AI weszła na nowy poziom. OpenAI, Meta i Nvidia właśnie pokazują, co będzie dalej

Ten materiał będzie wypchany sztuczną inteligencją. W ciągu ostatniego tygodnia wydarzyło się tu więcej niż w kwartale. Greg Brockman stanął przed kamerą i powiedział, że MAMY SZTUCZNĄ INTELIGENCJĘ. Po czy, OpenAI pokazało GPT – 6Astra, który podobno zrobi za nas wszystko na komputerze, co moglibyśmy robić sami.
Chwilę potem ogosili, że rozwiązani problem Naviera Stokesa. Jeden z milenijnycjh problemów matematycznych za milion dolarów nagrody. Wyszło na to, że jednak jak na każdym egzaminie na studiach nie mogło obejść się bez ściągaczy.
Matematyk z NYU zapytał grzecznie, czy to „przypadkiem nie są jego niepublikowane pomysły, które od miesięcy wpisywał do czata?”. No cóż…

Obok tego Nvidia wydaje trzynaście miliardów dolarów na Hugging Face bo Jensen Huang osiągnął poziom bogactwa, na którym kupuje się wszystko, co nie jest przykręcone do podłogi.

Meta pokazuje Muse'a: osobistego agenta, który zrobi za ciebie zakupy, wypełni formularz i WYNEGOCJUJE niższy rachunek za prąd.
Poza AI, żeby nikt nie powiedział, że świat się kończy na chipach: rentowności obligacji na wieloletnich szczytach i media wieszczące „czwartą Grecję" Będzie też rynek pracy tak mocny, że aż giełda wycenia podwyżkę stóp. Nike wylatujące z S&P 100 po osiemnastu latach i rozsyłające memo „wszystko w porządku". Lecimy.

AI weszła na nowy poziom. OpenAI, Meta i Nvidia właśnie pokazują, co będzie dalej

Greg Brockman, współzałożyciel i prezes OpenAI, stanął przed kamerą i ogłosił wejście w „erę AGI”. Chwilę później firma oficjalnie pokazała GPT-6 Astra – swój najnowszy model. Brzmiało to jak typowy marketing wielkiej premiery, ale pięć dni później OpenAI dorzuciło bombę.

Firma ogłosiła, że jej wewnętrzny system AI znalazł rozwiązanie problemu Naviera–Stokesa, jednego z siedmiu słynnych Problemów Milenijnych. Zagadnienia, nad którym matematycy pracują od niemal 90 lat i za którego rozwiązanie Clay Mathematics Institute przewidział nagrodę w wysokości miliona dolarów.

Mózg rozwala, ale jest kilka haczyków. To nie był model GPT-6 Astra, ale niepubliczny model, który OpenAI opisuje jako „znacznie potężniejszy”. Sam wynik nie został jeszcze powszechnie zaakceptowany przez matematyków ani oficjalnie uznany, a do tego… historia jego powstania jest… lekko kontrowersyjna.

OpenAI uruchomiło około dziesięciu tysięcy współpracujących agentów, którzy pracowali przez mniej więcej 88 godzin, wymieniając 2,7 mln wiadomości i generując około 130 mld tokenów wyjściowych. Potem przez kolejne 17 godzin formalizowano rezultat.

To nie była historia o jednym chatbocie, który dostał prompta „rozwiąż równania”, usiadł, pomyślał i napisał genialny dowód. Do tego OpenAI nie wybrało danego sprawdzania przypadkowo.

Firma rozpoczęła eksperyment po usłyszeniu pogłosek o przełomie dokonanym przez Tristana Buckmastera z NYU i Leventa Alpöge’a, matematyka zatrudnionego w Anthropic. Badacze od miesięcy pracowali nad powiązanym problemem, korzystając między innymi z modeli OpenAI i Anthropic.

Buckmaster zwrócił później uwagę, że obrany przez OpenAI kierunek był zaskakująco niszowy. Zapytał więc, czy niepublikowane pomysły wprowadzane wcześniej do czata przez niego mogły pośrednio wpłynąć na wnioski. Od tamtego czasu OpenAI lekko się zapultało. Raz stwierdzili, że nie da się tego wykluczyć, a potem, że na pewno tak nie było.

