Voor veel beleggers zijn de enorm gestegen bedragen die uitgegeven worden aan de grootschalige uitbreiding van een AI-infrastructuur het bewijs dat er geen sprake is van een zeepbel op de aandelenmarkt. Maar bij GQG Partners zien ze dit juist als extra bewijs voor hun overtuiging dat deze hausse zal omslaan in een zogeheten baisse of dal. Net zoals in de telecomsector gebeurde in de jaren negentig en tien jaar geleden met schalie-olie.
Volgens de portefeuillebeheerders en analisten van GQG, dat 160 miljard dollar beheert, zijn de enorm grote bestellingen van chips, geheugenchips en daarmee samenhangende uitgaven aan datacenters de laatste kwartalen gebaseerd op onbewezen verwachtingen over de toekomstige vraag naar AI-toepassingen en de prijzen die AI-bedrijven daarvoor kunnen vragen. Volgens hen wordt er teveel geïnvesteerd en wijzen recente signalen over mogelijke prijzenoorlogen daar ook op. Daarbij kijken zakelijke gebruikers kritischer naar hun budget en zoeken zij goedkopere manieren om AI-modellen te laten draaien. Ook worden de nieuwe, grote taalmodellen volgens GQG steeds minder snel beter. Daarnaast vinden zij dat het rondpompen van geld binnen het AI-ecosysteem en het gebruik van niet transparante boekhoudmethoden de risico’s vergroot.
Zelfs het enorm grote aantal bestellingen van chips, die gezorgd hebben voor enorme koersstijgingen bij chip-aandelen, zijn volgens Brian Kersmanc, die portefeuillebeheerder is bij GQG, een „kenmerk [van een bubbel], geen tekortkoming”. „Bij een zeepbel is er vaak sprake van reële vraag op de korte termijn, een enorme inzet van kapitaal, zijn beleggers ervan overtuigd dat de vraag onbeperkt is, en ontbreekt inzicht in de rendementen op de lange termijn. Als er sprake is van een zeer groot aantal chipbestellingen is dat dus geen bewijs dat er geen zeepbel bestaat; het kan juist de sterkste aanwijzing zijn dat er wél eentje is”, zegt hij.
De fondsbeheerders en analisten van GQG zijn geen eeuwige pessimisten waar het gaat over de technologiesector of de aandelenmarkt in haar algemeen. In 2024 bestond nog meer dan 70% van hun portefeuille uit techaandelen of uit aan de techsector gerelateerde aandelen, zoals Uber. In 2017 zette het bedrijf in op chips, die toen bij beleggers uit de gratie gevallen waren, inclusief Nvidia NVDA.
Maar vanaf eind 2024 tot begin 2025 heeft GQG zich op andere aandelen gericht dan die op het gebied van AI-technologie en -infrastructuur. De koers daarvan is sindsdien enorm gestegen en dat heeft bijgedragen aan een opleving van de hele aandelenmarkt. Deze keuze heeft de prestaties van GQG, zoals dat van het GQG Partners US Select Quality Equity Fund GQEIX (dat een gouden rating heeft) negatief beïnvloed, maar het bedrijf is bij haar standpunt gebleven.
De enorme stijging van het aantal bestellingen bij chipbedrijven als Nvidia, Broadcom AVGO en recent ook bij Micron en producenten van computergeheugenhardware, zoals SanDisk SNDK en Western Digital WDC verklaart als eerste waarom de beurskoers van deze aandelen zo de lucht in geschoten is
Volgens Kersmanc zouden beleggers hier echter juist sceptisch over moeten zijn - en dat begint bij de manier waarop aankopen boekhoudkundig worden verwerkt. „Orders en verkopen worden nu geboekt, terwijl de kosten (voor de koper) gespreid worden over drie, vijf, zes of zelfs tien jaar,” legt hij uit. Het probleem is niet de boekhoudmethode zelf – die is standaard – maar de gevolgen ervan, gezien de grote onzekerheid over wat AI-gebruik gaat opbrengen. „De hamvraag is niet of de vraag nu groot is. De vraag is of die economisch nog gerechtvaardigd is en zal voortduren als eenmaal duidelijk is wat deze investeringen aan rendement opleveren, of de capaciteit ervan goed wordt benut en of AI-bedrijven hun prijszettingsmacht behouden.”
