Biorę Big Tech do portfela w ciemno. Najlepsza okazja na drugą połowę 2026?

„Sprzedam najlepsze biznesy świata, rosnące dwa razy szybciej niż rynek, z bilansami, o których inni mogą pomarzyć, w cenie przeciętnego gówna!!!”

Brzmi podejrzanie? A jednak na giełdzie właśnie pojawiła się taka oferta. Gotowa do brania, a prawie nikt nie chce jej przyjąć. Fundusze zredukowały pozycje najmocniej od dawna, kapitał przesiadł się na półprzewodniki, a Wspaniała Siódemka, którą wszyscy jeszcze rok temu ubóstwiali, stała się największym maruderem amerykańskiej giełdy.

Zyski Mag 7 w pierwszym kwartale wzrosły o 63% rok do roku. Wyceny? Spadły albo do poziomów z covidowego krachu, albo nawet do dołka bessy z 2022 roku. Rynek wycenia te spółki tak, jakby żadnego AI nie było. Dokładnie w takich momentach Cymcol przestaje czytać nagłówki, a zaczyna czytać dane.

Dziś rozbiorę tę sytuację na części. Skąd wzięła się słabość siódemki, dlaczego moim zdaniem rynek myli koszt z inwestycją, co pokazuje najważniejszy wykres tego kwartału i którą trójkę z siódemki wybrałbym w ciemno. Lecimy.

Biorę Big Tech do portfela w ciemno. Najlepsza okazja na drugą połowę 2026?

Magnificent 7 bardziej powinno dziś nazywać się Lagnificent 7, bo w porównaniu z Nasdaq 100 relatywnie zachowuje się najgorzej od początku 2024 roku.

Na wykresie widzicie stosunek ETF-u Magnificent 7 do indeksu Nasdaq 100. Przez dwa lata ta linia pięła się w górę, ponieważ siódemka rosła szybciej niż indeks, który w sporej części sama tworzy.

Jeszcze lepiej tę przepaść widać, kiedy zestawimy siódemkę z sektorem półprzewodników. Od początku roku indeks Philadelphia Semiconductor urósł o około 80%, a ETF Mag 7 znajduje się praktycznie na zerze. Liderzy ostatnich dwóch lat zamienili się w największego marudera amerykańskiego rynku.

Skąd aż taka słabość Mag 7? Źródło prowadzi nas prosto do rynku pamięci. Microsoft, Amazon, Meta, Google i Apple – wszystkie te firmy są ogromnymi odbiorcami pamięci, dlatego rynek postawił na nich krzyżyk. Kiedy komponenty drożeją, drożeje sprzęt i całe serwery, a za ten sam budżet przeznaczony na infrastrukturę Big Tech stawia mniej mocy obliczeniowej albo płaci więcej za dokładnie tyle samo.

Wymagana stopa zwrotu z inwestycji w AI automatycznie rośnie. Inflacja cen komponentów zjada część zwrotów z tych inwestycji. To taki podatek od AI i jest to realny powód, dla którego rynek tak źle traktuje dziś spółki Big Tech.

W tym układzie relatywnie gorzej wyglądają spółki bez własnych układów scalonych. Google ma własne TPU, a Amazon ma Trainium. Własne akceleratory nie rozwiązują problemu drożejącej pamięci, bo każdy chip – czy to GPU od Nvidii, czy własne TPU – i tak potrzebuje tej pamięci. Eliminują jednak przynajmniej inny duży element kosztów, czyli samą jednostkę obliczeniową, za którą pozostali płacą jeszcze fortunę Nvidii.

Kapitał ewidentnie nie ma teraz ochoty płacić wysokich mnożników za tych, którzy tworzą moc obliczeniową. Woli tych, którzy sprzedają komponenty potrzebne do jej budowy. To dość instynktowne. Jeden wydaje, drugi zarabia. Big Tech wydaje, a półprzewodniki zarabiają. Zyski tych drugich są dziś pewne, natomiast zwrot z inwestycji tych pierwszych w przyszłości pozostaje niepewny. Tak naprawdę nie ma tutaj wielkiej filozofii.

W efekcie rynek i duzi inwestorzy odpływają od siódemki, ale dla mnie to sygnał do ładowania wora! Goldman Sachs pokazuje ekspozycję funduszy na Magnificent 7.

Zjechała ona ostro ze styczniowych szczytów. Fundusze masowo redukowały pozycje, ponieważ bały się rosnących kosztów pamięci i presji na zwrot z inwestycji. To jasny sygnał, że rynek boi się dziś inwestowania w Big Tech.

