AI: massieve beurscrash dreigt

De explosie van kapitaaluitgaven

Volgens de uitgebreide macro-economische analyse van Michael Roberts is de schaal van de huidige AI-investeringen ronduit duizelingwekkend. De data toont aan hoe zwaar de Amerikaanse economie momenteel op deze sector leunt.

Het gat van 500 miljard dollar

De afhankelijkheid van deze ene sector brengt enorme risico’s met zich mee. Het fundamentele probleem is dat al deze investeringen uiteindelijk voldoende rendement (winst) moeten genereren om de torenhoge waarderingen op de beurs te rechtvaardigen. En precies daar wringt volgens de data de schoen.

De Amerikaanse samengestelde PMI (een maatstaf voor economische activiteit) steeg van 56 in augustus naar 58,4. Dit is de sterkste expansie in de particuliere sector sinds juli 2021 en markeert de vierde opeenvolgende maand van versnellende groei. De winst werd gedreven door de dienstensector (inclusief informatiediensten) met de sterkste stijging van de productie in meer dan vijf jaar, terwijl ook de industrie versnelde. Nieuwe orders groeiden in het snelste tempo sinds april 2022, terwijl de werkgelegenheid in de industrie de sterkste was sinds februari 2021.

In juni merkte ik al op dat AI ‘één grote trade voor de Amerikaanse economie’ was. Maar nu, in september, lijkt dat een understatement. De opbouw van AI is op weg om de grootste economische gok in de Amerikaanse geschiedenis te worden, en overschaduwt de investeringen die in het verleden zijn gedaan om andere enorme Amerikaanse infrastructuurprojecten te financieren, zoals de spoorwegen in de 19e eeuw, het snelwegennetwerk in de 20e eeuw en het internet in de 21e eeuw.

Analisten schatten dat de kapitaaluitgaven bij vijf van de zogenaamde hyperscalers — Alphabet, Amazon, Meta, Microsoft en Oracle — in de vier jaar tot 2029 zullen oplopen tot 4,2 biljoen dollar, aldus FactSet. De uitgaven aan datacenters zijn groter dan die voor kanalen, spoorwegen en het elektriciteitsnetwerk gecombineerd, en zullen naar verwachting in totaal 10,3 biljoen dollar bedragen van 2025 tot 2032, volgens nieuwe schattingen van de Brookings Institution. Dat is een duizelingwekkend gemiddelde van 3,6% van het bbp per jaar. Nooit eerder was de Amerikaanse economie zo afhankelijk van de uitbreiding van één enkele industrie.

Tot juli is er 37 miljard dollar uitgegeven aan private datacenters, waarvan de meeste nog niet operationeel zijn.

Ter contrast: de Amerikaanse private bouwuitgaven aan al het andere — huizen, appartementencomplexen, winkelcentra enzovoort — lagen in de eerste zeven maanden van dit jaar ongeveer 46 miljard dollar onder het niveau van een jaar eerder.

AI-investeringen hebben sinds 2023 750.000 nieuwe banen gecreëerd, volgens schattingen van LinkedIn. En die banen betalen goed: het mediane jaarsalaris voor AI-gerelateerde vacatures op LinkedIn ligt rond de $180.000, vergeleken met $80.000 voor alle banen.

Bovenal heeft de AI-investering geleid tot enorme winsten in beursvermogen. Vanaf het tweede kwartaal van 2026 bedroegen de Amerikaanse aandelen- en beleggingsfondsbezittingen 63 biljoen dollar, volgens de Federal Reserve — bijna een verdubbeling ten opzichte van het bedrag eind 2022. Het grootste deel van deze toename in financieel vermogen is naar de toch al rijken gegaan, aangezien werkende mensen nauwelijks aandelen of obligaties bezitten.