Tylko że to nawet nie był jednostkowy przypadek. Andreas Thom, matematyk pracujący nad teorią grup, zauważył podobny problem przy innych wnioskach do innych dowodów, nad którymi pracował on. Thom twierdzi, że przez kilka miesięcy omawiał z ChatGPT nieopublikowane pomysły z tego obszaru. Ups. Jak było naprawdę, nie dowiemy się nigdy, ale na pewno wchodzimy w epokę, w której niezwykle trudno będzie oddzielić wkład człowieka i modelu.

Nie zmienia to jednak faktu, że sama Astra już jest potężna. Na benchmarku OSWorld 2.0, który testuje pracę modeli w prawdziwych aplikacjach, Astra uzyskała wynik 72,6% wobec 65,7% dla poprzedniego modelu GPT-5.6 Sol. Przeciętne zadanie wykonywała w około 40 minut zamiast 75, a samo OpenAI opisało model jednym zdaniem, które chyba najlepiej oddaje ambicję stojącą za premierą: „Anything you can do on a computer, Astra can do for you.”

Astra bije swojego poprzednika na wszystkich siedmiu testach, a wskaźnik halucynacji spadł w niej już poniżej 5%.

Im dłuższe i bardziej wieloetapowe zadanie, tym szerszy był dystans Astry do konkurentów. To tłumaczy, dlaczego Autodesk i podobne spółki mocno oberwały w dzień premiery, bo model, który projektuje w 3D lepiej od najlepszego dotychczasowego modelu, znowu podnosi obawy o popyt na narzędzia do projektowania 3D.

Przyznam, że najbardziej imponującą rzeczą w Astrze jest dla mnie efektywność tokenowa. Benchmarki robią wrażenie, ale to efektywność podnosi opłacalność dla użytkownika. Jeżeli model kończy to samo zadanie w 40 minut zamiast 75 i zużywa przy tym mniej tokenów, koszt jednego wykonanego zadania spada na dwóch poziomach jednocześnie.

Sprawa załatwiona niższym kosztem oznacza więcej spraw oddanych modelowi, a więcej spraw oznacza więcej tokenów. Kwintesencja paradoksu Jevonsa i kolejny krok do kompletnej zmiany gospodarki.

Jeśli AI jest już tak potężne, że rozwiązuje problemy milenijne, to jak faktycznie może zmienić gospodarkę? Anthropic opublikował w tym tygodniu badanie, które próbuje odpowiedzieć na to pytanie.

Badacze przebadali prawie 11 tysięcy Amerykanów i zbudowali model ekonomiczny z trzema scenariuszami do 2030 roku. Scenariusz umiarkowany zakłada wzrost PKB USA o 1,6% ponad to, ile wzrosłaby gospodarka bez AI, z wpływem AI porównywalnym do Internetu i wyparciem zaledwie 2,5% pracowników.

Scenariusz optymistyczny zakłada dodatkowy wzrost PKB o 8,3%, gdzie AI obsługuje połowę pracy umysłowej, a gospodarka rośnie dwukrotnie szybciej niż normalnie.

Scenariusz ekstremalny zakłada wzrost PKB o 32,4%, z rocznym tempem wzrostu 15%, napędzanym przez rekursywnie samoulepszające się systemy AI. Kosmos.

Najbardziej niezwykły jest podział korzyści. Udział pracy w dochodzie spada z 60% do 45,2%, a udział kapitału rośnie do 54,8%. Cały dodatkowy dochód wygenerowany przez szybszy wzrost gospodarki trafia w tym modelu do kapitału. Dochody z kapitału są o 81% wyższe niż na ścieżce bez AI, podczas gdy łączny dochód z pracy praktycznie się nie zmienia.

To jest inwestycyjnie znacznie ważniejsze niż kolejny wysoki wynik benchmarku. Jeżeli coraz większa część pracy umysłowej może zostać zamieniona w obliczenia, wartość ekonomiczna przesuwa się od ludzi sprzedających swój czas do właścicieli modeli, centrów danych, energii, oprogramowania, własności intelektualnej i przedsiębiorstw potrafiących tę technologię wdrożyć.

Oczywiście rzeczywistość może wyglądać zupełnie inaczej. Powstaną nowe zawody, ceny części usług spadną, a wzrost produktywności może podnieść poziom życia również pracowników. Ekstremalny scenariusz celowo zakłada jednak brak powstawania nowych zadań dla pracowników umysłowych, dlatego należy traktować go jako test graniczny, a nie przepowiednię.

