Chiny i bańka AI: 480 miliardów dolarów strat na giełdzie

Gwałtowna korekta na rynku sztucznej inteligencji doprowadziła do wyparowania 480 miliardów dolarów z giełd w Chinach oraz załamania finansowania startupów o 67%. W tym samym czasie dostawca infrastruktury CoreWeave zmaga się z 52 miliardami dolarów długu przy oprocentowaniu sięgającym 15%, co stawia pod znakiem zapytania stabilność dostawców mocy obliczeniowej. Dla architektów IT i CTO w Unii Europejskiej oznacza to konieczność natychmiastowej rewizji architektury chmurowej oraz dywersyfikacji dostawców GPU.

Załamanie na rynku chińskim i korekta wycen spółek technologicznych

Korekta wycen spółek technologicznych w Chinach przyniosła spadek wartości giełdowej dostawców układów scalonych i rozwiązań AI o 480 miliardów dolarów. Dla dyrektorów technicznych i architektów IT w Europie oznacza to konieczność natychmiastowej weryfikacji stabilności dostawców oraz oceny ryzyka wojny cenowej na rynku komponentów. Zjawisko to bezpośrednio dotyka podmiotów uzależnionych od chińskich łańcuchów dostaw.

Rynki finansowe w Chinach odnotowały drastyczne spadki w sektorze nowatorskich technologii. Indeks STAR50, skupiający chińskich liderów AI i półprzewodników, spadł o 40% w mniej niż cztery miesiące, a szeroki indeks CSI300 stracił 20% od czerwcowych szczytów. Wskaźnik ceny do zysku (P/E) dla indeksu STAR50 obniżył się z poziomu 250x do około 100x, podczas gdy amerykański Nasdaq 100 notowany jest ze wskaźnikiem około 30x.

Skala zjawiska widoczna jest w wycenach konkretnych podmiotów technologicznych: – Unitree (producent robotów): spadek kursu akcji o 50% od debiutu w sierpniu 2026 roku, mimo wcześniejszej 8000-krotnej nadsubskrypcji wśród inwestorów detalicznych. – MetaX Integrated Circuits oraz Moore Threads Technology: spadek wartości akcji o 50% od lipca 2026 roku, po wcześniejszych wzrostach sięgających odpowiednio 700% i 400% podczas debiutów rynkowych. – Zhongji Innolight oraz Eoptolink Technology (producenci komponentów optycznych): spadek wyceny o 60% od szczytów z czerwca i lipca 2026 roku, do czego przyczyniły się zapowiedzi USA dotyczące zakazu ich stosowania w amerykańskich centrach danych. – CXMT (producent pamięci): spadek wyceny o ponad 25% w ciągu jednego miesiąca.

Załamaniu uległ również rynek kapitału wysokiego ryzyka w Chinach. Napływ funduszy Venture Capital do chińskich startupów AI spadł o 67% rok do roku — z 18,4 miliarda dolarów w первых trzech kwartałach 2025 roku do zaledwie 6,1 miliarda dolarów w analogicznym okresie 2026 roku. Kluczowe chińskie firmy rozwijające duże modele językowe, takie jak DeepSeek, Zhipu AI oraz MiniMax, odnotowały cięcia wycen o 40–60% w ostatnich rundach finansowych. Analitycy wskazują, że komercyjna adopcja modeli LLM w chińskim sektorze przedsiębiorstw wyniosła poniżej 12%, drastycznie mijając się z prognozami zakładającymi poziom 40–50%. W efekcie Baidu zredukowało zatrudnienie w dziale AI o 23% we wrześniu 2026 roku, a Alibaba Cloud wstrzymała ekspansję usług Model-as-a-Service.

Czy przetasowania na rynku AI zagrażają Twojej infrastrukturze?

Zjawisko pękania bańki dłużnej dostawców chmury GPU bezpośrednio zagraża stabilności operacyjnej przedsiębiorstw korzystających z zewnętrznych mocy obliczeniowych. Przedsiębiorstwa technologiczne w Unii Europejskiej stoją przed ryzykiem nagłego wzrostu kosztów zasobów obliczeniowych lub przerwania ciągłości usług. Niewypłacalność podmiotów typu Neocloud wymusza zmianę architektury systemowej.

Głównym mechanizmem napędzającym narastanie ryzyka jest tak zwane finansowanie kołowe (ang. circular financing). Firma Nvidia przekazuje środki finansowe dostawcom mocy obliczeniowej w zamian za ich udziały, wymuszając przeznaczenie tych funduszy na zakup własnych procesorów GPU. Następnie dostawca zaciąga kredyt pod zastaw zakupionych układów, a Nvidia gwarantuje wynajem kart, jeśli nie znajdą się na nie inni chętni.