Het pessimistische scenario waar GQG vanuit gaat, is hierop gebaseerd. Zij zeggen: de kapitaaluitgaven vinden plaats ver voordat de economische waarde ervan duidelijk is. Kersmanc wijst op de aanname van grote AI-labs en andere bedrijven: „Die zeggen: ‘Ik geef dit uit, en dat levert zo en zo veel verbetering op.’ Maar na de lancering van ChatGPT-4 is de stijgende curve afgevlakt.”
Er wordt nog steeds geld geïnvesteerd in de meest geavanceerde taalmodellen (zogenaamde frontier-modellen). Maar, zegt Kersmanc, er zijn allerlei aanwijzingen dat AI-ontwikkelaars en bedrijven juist de andere kant opgaan. In plaats van grote taalmodellen zoals Claude te gebruiken, kiezen zij steeds vaker kleine taalmodellen. Die worden getraind op kleine datasets die gericht zijn op specifieke soorten tekst [of vakgebieden] en hebben daarom minder rekenkracht nodig. „Als je bijvoorbeeld live iets wilt vertalen, kun je dat via een SLM doen en het op je telefoon laten vertalen, zonder dat er tokens voor nodig zijn of een verbinding met een datacenter.”
Als bedrijven de voorkeur aan SLM’s gaan geven, „betekent dit dat de markt waarschijnlijk lang niet zoveel rekenkracht nodig heeft van de meest geavanceerde AI-modellen als investeerders nu denken”, zegt Kersmanc. „Als AI zich in die richting ontwikkelt, verzwakt dat de business case voor de enorme uitgaven aan datacenters en rekenchips.”
Ook maken ontwikkelaars steeds vaker gebruik van Chinese open-source-modellen. Het is goedkoper om die te trainen en je hoeft er veel minder geld voor te investeren in AI-infrastructuur. „China heeft de bouw van vijfhonderd datacenters gepland, de VS voor 5.500,” zegt Kersmanc. Dat past bij een bredere ontwikkeling dat bedrijven de explosief stijgende kosten voor AI-gebruik willen beperken.
Kersmanc legt nog een ander stukje van de puzzel: de manier waarop grote cloudbedrijven (de hyperscalers) de grootschalige uitbreiding van datacenters in hun boekhouding verwerken. Hij wijst op de vorig jaar aangekondigde META-joint venture die Meta Platforms startte met Blue Owl Capital OBDC. Daardoor kon het [de bouw van] een datacenter voor 30 miljard dollar in Louisiana van de balans halen. Ook heeft Meta een aantal grote activa op infrastructuurgebied geclassificeerd als „in aanbouw“. De waarde van die post is tussen 2024 en 2025 verdubbeld.
Deze boekhoudkundige kwestie gaat over de discrepantie tussen de uitgaven aan chips en andere hardware, zegt Kersmanc. „Als heel veel hardware op de balans geclassificeerd wordt als ‘in aanbouw’ of een soortgelijk label krijgt, kunnen beleggers niet bepalen hoeveel van dit soort uitgaven daadwerkelijk leiden tot producten die in gebruik genomen worden en rendement opleveren. Maar dat is wel belangrijk om te weten: bedrijven kunnen vooraf enorme bedragen vooruitbetalen, terwijl die kosten slechts stukje bij beetje op hun winst-en-verliesrekening verschijnen. Wij maken ons niet alleen zorgen over de manier waarop deze uitgaven boekhoudkundig worden verwerkt; het gaat erom dat die overcapaciteit, onderbenutting en zwakkere rendementen [dan gepland] kan maskeren.”
Daarnaast is het onzeker of de bestelde datacenters wel echt gebouwd zullen worden. De weerstand tegen datacenters groeit, vanwege hun hoge stroom- en waterverbruik en de gevolgen die hun komst heeft voor gemeenschappen. „Ongeveer de helft van de geplande bouwprojecten [van datacenters] die nu al afgerond zou moeten zijn, is nog niet eens van start gegaan of is geannuleerd,“ zegt Kersmanc.
“Alles bij elkaar opgeteld heeft de grootschalige uitbreiding van een AI-infrastructuur veel kenmerken van een klassieke zeepbel”, zegt Kersmanc. “Beleggers gaan er nog steeds vanuit dat de vraag veel harder blijft groeien dan de onderliggende economische realiteit lijkt te rechtvaardigen.”
