Jefferies nagbabala ng "sandali ng 2008": Maaaring magdulot ang AI ng "malaking kapital na pagkawasak" sa Amerika, ang bahagi ay dumadaloy papunta sa mga open-source na modelo ng China

Ang panganib ng utang sa industriya ng AI ay nagdudulot ng masinsinang mga babala mula sa mga beteranong strategist ng Wall Street. Sa kanyang pinakabagong ulat-panahon, inihambing ni Chris Wood, global equities strategist ng Jefferies at may-akda ng GREED & fear, ang kasalukuyang kasiglahan sa AI sa subprime crisis noong 2008 at inilahad ang isang estruktural na panganib: ang mga ultra-large-scale na cloud provider ay nagkakaloob ng malalaking 'hindi sinasang-ayunang credit' sa dalawang AI laboratories na patuloy pa ring nalulugi.

Naniniwala si Wood: "Ang pinaka-malamang na pangmatagalang kinahinatnan ng kwento ng AI sa antas ng merkado, ay magiging malaking kapinsalaan ng kapital sa Amerika, kung saan ang market share ay lilipat sa mas murang Chinese open source na malalaking language models."

Ang kwento ng AI ay "malapit nang dumaan sa isang malaking reset sa hindi na kalayuan na hinaharap".

Modelo ng China: Mula "mura" tungo sa "kapantay na antas"

Ang babala ni Wood ay hindi na bago, ngunit ang sukat ay lumalala na.

Ayon sa OpenRouter na sinusubaybayan niya, hanggang sa linggo ng Setyembre 27, nakaproseso ang mga top model ng China ng 761.2 trilyong token, mula sa 43.7 trilyon lamang noong katapusan ng Abril ngayong taon; sa parehong panahon, ang US top model ay 142 trilyong token. Nadoble ang bilang ng China sa loob ng sampung linggo.

Nagkaroon din ng pagbabago sa kalidad. Itinuro ni Wood, ang Kimi K3 ng Moonshot ay "sa terminong AI, ay 'nangunguna sa harapan', na tinatayang may kapasidad na umabot sa 95% ng Anthropic Claude Fable 5". Ang isang modelong naglilingkod ng 95% ng kanilang performance sa napakababang presyo ay hindi na discount brand, kundi tunay nang kalaban sa merkado.

Nagsisimula nang makita ang bunga ng presyo. Ayon sa LLM Token Spending Index ng Silicon Data, mula Mayo ay bumagsak ng 52% ang average market price ng AI token, sa all-time low na $0.98 kada milyong token.

Pokus ng peligro sa credit sa likod ng US $2.3 trilyong backlog na order

Inihambing ni Wood ang panganib sa credit ng AI boom sa krisis sa real estate noong 2008, at ito ang kanyang lohika:

Sa pagtatapos ng ikalawang quarter ng 2026, umabot sa $2.34 trilyon ang combined remaining performance obligation (RPO) ng Microsoft, Google, Amazon, at Oracle—mas mataas ng 186% kaysa noong isang taon, nasa $1.52 trilyon ang dagdag.

Ang problema: humigit-kumulang kalahati ng halagang ito ay utang ng OpenAI at Anthropic—at parehong malaki ang pagkalugi ng dalawang kumpanyang ito sa kasalukuyan.

Isinulat ni Wood: "Sa praktikal, nagkaloob ang mga ultra-large-scale cloud providers ng malalaking hindi sinasang-ayunang pautang sa mga tenants na nangangailangan pa ng pera, dahil parehong nalulugi pa rin ang Anthropic at OpenAI. Para sa mga bagong cloud service providers (neo-clouds), mas malaki ang panganib dahil pati sila ay umutang din ng pera para lang sa pampaarkila ng chips."

Tinantiya ng mga analyst sa teknolohiya ng Jefferies na ang dalawang leading AI lab na ito ay bubuo ng 45% ng Google Cloud Platform revenue, 25% ng Microsoft Azure revenue sa ikalawang quarter ng 2026, at sa AWS ay dodoble hanggang triple mula 6% hanggang 12%-18% sa ikatlong quarter.

Direkta at matalim ang paghahambing ni Wood: "Ang pamumuhunan ng mga ultra-large-scale cloud provider sa mga data center ay nakasalalay sa inaasahang mga payment ng tenants sa hinaharap—na siyang eksaktong nangyari noong subprime credit crisis ng 2008."

Off-balance-sheet na utang: Isa pang nakatagong panganib

Tinukoy pa ni Wood ang panganib na wala sa balance sheet.

Sa datos ng Moody’s noong Pebrero, ang limang pinakamalalaking ultra-large-scale cloud provider ay may $662 bilyong hindi pa na-uumpisahang obligasyong pag-upa ng data center—mula sa $152 bilyon noong katapusan ng 2023. Sa pag-aaral ng Nikkei, tinatayang aabot sa $1.65 trilyon ang "implicit debt" ng top 5 hanggang sa pagtatapos ng ikalawang quarter ng 2026, mas mataas ng $1.35 trilyon sa opisyal nilang utang.

Samantala, naglabas na ang limang pinakamalalaking ultra-large-scale cloud provider ngayong taon ng $229 bilyon sa mga bonds, samantalang noong 2025 ay $108 bilyon lamang. Sinasabi ni Wood na tumaas ng 13 hanggang 16 basis points ang kanilang credit spread mula Hunyo, "Ang lumalaking demand ng mga ultra-large-scale cloud provider para sa pangmatagalang financing ay nakikipag-kompetisyon na sa pondo ng gobyerno."

