Americký boom investic do umělé inteligence může podle Chrise Wooda ze společnosti Jefferies skončit rozsáhlým znehodnocením kapitálu. Riziko nevidí ve slabé poptávce po AI, ale především v tlaku levnějších čínských open-source modelů na ceny a na výnosnost draze budované infrastruktury amerických cloudových gigantů.

Wood, globální šéf akciové strategie investiční společnosti Jefferies, své obavy popsal ve vydání newsletteru GREED & fear z 9. října 2026. Zaměřil se na takzvané hyperscalery, tedy největší provozovatele cloudových služeb, kteří zákazníkům pronajímají výpočetní kapacitu. Jejich kapitálové výdaje zahrnují zejména datová centra, čipy a další hardware nutný pro provoz AI.

Souhrnný plán těchto amerických společností počítá pro rok 2026 s kapitálovými výdaji zhruba 695 miliard dolarů. V roce 2027 by podle projekcí měly vzrůst až na 870 miliard dolarů. Wood část těchto investic označuje za neefektivně vynaložený kapitál, tedy peníze vložené do projektů, které nemusí vydělat ani na pokrytí svých nákladů.

Podstatné podle něj je i financování výstavby. Odvětví se při rozšiřování AI infrastruktury ve větší míře opírá o dluh, namísto aby vše hradilo z vlastních hotovostních toků. Jestliže se ukáže, že očekávané příjmy z AI služeb neodpovídají rozsahu investic, nejde už jen o problém návratnosti vlastního kapitálu. Vysoké zadlužení by mohlo zvýšit úvěrové riziko a prohloubit případnou korekci na technologickém trhu.

Čínské modely tlačí na cenu AI služeb

Woodova argumentace stojí také na rostoucím využívání čínských modelů. Ve týdnu končícím 19. července 2026 zpracovaly čínské AI modely 36,39 bilionu tokenů, zatímco přední americké modely ve stejném období 7,39 bilionu. Tokeny jsou malé části textu, které jazykové modely zpracovávají při čtení i tvorbě odpovědí, a jejich objem proto slouží jako orientační ukazatel využití.

Výhodou čínské nabídky je cena. Modely Kimi K3 od Moonshot AI a GLM-5.2 od Zhipu AI mají podle Woodova srovnání stát přibližně čtvrtinu ceny za token oproti některým americkým alternativám. Pokud mohou vývojáři získat srovnatelně použitelný výstup za zlomek ceny, bude pro americké poskytovatele obtížnější obhájit cenovou prémii potřebnou k návratnosti masivních výdajů na infrastrukturu.

Roli hraje i otevřený charakter části čínských modelů. Open-source software lze šířit a upravovat bez stejného typu licenčních ujednání, jaká jsou obvyklá u uzavřených komerčních systémů. Konkurence v AI se tak podle Wooda neposuzuje jen podle toho, kdo vyvine nejschopnější model, ale stále více podle nákladů na konkrétní výpočetní výkon a cenu výsledného výstupu.

Zadlužení a nižší marže mohou změnit pohled investorů

Pro investory by se hlavním bodem pozornosti mohly stát rozvahy firem. Dluhově financovaný růst je citlivější na zhoršení tržních podmínek než expanze placená z vlastních zdrojů. Současně by levnější čínské alternativy mohly omezit marže amerických poskytovatelů AI, a zvýšit tak kolísání ocenění technologických společností.

Wood v takovém prostředí upřednostňuje přístup označovaný jako „picks and shovels“, tedy investice do dodavatelů infrastruktury, například do výrobců polovodičů. Ani ty by však nebyly zcela izolovány. Kapitálové výdaje hyperscalerů jsou příjmem pro výrobce čipů, serverů a vybavení datových center, takže případné omezení investičních plánů by se přeneslo i do celého dodavatelského řetězce.

O tom, zda se varování naplní, napoví zejména další investiční výhledy amerických cloudových gigantů, vývoj cen za token a podíl dluhu na financování nových datových center. Pokračující růst využívání čínských modelů při současném zlevňování AI služeb by podle Woodovy úvahy dále oslabil schopnost amerických firem proměnit rekordní investice v odpovídající výnosy.