Dla inwestora wniosek nie jest więc taki, że trzeba kupić każdą spółkę, która dopisze sobie AI do prezentacji. Jeżeli praca umysłowa rzeczywiście zacznie być zamieniana w obliczenia, wartość będzie przesuwała się w stronę właścicieli modeli, centrów danych, energii, danych, oprogramowania i dystrybucji. Jeszcze ważniejsze będzie jednak to, które firmy potrafią dzięki AI trwale obniżyć koszty, zwiększyć skalę i zatrzymać powstałą w ten sposób nadwyżkę w marży.

Połączenie tych dwóch historii jest tu kluczowe. Dopóki AI pisała maile i generowała obrazki, zastępowanie pracy umysłowej było abstrakcją. Kiedy system potrafi w ciągu 88 godzin zmobilizować cyfrowy odpowiednik tysięcy badaczy i przedstawić propozycję rozwiązania problemu, z którym ludzie zmagali się od niemal wieku, ta debata staje się znacznie bardziej konkretna.

Najważniejsze pytanie dla inwestora nie brzmi więc już tylko: „która spółka ma najlepszy model?”. Brzmi: do kogo trafi każdy dolar zaoszczędzony dzięki AI? Do klienta w postaci niższej ceny, do producenta modelu w postaci przychodu czy do spółki wdrażającej AI w postaci wyższej marży? Firmy, które zdołają zatrzymać największą część tej wartości, będą prawdziwymi giełdowymi zwycięzcami tej rewolucji.

Część z Was pamięta pewnie mroczną historię o tym, jak to model testowany przez OpenAI w ramach wewnętrznych testów bezpieczeństwa próbował „uciec” z laboratorium i po drodze włamał się na platformę Hugging Face. Od teraz Hugging Face ma nowego właściciela. Nvidia ogłosiła przejęcie za 13 miliardów dolarów i pomimo że brzmi to niewinnie, jest jednym z najważniejszych wydarzeń w świecie AI w tym roku.

Dla tych z Was, którzy nie znają Hugging Face, wyobraźcie sobie coś w rodzaju GitHuba, ale dla modeli AI. Platforma, na której deweloperzy i badacze udostępniają modele, zbiory danych i narzędzia, z których może korzystać każdy. Jeśli ktoś buduje aplikację opartą na sztucznej inteligencji, jest duża szansa, że w pewnym momencie trafi na Hugging Face.

Firma powstała w 2016 roku w Paryżu. Trójka założycieli zaczynała od chatbota dla nastolatków, a potem przestawili się na budowę platformy open-source. W ostatniej rundzie finansowania trzy lata temu Hugging Face było wyceniane na 4,5 miliarda dolarów. Nvidia płaci teraz trzykrotność tej kwoty.

Po co Nvidii ta platforma? Jensen Huang od dawna pozycjonuje się jako obrońca open-source’owych modeli AI. Twierdzi, że otwarte modele wzmacniają bezpieczeństwo, przyspieszają innowacje i pozwalają krajom budować własną suwerenność technologiczną, a jeśli więcej ludzi buduje więcej modeli, to więcej ludzi potrzebuje GPU od Nvidii. Kupno Hugging Face wpisuje się w tę strategię idealnie.

Ponad 18 milionów ludzi i 200 tysięcy firm właśnie tam decyduje dziś, jakich modeli, bibliotek i narzędzi używać. Nvidia kupuje więc nie tylko kolejną spółkę software’ową, ale punkt wejścia do całego otwartego ekosystemu AI.

Zyskuje wgląd w to, które modele i architektury zdobywają popularność, może szybciej optymalizować je pod własny stack i zamieniać rosnącą adopcję otwartych modeli w popyt na CUDA oraz swoje GPU.

W momencie, gdy jej najwięksi klienci rozwijają własne chipy, to szczególnie ważne. Nvidia próbuje dopilnować, żeby nawet jeśli część rynku uniezależni się od jej hardware’u, nadal pozostała w zbudowanym przez nią ekosystemie.

Po tym przejęciu automatycznie znajduje się bliżej całego łańcucha dostaw AI naraz. Od mocy obliczeniowej, przez modele, zbiory danych, aż po narzędzia i przepływy pracy deweloperów. To kolejny krok, żeby kontrolować większą część branży i wpływać na to, jak się ukształtuje.