Takie momenty mają swoją historię. Kiedy tłum ucieka z pozycji w najlepszych spółkach świata, zwykle oznacza to, że negatywne wiadomości są już uwzględnione w cenach. Wystarczy wtedy brak kolejnego złego zaskoczenia, żeby kursy odbiły. Jeśli pojawi się do tego coś pozytywnego, na przykład wyniki lepsze od konsensusu albo prezentacja nowych sposobów monetyzacji inwestycji, ruch w górę bywa bardzo gwałtowny. Często zbyt gwałtowny, żeby nadążyć za nim po fakcie.

Nawet w przypadku mniej pozytywnego scenariusza pula sprzedających już się do pewnego stopnia wyczerpała, więc dalsze spadki nie mogą być tak ostre jak w przypadku najbardziej „gorących” tematów na rynku, gdzie zmienność bije rekordy.

Forward P/E dla Magnificent 7, czyli wskaźnik pokazujący, ile rynek płaci za prognozowane zyski na kolejne 12 miesięcy, spadł z okolic 38x na szczycie do mniej więcej 24x dzisiaj. To wynik poniżej mediany z ostatniej dekady. Te spółki są wyceniane tak, jakby nie było żadnego AI, żadnego przyspieszenia wzrostu i żadnych nowych strumieni przychodów. Rynek wycenia je tak, jakby były firmami dokładnie takimi samymi jak wszystkie inne.

Na początku lipca Amazon, Microsoft, Meta i Alphabet znalazły się nawet przy dolnym krańcu swojego zakresu wyceny z ostatniej dekady. Obecne mnożniki są grupowo zbliżone do tych z covidowego krachu oraz końca bessy z 2022 roku.

Moim zdaniem inwestorzy ekstremalnie przecenili ryzyko związane z wydatkami na AI, podczas gdy wzrost wyników i popyt na sztuczną inteligencję pozostają mocne.

Spodziewam się niedługo rotacji kapitału do Mag 7, ponieważ grupa znajduje się w historycznie najtańszym decylu względem indeksu S&P 500, czyli w najniższych 10% wycen w całej swojej historii. Inwestor płaci dziś za te spółki podobną wycenę jak za szeroki rynek amerykański, mimo znacznie wyższej jakości bilansów, rentowności i potencjału wzrostu.

Uważam, że jest to definicja sytuacji, w której relacja risk/reward pozostaje po Waszej stronie. Płacicie dzisiaj cenę, która zakłada, że AI się nie uda i że inwestycje w sztuczną inteligencję się nie zwrócą. Jeśli to założenie okaże się błędne, pozostaje ogromna przestrzeń do wzrostu wycen.

Zresztą spójrzmy jeszcze na wzrost zysków. Według FactSetu prognozowany wzrost zysków Magnificent 7 w 2026 roku wynosi 35% rok do roku. Dla pozostałych 493 spółek z indeksu S&P 500 jest to 18%. Mamy więc prawie dwukrotną różnicę.

Jeszcze pod koniec marca ta różnica była mniejsza. Mag 7 miało prognozę wzrostu na poziomie 24%, a reszta rynku 15%. Oznacza to, że w ciągu kilku miesięcy analitycy podnieśli prognozy dla siódemki o ponad 10 punktów procentowych, podczas gdy prognozy dla reszty rynku wzrosły ledwie o 3 punkty. Rewizje idą w górę i robią to szybciej dla Big Techu niż dla kogokolwiek innego.

To nie jest jednorazowy wyskok. Na innym wykresie widzicie historyczny wzrost zysków kwartał po kwartale od 2021 roku. Mag 7 konsekwentnie rośnie szybciej niż reszta indeksu S&P 500, z wyjątkiem kilku kwartałów w 2022 roku, kiedy spółki oberwały po cyklu podwyżek stóp procentowych. Nawet wtedy szybko wróciły na ścieżkę dwucyfrowych wzrostów. W pierwszym kwartale 2026 roku Mag 7 dowoziło ponad 63% wzrostu zysków rok do roku. 63%! A reszta rynku? Niecałe 19%.

Połączcie sobie dwa fakty. Spółki, które rosną dwa razy szybciej niż reszta rynku, są notowane przy wycenie zbliżonej do reszty rynku. To jest definicja złej wyceny. Rynek daje tutaj prezent, którego nie widzieliśmy od lat.

