Nagbabala si Michael Burry sa Nvidia: Bull vs. Bear Case para sa AI Chip Boom

Papasok na ang AI trade sa mas mahigpit na yugto. Sa nakalipas na tatlong taon, medyo simple lang ang bullish thesis: kailangan ng hyperscalers ng mas maraming compute, dominante si Nvidia sa AI accelerators, at kailangan ng mas malalaking cluster para sa mas malalaking models. Malakas pa rin ang suporta sa lohika na ito, pero kinakaharap na ngayon ng mga investor ang mas mahirap na tanong: kaya bang tumapat ng AI revenue at productivity gains sa extraordinary na capital spending na kinakailangan para itayo ang infrastructure?

Umaayon ang kritisismo ni Michael Burry sa bagong $500 billion AI financing initiative ng Nvidia sa mas malawak na debate na ito. Tinawag niya ang plano bilang “sign of desperation,” na nagtatanong kung ang AI demand ay nagiging masyadong dependent sa financing. Sa kabilang banda, sinasabi ng Nvidia na ang mga partnership sa Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs at KKR ay maaaring maglabas ng mahigit $500 billion na third-party capital para sa AI infrastructure.

Ang totoong bull-versus-bear debate ay mas malawak kaysa sa financing. Nakasalalay ito sa hyperscaler spending, AI monetization, chip replacement cycles, kompetisyon, at returns on capital.

Ang Bull Case: Patuloy Pa Ring Lumalaki ang AI Demand

Ang pinakamalakas na bullish argument ay simple: hindi pa nasira ang spending cycle.

Umabot ang fiscal first-quarter 2027 revenue ng Nvidia sa $81.6 billion, na 85% na mas mataas year over year, habang tumaas ng 92% ang Data Center revenue sa $75.2 billion. Nag-guide ang kumpanya sa humigit-kumulang $91 billion na revenue para sa susunod na quarter, kahit hindi pa isinasama ang China Data Center compute revenue.

Pinabilis din ng mga pinakamalaking customer nito ang pamumuhunan. Itinaas ng Alphabet ang 2026 capex outlook nito sa $195–205 billion. Umaasa ang Meta sa $130–145 billion. Gumastos ang Microsoft ng $41 billion sa pinakahuling quarter nito, kung saan mga two-thirds ay itinuon sa mas maiikling-buhay na assets gaya ng CPUs at GPUs.

Ang mas mahalaga, nagsisimula nang makabuo ng totoong revenue ang AI infrastructure. Tumaas ng 82% ang Google Cloud revenue sa ikalawang quarter sa $24.8 billion, habang umabot sa $514 billion ang backlog. Lumampas sa $214 billion ang cloud revenue ng Microsoft para sa fiscal 2026, kung saan lumalawak ang demand palabas sa mga frontier-model companies.

Mahalaga ito dahil ang susunod na yugto ng AI growth ay maaaring magmula sa inference, agents, coding, advertising, search, industrial AI, at enterprise deployment sa halip na frontier training lamang. Kung ang AI ay maging bahagi ng araw-araw na production workloads, maaaring manatiling structurally mataas ang semiconductor demand sa loob ng ilang taon.

Nagbibigay ng isang pang catalyst ang Rubin. Sinabi ng Nvidia na ang platform ay nasa production na, kung saan darating ang mga systems sa ikalawang kalahati ng 2026. Kabilang sa mga inaasahang early adopters ang AWS, Google Cloud, Microsoft, Oracle, at CoreWeave.

Lumalawak din ang oportunidad palabas sa Nvidia. Kailangan ng mas malalaking AI clusters ng mas maraming HBM memory, advanced packaging, networking, optical connectivity, power infrastructure, at cooling. Kahit sa huli ay makakuha ang Nvidia ng mas maliit na bahagi sa bawat incremental AI dollar, patuloy na lalawak ang kabuuang AI infrastructure market.

Ang Bear Case: Kaya Bang Umabot ng Monetization?