Buitenlandse investeerders storten zich op Amerikaanse activa. Ze bezitten nu een recordbedrag van 39 biljoen dollar aan Amerikaanse aandelen en obligaties, een stijging sinds 2022. Dit houdt de Amerikaanse dollar relatief sterk en drijft de aandelenkoersen op. De oorlogen in Oekraïne en Iran moedigen buitenlanders aan om hun activa naar de VS te verplaatsen om te profiteren van de boom.

Tegelijkertijd drijft de vraag naar apparatuur voor datacenters, zoals geheugenchips, de kosten voor technologieproducten op. De importprijzen voor computers, randapparatuur (zoals harde schijven) en halfgeleiders lagen in augustus 20% hoger dan een jaar eerder. Deze hoge importprijzen zetten op hun beurt opwaartse druk op de kosten van consumptiegoederen, zoals iPhones en gameconsoles, en dragen bij aan de algemene inflatie.

Maar hier is het probleem. De kloof tussen de uitgaven van hyperscalers en hun kasstroom wordt snel groter. De kapitaaluitgaven bij Amazon, Meta, Microsoft en Alphabet zullen in 2027 naar verwachting voor het eerst de 1 biljoen dollar overschrijden. Tegelijkertijd zal de gecombineerde ‘vrije kasstroom’ (geld uit winsten van bestaande activiteiten) naar verwachting dalen tot onder de 100 miljard dollar. Een jaar geleden was de vrije kasstroom nog ongeveer 200 miljard dollar, terwijl de kapitaaluitgaven 300 miljard dollar bedroegen. Nu versnellen de AI-uitgaven, terwijl het geld dat beschikbaar is om dit te financieren, verdwijnt.

Hoe groter deze kloof wordt, hoe meer de hyperscalers afhankelijk zijn van de schuld- en aandelenmarkten om hun AI-uitgaven te financieren.

Het probleem is dat als de AI-uitgaven er niet in slagen om voldoende rendement (winst) te genereren, de aandelenmarkt een scherpe wending naar beneden kan nemen zodra investeerders zich terugtrekken. De Amerikaanse aandelenkoersen zijn massaal overgewaardeerd ten opzichte van de bestaande winsten. De trendverhouding tussen aandelenkoersen en de winst per aandeel (de zogenaamde CAPE-ratio) ligt boven het niveau van vlak voor de financiële crash van 2008 en nadert het niveau van vlak voor de dotcom-bubbel in 2000.

Zullen de winsten doorkomen? Onderzoek van Fathom Consulting toont aan dat om de biljoenen kostende AI-boom winstgevend te maken, de AI-gerelateerde omzet van de betrokken techbedrijven binnen de komende twee jaar met $600-800 miljard zou moeten stijgen. The Guardian licht deze raming toe.

Maar het adviesbureau Panmure Liberum berekende dat de huidige prognoses voor kapitaaluitgaven en inkomsten tot 2030 een negatief intern rendement op geïnvesteerd kapitaal impliceren voor Alphabet, Meta, Microsoft en Oracle.

Dus ofwel de hyperscalers verlagen hun kapitaaluitgaven aan AI aanzienlijk tot niveaus die een redelijke winst genereren op het reeds geïnvesteerde kapitaal, ofwel ze leveren door een wonder massieve winstgevendheid uit een enorme toekomstige toename in de vraag naar AI-producten. Als ze de uitgaven verlagen, zou dat een signaal zijn voor investeerders dat AI niet levert, waarna zij hun aandelen zullen verkopen. Een crash zou volgen. Ze moeten dus steeds meer blijven uitgeven.

Tegelijkertijd daalt wat bedrijven kunnen rekenen voor AI-rekenkosten (tokens) snel. De LLM Token Expenditure Index, die de marktprijs volgt die bedrijven betalen voor de output van AI-modellen, is gedaald tot slechts $0,97, het laagste niveau sinds de index eind vorig jaar werd gecreëerd en meer dan 50% onder de piek van afgelopen zomer. Tokenprijzen storten in doordat goedkopere modellen, open-source Chinese concurrenten en dalende trainingskosten (inference) het gebruik van AI steeds goedkoper maken. Dat holt de omzetgroei voor de AI-labs uit, waardoor het moeilijker wordt om de rekeningen voor de AI-infrastructuuruitgaven te betalen.