Ang kanyang konklusyon: Dapat bantayan nang maigi ang credit spreads ng mga AI-related na borrower, upang makita kung nagsisimula nang umayaw ang mga investors na pondohan ang gastos sa AI, at dapat tutukan ang securitization ng data center assets.

Ang katotohanan sa kita: Isang circular na inhenyeriyang pinansyal?

Ang seryosong pagdududa ni Wood sa kalidad ng kita ng mga ultra-large-scale cloud provider ay posibleng pinaka-mapaminsala sa ulat.

Sa datos, sa apat na magkakasunod na quarter hanggang sa Q2-2026, lumago ang annualized profit ng big four ultra-large-scale cloud providers ng $222 bilyon, umabot sa $581 bilyon. Subalit sa parehong panahon, ang "iba pang non-operating income/loss"—na pangunahing sumasaklaw sa unrealized gains mula sa investments sa unlisted equities—ay lumaki rin ng $224 bilyon.

Sa madaling salita, ang buong pagtaas ng profit ng ultra-large-scale cloud providers ay dahil sa mark-to-market na papeles na kita mula sa investments sa AI startup equity.

Inilarawan ni Wood ang circular na lohikang ito: Ultra-large-scale cloud provider ang nag-iinvest sa AI labs, tapos AI lab naman ang bibili ng computing power sa parehong cloud providers, tapos ang cloud providers ay itataas ang libro ng kita base sa mas mataas na private valuation ng AI lab.

Idinagdag niya pa, na ang reported EPS ng S&P 500 ay lumago ng 18% kada taon sa nakalipas na tatlong taon, samantalang ang kita ng non-financial corporations base sa national account measures ay 5% lamang. Ang huling malaking divergence ay nakita noong tuktok ng Internet bubble. Sinulat ni Wood: "Ipinapakita ng mga datapoints na ito ang pagkakaroon ng financial engineering."

Capital Expenditure: Sino ang gagastos?

Bagaman bumagsak mula $60 bilyon ang free cash flow noong Q4-2025 hanggang $7 bilyon sa Q2-2026 at inaasahang magiging negative $13 bilyon sa Q3, hindi bumagal ang capital expenditure.

Ayon sa consensus, aakyat mula $723 bilyon ngayong taon hanggang $993 bilyon sa 2027 ang capex ng top four ultra-large-scale cloud providers.

Diretso ang tanong ni Wood: "Talaga bang gagastos ng $993 bilyon ang apat na ultra-large-scale cloud provider na ito sa capex pagsapit ng 2027? Iyan ang consensus estimate ngayon."

Ang baseline scenario niya: Ang kwento ng AI ay "malapit nang dumaan sa isang malaking reset sa hindi na kalayuan na hinaharap".

"Kaligtasan" o Kartel?

Kahanga-hangang pagtuon din ang binibigay ni Wood sa panawagan kamakailan para sa "safety pause" sa industriya ng AI.

Kamakailan ay sunud-sunod na nanawagan sina Dario Amodei ng Anthropic, Sam Altman ng OpenAI, at Elon Musk para pabagalin ang pag-unlad ng nangungunang AI, ngunit mabilis na tinutulan ito ni Trump.

Hindi sang-ayon si Wood sa retorikang "kaligtasan". Sinulat niya: "Mabuting suriin ang mga insentibo. Ang isang coordinated pause na pinapabango sa pangalan ng 'safety' ay maaaring isang paraan ng paggawa ng regulatory moat, lalo na kung ang kasunod ay ipagbabawal ang open source models, lalo na mula sa China. Isa pang posibilidad—na hindi magkasalungat dito—ay na-realize na ng AI giants na hindi na sustainable ang gastos sa compute at/o nagsisimula nang humina ang demand para sa mga modelo. Kung ganoon, bakit hindi nila subukang mag-kartel habang may panahon?"

Kapansin-pansin, tinutulan ni Mark Zuckerberg ng Meta ang panawagan para bumagal, at pagkatapos ay tumaas ng 18% ang presyo ng stock ng Meta.

Ang credit market ang susi

Simula 2023, hindi nagbabago ang payo ni Wood: Mag-invest sa "piko at pala" (chip maker na naniningil ng capex sa mga ultra-large-scale cloud provider), hindi sa cloud providers mismo. Umiiral ang estratehiyang ito hangga't may bumibili pa.

Ngunit para kay Wood, credit market, hindi stock market, ang magdedesisyon kung kailan itong matatapos.

Ang konklusyon niya: "Ang AI ecosystem ay naglabas na ngayon ng mas maraming duration bond kaysa US Treasury, sa gitna ng magulong bonds market at pataas pa ang interest rate ng Fed, para magtayo ng data center na ang pinakamalaking tenant ay patuloy na nalulugi."

Hinango ni Wood ang kasaysayan ng Asian financial crisis noong 1997—katulad ng framework ni Albert Edwards ng SocGen—na tumigil ang "milagro" ng Thailand hindi dahil sa disappointing productivity kundi dahil napansin ng mga creditors ang problema.

Sinabi ni Novogratz na hindi pa 'sapat na kahanga-hanga' ang bubble para pumutok. Sabi ni Wood, hindi nito kailangang maging kahanga-hanga: kailangang lang maubos ang gustong magpautang.