Nvidia ma problem, o którym większość przedsiębiorstw może tylko marzyć.

Klienci chcą kupować jej produkty. Dużo produktów. Naprawdę dużo. Tak dużo, że ograniczeniem przestaje być wyłącznie liczba dostępnych GPU.

Coraz większym ograniczeniem jest skąd klienci mają brać pieniądze na kolejne zamówienia?

Według Financial Times Nvidia współpracuje z Apollo, Blackstone, BlackRock, Brookfield, Goldman Sachs i KKR nad platformami finansowania infrastruktury AI, które mają uruchomić ponad 500 mld USD kapitału.

Nvidia sama nie pożycza klientom 500 miliardów dolarów i nie gwarantuje spłaty całej tej kwoty. Wehikuł jest subtelniejszy.

Wall Street dostarcza większość kapitału. Goldman może organizować finansowanie z rynku długu prywatnego, pozyskiwać kapitał podporządkowany oraz sprzedawać część zadłużenia inwestorom publicznym i prywatnym. Nvidia może natomiast udzielać na wybranych transakcjach gwarancji zabezpieczającej do 25% ich wartości - łącznie potencjalnie do około 125 mld USD przy obecnej skali programu.

Co właściwie poręcza Nvidia?

Jednym z głównych problemów przy finansowaniu GPU jest ich wartość rezydualna.

Wyobraźmy sobie firmę AI, która chce postawić centrum danych za miliard dolarów.

Idzie więc do funduszu albo banku, który mówi: “Dobrze. Pożyczę ci pieniądze. Centrum danych będzie generować cash flow, z którego spłacisz raty. Ale co się stanie, jeśli za trzy lata zbankrutujesz?”

Normalnie odpowiedź brzmi: “Przejmiesz aktywa.”

Tyle że aktywami są między innymi GPU a bank nie wie, ile trzyletni GPU będzie wtedy wart.

Postęp w międzyczasie zrobi z dzisiejszego technologicznego cudu bardzo drogi grzejnik i bank ma Hugona nie zabezpieczenie.

Dlatego finansujący mówi:** “Nie chcę pożyczyć 100 dolarów pod aktywo, które w chwili realizacji zabezpieczeń może być warte 30.”**

Ten problem na klatę bieżę Nvidia, która w uproszczeniu mówi:** “biorę na siebie część ryzyka związanego ze spadkiem wartości aktywa.”**

To właśnie zabezpieczenie wartości rezydualnej. Dzięki takiemu dodatkowemu zabezpieczeniu bank albo fundusz może uznać GPU za pozostałą część zabezpieczenia finansowania. NVidia zmniejsza ryzyko po stronie finansującego. Ale jest też PORĘCZYCIELEM a to o tyle istotne, że może sama nie pożycza tych pieniędzy ale odpowiada za ich zwrot do 25% kwoty...

Celem jest więcej klientów kupuje GPU. Przez co Nvidia ma większe przychody.

Czyli Nvidia nie tylko sprzedaje kilofy podczas gorączki złota.

Pomaga jeszcze zbudować rynek kredytowy i jest na nim istotnym poręczycielem, dzięki któremu poszukiwacze złota mogą te kilofy kupić na raty.

Od tego miejsca musimy zacząć zadawać nowe pytania o AI.

Co jeśli 500 miliardów to dopiero początek?

Załóżmy czysto hipotetycznie, że mechanizm działa.

Banki zarabiają. Złych kredytów prawie nie ma. Fabryki AI mają wysokie obłożenie mocy obliczeniowej. Nvidia dotrzymuje swoich gwarancji bez większych strat. Popyt na compute nadal rośnie.

Co zrobi rynek? Oczywiście dokładnie to, co rynek robi z każdym modelem finansowym, kiedy model pobudza chciwość.** Robi go więcej.**

Dzisiaj mówimy o 500 mld USD. A co, jeśli za dwa lata będziemy mówić o 2 bilionach dolarów?

Nie twierdzę, że tak się stanie. Pytam, co się stanie jeżeli. Przy obecnej konstrukcji 25% z 500 mld oznacza potencjalny backstop do około 125 mld USD. Gdyby kiedyś identyczną proporcję zastosowano do rynku wartego 2 biliony dolarów, mówilibyśmy już o 500 mld USD potencjalnej ekspozycji.

To nie jest prognoza zobowiązań Nvidii. To jest demonstracja czegoś ważniejszego:** ryzyko finansowe może rosnąć szybciej niż biznes Nvidii a wtedy Nvidia stopniowo przestaje być wyłącznie producentem infrastruktury a wzrośnie udział funkcji jej gwaranta. To przywodzi na myśl klasyczny problem boomów kredytowych. Na początku kredyt finansuje bardzo dobre projekty. Potem dobre. Potem przeciętne. W końcu wszystkie pozostałe.

