AI: Vidět do budoucnosti nestačí

Umělá inteligence může být jednou z nejdůležitějších technologií tohoto století. To ale ještě neznamená, že dnešní investice do AI budou dobrým obchodem. Historie podobné paradoxy zná.

Thomas Cole (AI): Pád digitálního impéria

Kolem roku 2000 proudily obrovské částky do optických sítí, telekomunikací, serveroven a internetové infrastruktury. Investoři vycházeli z přesvědčení, že objem datového provozu v budoucnu exploduje. Měli pravdu. Podle historických údajů společnosti Cisco činil globální internetový provoz v roce 2000 přibližně 75 petabajtů měsíčně. V roce 2014 už dosahoval 42,4 exabajtu měsíčně – více než 560krát tolik.

Tím růst zdaleka neskončil. Mezinárodní telekomunikační unie odhaduje, že v roce 2025 proteklo pevnými broadbandovými sítěmi 7,3 zettabajtu a mobilními dalších 1,5 zettabajtu koncového internetového provozu. Po přepočtu na stejnou časovou jednotku to odpovídá zhruba sedmnáctinásobku roku 2014, tedy růstu kolem třiceti procent ročně. (Obě statistiky měří poněkud odlišné věci. Řád velikosti je ale nepochybný.)

Optimisté z roku 2000 tedy budoucí význam internetu rozhodně nepřecenili. Přesto mnoho investorů prodělalo obrovské peníze.

Nejznámějším příkladem je Global Crossing. Během několika let vybudovala optickou síť propojující více než 200 velkých měst ve 27 zemích. Technologicky nepostavila nic zbytečného. Naopak: vytvořila infrastrukturu pro budoucnost. Jenže stejnou budoucnost stavěli i její konkurenti. Kapacity přibývalo, cena přenosu dat klesala, příjmy nestačily na dluh, kterým byla síť financována. V lednu 2002 Global Crossing požádala o ochranu před věřiteli. Původní akcionáři při reorganizaci ztratili vše.

Nutno dodat, že Global Crossing nebyla zcela čistá. Společnost si vyměňovala síťové kapacity s konkurenty způsobem, který pomáhal nafukovat vykazované výsledky, auditorem jí byl Arthur Andersen, který krátce poté zanikl v důsledku aféry Enron, a po bankrotu následovala vyšetřování a hromadné žaloby. To ale samo o sobě něco vypovídá. V cyklech tohoto typu bývá účetní kreativita pravidelným doprovodem nadměrných investic, nikoli výjimkou. Když skutečné tržby zaostávají za slíbenými, pokušení dorovnat rozdíl účetně prudce roste.

Ještě hlubší byl pád WorldComu. V červenci 2002 skončil v bankrotu. V březnu 2003 odepsal přibližně 80 miliard dolarů z účetní hodnoty svých aktiv. Stojí za to podívat se na strukturu toho odpisu. Zhruba 45 miliard tvořil goodwill z akvizic, dalších téměř 35 miliard pokles hodnoty zařízení, majetku a dalších nehmotných aktiv. Většina odpisu tedy neznamenala „postavili jsme příliš mnoho“, ale spíše „koupili jsme příliš draho“. Situaci navíc komplikoval rozsáhlý účetní podvod.

Skutečně čistý příklad nicméně existuje. Level 3 Communications postavila obrovskou optickou síť, nikdy nepožádala o ochranu před věřiteli, její technologická teze se plně potvrdila – a přesto se investoři, kteří kupovali poblíž vrcholu roku 2000, svých tehdejších cen už nedočkali před převzetím firmy v roce 2017. Podobně JDS Uniphase, dodavatel optických komponent, vykázala v roce 2001 ztrátu kolem 56 miliard dolarů, z velké části kvůli odpisům goodwillu a dalších dlouhodobých aktiv spojených s předchozími akvizicemi. Žádný podvod, žádné peníze investorů v kapsách manažerů. Jen správná prognóza a špatná cena.