De AI-labs (OpenAI en Anthropic) blijven beweren dat ze binnenkort grote winsten zullen maken en dat de hyperscalers uiteindelijk hun deel van de buit zullen krijgen. Maar veel van deze beweringen zijn gebaseerd op dubieuze winstschattingen. AI-gerelateerde investeringswinsten flatteren in toenemende mate de inkomsten, waarbij zogenaamde “overige inkomsten” (contracten met andere AI-bedrijven) stijgen tot 54% van de winst voor belastingen.

Inderdaad, de AI-bedrijven houden hun hoofd alleen boven water door wat ‘circulaire financiering’ wordt genoemd, waarbij het ene bedrijf geld leent aan het andere en de laatste vervolgens beweert winst te hebben gemaakt. Sona Asset Management heeft het AI-universum in kaart gebracht en de onderlinge verbindingen tussen grote spelers gecatalogiseerd. Iedereen is afhankelijk van alle anderen om te leveren.

Sona ontdekte ook dat de inkomsten van AI-bedrijven bijna volledig gebonden zijn aan de investeringsbeslissingen van een of twee andere AI-spelers. Dit is een systemische bust in de maak.

Een belangrijke vraag is of AI daadwerkelijk een stapsgewijze verandering in de Amerikaanse arbeidsproductiviteit gaat opleveren die de economische vooruitgang voor een generatie zou kunnen stimuleren. Het AI-lab Anthropic wil in november voor $100 miljard aan aandelen uitgeven aan het publiek (waarmee het bedrijf op $2 biljoen wordt gewaardeerd!). Om zijn zaak op te bouwen, publiceerde het een rapport waarin het beweerde dat als AI echt van de grond komt, het Amerikaanse bbp tegen 2030 met 32% zou kunnen stijgen(!), dat is een jaarlijkse bbp-groei van wel 15% (tegenover de huidige Amerikaanse groei van hooguit 2,5%).

Dit is klinkklare onzin die ervan uitgaat dat AI werkt bij het stimuleren van de productiviteitsgroei doordat elk bedrijf in de VS AI-agenten en -tools adopteert om hun bedrijf te runnen, terwijl miljoenen werknemers die niet langer nodig zijn, worden ontslagen.

Historisch gezien is automatisering gedurende twee eeuwen met ongeveer 2% van de taken per jaar gevorderd, zonder de groei ooit veel boven de 2% te duwen. Eerdere zogenaamde ‘general-purpose technologies’ hadden decennia nodig om zich te verspreiden, zelfs nadat de technologie zelf werkte. Elektrificatie had bijvoorbeeld ongeveer 40 jaar nodig om zichtbaar te worden in de fabrieksproductiviteit. Evenzo documenteert de studie van Comin en Mestieri over de adoptie van technologie in verschillende landen gemiddelde adoptievertragingen van ongeveer 45 jaar, en nog steeds 7-18 jaar voor recentere technologieën.

De adoptie van AI lijkt veel sneller te gaan dan die van de pc of het internet, maar adoptie is slechts de eerste stap: de gemeten productiviteit daalt doorgaans eerst terwijl bedrijven de noodzakelijke aanvullende investeringen doen, de “productiviteits-J-curve” van Brynjolfsson, Rock en Syverson. Zelfs de meest optimistische insiders merken dit op, bijvoorbeeld Sam Altman die onlangs toegaf: “Ik denk dat ik het over een paar dingen mis had, maar een daarvan, in termen van snelheid, is dat de economie gewoon zoveel traagheid heeft. […] we zijn allemaal te ambitieus geweest over tijdlijnen […] De samenleving en de economie zullen zich langzamer aanpassen.”

