rok do roku liczony w nowym dolarze tajwańskim, a zysk netto wyniósł 763,1 mld NTD, co oznacza wzrost o 68,7%. Marża brutto wyniosła 66,4%, a marża operacyjna aż 58,7%. Co to oznacza? Firma, która realizuje ogromną część globalnej produkcji zaawansowanych chipów, mimo już dużej skali przychodów, nadal utrzymuje bardzo silny wzrost zysków. Ponadto TSMC podał prognozę przychodów na czwarty kwartał w przedziale 52,3–54,3 mld USD, co oznacza, że zarząd spodziewa się kolejnego rekordu przychodów w następnym kwartale. Jeśli popyt na chipy AI faktycznie całkowicie się załamał, to dlaczego rzeczywiste przychody, zyski i prognozy TSMC nadal rosną tak dynamicznie? Spójrzmy też na rzeczywisty wkład zaawansowanych procesów technologicznych. W trzecim kwartale 2nm proces stanowił już 8% przychodów z wafli, 3nm – 33%, 5nm – 28%, a 7nm i nowsze zaawansowane procesy łącznie 79% przychodów z wafli. Co ważniejsze, platforma wysokowydajnych obliczeń (HPC) stanowiła 68% całkowitych kwartalnych przychodów firmy. HPC obejmuje nie tylko akceleratory AI, ale także CPU i inne wysokowydajne chipy, więc nie można tego w całości przypisać przychodom z AI, ale dane te jasno pokazują, że zaawansowane obliczenia stają się bardzo ważnym źródłem wzrostu TSMC. TSMC utrzymuje plan wydatków inwestycyjnych na 2026 rok na poziomie 60–64 mld USD i planuje dalej rozszerzać moce produkcyjne zaawansowanych procesów i zaawansowanego pakowania. Firma przewiduje, że roczna zdolność produkcyjna procesów 2nm w 2027 roku wzrośnie ponad dwukrotnie. Należy zauważyć, że wydatki inwestycyjne same w sobie nie gwarantują zrealizowanego popytu, ale fakt, że firma będąca światowym liderem w produkcji jest gotowa inwestować tak ogromne środki, przynajmniej wskazuje na pozytywną ocenę przyszłego popytu klientów. Teraz spójrzmy na światowego lidera w dziedzinie litografii – ASML. Raport za trzeci kwartał opublikowany 14 października pokazuje, że firma osiągnęła przychody w wysokości 11,662 mld euro i zysk netto 4,96 mld euro, a marża brutto wyniosła 57,5%. Zarząd prognozuje przychody na czwarty kwartał w przedziale 14,2–15,2 mld euro i podniósł prognozę przychodów na cały 2026 rok do 44–45 mld euro. Uważam, że najważniejszą informacją w raporcie ASML nie jest to, ile firma zarobiła, lecz popyt klientów na przyszłe moce produkcyjne. Firma jasno stwierdziła, że niektórzy klienci zaczęli wyrażać zainteresowanie zamówieniami na sprzęt na lata 2029 i nawet 2030. ASML uważa, że przy obecnym planie zdolności produkcyjnych w 2027 i 2028 roku może nie być w stanie w pełni zaspokoić popytu klientów i bada możliwości dalszego zwiększenia mocy produkcyjnych na 2028 rok. Co to oznacza? Przynajmniej według prognoz klientów znanych zarządowi ASML, cykl inwestycyjny w zaawansowane urządzenia do produkcji półprzewodników nie zatrzymał się nagle. Oczywiście zainteresowanie długoterminowymi zamówieniami nie oznacza, że wszystkie zamówienia zostały już podpisane, ani że nie ma ryzyka ich anulowania lub opóźnienia. Ale jeśli cały łańcuch wartości AI się kurczy, trudno wyjaśnić, dlaczego niektóre fabryki wafli nadal aktywnie planują zakup sprzętu litograficznego na kilka lat do przodu. Następnie amerykańskie firmy produkujące sprzęt półprzewodnikowy. $AMAT w sierpniu ogłosił, że w trzecim kwartale roku fiskalnego 2026 osiągnął przychody 9,12 mld USD, co oznacza wzrost o 25% i rekord kwartalnych przychodów, a marża brutto Non-GAAP wyniosła 50,4%. $LRCX wcześniej podał, że w kwartale zakończonym w czerwcu przychody wyniosły 6,72 mld USD, co oznacza wzrost o 15,1% kwartał do kwartału, a marża operacyjna Non-GAAP wyniosła 38,4%. $KLAC w ostatnim kwartale osiągnął przychody 3,66 mld USD i wygenerował około 817 mln USD wolnych przepływów pieniężnych. Dlaczego uważam, że te firmy są szczególnie warte uwagi? Ponieważ zaawansowana produkcja chipów to nie tylko przejście z procesu 5nm na 3nm, a potem na 2nm. Wraz ze wzrostem złożoności struktury tranzystorów proces produkcji wymaga coraz precyzyjniejszych technologii litografii, osadzania, trawienia, inspekcji i pomiarów. ASML dostarcza kluczowy sprzęt litograficzny, AMAT ma ważną pozycję w inżynierii materiałowej i osadzaniu, LRCX ma przewagę konkurencyjną w sprzęcie do trawienia i osadzania, a KLAC jest ważnym dostawcą do inspekcji i kontroli procesów zaawansowanych technologii. Ponadto zapotrzebowanie na zaawansowaną produkcję rozszerza się na zaawansowane pakowanie. Dzisiejsze wysokowydajne chipy AI nie polegają już tylko na ulepszaniu pojedynczego procesu produkcji chipów, ale wymagają łączenia chipów obliczeniowych z pamięcią o wysokiej przepustowości za