Pointa je stejná ve všech případech: správně předpovědět budoucnost odvětví nestačí. Investor musí správně odhadnout také cenu, konkurenci, náklady kapitálu a rychlost technologického zastarávání.

Kde je to dnes vidět

A právě zde začíná být historie nepříjemně aktuální. V rámci odvětví jsou ovšem rozdíly.

Jádro AI infrastruktury tvoří čtyři firmy s mimořádně ziskovým základním podnikáním: Microsoft, Amazon, Alphabet a Meta. Výstavbu financují převážně z provozního peněžního toku, značnou část kapacity spotřebují interně a náklady dokážou přenést do cen cloudu. Jejich rozvahy snesou i několik promarněných let. Global Crossing měla 12,4 miliardy dluhu a za celou svou existenci nevykázala jediný zisk. To je zásadní rozdíl.

Napjatý je okraj – ta část řetězce, která je financovaná dluhem a závislá na několika protistranách. Právě okraj přitom určuje mezní cenu kapacity. Pokud postaví na dluh a pak musí prodávat téměř za cokoli, aby obsloužil úroky, klesne cena výpočetního výkonu pro všechny, i pro ty, kdo si stavbu mohli dovolit z hotovosti. Přesně tak zkolabovaly ceny přenosu dat po roce 2001.

Oracle utratil ve fiskálním roce 2025/26 na kapitálových výdajích 55,7 miliardy dolarů. Provozní cash flow přitom dosáhl rekordních 32 miliard – a volný peněžní tok přesto skončil na minus 23,7 miliardy. Úvěrový profil firmy se zároveň zhoršil; S&P v červenci snížila rating na BBB−, jeden stupeň nad spekulativním pásmem. Trh tak začal výrazně citlivěji oceňovat riziko spojené s rychlou expanzí AI infrastruktury.

U zadlužení je nutné říct, co přesně se počítá. Podle výroční zprávy Oracle měl podnik na konci května 2026 přibližně 30,2 miliardy dolarů operativních leasingových závazků a 7,7 miliardy finančních leasingů. Ještě zajímavější je mimorozvahová položka: dalších zhruba 260 miliard dolarů leasingových závazků, převážně datacentrových, které tehdy ještě nezačaly běžet. V srpnu už Oracle uváděl 288 miliard dolarů takových budoucích závazků. Není to dluh v účetním smyslu, z hlediska budoucích fixních plateb se mu však ekonomicky podobá.

S&P svůj investiční stupeň obhajuje tím, že Oracle má dostatečnou finanční kapacitu, pokud se současná investiční vlna začne podle očekávání proměňovat v tržby a hotovost. Jinými slovy: rating stojí i na předpokladu, že se AI podaří monetizovat zhruba podle plánu.

Nervozita se přenáší i do projektového financování. Kampus Project Jupiter v okrese Doña Ana v Novém Mexiku, kde má být Oracle kotevním nájemcem, si zajistil úvěry za zhruba 18 miliard dolarů od bankovního konsorcia. V polovině září byly půjčky nabízeny kolem 89 až 91 centů za dolar nominální hodnoty a banky měly problém část rizika umístit u dalších investorů. Na obranu je třeba dodat, že část diskontu s ekonomikou AI nesouvisí: projekt čelí místnímu odporu a povolovacím komplikacím. Povolovací riziko není totéž co riziko návratnosti.

Ještě dál na okraji stojí Nscale, britský poskytovatel AI infrastruktury podporovaný Nvidií. Za první pololetí 2026 vykázal tržby 140,6 milionu dolarů a čistou ztrátu 1,02 miliardy. U té ztráty je namístě opatrnost: podstatná část je nepeněžní. Znepokojivější jsou proporce všeho ostatního.