Maaaring tingnan ng mga bears ang parehong capex numbers at makarating sa ibang-ibang konklusyon.

Gumastos ang Alphabet ng $44.9 billion sa capex noong ikalawang quarter at nakabuo ng negatibong $5.9 billion na free cash flow. Gumastos ang Meta ng $31.1 billion at nakagawa lamang ng $784 million na quarterly free cash flow. Kinilala rin ng Microsoft na ang AI infrastructure investment ay naglalagay ng pressure sa cloud margins.

Kaya simple ang key question:

Gaano karaming incremental AI revenue ang bubuuin ng bawat karagdagang dolyar ng capex?

Maaaring magpatuloy ang boom habang naniniwala ang mga hyperscalers na kakaunti pa rin ang compute. Nagiging mas mahina ang market kapag naabutan na ang capacity at magsisimulang humingi ang mga kumpanya ng mas malakas na returns mula sa bawat bagong data center.

Isa pang panganib ang technological depreciation. Mabilis na gumagalaw ang Nvidia sa Hopper, Blackwell, Blackwell Ultra, at Rubin. Maaari pa ring makabuo ng revenue ang mas lumang GPUs sa pamamagitan ng inference, fine-tuning, at mas mababang-gastos na cloud workloads, pero maaaring mabilis na mabawasan ang economic value nito habang pinapabuti ng mga bagong architecture ang performance per watt at cost per token.

Dito nagiging relevant ang kritisismo ni Burry sa financing. Layunin ng mga bagong Wall Street partnership ng Nvidia na maglabas ng mahigit $500 billion na third-party funding. Ang bearish interpretation niya ay maaaring kailangan ng mas sopistikadong financing para mapanatili ang isang spending cycle na hindi pa sigurado ang long-term returns.

Ang totoong panganib ay lilitaw kung humina ang AI demand habang bumagsak din nang malaki ang older GPU rental rates at residual values. Haharap ang highly leveraged AI cloud operators sa mas mahinang cash flow at mas mahinang collateral nang sabay.

Nagdadagdag pa ng isang pressure point ang kompetisyon. Pinalalawak ng Google ang TPU deployment palabas sa purely internal use, habang tinatarget ng AMD at custom accelerators na suportado ng mga kumpanya gaya ng Broadcom ang mga workloads kung saan maaaring mas mahirap na bigyang-katwiran ang premium economics ng Nvidia.

Maaari pa ring lumago ang Nvidia sa kalagayang ito, pero maaaring unti-unting maging normal ang market share, pricing power, at semiconductor margins.

Ano ang Magpapasya sa Susunod na AI Trade?

Nakasalalay ang susunod na yugto ng AI chip trade sa apat na variables:

AI revenue growth, hyperscaler capex, GPU utilization, at semiconductor margins.

Mananatiling buo ang bullish path kung patuloy na kumakalat ang AI applications, lumalawak ang inference, nananatiling capacity-constrained ang mga hyperscalers, nakakahanap ang mas lumang GPUs ng kumikitang lower-tier uses, at naglunsad ang Rubin ng isa pang upgrade cycle.

Nagsisimula ang bearish path kapag lumago ang capex nang mas mabilis kaysa sa monetization, na-compress ang cloud margins, lumala ang older GPU economics, at sa wakas ay pinabagal ng mga hyperscalers ang infrastructure spending.

Ang sentral na tanong ay mas malaki kaysa sa $500 billion financing plan ng Nvidia:

Kaya bang lumikha ng sapat na economic value ang AI para bigyang-katwiran ang infrastructure na itinayo na — at ang mas malaking alon ng investment na darating pa?

Kung mananatiling oo ang sagot, mayroon pang espasyo para tumakbo ang AI semiconductor cycle. Kung magsimulang masira ang relasyong ito, maaaring kailanganin ng mga investor na muling suriin ang buong chain mula sa Nvidia at memory hanggang sa networking, foundries, at AI cloud operators.