Pierwszym powodem jest tempo wzrostu rzeczywistego biznesu największych beneficjentów AI. Nvidia w kwartale zakończonym 26 lipca 2026 roku osiągnęła 96,2 mld dolarów przychodów wobec 46,7 mld dolarów rok wcześniej, a zysk netto wzrósł do niemal 59,7 mld dolarów. Microsoft zakończył rok finansowy 2026 przychodami na poziomie 331,8 mld dolarów, o 18% wyższymi rok do roku, natomiast przychody Azure i innych usług chmurowych w ostatnim kwartale zwiększyły się o 43%. Już kilka miesięcy wcześniej Microsoft informował, że jego biznes AI przekroczył roczne tempo przychodów wynoszące 37 mld dolarów i rósł o 123% rok do roku. Te liczby wyraźnie różnią obecną falę technologiczną od sytuacji, w której inwestorzy płacą wyłącznie za obietnicę przyszłego rynku. W wielu największych spółkach popyt na infrastrukturę i usługi AI rzeczywiście przekłada się już na rachunek wyników.
Drugim mechanizmem jest ogromna fala inwestycji w centra danych, półprzewodniki, energetykę, sieci i chmurę. Meta prognozuje na 2026 rok nakłady kapitałowe na poziomie 130-145 mld dolarów, a w samym drugim kwartale przeznaczyła na inwestycje ponad 31 mld dolarów. Według BIS pięć największych globalnych firm technologicznych może wydać na AI ponad 1 bln dolarów łącznie w latach 2025-2026. Tak ogromny strumień pieniędzy tworzy popyt nie tylko na procesory, ale również pamięci, serwery, systemy chłodzenia, energię elektryczną i budowę centrów danych. W efekcie hossa obejmuje coraz szerszy ekosystem spółek. To właśnie ten mechanizm sprawia, że AI zaczyna przypominać wcześniejsze wielkie cykle infrastrukturalne - internet, elektryfikację czy rozwój kolei. Jednocześnie im więcej kapitału trafia do jednego sektora, tym ważniejsze staje się pytanie, czy przyszłe zyski będą wystarczające, aby uzasadnić skalę dzisiejszych wydatków. 
Porównanie jest naturalne, ponieważ w obu przypadkach inwestorzy próbują wycenić technologię, która może zmienić całe sektory gospodarki. Różnica polega jednak na fundamentach największych przedsiębiorstw. Reuters wskazywał we wrześniu 2026 roku, że wskaźnik forward P/E indeksu S&P 500 wynosi około 20,3, podczas gdy sektor technologiczny osiąga około 22,5. Są to wartości wysokie względem długoterminowych średnich, ale zdecydowanie niższe niż podczas kulminacji bańki dotcomów, gdy wskaźnik P/E sektora technologicznego dochodził do około 54,8. Co jeszcze istotniejsze, dzisiejsi liderzy rynku generują ogromne zyski i przepływy pieniężne. Pod koniec lat 90. wysokie wyceny otrzymywały również firmy, które nie miały stabilnego modelu biznesowego ani nawet dodatniego wyniku finansowego.
Nie oznacza to jednak, że ryzyko bańki można odrzucić. IMF ocenia, że potencjalne przewartościowanie szerokiego amerykańskiego rynku akcji jest obecnie mniejsze niż podczas epizodu dotcomów, ale jednocześnie wskazuje na znacznie większą ekspozycję gospodarki na rynek kapitałowy. Kapitalizacja amerykańskich akcji odpowiada dziś około 226% PKB wobec 132% w 2001 roku. Ponadto koncentracja indeksów jest bardzo wysoka - w drugim kwartale 2026 roku sektor technologiczny odpowiadał za około 38% kapitalizacji S&P 500, ponad dwa razy więcej niż jego długoterminowy udział. Oznacza to, że nawet jeśli obecne wyceny nie powtarzają dokładnie ekstremów roku 2000, mocna przecena kilku największych spółek mogłaby silnie wpłynąć na cały indeks, majątek gospodarstw domowych oraz konsumpcję. Bańka nie musi więc wyglądać identycznie jak poprzednia, aby jej pęknięcie było bolesne.