Wcześniejsza próba Nvidii kupienia ARM za 40 miliardów dolarów rozpadła się w 2022 roku pod naciskiem regulatorów i klientów, którzy bali się zbyt dużych wpływów jednej firmy. Jak widać, teraz nikt tego problemu nie widział. Współzałożyciel Hugging Face powiedział w wywiadzie, że jest pewien ścieżki regulacyjnej i że platforma będzie dalej działać niezależnie i otwarcie.

Najważniejszy wniosek dla rynku jest taki, że Nvidia nie stoi bezczynnie, czekając na koniec cyklu inwestycyjnego w półprzewodnikach, ale wykorzystuje dobry okres na zapuszczenie swoich macek wszędzie, gdzie tylko się da, żeby wzmocnić swoją pozycję i zabezpieczyć przyszłe marże. To strategicznie bycze, bo kiedy cykl się kiedyś skończy, firma może być już przed kompletnie nowymi katalizatorami wzrostu.

To nie koniec nowości AI. Meta też wybija się tu na prowadzenie. Zaprezentowała produkt, który jest jednym z naprawdę przełomowych momentów w rozwoju projektów budowanych przez Meta Superintelligence Labs. Mowa o Muse, czyli osobistym agencie AI. Muse jest czymś dużo ambitniejszym niż zwykły chatbot, bo zamiast odpowiadać na pytania, ma wykonywać konkretne zadania.

Co może robić dla każdego konsumenta? Znaleźć i zarezerwować podróż, zrobić zakupy, wypełnić formularz, negocjować w naszym imieniu albo spróbować obniżyć rachunek. Może pomagać w sprzedaży samochodu czy dostosowywać plan treningowy do tego, jak zmienia się nasz tydzień.

Może też pracować dalej po zamknięciu aplikacji, a potem wrócić, kiedy coś się zmieni albo będzie potrzebna nasza aktywna zgoda. Muse pamięta użytkownika i wie, co wcześniej mu powiedzieliśmy, czego potrzebujemy i jakie mamy preferencje. Z czasem ma więc znać nas coraz lepiej. Meta ma w końcu najwięcej informacji o nas samych, więc dopasowanie działań agenta do nas będzie mocno spersonalizowane.

Meta sama pokazuje tu świetny przykład. Zapisaliśmy wcześniej na Instagramie rolkę z przepisem. Muse może sam zamienić ją w listę zakupów, zaplanować menu na kolację i jeszcze pamiętać, że jeden ze znajomych nie je konkretnego produktu. Drobiazg? Tyle że właśnie w takich drobiazgach najlepiej widać różnicę między chatbotem a agentem, który rzeczywiście zna kontekst.

Muse jest tu dużo ważniejszy niż kolejny po prostu lepszy model. Jeżeli osobisty agent rzeczywiście stanie się kiedyś warstwą pomiędzy nami a Internetem, to walka nie będzie już tylko o czas spędzony w aplikacji, ale również o intencję użytkownika i moment, w którym ta intencja zamienia się w realne działanie albo zakup.

To dla Mety również ruch defensywny. Jeśli naszym głównym interfejsem do Internetu zostanie kiedyś agent należący do OpenAI, Google, Apple albo któregoś startupu, to właśnie on będzie decydował, jakie produkty zobaczymy, gdzie zrobimy zakupy i z jakiej usługi skorzystamy.

Może więc przejąć intencję użytkownika, zanim ten w ogóle dotrze do reklamy na Instagramie czy Facebooku. Meta buduje Muse nie tylko po to, żeby stworzyć nowe źródło przychodów, ale również po to, żeby nikt inny nie usiadł pomiędzy nią a jej użytkownikami. Wygranie tej warstwy może otworzyć zupełnie nową monetyzację. Przegranie jej może z czasem osłabić nawet dzisiejszy biznes reklamowy.

W ostatnich dniach zachwycano się już produktem o nazwie Instinct, wycenianym na 2,5 miliarda dolarów bez poważnych przychodów. Meta wchodzi na dokładnie ten sam rynek, ale z przewagą, której praktycznie żaden startup nie będzie w stanie skopiować. Budując takiego agenta, trzeba najpierw znaleźć użytkownika, potem przekonać go do pobrania aplikacji, do podłączenia maila, kalendarza, płatności i kolejnych usług. Potem jeszcze trzeba zbudować kontekst o tym użytkowniku.