En vergeet niet dat het meeste werk fysiek is. Een explosie van AI-capaciteiten is in de eerste plaats een explosie van cognitieve capaciteiten. Maar slechts ongeveer een derde van de economie bestaat uit werk dat op een computer kan worden gedaan. De rest van het bbp wordt geproduceerd in mijnen, op bouwplaatsen, in keukens, ziekenhuizen en verzorgingstehuizen. Om tegen 2035 tweederde van alle taken te automatiseren, zijn daarom robots nodig die een groot deel van het fysieke werk doen. Deze robots zouden binnen een decennium met miljarden tegelijk ontworpen, geproduceerd, geïnstalleerd en onderhouden moeten worden. Hoewel er zeker vooruitgang wordt geboekt, is de ontwikkeling van robotica trager dan de ontwikkeling van software en robots die een breed scala aan fysieke taken kunnen uitvoeren tegen bijna de kosten van een werknemer, zijn nog steeds niet in zicht.

Tot nu toe is er nauwelijks bewijs van economiebrede productiviteitswinsten; in feite daalt de totale factorproductiviteit (een maatstaf voor productiviteit uit nieuwe technologieën) tot onder de trend.

Het is waar dat de adoptie van AI door bedrijven toeneemt, althans bij dienstverlenende bedrijven. In slechts twee jaar tijd is het gebruik van AI gestegen van 25% naar 61% bij dienstverleners en van 16% naar 51% bij fabrikanten. Maar slechts 17% van de werknemers in de dienstensector en 7% in de industrie gebruikt AI daadwerkelijk regelmatig in hun werk.

Zoals de Federal Reserve Bank of New York toegaf: “De volgende fase zal veel belangrijker zijn, aangezien AI mensen voorlopig vooral helpt om sneller te schrijven, samen te vatten, te coderen of te analyseren. Morgen zouden agenten en gespecialiseerde tools hele workflows kunnen afhandelen. Op dat moment zou de impact op productiviteit en werkgelegenheid echt naar een ander niveau kunnen gaan. Het gebruik explodeert terwijl de bedrijfsuitgaven relatief beperkt blijven, maar de prijs van intelligentie blijft dalen. Zeer bullish voor AI-diffusie en productiviteit en veel minder duidelijk bullish voor de monetisatie van elke speler in het ecosysteem.” Met andere woorden, de productiviteitsgroei kan uiteindelijk stijgen, maar ten koste van de winstgevendheid naarmate de AI-prijzen voor gebruik dalen: een klassieke tegenstrijdigheid voor het kapitalisme.

En er blijven breuklijnen in de aard van AI Large Language Models. Twee jaar geleden bewezen onderzoekers uit Oxford en Cambridge dat elke LLM die uitsluitend is getraind op door AI gegenereerde content, een onomkeerbare stoornis ontwikkelt.

Stel je voor dat je een tekst steeds opnieuw kopieert. Bij elke kopie verdwijnen kleine details en sluipen er foutjes in. Na veel kopieën lijkt de tekst steeds minder op het origineel.

Onderzoekers deden iets soortgelijks met AI: ze trainden nieuwe AI-modellen steeds opnieuw met teksten die eerdere AI-modellen hadden gemaakt. Na meerdere rondes raakten de modellen informatie kwijt en gingen ze onzin geven. In één proef vroeg men naar middeleeuwse kerktorens; het negende model antwoordde met een lijst hazen. www.nature.com

Het betekent niet dat elke AI vanzelf zo ontspoort. Het risico ontstaat vooral als AI vooral leert van andere AI en te weinig van echte, oorspronkelijke informatie.

De waarschuwingssignalen van de komende crash blijven zich opstapelen. Een opwaartse trend in de rentetarieven te midden van dalende obligatiekoersen zou de crisis-veroorzakende factor kunnen zijn. Of het kan een mislukte beursgang zijn (Anthropic, OpenAI), of toenemende concurrentie van zogenaamde ‘open weight’ LLM-modellen uit China en elders die de winsten drukken. De grootste gok in de economische geschiedenis van de VS is een zeer riskante.