W centrum tego mechanizmu znalazła się firma CoreWeave, która zaciągnęła 52 miliardy dolarów długu na zakup procesorów i musi obecnie opłacać odsetki sięgające 15%. Wartość rynkowa spółki CoreWeave spadła o dwie trzecie w ciągu jednego miesiąca, a pięcioletnie kontrakty CDS (Credit Default Swap) osiągnęły poziom 1000–1200 punktów bazowych, co przekłada się na 60% prawdopodobieństwa upadłości w ciągu pięciu lat. Przewiduje się, że ponad 200 podmiotów typu Neocloud może ogłosić upadłość z powodu odcięcia dostępu do rynku długu.

Równolegle giganci technologiczni podejmują drastyczne kroki w celu sfinansowania zakupu procesorów: – Meta wyemitowała nową klasę akcji bez prawa głosu, aby zdobyć kapitał na zakup jednostek GPU. – Microsoft zaproponował odprawy dla 25% swoich pracowników, dążąc do uwolnienia środków na zakupy infrastruktury obliczeniowej. – SoftBank sprzedał obligacje śmieciowe o wartości 11 miliardów dolarów z oprocentowaniem do 9,75%, wspierając agresywne inwestycje w sektorze AI.

Finanse dostawców modeli i ryzyko umów typu take-or-pay

Wyceny wiodących laboratoriów sztucznej inteligencji opierają się na agresywnych założeniach wzrostu przy jednoczesnym generowaniu gigantycznych strat operacyjnych. Dla kadry zarządzającej IT kluczowym ryzykiem staje się uzależnienie architektury od dostawców, których modele biznesowe wymagają stałego zasilania kapitałem zewnętrznym. Brak płynności finansowej dostawcy modeli grozi nagłą zmianą cenników API.

Raport rejestracyjny S-1 spółki Anthropic ujawnił, że w okresie od stycznia do czerwca 2026 roku firma wygenerowała stratę przewyższającą roczne PKB ponad połowy państw świata. Anthropic ubiega się o 100 miliardów dolarów od inwestorów publicznych, jednocześnie posiadając zobowiązania z tytułu zakupu mocy obliczeniowej opiewające na 518 miliardów dolarów (z czego 80% to nieodwoływalne umowy typu take-or-pay) oraz dług w wysokości 265 miliardów dolarów do spłaty do 2045 roku. Z kolei wewnętrzny plan finansowy spółki OpenAI zakłada ujemne przepływy pieniężne (free cash flow) na poziomie 278 miliardów dolarów w latach 2026–2030, co oznacza wyczerpanie zgromadzonych rezerw gotówkowych do 2028 roku.

Oto kluczowe metryki finansowe i operacyjne dostawców modeli: – Przychody i wycena Anthropic: 16,8 miliarda dolarów przychodu w Q3 2026 przy ubieganiu się o wycenę przewyższającą 492 spółki z indeksu S&P 500. – Wskaźnik kosztów obliczeniowych Anthropic: generowanie 1,70 dolara przychodu na każdy 1 dolar wydany na moce obliczeniowe. – Koszty incydentów bezpieczeństwa: ujawniony w dokumentacji S-1 incydent wysłania fałszywego zgłoszenia o zabójstwie przez model Claude Haiku do policji w Filadelfii oraz wykorzystanie narzędzia Claude Code przez chińskie grupy do ataków na banki. – Presja cenowa ze strony modeli open-weight: model Kimi osiągnął wydajność zbliżoną do Claude 3.5 Opus (w granicach 1 punktu w benchmarkach) przy o połowę niższej cenie tokenów.

Długi infrastrukturalne i zagrożenia dla stabilności rynkowej

Finansowanie infrastruktury AI przeniosło się z własnych przepływów pieniężnych na rynek długu i sekurytyzowanych obligacji. Dla europejskich instytucji finansowych i architektów korporacyjnych oznacza to wzrost ryzyka systemowego oraz potencjalny wzrost kosztów kapitału. Przenoszenie prywatnych zobowiązań do funduszy emerytalnych rodzi bezpośrednie konsekwencje dla całego otoczenia gospodarczego.

Według raportu UNCTAD giganci z grupy Magnificent Seven odpowiadają za około 33% całkowitej kapitalizacji rynkowej indeksu S&P 500. Wydatki na amerykańskie centra danych wzrosną o 300% w 2026 roku oraz o 50% w 2027 roku, podczas gdy ogólne inwestycje w środki trwałe w USA rosną w tempie zaledwie 7%. Nieproporcjonalny wzrost nakładów kapitałowych sprawia, że ewentualne załamanie zysków z AI przełoży się na masowe żądania uzupełnienia depozytów zabezpieczających (ang. margin calls) oraz falę bankructw.