Meta już ma miliardy ludzi, którzy codziennie korzystają z jej produktów. Ma WhatsAppa, gdzie rozmawiamy ze znajomymi, ma Instagrama, Facebooka, kontakty, wiadomości, treści, które oglądamy i zapisujemy. Do tego dochodzą okulary, które mogą z czasem dawać agentowi jeszcze więcej kontekstu ze świata fizycznego. Muse może działać bezpośrednio przez WhatsAppa. Sam Muse Spark, model napędzający produkt, był pierwszym modelem z nowej rodziny stworzonej przez Meta Superintelligence Labs z myślą o produktach Meta i od początku miał być rozprowadzany po całym ekosystemie.

Jedynym problemem jest tu zaufanie. Oddanie agentowi dostępu do maila, kalendarza, zakupów czy innych usług wymaga zupełnie innego poziomu zaufania niż przewijanie Instagrama. W przypadku Mety ten próg może być nawet wyższy niż u części konkurencji.

Spółka doskonale o tym wie i sama twierdzi, że bezpieczeństwo potraktowała jako jeden z głównych elementów produktu. Czy to wystarczy? Nie wiem. To jedno z najważniejszych pytań pod szeroką adopcję Muse.

Jeżeli inwestorzy technologiczni tak mocno zachwycają się tym, co pokazuje dzisiaj Instinct w prototypie za 2,5 miliarda dolarów, to gdyby Muse było niezależnym startupem, ile byłoby warte? 10 miliardów? 50? 200? Na tym etapie każda konkretna liczba byłaby zgadywaniem, ale właśnie o to chodzi. Mam wrażenie, że rynek nie przypisuje tej opcji żadnej istotnej, osobnej wartości w kapitalizacji Mety, a powinien.

Jeżeli Muse chwyci, konsekwencje mogą wyjść daleko poza samą subskrypcję. Dzisiaj Meta monetyzuje uwagę użytkownika. Agent może przesunąć ją krok dalej, w stronę momentu, w którym użytkownik wybiera produkt, dokonuje zakupu albo zleca wykonanie usługi. To byłaby zupełnie inna skala możliwości monetyzacji. Na razie oczywiście tylko opcja, ale jeśli zadziała, za kilka lat możemy patrzeć na Metę jako trochę inną spółkę niż dzisiaj. Rynek, jak widać, premierę docenił, bo Meta w końcu zaczęła odbijać.

Bardzo mi z tym dobrze, że w moim prywatnym portfelu to ostatni właśnie jeden z SaaS stanowi największy odsetek i robi już solidne +50% zysku, ale w publicznym portfelu agresywnym Freedom24 też nie mam co narzekać. Od ATH jesteśmy około 2%, a wiele ze spółek zaliczyło solidną zawijkę.

Tydzień temu zajawiałem, że niedługo nowa dopłata do portfela, bo w końcu nowy miesiąc, więc te 600 euro, które napłynęło, trzeba od razu w coś rozlokować. Tutaj logika była prosta. Po 200 dokupiono akcje Marathon, Oracle oraz Amphenol, ale uprzedzam, że portfel szykuje się do większej rotacji jeszcze we wrześniu. Myślę nad wymianą nawet 2–3 spółek w całości na inne.

Jeszcze z tydzień trzeba się nad tym pochylić i zastanowić na spokojnie, ale myślę, że warto będzie poczekać. Na razie więc ze spokojem i uzbrójcie się w cierpliwość.

A Wy, jeśli chcecie tworzyć sobie takie portfele dla siebie, to potrzebujecie też dobrego brokera, który ma dostęp do jak najszerszej oferty. Freedom24, który jest partnerem całej serii FinWeek, ma dokładnie taką ofertę. Szeroki dostęp do masy rynków, których nie znajdziecie nigdzie indziej, i do tego bogatą ofertę opcji. Już niedługo będziecie tam mogli również handlować akcjami z GPW, więc wszystko w jednym miejscu.

Do tego możecie odebrać specjalny bonus – do 20 akcji o wartości do kilkuset dolarów każda. Wystarczy założyć konto z linka, spełnić warunki i można odbierać akcje za darmolca. Byle tylko Wam się nie wylosowały europejskie akcje obronne, bo wiele wskazuje na to, że skończył się złoty okres tego sektora.

Skoro już coś powiedziałem o tym, że są zawsze jakieś ryzyka i tak dalej, to czas na temat, który w tym tygodniu zdominował nagłówki mediów finansowych. Rentowności obligacji na całym świecie wystrzeliły do wieloletnich maksimów i nagle cały świat zaczął się przejmować tym, że to jakaś zapowiedź finansowej katastrofy.