Najważniejszym sygnałem jest relacja pomiędzy tempem wzrostu kursu a tempem poprawy wyników przedsiębiorstwa. Sama informacja, że spółka działa w branży AI, nie mówi praktycznie nic o atrakcyjności jej wyceny. Trzeba sprawdzić, czy rosną przychody, marże, zysk operacyjny i przepływy pieniężne oraz czy tempo tego wzrostu jest wystarczające w stosunku do oczekiwań uwzględnionych już w cenie akcji. Nvidia jest przykładem przedsiębiorstwa, którego gwałtownemu wzrostowi znaczenia towarzyszy bardzo szybki wzrost finansowy: w ostatnim raportowanym kwartale jej przychody zwiększyły się o 106%, a zysk netto o 126% rok do roku. W podobny sposób Microsoft notuje kilkudziesięcioprocentową dynamikę biznesu chmurowego i jednocześnie pozostaje przedsiębiorstwem osiągającym ponad 130 mld dolarów rocznego zysku netto. Takie fundamenty nie gwarantują wzrostu ceny akcji, ale pokazują, że popyt na AI nie jest wyłącznie narracją inwestorów.
Zupełnie inaczej należy oceniać przedsiębiorstwo, którego kapitalizacja rośnie wielokrotnie szybciej od sprzedaży, a przyszłe zyski wymagają spełnienia bardzo optymistycznych założeń. Dobrym ostrzeżeniem jest sytuacja, w której rynek skupia się przede wszystkim na potencjalnym rozmiarze przyszłego rynku, liczbie podpisanych listów intencyjnych albo wieloletnich kontraktach, a pomija aktualne straty, koncentrację klientów i zadłużenie. Przykładowo Nscale, przygotowujące się w 2026 roku do wejścia na giełdę, zwiększyło przychody w pierwszym półroczu aż o 1252%, ale jednocześnie zanotowało ponad 1 mld dolarów straty netto, a ponad połowa przychodów pochodziła od jednego klienta. Taki biznes może ostatecznie odnieść ogromny sukces, ale ryzyko inwestycyjne jest zupełnie inne niż w przypadku dojrzałej spółki posiadającej wieloletnią historię zysków i przepływów pieniężnych.
Paradoks polega na tym, że ten sam czynnik może być dowodem siły trendu i źródłem potencjalnej bańki. Setki miliardów dolarów przeznaczanych na procesory, centra danych oraz energetykę potwierdzają, że największe przedsiębiorstwa technologiczne traktują AI jako strategiczną zmianę. Jednocześnie inwestycje muszą ostatecznie wygenerować odpowiednią stopę zwrotu. Reuters oszacował w lipcu 2026 roku, że łączne nakłady kapitałowe Microsoftu, Alphabetu, Amazona, Mety i Oracle mogą w 2027 roku przekroczyć ich łączne wolne przepływy pieniężne. Według konsensusu analizowanego przez Reuters na każdy dodatkowy dolar generowanego operacyjnego cash flow może przypadać około 1,57 dolara nowych nakładów inwestycyjnych. To ogromna zmiana dla firm, które przez lata były maszynami do generowania gotówki i finansowania skupu własnych akcji.
Presja jest już widoczna w poszczególnych wynikach. Meta w drugim kwartale 2026 roku osiągnęła 60,8 mld dolarów przychodów, ale jej wolne przepływy pieniężne spadły do 784 mln dolarów przy ponad 31 mld dolarów kwartalnych nakładów inwestycyjnych. Spółka nadal generuje duże przepływy operacyjne, jednak skala wydatków pokazuje, jak kapitałochłonny stał się wyścig AI. Jeszcze bardziej interesującym sygnałem jest rynek długu. We wrześniu inwestorzy zaczęli żądać wyższej premii od obligacji emitowanych przez firmy intensywnie finansujące infrastrukturę AI, a emisje długu hyperscalerów mogą w 2027 roku osiągnąć rekordowe rozmiary. To nie dowodzi, że inwestycje okażą się błędne, ale oznacza, że również rynek kredytowy zaczyna pytać o przyszły zwrot z ogromnych centrów danych. Jeśli tempo monetyzacji AI nie nadąży za tempem nakładów, właśnie tutaj może pojawić się jeden z pierwszych sygnałów przewartościowania.