Jeden z najczęściej powtarzanych argumentów przeciwko Big Techowi brzmi mniej więcej tak: „wydają setki miliardów dolarów na AI, a to się nie zwraca”. To przestarzała i niezgodna z faktami obawa!

W danych Bloomberga widać, że kwartalne przychody z AI po raz drugi z rzędu przewyższyły amortyzację infrastruktury AI. Przychody sięgają już okolic 25 miliardów dolarów kwartalnie, a amortyzacja nakładów inwestycyjnych wynosi około 20 miliardów dolarów. Bufor bezpieczeństwa jest jeszcze wąski, ale trend pozostaje jednoznaczny. Krzywa przychodów rośnie szybciej niż krzywa kosztów.

Jeszcze rok temu te dwie linie szły łeb w łeb. Dziś przychody odrywają się od kosztów i ten rozjazd będzie się tylko pogłębiał, ponieważ nowe zastosowania AI generują popyt szybciej, niż rośnie amortyzacja istniejącej infrastruktury. Narracja, zgodnie z którą „hyperscalerzy przepalają gotówkę bez zwrotu”, już jest nieaktualna.

Kiedy boom na AI się zaczynał, głównymi klientami chmur, takich jak AWS, Azure i GCP, były laboratoria AI, na przykład OpenAI czy Anthropic. Wynajmowały one surową moc obliczeniową. Dajesz mi GPU, ja trenuję model. Dla hyperscalera jest to najgorzej zarabiający biznes, ponieważ pozostaje on tutaj wyłącznie podmiotem wynajmującym sprzęt. Niska wartość dodana i niska marża. Jak magazyn, który wynajmuje metraż. Zarabia, ale niezbyt dużo.

Teraz miks usług przesuwa się w stronę czegoś zupełnie innego i znacznie bardziej marżowego. Wyobraźcie sobie firmę ubezpieczeniową, która chce analizować roszczenia za pomocą AI. Ta firma nie wynajmuje od Amazona surowych GPU i nie buduje własnego modelu od zera. Kupuje gotowe API na platformie AWS, gdzie za każde zapytanie płaci kilka centów. Amazon nie tylko udostępnia jej sprzęt, ale również dostarcza gotowy model, infrastrukturę potrzebną do jego uruchamiania oraz całą otoczkę bezpieczeństwa. Za to pobiera wielokrotnie wyższą marżę niż za samo wynajmowanie GPU.

Big Tech nie wynajmuje już wyłącznie mocy laboratoriom AI, ale sprzedaje gotowe, często własne rozwiązania ostatecznym klientom korporacyjnym. Im więcej firm zaczyna korzystać ze sztucznej inteligencji za pośrednictwem takich gotowych usług, tym wyższa jest marża generowana na tej samej infrastrukturze.

Kiedy połączymy to z faktem, że liczba spalanych tokenów, czyli zużywanej mocy obliczeniowej, rośnie, a wewnętrzne modele tworzone przez Big Tech są dodatkowym produktem sprzedawanym klientom korporacyjnym, okazuje się, że z czasem hyperscalerzy są w stanie wyciskać coraz wyższą marżę ze swojej mocy obliczeniowej. Dlatego ich wyniki mogą w kolejnych kwartałach zaliczyć kolejne solidne rewizje w górę.

Na pewno słyszeliście o tym, że duże korporacje ograniczają zużycie tokenów, ponieważ staje się to dla nich zbyt drogie. Meta, Uber i wiele innych firm wysyłało takie sygnały. Są to jednak dowody anegdotyczne. Kiedy spojrzymy na szerokie, zagregowane dane, zobaczymy, że realny popyt na tokeny rośnie jak szalony.

Indeks GPU Availability pokazuje, jak łatwo można dziś wynająć moc obliczeniową na rynku. Im wyższy indeks, tym łatwiej uzyskać dostęp do GPU. Wartości powyżej 50% oznaczają rynek kupującego, natomiast poziomy poniżej 30% wskazują już na wyraźny deficyt. Przez większość 2025 roku dostępność była wyższa, ale od początku 2026 roku mocno spadła.

Ostatnio indeks nieco odbił, do około 23%, co nadal oznacza poważne trudności z dostępem. Dolny panel wykresu pokazuje przy tym, że odbicie wynika głównie z większej dostępności starszych generacji układów. Najnowsze chipy nadal pozostają praktycznie niedostępne, ponieważ wszyscy chcą z nich korzystać.

