För många investerare är den enorma ökningen av satsningarna på utbyggnaden av artificiell intelligens ett bevis på att det inte finns någon bubbla på aktiemarknaden. Men hos GQG Partners ses detta snarare som ytterligare ett tecken som stärker deras övertygelse om att denna boom kommer att ge vika för en nedgång, precis som det skedde inom telekombranschen på 1990-talet och inom skifferoljeindustrin för ett decennium sedan.
Portföljhanterarna och analytikerna på GQG, som förvaltar 160 miljarder dollar, menar att de enorma beställningarna av halvledare, minneshårdvara och relaterade investeringar i datacenter under de senaste kvartalen bygger på obekräftade förhoppningar om framtida efterfrågan och prissättning för AI-verksamheter och -användning. De pekar på tecken på överinvesteringar, såsom den senaste tidens utveckling kring potentiella priskrig – där företagsanvändare stramar åt sina budgetar i jakten på billigare sätt att driva AI-modeller – samt avtagande effektivitetsvinster hos nya stora språkmodeller. Dessutom anser de att den fortsatta användningen av cirkulära investeringar och ogenomskinliga redovisningsmetoder medför ökade risker.
Till och med de enorma beställningarna av halvledare, som har drivit på de kraftiga kursuppgångarna för chipaktier, är det en ”fördel, inte ett problem”, enligt GQG:s portföljhanterare Brian Kersmanc. ”Bubblor kännetecknas ofta av en verklig efterfrågan på kort sikt, massiva kapitalinvesteringar, en tro hos investerarna att efterfrågan i praktiken är obegränsad samt svag insyn i de långsiktiga avkastningarna. Starka chipbeställningar motbevisar inte att det finns en bubbla; de kan faktiskt vara de tydligaste tecknen på just det”, säger han.
GQG:s fondförvaltare och analytiker är inte eviga pessimister när det gäller tekniksektorn eller aktiemarknaden i stort. Så sent som 2024 bestod över 70 procent av företagets portföljer av teknikaktier eller aktier med anknytning till tekniksektorn, såsom Uber. År 2017 satsade företaget på halvledarchips, som då inte var särskilt populära, däribland Nvidia NVDA.
Men från slutet av 2024 och in i början av 2025 omfördelade GQG sina portföljer bort från aktier inom AI-teknik och infrastruktur, vilka har uppvisat kraftiga uppgångar och bidragit till att lyfta aktiemarknaden som helhet. Denna satsning har påverkat avkastningen negativt för företagets strategier, till exempel den guldklassade fonden GQG Partners US Select Quality Equity Fund GQEIX, men företaget håller fast vid sin linje.
En avgörande faktor som driver upp kurserna på dessa aktier (och ett centralt argument från optimisterna) är den kraftiga ökningen av AI-drivna order hos halvledartillverkare som Nvidia, Broadcom AVGO och, senast, Micron, eller när det gäller annan hårdvara för datorminne hos bolag som SanDisk SNDK och Western Digital WDC.
Kersmanc menar dock att det är just här som investerare bör vara skeptiska, framför allt med tanke på skillnaden i hur inköpen redovisas. ”Man ser order och försäljning bokföras idag, medan kostnaderna (för köparen) fördelas över tre, fem, sex eller till och med tio år”, förklarar han. Problemet ligger inte i själva redovisningsmetoden, som är standard, utan i konsekvenserna av den, med tanke på den stora osäkerheten kring lönsamheten i AI-användningen. ”Den centrala frågan är inte om efterfrågan är stark idag, utan om den efterfrågan är ekonomiskt motiverad och hållbar när avkastningen på investeringen, utnyttjandegraden och prissättningsförmågan väl har prövats.”
GQG:s pessimistiska scenario bygger på just dessa aspekter. De hävdar att investeringarna sker långt innan det ekonomiska värdet har bevisats. Kersmanc utgår från ett antagande som görs av de stora AI-laboratorierna och andra företag: ”Det handlar om att ’jag spenderar det här beloppet och får den här förbättringen’. Men efter ChatGPT-4 har utvecklingen planat ut.”
Även om investeringarna i de mest avancerade modellerna (de så kallade ”frontier”-modellerna) fortsätter, säger Kersmanc att det finns allt fler tecken på att många AI-utvecklare och företag går i motsatt riktning. Istället för att använda stora språkmodeller som Claude drar de sig mot små språkmodeller. Dessa tränas i allmänhet på begränsade datamängder för specifika texter och kräver därför mindre datorkraft. Till exempel: ”Om du vill ha översättning i realtid kan du göra det via en SLM och översätta direkt i din telefon, utan att behöva generera token, och du behöver inte kontakta ett datacenter.”
Om företagen föredrar SLM-lösningar, ”betyder det i ett större perspektiv att marknaden kanske inte behöver ens i närheten av så mycket datorkraft i stor skala som investerarna för närvarande antar”, säger Kersmanc. ”Om AI-utvecklingen går i den riktningen, försvagas argumenten för massiva investeringar i datacenter och GPU:er.”
Samtidigt använder utvecklare i allt högre grad kinesiska modeller med öppen källkod, som är billigare att träna och medför betydligt lägre investeringar i infrastruktur. ”Kina har 500 datacenter planerade, medan USA har 5 500”, säger Kersmanc. Detta sker mot bakgrund av att företagen försöker hålla tillbaka de kraftigt stigande kostnaderna för AI-användning.
Kersmanc förklarar att en annan pusselbit har varit hur hyperscalers har redovisat utbyggnaden av sina datacenter. Han pekar på Meta Platforms joint venture META med Blue Owl Capital OBDC, som tillkännagavs förra året och som gjorde det möjligt för företaget att flytta ett datacenterprojekt i Louisiana värt 30 miljarder dollar bort från balansräkningen. Meta har dessutom klassificerat vissa betydande infrastrukturtillgångar som ”pågående byggprojekt”. Denna post fördubblades mellan 2024 och 2025.
Dessa redovisningsfrågor hänger samman med obalansen mellan utgifterna för chip och annan hårdvara, säger Kersmanc. ”Om stora mängder hårdvara finns upptagna under pågående projekt eller i liknande balansräkningsposter kan investerare ha svårt att avgöra hur stor del av dessa utgifter som faktiskt är i drift och genererar avkastning. Det är viktigt eftersom företag kan lägga ut enorma summor i förskott, medan kostnaderna endast gradvis återspeglas i resultaträkningen. Oron gäller alltså inte bara redovisningspresentationen; det handlar om att redovisningen kan dölja överkapacitet, underutnyttjande eller svagare avkastning.”
Dessutom finns det osäkerheter kring möjligheten att bygga de datacenter som beställts. Motståndet mot datacenterinfrastruktur växer, på grund av dessa byggnaders stora förbrukning av el och vatten samt deras övriga påverkan på samhället. ”Ungefär hälften av de projekt som skulle ha färdigställts har inte ens påbörjats eller har ställts in”, säger Kersmanc.
Sammanfattningsvis säger Kersmanc: ”Utbyggnaden inom AI uppvisar många klassiska tecken på en bubbla.” ”Investerarna extrapolerar fortfarande efterfrågan långt utöver vad den underliggande ekonomin tycks motivera.”