pomocą technologii takich jak Chiplet, CoWoS i HBM. Chipy stają się coraz bardziej złożone, a wymagania dotyczące wydajności pakowania, gęstości połączeń, chłodzenia i testowania rosną. Te zmiany oznaczają, że wzrost mocy obliczeniowej AI zależy nie tylko od projektowania GPU, ale także od ciągłego rozwoju całego systemu zaawansowanej produkcji. Dlatego nie uważam, że rywalizacja w AI toczy się tylko między $NVDA a $AMD. Nawet jeśli w przyszłości konkurencja między Nvidią, Broadcom i własnymi układami ASIC będzie bardziej zacięta, dopóki zapotrzebowanie na produkcję wysokowydajnych chipów będzie rosło, zaawansowane firmy zajmujące się produkcją wafli, sprzętem i pakowaniem mogą nadal na tym korzystać. Oczywiście różne architektury chipów mają różne powierzchnie wafli, procesy i złożoność pakowania, więc nie można oczekiwać, że wszyscy dostawcy osiągną taki sam wzrost. Muszę jednak powiedzieć, że silne fundamenty firm zaawansowanej produkcji nie oznaczają braku ryzyka w całej branży. Marża brutto TSMC w trzecim kwartale spadła z 67,7% w poprzednim kwartale do 66,4%, częściowo z powodu rozcieńczenia marży przez wdrażanie nowego procesu 2nm. Wysokie koszty budowy fabryk za granicą mogą nadal wpływać na rentowność. Jednocześnie ograniczenia eksportowe USA, geopolityka, korekty wydatków kapitałowych klientów oraz przyszłe skoncentrowane uwolnienie mocy produkcyjnych mogą zmienić strukturę wzrostu i zysków w branży. Co ważniejsze, branża sprzętu półprzewodnikowego jest z natury cykliczna. To, że dziś klienci aktywnie rozszerzają moce produkcyjne, nie oznacza, że popyt na sprzęt w 2028 czy 2029 roku będzie nieograniczenie rósł. Jeśli firmy chmurowe spowolnią inwestycje w AI, fabryki wafli mogą również dostosować plany zakupów sprzętu. Zamówienia na sprzęt produkcyjny mają długi cykl, więc zmiany popytu nie muszą od razu odzwierciedlać się w przychodach za dany kwartał, dlatego nie można na podstawie jednego mocnego raportu twierdzić, że cały przyszły cykl jest bezproblemowy. Jednak przynajmniej do tej pory dane operacyjne opublikowane przez TSMC, ASML, AMAT, LRCX i KLAC nie wspierają tezy o całkowitym załamaniu popytu na zaawansowaną produkcję. TSMC nadal zwiększa moce produkcyjne zaawansowanych procesów, ASML rozważa dalszą rozbudowę, a najnowsze raporty amerykańskich liderów sprzętu utrzymują dobrą rentowność. To jest właśnie różnica, którą zawsze podkreślam: długoterminowy popyt na AI nie został obalony, ale to nie znaczy, że wcześniejsze wyceny akcji AI były koniecznie uzasadnione. W ostatnich latach rynek wyprzedził wiele przyszłego wzrostu. Nawet jeśli przychody firm rosną o 50%, a zyski netto o 70%, gdy inwestorzy uważają, że wcześniejsze ceny akcji już uwzględniły przyszłe wyniki na kilka lat, akcje mogą nadal mocno się korygować. Będę się teraz koncentrował na czterech kierunkach: rzeczywistej wykorzystaniu mocy produkcyjnych zaawansowanych procesów i CoWoS w TSMC, nowych i zaległych zamówieniach ASML w kolejnych kwartałach, prognozach zapotrzebowania na sprzęt na 2027 rok od AMAT, LRCX i KLAC oraz czy plany wydatków kapitałowych dużych fabryk wafli ulegną istotnym korektom. Jeśli te firmy zaczną obniżać prognozy wyników, wykorzystanie mocy produkcyjnych zaawansowanych procesów spadnie, a zamówienia na sprzęt wyraźnie się zmniejszą, ponownie ocenię logikę inwestycyjną łańcucha produkcji AI. Ale dopóki takie sygnały się nie pojawią, nie będę na podstawie ciągłych spadków $SOXX od razu twierdził, że długoterminowy wzrost zaawansowanej produkcji się zakończył. Od pamięci, przez moduły optyczne, aż po dzisiejszą zaawansowaną produkcję, widzę bardzo wyraźny wspólny mianownik: rzeczywiste operacje firm nadal pokazują silny popyt związany z AI, ale ceny akcji zaczynają odzwierciedlać koszty finansowania, wyceny i niepewność przyszłego wzrostu. Wciąż jestem długoterminowo pozytywnie nastawiony do AI i uważam, że zaawansowana produkcja to jeden z najbardziej technologicznie zaawansowanych i wartych długoterminowego badania segmentów całego łańcucha wartości. Ale długoterminowy optymizm nie oznacza, że teraz trzeba inwestować na pełny portfel, ani że można ignorować ciągłą wyprzedaż na rynku. To, co naprawdę utrzymuje moją wiarę, to nie to, że cena akcji jakiejś firmy na pewno wróci do poprzednich poziomów, lecz fakt, że najważniejsze na świecie przedsiębiorstwa półprzewodnikowe nadal poprzez rzeczywiste przychody, zyski i inwestycje kapitałowe dowodzą, że popyt na zaawansowane obliczenia wciąż istnieje. Teraz musimy poczekać, aż rynek ponownie znajdzie rozsądną wycenę, a nie wymagać, by firmy o silnych fundamentach codziennie rosły.