Innlegget drøfter om vi har en boble i KI-aksjer.
Mot slutten av 2022 fikk OpenAI et stort gjennombrudd med lanseringen av ChatGPT. Kunstig intelligens (KI), et begrep med røtter tilbake til 1950-tallet, fikk raskt enorm oppmerksomhet. Noen få teknologiselskaper – som fikk betegnelsen «de syv fantastiske»[1](Nvidia, Meta, Alphabet, Amazon, Microsoft, Apple og Tesla[2]) – har vært med på å drive det amerikanske aksjemarkedet til rekordnivåer.
Mange har en stund vært bekymret for at vi har en KI-boble og sammenlignet utviklingen med det man så før IT-boblen[3] brast rett etter årtusenskiftet. Betrakter man forholdet mellom den brede S&P500-indeksen i USA og syklisk inflasjonsjustert inntjening for selskapene i indeksen (CAPE-raten) ligger da også denne nær det historiske toppnivået man så før IT-boblen sprakk.
Det er samtidig noen klare forskjeller fra utviklingen den gangen. På den ene siden har oppgangen vært langt mer konsentrert rundt noen få aktører. Før IT-boblen sprakk utgjorde de ti største selskapene i S&P500-indeksen på det meste nær 27 prosent av indeksen, mot rekordhøye 40,7 prosent ved utgangen av fjoråret. På den andre siden har mange av KI-selskapene høyere inntjening. En sammenligning fra Goldman Sachs viser at de «syv fantastiske» i fjor hadde en forventet pris/fortjeneste (P/E)-rate på omtrent halvparten av de syv ledende teknologiselskapene i 2000.
Selv om noen KI-selskaper har en forholdsvis moderat P/E-rate, kan dette gi et for pent bilde av lønnsomheten i selskaper som foretar store investeringer. En investering i eksempelvis datasentre blir ikke kostnadsført når pengene brukes. Den blir avskrevet over flere år. Overskuddet kan derfor se sterkt ut mens kontantene renner ut.
KI-boomen har ikke bare vært synlig i form av stigende papirverdier på børsene. De totale amerikanske bruttorealinvesteringene i fast realkapital knyttet til informasjonsteknologi og programvare har steget kraftig siden 2023. Som illustrert i figur 1 utgjør disse nå en høyere andel av BNP enn det forrige toppnivået i 2000.
En analyse utført av de amerikanske økonomene Bernstein og Cummings (2026) viser at de seks selskapene Google, Amazon, Microsoft, Meta, Oracle og SpaceX har gjennomført KI-investeringer tilsvarende 1200 milliarder dollar siden 2024. Til sammenligning har de bare hatt 277 milliarder dollar i KI-inntekter. For de ovennevnte selskapene viser analysen at dagens tilleggsinntekter fra KI må øke mellom 13 og 45 ganger på bare seks år, avhengig av ulike scenarioer og avkastningskrav. Samtidig står selskapene ovenfor et kappløp mot tiden. For eksempel mister databrikker verdi raskt og over tid vil konkurranse presse prisene ned. Selskapene må altså selge mye mer KI for å tjene det samme.
Som drøftet i tidligere innlegg, har den kraftige økningen i KI-investeringer i USA vært med på å drive opp de lange rentenivåene. Hvorfor har KI-investeringene likevel holdt seg oppe? Her kan hakkeorden-teorien gi verdifull innsikt.
Ifølge denne teorien vil et selskap først finansiere investeringer ved å ta fra eget overskudd, siden dette er den billigste finansieringen. Deretter vil selskapet ty til lån, som er en dyrere finansieringsform fordi kreditorene vil kreve en risikopremie i rentenivået. Den siste og dyreste finansieringsformen er å utstede nye aksjer, siden markedet ofte tolker en emisjon som tegn på at ledelsen synes aksjen er høyt priset.
Illustrert ved et diagram som figur 2 vil finansieringskostnaden dannes der investeringsetterspørselen krysser kapitaltilbudet, som først er flat ved intern finansiering og deretter blir brattere når selskapet må lånefinansiere, før kurven igjen blir flat på et høyere nivå ved ny aksjekapital/emisjoner.
Også intern finansiering har en alternativkostnad, for selskapene kunne plassert pengene i rentebærende papirer. Høyere renter gjør derfor alle investeringer dyrere. Men selskaper som finansierer seg selv, slipper risikopremien på lån. I tillegg har mye av KI-utstyret kort levetid, slik at verditapet, og ikke renten, utgjør hoveddelen av kapitalkostnaden. Sammen med frykten for å tape KI-kappløpet har dette gjort at noen prosentpoeng høyere rente har betydd lite for investeringsbeslutningene.
Samtidig har de enorme KI-investeringene i USA, sammen med store økninger i forsvarsinvesteringene i Europa og store budsjettunderskudd i mange industriland (som reduserer sparetilbudet), bidratt til å fortrenge mange andre typer bruttoinvesteringer. Særlig boliginvesteringene, som er langt mer rentesensitive, har falt mye i flere land. I 2026 har imidlertid selskaper som Microsoft, Alphabet, Amazon og Meta måttet ty til mer ekstern finansiering – hvilket kan gjøre KI-investeringene mer rentefølsomme fremover.
Det er alltid vanskelig å vurdere på forhånd når en boble kan sprekke. Selv om mange mener det finnes klare tegn på at aksjekursene er overpriset, kan frykt for å gå glipp av en videre oppgang likevel få investorene til å fortsette å kjøpe en periode. Når store KI-investeringer også driver opp BNP-veksten, kan dette forsterke det positive markedssentimentet.
De siste ukene har man sett store bevegelser i KI-aksjer. Demokratenes seier i mellomvalget i USA utløste frykt for at utbyggingen av datasentre ville bremse. Samtidig har Nvidia, som leverer mesteparten av brikkene som KI-modellene trenes på, blitt truffet av en ledelseskrise etter at toppsjefen Jensen Huang kan ha vært mål for en utenlandsk etterretningsoperasjon og trakk seg fra stillingen. Nye sysselsettings- og inflasjonstall fra USA gjør at markedet priser inn nye amerikanske renteøkninger – i en situasjon der markedet kan være i ferd med å bli mer sensitivt for disse.
Det er fullt mulig at KI vil ha store effekter på økonomisk vekst og produktivitet i tiårene fremover, samtidig som mange av dagens KI-selskaper er kraftig overpriset på børsen. Det er også mulig at effektene av KI vil bli mindre positive enn mange ser for seg. Da IT-boblen sprakk etter årtusenskiftet endret ikke dette viktigheten av internett, men man fikk heller ikke den varige økningen i produktivitetsvekst som mange spådde. For det som kjennetegner bobler, er at kursene drives mer av psykologi og virale narrativer enn fundamentale forhold.
[1] Navnet ble først brukt a Bank of America- analytiker Michael Hartnett og er basert på westernfilmen The Magnificent Seven fra 1960.
[2] Selskapet prises delvis på forventninger om selvkjøring og roboter.
[3] også kjent som «dot-com» boblen.