Amerykańskie 10-latki podleciały pod 5%, niemieckie 10-latki osiągnęły 3,26%, najwyżej od 2011 roku, japońskie 10-latki przebiły 2,96%, rekord od 30 lat. Brytyjskie 30-letnie gilty dobijały do 5,86%. Wzrost rentowności nie jest więc wyłącznie zjawiskiem amerykańskim, a globalnym.

Natychmiast pojawiła się tu znana narracja. Media zaczęły wieszczyć, że rynek ma dość deficytów budżetowych i długu publicznego. Że inwestorzy „żądają wyższej premii za ryzyko”. Że to koniec ery taniego pieniądza i wstęp do kryzysu fiskalnego. Financial Times wyliczył, że kraje G7 zapłaciły już o 16 miliardów dolarów więcej na obsługę długu od lutego, a jeśli rentowności utrzymają się na obecnych poziomach, dodatkowy koszt sięgnie 34 miliardów do końca pierwszego kwartału 2027 roku.

Brzmi dramatycznie? Jasne. 34 miliardy? Matko jedyna, koniec świata. Realny świat nie jest jednak taki czarno-biały. Sam wzrost rentowności obligacji nie jest sygnałem, że zbliża się kryzys finansowy. Czwarta Grecja albo szósta Argentyna to bzdury. Jak czytacie sformułowanie „Zbliża się scenariusz XXX”, to wyłącznie ten portal. Proszę.

Wzrost rentowności to przede wszystkim dyskontowanie przez rynek potencjalnych podwyżek stóp, a same rentowności podążają za oczekiwaniami co do polityki pieniężnej. Kiedy rynek wycenia podwyżki stóp, rentowności idą w górę. Kiedy wycenia obniżki, rentowności idą w dół. Mechanizm jest prosty jak budowa cepa.

Owszem, są dodatkowe czynniki. Wojna z Iranem podbija ceny ropy, co podsyca obawy o inflację. Wydatki na obronność rosną. Hiperscalerzy emitują masę obligacji korporacyjnych na budowę infrastruktury AI, co konkuruje z obligacjami rządowymi o pieniądze inwestorów. Te czynniki mają znaczenie na marginesie, ale główny czynnik to oczekiwania odnośnie do stóp procentowych, a nie żadna zapowiedź końca świata.

Oczywiście wysokie rentowności nie służą gospodarce, ale nie oznaczają też, że rynek przewiduje jakiś kryzys finansowy i wielkie bankructwa. Te 5% w USA to po prostu… częściowo nowa norma i warto to zrozumieć dokładnie, ale do tego odsyłam już pod jeden z ostatnich moich wpisów na DNA Premium.

Obawy o gospodarkę powinny być tymczasem tym mniejsze, im lepsze wpadają dane gospodarcze. Logiczne, nie? No to zapraszam do zerknięcia na tamtejszy rynek pracy. W sierpniu w sektorze pozarolniczym przybyło 162 tysiące etatów. W sektorze prywatnym przybyło 127 tysięcy, trzykrotnie więcej, niż zakładał konsensus.

Poprzednie miesiące zostały zrewidowane solidnie w górę, łącznie o ponad 50 tysięcy etatów. Stopa bezrobocia nie zmieniła się i wynosi 4,1%.

Efekt silnego rynku pracy jest z kolei taki, że giełda coraz mocniej wycenia symboliczną podwyżkę stóp procentowych w USA. Czemu? Bo skoro rynek pracy jest mocny, to Fed nie musi go stymulować, a więc może skupić się na walce z inflacją. Czy taka podwyżka to problem? Nie, co było już wyjaśniane w osobnym materiale. Problemem jest szeroki i dynamiczny cykl. Zarówno podwyżek, jak i obniżek. Minimalne dopasowania polityki to żaden powód do ekscytacji.

Zmieniając temat, S&P Dow Jones Indices ogłosiło kwartalną rotację i zmiany w indeksach, które wejdą w życie 21 września. Są symboliczne dla tego, jak zmienia się dzisiaj amerykańska gospodarka.