Podle registračního dokumentu Nscale firma během pouhých několika let vybudovala kontrakty a závazky v řádu desítek miliard dolarů. Mezi největší patří dlouhodobá dohoda s Anthropic spojená s kapacitou v Západní Virginii. Taková čísla mohou být technicky zcela správná, ale jejich skutečná hodnota závisí na tom, zda protistrany budou schopny a ochotny platit i za několik let.

Mezitím Nscale financuje výstavbu miliardami dolarů nového kapitálu. V září prodal konvertibilní dluhopisy za 3,1 miliardy dolarů a při vstupu na burzu míří na ocenění kolem 30 miliard dolarů, zhruba dvojnásobek valuace z březnového kola.

Jedna miliarda z těchto konvertibilních dluhopisů pochází od Nvidie. Nscale přitom nakupuje právě její čipy. Kdo si pamatuje vendor financing Lucentu a Nortelu z let 1999 až 2001, ví, proč podobné kruhy stojí za pozornost. Dodavatel může současně financovat odběratele a vykazovat tržby z jeho nákupů; pokud odběratel později neuspěje, riziko se vrací zpět do řetězce.

Tento výběr příkladů je záměrný a čtenář by z něj neměl odnést, že takhle vypadá celá AI infrastruktura. Nevypadá. Vypadá tak její slabý, dluhem financovaný okraj. Pro silné hráče platí méně dramatická výhrada: capex hrazený z provozního zisku není zadarmo. Investice s návratností pod náklady kapitálu ničí hodnotu bez ohledu na způsob financování. Nezpůsobí bankrot, způsobí však roky podprůměrných výnosů. Pro akcionáře je to nudnější, ne nutně levnější.

Otázka, která rozhoduje

Zatím jsme mluvili o nabídce, ceně a financování. To je ale jen polovina úlohy. Druhá polovina zní: zaplní se postavená kapacita dost rychle?

Nabídku lze vyčíslit poměrně přesně. Podle S&P Global Ratings má pět velkých cloudových hráčů – Alphabet, Amazon, Meta, Microsoft a Oracle – v roce 2026 utratit na kapitálových výdajích přibližně 750 miliard dolarů. Významná část těchto peněz směřuje do AI infrastruktury. Nabídková strana se tedy neusazuje, nýbrž dál zrychluje.

Poptávková čísla jsou proti tomu hůře odhadnutelná. Anualizované tržby předních AI firem se dnes pohybují v řádu desítek až nízkých stovek miliard dolarů, podle toho, co přesně se počítá. Část hráčů vykazuje hrubé tržby včetně přeprodeje přes cloudové partnery, jiní blíže čistým. Laboratoře nejsou jedinými odběrateli – velká část podnikových výdajů na AI protéká přímo cloudovými tržbami hyperscalerů a v žádném žebříčku „čistých AI firem“ se neobjeví.

Z toho plyne praktický závěr, který je sám o sobě užitečný: každé přímé porovnání typu „sedm set miliard capexu proti X miliardám tržeb“ je zavádějící, ať je X jakékoli. V komentářích se přesto objevuje neustále a bývá hlavním argumentem obou táborů. Použitelná je místo toho dynamika, která je bezprecedentní. Anthropic i OpenAI prošly za osmnáct měsíců růstovou křivkou, pro kterou v moderní historii podnikového softwaru není obdoba.

I po všech korekcích ale zůstává mezera, kterou musí zavřít provozní výnos, ne další kolo financování.

Zlevňování inference (tj. samotného používání již natrénovaného modelu při odpovídání na dotazy a plnění úloh) totiž působí oběma směry naráz. Levnější inference rozšiřuje okruh úloh, u nichž se AI vyplatí, a celkový objem výpočtů může růst. To připomíná Jevonsův efekt: když určitá technologie zlevní nebo začne být úspornější, lidé ji často nezačnou používat méně, ale naopak mnohem více. Levnější výpočet tedy nemusí snížit celkové výdaje na AI – může otevřít tisíce nových způsobů jejího použití.