Organizacja OpenMarkets Institute zwraca uwagę na narastające analogie do kryzysu subprime z 2008 roku: – Sekurytyzacja długu: dług zaciągany na budowę spekulacyjnych centrów danych jest pakowany w obligacje i sprzedawany funduszom emerytalnym, akademickim funduszom wieczystym (ang. endowments) oraz towarzystwom ubezpieczeniowym. – Luka przychodowa hyperscalerów: pięć największych firm (Amazon, Alphabet, Microsoft, Meta, Oracle) przeznaczy na infrastrukturę AI 800 miliardów dolarów w 2026 roku, 1,2 biliona dolarów w 2027 roku oraz 1,4 biliona dolarów w 2028 roku. Aby pokryć koszty amortyzacji i operacyjne, branża potrzebuje 300 miliardów dolarów przychodu rocznie, podczas gdy obecny przychód z chmury AI ponad trend wynosi zaledwie 70 miliardów dolarów — tworząc lukę w wysokości 230 miliardów dolarów rocznie. – Wskaźnik Shiller CAPE: wskaźnik wyceny giełdowej osiągnął poziom 40,5–40,7, co stanowi drugi najwyższy wynik w historii od 1881 roku (ustępując jedynie 44,2 w grudniu 1999 roku). – Koncentracja indeksu S&P 500: koszyk 41 spółek powiązanych z AI stanowi aż 49% całkowitej wartości rynkowej indeksu S&P 500.

Wnioski praktyczne i rekomendacje

Praktyczna odpowiedź na kryzys dłużny rynku AI wymaga wdrożenia procedur zabezpieczających ciągłość działania systemów oraz rentowność projektów. Zamiast wstrzymywać inwestycje technologiczne, kadra zarządzająca IT musi natychmiast zweryfikować ekonomikę poszczególnych procesów biznesowych. Poniższe kroki pozwalają zminimalizować ekspozycję na ryzyko dostawców.

• Zweryfikuj wskaźniki margin contribution dla procesów AI: przeanalizuj jednostkowy koszt wykonania zadania według wzoru: wartość biznesowa minus koszt inferencji, koszt weryfikacji ludzkiej (ang. human review), koszty infrastruktury i monitoringu oraz marża. Wdrożenie rozszerzaj wyłącznie dla procesów z dodatnim bilansem.
• Skonfiguruj dostawczo-neutralne interfejsy modeli (ang. vendor-neutral model interfaces): wprowadź warstwę abstrakcji nad interfejsami API (takimi jak OpenAI, Anthropic czy Kimi), aby zmiana dostawcy lub przełączenie na model open-weight nie wymagały przebudowy kodu aplikacji.
• Przeprowadź 2- do 4-tygodniowy audyt stabilności dostawców chmury: oceń strukturę zadłużenia oraz poziom rezerw finansowych dostawców usług Neocloud przed podpisaniem wieloletnich umów na moce obliczeniowe. Unikaj długoterminowych zobowiązań kapitałowych nieposiadających pokrycia w zakontraktowanych przychodach.
• Zmierz rzeczywiste wykorzystanie posiadanych zasobów GPU: przeprowadź inspekcję wewnętrznych klastrów obliczeniowych, eliminując przydziały o niskim stopniu wykorzystania rdzeni (przejście z powierzchownego monitorowania procesów na poziom rzeczywistej pracy rdzeni Compute).
• Wdróż zasady audytowalności i kontrole bezpieczeństwa dla agentów AI: ogranicza to ryzyko niekontrolowanych zapytań API oraz zabezpiecza systemy przed podatnościami ujawnionymi w narzędziach programistycznych.

Źródła

• AI Bubble 2026: Is It Bursting? Data & Warning Signs | Uvik Software
• AI Valuation Correction Could Trigger Wider Market Sell-Off, Margin Calls, Warns UN Report
• Boom, Bubble, or Buildout?A Multi-Method Evaluation of Whether Artificial Intelligence Is in an Ongoing Financial Bubble – arXiv
• China’s AI Bubble Bursts: Market Analysis October 2026
• China’s AI stock bubble bursts: $480 billion wiped out | What went wrong, and is the selloff over? | Mint
• Did the AI bubble just pop?
• I. Progress and peril – the BIS
• New Analysis Finds Signs the AI Bubble Is About to Blow – Futurism