Szef Tether: cztery słabości boomu inwestycji w AI

Paolo Ardoino, dyrektor generalny Tether, 4 lipca opublikował na platformie X wpis, w którym wymienił cztery „strukturalne rozbieżności” w boomie inwestycji w sztuczną inteligencję. Wskazał na różnice między rzeczywistymi kosztami a cenami, opóźnienia w osiąganiu rentowności, rozbieżność między kosztami kapitału a przewidywanym czasem jego spłaty oraz rosnący udział przychodów przejmowany przez otwartoźródłowe modele AI.

Ardoino zwrócił uwagę, że duże firmy technologiczne subsydiują koszty mocy obliczeniowej, aby zwiększyć liczbę użytkowników. W efekcie usługi AI mogą wydawać się tańsze niż są w rzeczywistości, co może ukrywać słabość modelu biznesowego. Gdyby firmy próbowały podnieść ceny, część użytkowników może ograniczyć korzystanie, a utrzymywanie niskich stawek obniża marże.

We wpisie pojawiły się konkretne określenia: „token price mismatch”, „profitability timeline mismatch”, „cost of capital maturity mismatch” oraz wzrost udziału przychodów odchodzących do otwartoźródłowych modeli. Ardoino wskazał też na szybkie starzenie się sprzętu: układy zaprojektowane pod modele generatywne mogą tracić wartość i przydatność w ciągu 3–5 lat, podczas gdy umowy kredytowe i nakłady na centra danych często zakładają dłuższy okres zwrotu.

Wpis odnosi się do rozbieżności między dzisiejszymi wydatkami a przyszłymi przychodami z AI. Najwięksi producenci technologii inwestują setki miliardów dolarów w centra danych, procesory i kontrakty energetyczne, a sektory oczekiwane jako beneficjenci AI nie wykazują jeszcze wyraźnego przyspieszenia zysków.

W kontekście rynkowym Bank Anglii ostrzegał w październiku 2025 r., że wyceny związane z AI zbliżają się do poziomów z bańki dot-com i że potrzeby finansowania infrastruktury mogą sięgnąć blisko biliona dolarów, znaczna część poprzez zadłużenie. JP Morgan prognozuje, że globalne wydatki związane z AI mogą osiągnąć 5,5 bln USD do 2030 r., a Morgan Stanley szacuje inwestycje w infrastrukturę na niemal 3 bln USD do 2028 r. Według szacunków, Alphabet, Amazon, Meta i Microsoft mogą w tym roku łącznie wydać do 720 mld USD.

Ardoino wskazał ponadto, że szybko rozwijające się otwartoźródłowe modele AI mogą ograniczać siłę cenową komercyjnych dostawców. Jeśli darmowe lub tańsze alternatywy będą wystarczająco dobre, klienci mogą nie zaakceptować podwyżek cen, co utrudni odzyskanie wydatków zainwestowanych w infrastrukturę.

Wpis kończy oceną, że na obecnym etapie większość wartości przejmują sprzedawcy sprzętu i usług infrastrukturalnych, a ostateczna weryfikacja opłacalności AI miałaby nastąpić po stronie klientów i wyników finansowych firm korzystających z tych rozwiązań.