Zároveň tento efekt ale sráží cenu, za kterou lze prodat hodinu výpočetního výkonu na existujícím, draze pořízeném hardwaru. Dnešní kapacita se zaplatí jen tehdy, pokud první efekt předběhne druhý: pokud objem poroste rychleji, než klesá jednotková cena, a pokud k tomu dojde dřív, než ji vytlačí další generace čipů a specializovaného hardwaru.

To je skutečná otázka a nemá dnes jednoznačnou odpověď ani jedním směrem. Kdyby použití AI explodovalo a inference zároveň zlevnila, velká část dnešní drahé kapacity se zaplatí i při rychlém zastarávání. Kdyby zlevnila a použití zaostalo, bude analogie s rokem 2001 ostřejší, než tento text naznačuje.

Jeden ukazatel si zaslouží pozornost víc než ostatní. Oracle vykázal ke konci fiskálního roku 2026 takzvané remaining performance obligations (RPO) ve výši 638 miliard dolarů, meziročně o 363 procent více. Jde zjednodušeně o hodnotu smluvně dohodnutých budoucích tržeb, které ještě nebyly vykázány jako tržby. Je to velmi silný důkaz, že poptávka po AI kapacitě skutečně existuje.

Struktura toho čísla ale říká víc než jeho výše. Podle vedení firmy se mělo z tehdejších 638 miliard dolarů proměnit v tržby během následujících dvanácti měsíců zhruba 12 procent a dalších 34 procent mezi třináctým a šestatřicátým měsícem. Více než polovina tedy ležela za tříletým horizontem. To není samo o sobě problém, ale připomíná to, že nasmlouvané budoucí tržby nejsou totéž co hotovost na účtu.

Ve prospěch Oraclu je adekvátní dodat, že 75 miliard dolarů z jeho velkých AI kontraktů tvoří předplacený nebo přímo zákazníkem dodaný hardware, což výrazně snižuje kapitál, který si firma musí obstarat sama. To je reálné zmírnění rizika.

I tak ale zůstává jádro věci: nasmlouvaná budoucí tržba je příslib, nikoli hotovost. Její hodnota je dána bonitou toho, kdo ji slíbil, a tím, jak dlouho bude kontrakt skutečně plněn. Co nám to připomíná? Telekomunikace v letech 2001 a 2002.

Co je dnes jiné

Zbývá rozdíl, který vychází v neprospěch dneška – ale jinak, než se obvykle tvrdí.

Optické vlákno položené v roce 2000 má technickou životnost dvacet pět let i více. Kapacita byla předražená a velká část vláken zůstala roky „temná“. Nikam však nezmizela a nakonec našla využití. Vlákno se nekazí, jen čeká.

Grafické procesory se chovají jinak. Účetně se u velkých hráčů odepisují několik let, ale jejich ekonomická výkonnost pro nejdražší úlohy klesá rychleji s příchodem nových generací. Starší čipy přitom nemizí naráz: sestupují do inference, dávkových úloh a levnějšího výpočetního patra, kde mohou dále vydělávat.

Rozdíl je tedy v profilu výnosu. Vlákno vydělává téměř stejně ve dvacátém roce jako v pátém. GPU vydělává nejvíc v prvních letech, potom postupně méně. Investice do vlákna proto snesla zpoždění poptávky o pět let; investice do GPU financovaná dluhem nemá takovou trvanlivost.

Otázka u vlákna zněla: Kdy se to zaplatí? Otázka u GPU zní: Stihne se to zaplatit, než výdělečná schopnost klesne rychleji, než se umořuje dluh?

Právě zde leží paradox současného boomu. AI může uspět zcela fantasticky, část investorů přesto může prodělat. Investoři kolem roku 2000 se nemýlili v tom, že internetu patří budoucnost. Mýlili se v tom, kdo a jak na té budoucnosti nakonec vydělá.

Možná dnes stojíme před stejnou otázkou: Co když mají investoři pravdu o technologii, ale mýlí se v ekonomice?