Jeżeli bank pożycza własne pieniądze i sam ponosi pełne ryzyko spadku wartości GPU, zwykle dokładniej sprawdzi: kto jest klientem, jakie ma przychody, jakie będzie wykorzystanie centrum danych, ile kosztuje energia, ile naprawdę warte będzie zabezpieczenie w czasie, czy projekt przeżyje spadek cen.

Ale jeśli ktoś mówi mi: “Nie martw się aż tak o wartość rezydualną. Biorę część tego ryzyka.”** To bank może pozwolić sobie na trochę więcej odwagi, z czasem może też brawury. A w bankowości „trochę więcej odwagi” powtórzone przez tysiąc funduszy nazywa się cyklem kredytowym.

Nie twierdzę, że właśnie powstaje kolejny subprime. GPU to nie dom w Arizonie, ale Lehman Brothers też potrafił liczyć.

Na pewno mechanizm ekonomiczny warto obserwować:** gwarancja zwiększa dostępność kredytu. więcej kredytu podnosi popyt na aktywo. wyższy popyt wzmacnia wyniki producenta aktywa. dobre wyniki utwierdzają kredytodawców, że finansowanie było bezpieczne. powstaje jeszcze więcej kredytu.**

To jest pozytywne sprzężenie zwrotne. Dopóki nie przestaje być pozytywne.

A co się stanie, jeśli compute zacznie tanieć szybciej od długu?

To jest dla mnie prawdziwy test całej konstrukcji. Centrum danych może być finansowane na wiele lat. GPU ekonomicznie starzeje się znacznie szybciej.

Nowe generacje zwiększają wydajność. Koszt inference spada. Konkurencja rośnie. Hiperskalerzy rozwijają własne ASIC-i.

Jeśli wszystko idzie zgodnie z planem, nie ma problemu. Aktywa generują cash flow, raty są płacone, stare GPU znajdują kolejne zastosowania.

Ale wyobraźmy sobie, że rynek jednak przeinwestował. Mamy zbyt dużo compute. Ceny zaczynają spadać. Wykorzystanie nowych data centers okazuje się niższe od założonego. Cash flow projektu spada. Dłużnik ma problem ze spłatą. Kredytodawca przejmuje zabezpieczenie. I wtedy odkrywa, że dokładnie w momencie, w którym najbardziej potrzebuje wysokiej wartości zabezpieczenia…** wszyscy pozostali również próbują sprzedać podobne GPU.**

Cena spada jeszcze bardziej i instytucje przypominają sobie o gwarancjach wartości rezydualnej. To jest moment, w którym pozornie niewielkie zobowiązanie producenta sprzętu może zacząć materializować się w najgorszym możliwym momencie cyklu.

Czyli nie:** Nvidia sprzedaje mniej GPU.** Tylko potencjalnie:** Nvidia sprzedaje mniej GPU dokładnie wtedy, kiedy zaczyna ponosić koszty gwarancji udzielonych przy sprzedaży GPU w poprzednich latach.**

Przy dzisiejszych liczbach nie widzę powodu, żeby krzyczeć:** “Jensen stworzył Lehman Brothers z CUDA!”**

Większość kapitału ma pochodzić od zewnętrznych inwestorów. Instytucje uczestniczące w projekcie należą do największych i najbardziej doświadczonych dostawców finansowania na świecie.

Nvidia nie bierze na siebie całego ryzyka a jeśli fabryki AI rzeczywiście będą generować wysokie zwroty, cała konstrukcja może okazać się kolejnym genialnym sposobem poszerzenia rynku Nvidii.

Ale pojawiła się nowa liczba, której wcześniej praktycznie nie musieliśmy śledzić:** ile sprzedaży ekosystemu AI wymaga finansowania zewnętrznym kapitałem?**

I druga:** ile ryzyka tego finansowania wraca ostatecznie do producentów sprzętu?**

Jeżeli za kilka lat przychody Nvidii wzrosną 50%, a wartość finansowania potrzebna do wygenerowania tych przychodów wzrośnie 300%, dostaniemy bardzo ciekawy sygnał.

Bo największym problemem bańki jakościowych spółek nie musi być moment, w którym przestają rosnąć. Może nim być moment, w którym potrzebują coraz więcej kapitału, żeby utrzymać tempo wzrostu, które rynek już wcześniej zdążył euforycznie wycenić. I tutaj wracamy do mojej tezy 1969 a nie 2000.

Nie dlatego, że Nvidia, Microsoft czy Alphabet są złymi przedsiębiorstwami. Właśnie odwrotnie. Problem polega na tym, że świat może uwierzyć w ich jakość tak mocno, że zacznie nie tylko płacić za nią coraz wyższe mnożniki. Zacznie również pożyczać coraz więcej pieniędzy, żeby sfinansować przyszłość uzasadniającą te mnożniki.

A wtedy warto pamiętać, że świetny biznes, świetna technologia i świetnie skonstruowany kredyt mogą być jednocześnie prawdziwe jednocześnie.L tak samo jak bańka.