Nike wypada z indeksu S&P 100 po niemal 18 latach. Akcje spółki spadły o ponad 40% w tym roku i zmierzają w stronę piątego z rzędu rocznego spadku. Kapitalizacja Nike wynosi dzisiaj 55 miliardów dolarów, ułamek rekordowych 281 miliardów ze szczytu w listopadzie 2021 roku.

Zespół relacji inwestorskich Nike rozesłał wewnętrzny list do kadry zarządzającej, uspokajając, że spółka nadal jest w S&P 500 i że zmiana „nie wpływa na nasz biznes, strategię, operacje ani notowanie”. Samo to, że Nike musi rozsyłać takie memo, mówi chyba wystarczająco.

Z indeksu S&P 100 wypadają też Honeywell, Simon Property Group i Colgate-Palmolive. Wchodzą na ich miejsce Dell Technologies, Palo Alto Networks, Arista Networks i Sandisk. Stary przemysł, nieruchomości i konsument ustępują miejsca technologii, cyberbezpieczeństwu i infrastrukturze danych. To znak czasów i tego, jak zmienia się gospodarka w dobie rewolucji technologicznej.

W S&P 500 też są ciekawe zmiany. Wchodzi między innymi Bloom Energy, producent ogniw paliwowych, które wytwarzają energię z gazu ziemnego. Spółka mocno rośnie na popycie ze strony centrów danych, bo te potrzebują ogromnych ilości energii.

W lipcu Bloom Energy opublikowało wyniki ponad dwukrotnie lepsze od oczekiwań i drugi kwartał z rzędu podniosło prognozę roczną.

Wchodzi też Illumina, firma z sektora nauk przyrodniczych specjalizująca się w sekwencjonowaniu DNA, która również podniosła prognozy przychodów powyżej oczekiwań. Z S&P 500 wypadają za to Molson Coors, Trade Desk i Builders FirstSource.

Najsmaczniejszy wątek tej historii jest taki, że Nancy Pelosi, kongresmenka słynąca z wyjątkowo trafnych transakcji giełdowych, kupiła pod koniec lipca tego roku 200 opcji kupna na Bloom Energy. Pięć tygodni później Bloom Energy zostaje włączone do S&P 500. Ktoś zawsze wie, co się ma wydarzyć.

Zamykamy ten FinWeek obaleniem jednej z popularnych narracji ostatnich lat. Deglobalizacja, reshoring i koniec wolnego handlu. Słyszymy to od czasu pandemii, potem po rozpoczęciu wojen handlowych, potem po wybuchu wojny na Bliskim Wschodzie. Tymczasem dane jasno mówią coś innego.

Światowa Organizacja Handlu opublikowała najnowszy odczyt WTO Goods Trade Barometer, wskaźnika wyprzedzającego, który pokazuje, w którą stronę zmierza światowy handel towarami w najbliższych miesiącach. Lipcowy odczyt wyniósł 102 punkty, poprawa wobec 101,7 w kwietniu. Odczyt powyżej 100 oznacza, że handel globalny rośnie w tempie szybszym niż średnia z ostatnich dekad.

Co napędza ten wzrost? Sztuczna inteligencja, a konkretnie gigantyczny popyt na podzespoły elektroniczne i komponenty związane z budową infrastruktury AI. Wskaźnik handlu podzespołami elektronicznymi osiągnął 104,9 punktu, najwyższą wartość ze wszystkich kategorii. WTO wprost napisało, że „silny popyt na komponenty związane z AI nadal wspiera handel, pomagając zniwelować negatywne skutki konfliktu na Bliskim Wschodzie i niepewności w polityce handlowej”.

Handel osłabł w marcu po wybuchu wojny i szoku naftowym, ale od tego czasu nastąpiło odbicie. Wzrósł też wskaźnik zamówień eksportowych, co zapowiada dalsze ożywienie. Jedyne osłabienie zanotowano w transporcie kontenerowym, który spadł poniżej 100 punktów.

Morał z tej historii jest prosty. W obecnym stanie skomplikowania technologicznego gospodarki i tego, jak długie są łańcuchy dostaw, ile elementów jest na drodze do powstania jednego produktu, po prostu nie da się odizolować od reszty świata i wszystkiego robić samemu. Cła mogą podnieść koszty. Wojny mogą zakłócić szlaki handlowe. Ale globalny handel adaptuje się, znajduje nowe drogi i rośnie dalej, tym razem napędzany tym samym boomem AI, który zmienia resztę tego, o czym dziś mówiłem.

Do zarobienia,
Piotr Cymcyk