ניתוח בלומברג: הזרמת הון מוסדי לתשתיות AI דרך חוב מגובה GPU חושפת את השוק לסיכוני אשראי

חברים ,

מי שלא השתכנע מהמאמר הקודם אז קבלו חיזוק בבקשה.

מאמר דעה מ-Bloomberg באותו נושא:

1. איגוח מרכזי נתונים: אנבידיה  מתכננת לאגח את נכסי מרכזי הנתונים שלה למכשיר השקעה, בשיתוף עם קרנות השקעה פרטיות וגופי ניהול נכסים מובילים (Apollo, Brookfield, KKR, Blackstone, BlackRock, Goldman Sachs) כדי להזרים מעל 500 מיליארד דולר ל״מפעלי AI״.

2. ערבות להפסדים: לפי ההסכם, אנבידיה  מספקת ערבות לשווי שחזור של עד 25% מבטוחות ה-GPU בעסקאות חוב מסוימות, כדי להעלות את אמון המשקיעים ואת דירוגי החוב.

3. מקבילות למשבר 2008 (רגע AIG): המהלך מושווה ל-AIG שביטחה שכבות בכירות של CDO לפני 2008, מה שאיפשר לארוז חוב בסיכון גבוה תחת דירוגי אשראי גבוהים.

4. היקף חסר תקדים: בניית תשתיות ה-AI הנוכחית (מעל 750 מיליארד דולר בעסקאות במימון ספקים) עברה פרויקטי ענק היסטוריים כמו מערכת הכבישים הבין-מדינתית בארה״ב בשנות ה-60 והרחבת הפס הרחב בשנות ה-2000.

5. הקלות רגולטוריות: ה-SEC בארה״ב הקל לאחרונה את כללי האיגוח עבור אג״ח מרכזי נתונים, מה שהוריד חסמים עבור גופים מוסדיים (כמו קרנות פנסיה) לרכוש חוב מגובה GPU.

6. הסוואת עודף כושר ייצור: המיסוד הפיננסי מייצר אותות ביקוש מלאכותיים ומסתיר עודף היצע בשוק, מה שמעודד הזרמת הון מתמשכת ובנייה מופרזת למרות ההאטה בביקוש האמיתי.

7. נתק במדדי התמחור: תמחור השוק נסמך על מדדים מסורתיים (עלות לפי שעה להחכרת GPU ועלות לפי אסימון/token), שאינם משקפים את השיפור בנצילות ובאיכות של המודלים.

8. שיפור ביעילות מול צריכה: מודלים חדשים דורשים הרבה פחות אסימונים עבור אותן משימות; אם משימה דורשת 90% פחות אסימונים בעוד המחיר לאסימון יציב, היעילות האפקטיבית עולה פי עשרה מבלי שהדבר יתבטא במדדים הרגילים.

9. מעבר לתמחור מבוסס תוצאות: ארגונים דורשים תמחור מבוסס תוצאות במקום תשלום לפי אסימון או שעה, מה שמפעיל לחץ כלפי מטה על צריכת האסימונים ומוריד את מחירי השכירות של GPU לטווח הארוך.

10. תת-ניצול נרחב של שבבים: נתונים מהשוק מצביעים על בזבוז עצום; חברת Cast AI מעריכה את ניצול ה-GPU הממוצע ב-5% בלבד, ו-ClearML מצאה שכרבע מהחברות מבזבזות מיליונים על שבבים שאינם בשימוש.

11. תשואה פוחתת: לולאת הביקוש של מקסימום צריכת אסימונים פוגשת תשואה פוחתת; הצמיחה בביקוש ל״אינטליגנציה בסיסית״ מאטה ביחס להון שמוזרם לחומרה.

12. סיכון בטוחות במתאם גבוה: מכיוון שמעבדים גרפיים מאבדים ערך במהירות ובאופן אחיד ברחבי השוק כשיש דור חדש או קריסת מחירי שכירות, בטוחות GPU סובלות ממתאם גבוה בזמני האטה.

13. הידרדרות אשראי מקבילה: אם הכנסות חברות ה-AI יירדו, כושר ההחזר של הלווים ייפגע בדיוק כשרשת הביטחון וערך ה-GPU יצנחו, מה שיגרור מחדל משולב באג״ח.

14. חשיפה ישירה למאזני ענקיות הטכנולוגיה: אם אי-פירעון יזנק, ניווידיה תיאלץ לממש את ערבויות ההפסד שלה (עד 25%), בעוד ענקיות הענן המממנות הוצאות הון דרך המאזנים שלהן יתמודדו עם מצוקה פיננסית דומה.

15. תחילת הסוף של גאות המחשוב: הרחבת הסיכון למשקיעים מוסדיים במיינסטרים, יחד עם עודף כושר הייצור המבני ומודלי התמחור הלקויים, מצביעים על כך שגאות מחשוב ה-AI נכנסת לשלבה האחרון והמסוכן ביותר.