Trudno traktować to jako dowód na słabnący popyt. Wręcz przeciwnie – popyt na najnowszy krzem jest bardzo mocny, a dostęp do niego można uzyskać za pośrednictwem centrów danych należących właśnie do Big Techu.

Dochodzą do tego pojedyncze sygnały rynkowe. Amazon podniósł ceny wynajmu układów GPU. Drożeje również najem starszych układów Nvidii na rynku wtórnym. Google miał, według „Financial Timesa”, ograniczyć Mecie dostęp do mocy obliczeniowej Gemini, ponieważ Meta chciała otrzymać jej więcej, niż Google było w stanie dostarczyć. To rynek, na którym nawet najwięksi gracze mają problem z zaspokojeniem własnego popytu, a nie taki, na którym infrastruktury jest za dużo.

Twórcy modeli AI, tacy jak OpenAI i Anthropic, są jak producenci samochodów. Wielkie chmury, takie jak Microsoft, Amazon i Google, są natomiast jak bramki na autostradzie.

Wiele osób przesiada się z jednego modelu samochodu do innego, ale na przestrzeni lat jeżdżą coraz więcej, ponieważ społeczeństwa się bogacą i stają się coraz bardziej mobilne, a jednocześnie samochody i części zamienne tanieją. Bramka na autostradzie i tak pobiera jednak takie samo myto od każdego auta, niezależnie od tego, czy jest to Ferrari, czy Honda, oraz który raz przejeżdża ono tą trasą w danym tygodniu.

Nawet jeśli modele AI będą tanieć i się skomodytyzują, czyli staną się powszechne oraz łatwo wymienialne przez klientów, niczym produkty na półce w supermarkecie, Big Tech i tak będzie na tym doskonale zarabiał. Spadek unikalności modeli nie jest więc ryzykiem, które dotyka dostawców chmury, lecz ryzykiem twórców samych modeli. Big Tech znajduje się tutaj w wygodnej pozycji.

Inwestorów martwi również spadek mocy obliczeniowej wykorzystywanej przez lepiej zoptymalizowane modele AI. Bear case zakłada, że jeśli modele będą zużywać mniej mocy obliczeniowej do wykonywania tych samych zadań, ponieważ będą po prostu lepiej zoptymalizowane, popyt na wykorzystanie chmury Big Tech spadnie.

Paradoks Jevonsa mówi dokładnie coś odwrotnego. Jeśli liczba tokenów wykorzystywanych do wykonywania porównywalnych zadań będzie spadać, oznacza to, że spadnie również cena wykonania jednego zadania. W rezultacie więcej firm i klientów skusi się na wykorzystanie agenta lub modelu AI do jego realizacji. Popyt więc nie spadnie, lecz jeszcze bardziej wzrośnie.

Widzieliśmy to w historii gospodarki już dziesiątki razy. Weźcie transfer danych. Koszt przesłania jednego gigabajta spadł od lat dziewięćdziesiątych tysiąckrotnie. Czy globalny ruch internetowy spadł? Wręcz przeciwnie – rośnie wykładniczo, ponieważ tani transfer umożliwił streaming wideo, chmurę, media społecznościowe i milion innych rzeczy, które wcześniej były niemożliwe.

Z AI będzie dokładnie tak samo. Im taniej będzie uruchomić agenta AI, tym więcej firm i ludzi go uruchomi.

Mało? Zapraszam po więcej. Zostawiłem ten wykres na koniec, ponieważ uważam go za najważniejszy element całej tej układanki. Bank of America pokazuje na nim coś, co nazywa transferem wolnych przepływów pieniężnych. Jasna linia przedstawia prognozowane wolne przepływy pieniężne hyperscalerów: Amazona, Google’a, Mety, Microsoftu i Oracle’a. Ciemna linia pokazuje natomiast wolne przepływy pieniężne firm półprzewodnikowych, takich jak Nvidia, Micron, Broadcom i Applied Materials.

Na pierwszy rzut oka wykres wygląda źle dla hyperscalerów. Ich FCF spada, a FCF firm półprzewodnikowych wystrzeliwuje w kosmos. Linia sektora semi sięga prognozowanych 400 miliardów dolarów, podczas gdy linia hyperscalerów zanurkowała poniżej zera. Mnóstwo komentatorów rynkowych podrzuca ten wykres jako dowód na to, że Big Tech przepala gotówkę. Nieśmiało przypominam jednak o jednej rzeczy, która zmienia cały wydźwięk tego wykresu.

To hyperscalerzy mają 100% kontroli nad obiema liniami widocznymi na tym wykresie.

To oni decydują, ile wydadzą na chipy, serwery i centra danych. To oni podpisują kontrakty z Nvidią, Micronem i Broadcomem. Każdy dolar, który podnosi ciemną linię, jednocześnie obniża linię jasną. Ten wykres nie pokazuje problemu, lecz świadomą decyzję strategiczną. Hyperscalerzy celowo ograniczają swój FCF, ponieważ inwestują w infrastrukturę, która ma im przynosić zwroty przez następną dekadę.

Teraz pomyślcie, co stanie się, kiedy ta faza budowy dobiegnie końca. Kiedy centra danych będą postawione, serwery zostaną zainstalowane, a modele zaczną generować przychody na pełnych obrotach. FCF hyperscalerów nie wróci jedynie do poprzednich poziomów. On dosłownie wystrzeli daleko ponad nie, ponieważ firmy będą miały tę samą bazę przychodową oraz całą masę nowej infrastruktury, która zacznie zarabiać. Wtedy wrócą agresywne skupy akcji, a jasna linia na wykresie BofA zacznie rosnąć z impetem.

Kto kupi teraz, kupi dokładnie w momencie, w którym rynek wycenia ogromny pesymizm dotyczący przepływów pieniężnych. Potencjał po zakończeniu obecnego cyklu inwestycyjnego jest jednak ogromny.

Zresztą prognozy już teraz to pokazują. Gdy tylko cykl inwestycyjny się skończy, te maszynki do generowania gotówki będą nie do zatrzymania! Mowa o potencjalnym wyniku 2,5x na generowanym FCF w zaledwie pięć lat.

Mamy więc grupę spółek, które rosną dwa razy szybciej niż reszta rynku, a jednocześnie są notowane przy wycenach z dołków dwóch ostatnich bess. Przychody z AI już przewyższają amortyzację CAPEX-u. Popyt na moc obliczeniową rośnie, najnowsze układy scalone B200 nadal są praktycznie niedostępne, a fundusze masowo zredukowały swoje pozycje.

Ze szczególnym przekonaniem patrzę tutaj na Amazona, Metę i Microsoft. Amazon ma własne układy scalone i najsilniejszą pozycję w chmurze ze wszystkich spółek.

Meta jest notowana przy jednym z najniższych mnożników w całej siódemce, a teraz wchodzi na najgorętszy rynek AI, czyli zaczyna konkurować bezpośrednio z OpenAI i Anthropic na polu agentów AI. Do tego ma własne kanały dystrybucji i zbierania danych, takie jak Instagram, Facebook i inne platformy. Oprócz tego ma inne rentowne biznesy oraz własną moc obliczeniową, zamiast wynajmować ją od kogoś zewnętrznego.

Microsoft również jest tani i zajmuje drugą pozycję na rynku chmury. Ma także najszerszy potencjał do dystrybucji AI w świecie korporacyjnym za pośrednictwem pakietu Office, Teams i innych aplikacji przeznaczonych dla firm.

Najlepsze biznesy świata są dostępne w cenie przeciętnych. Tak, wiem, jak to brzmi, ponieważ na rynku oferty zbyt piękne zwykle okazują się ściemą. Zapytajcie jednak sami siebie: co właściwie zepsuło się w tych spółkach?

Zyski? Rosną najszybciej na całym rynku.

Popyt? Najnowszych układów fizycznie nie da się wynająć.

Monetyzacja AI? Przychody właśnie przegoniły amortyzację i oddalają się od niej z kwartału na kwartał.

Zepsuło się wyłącznie nastawienie, a nastawienie jest najtańszą rzeczą do naprawienia na rynku.

Rynek regularnie wycenia emocje, a rozlicza z fundamentów. Dziś w cenach siódemki siedzi strach przed cenami pamięci, CAPEX-em i zwrotem z inwestycji. Kiedy ten strach wyparuje – a wyparowuje zawsze – obecne wyceny będziemy wspominać tak, jak dziś wspominamy marzec 2020 roku i dołek z 2022 roku. Z bólem, że kupiło się za mało.

Nie obiecuję, że odbicie przyjdzie jutro ani że po drodze nie będzie nerwów, ale relacja risk/reward jest korzystna. Dziś płacicie cenę zakładającą porażkę AI za spółki, które na sztucznej inteligencji zarabiają najwięcej na świecie. Ja taką ofertę biorę w ciemno.

Do zarobienia,
Piotr Cymcyk