Indeks giełdowy może ustanawiać rekordy, mimo że duża część znajdujących się w nim przedsiębiorstw zachowuje się znacznie słabiej. Dzieje się tak wtedy, gdy największe spółki mają tak dużą wagę, że ich wzrost wystarcza do podnoszenia całego indeksu. W przypadku S&P 500 znaczenie technologii jest obecnie wyjątkowo duże. Reuters wskazywał, że w drugim kwartale 2026 roku sektor informatyczny odpowiadał już za około 38% kapitalizacji indeksu wobec historycznej średniej około 18%. IMF również podkreśla, że koncentracja rynków akcji w spółkach związanych ze sztuczną inteligencją nadal rośnie, a państwa o wysokiej ekspozycji na AI - w tym USA, Korea Południowa, Japonia i Tajwan - należały w 2026 roku do najlepiej zachowujących się rynków. Rekord indeksu nie musi więc oznaczać równie szerokiej poprawy wyników we wszystkich branżach.
Koncentracja zwiększa również znaczenie każdego rozczarowania. Jeżeli niewielka spółka technologiczna opublikuje słabsze wyniki, wpływ na cały rynek jest minimalny. Gdy jednak kilka przedsiębiorstw odpowiada za ogromną część kapitalizacji indeksu, obniżenie prognoz zysków albo ograniczenie inwestycji może wywołać reakcję obejmującą portfele milionów inwestorów posiadających nawet szerokie fundusze indeksowe. IMF zwraca dodatkowo uwagę na rosnącą korelację pomiędzy przedsiębiorstwami tworzącymi ekosystem AI oraz na zjawisko tak zwanego circular financing, w którym dostawcy infrastruktury, laboratoria AI, centra danych i inwestorzy finansują wzajemnie swój rozwój. Dopóki popyt rośnie, mechanizm wzmacnia hossę. Jeżeli jednak oczekiwania zostaną gwałtownie obniżone, te same powiązania mogą przyspieszyć przecenę i delewarowanie.
Wysoki wskaźnik P/E albo ogromna kapitalizacja nie są samodzielnym dowodem istnienia bańki. Przedsiębiorstwo szybko zwiększające zyski może przez wiele lat wyglądać na drogie według tradycyjnych wskaźników, a późniejszy wzrost wyników może uzasadnić wcześniejszą wycenę. Kluczowym pytaniem jest to, jakie założenia dotyczące przyszłości są już zawarte w aktualnej cenie. Jeżeli inwestorzy oczekują, że przychody będą rosły po kilkadziesiąt procent rocznie przez długi okres, nawet dobre wyniki mogą spowodować spadek kursu, jeśli tempo wzrostu okaże się nieco niższe. Dlatego spółka może prowadzić świetny biznes i jednocześnie być nieatrakcyjnie wyceniona. Analogicznie cała technologia może odnieść historyczny sukces, mimo że część inwestorów zapłaci za jej beneficjentów zbyt wysoką cenę.
Dobrym punktem odniesienia jest obecna wycena szerokiego rynku. We wrześniu 2026 roku forward P/E S&P 500 wynosił około 20,3 wobec średniej od 1990 roku wynoszącej około 16,8. Rynek jest więc droższy niż przeciętnie, ale jednocześnie spółki dostarczyły wyjątkowo dobre wyniki. W drugim kwartale 2026 roku zyski firm należących do S&P 500 rosły według danych LSEG o około 33,5% rok do roku, najszybciej od 2021 roku. To właśnie zestawienie ceny z wynikami jest kluczowe. Jeżeli indeks rośnie dlatego, że prognozy zysków systematycznie idą w górę, sytuacja wygląda inaczej niż wtedy, gdy kursy rosną pomimo pogarszających się fundamentów. Granica między hossą a bańką nie jest więc konkretną wartością wskaźnika, lecz momentem, w którym coraz większa część wyceny wymaga realizacji niemal idealnego scenariusza przyszłości.
Najważniejsze jest rozdzielenie dwóch pytań, które często są ze sobą mylone: czy sztuczna inteligencja zmieni gospodarkę oraz czy obecne ceny aktywów prawidłowo wyceniają tę zmianę. Technologia może być przełomowa, a jednocześnie część spółek może być przewartościowana. Internet jest najlepszym historycznym przykładem. Przewidywania dotyczące jego wpływu na handel, komunikację i media okazały się wręcz zbyt ostrożne, ale nie zapobiegło to załamaniu Nasdaq po roku 2000 i bankructwu ogromnej liczby firm. W przypadku AI warto więc obserwować przede wszystkim tempo wzrostu przychodów i zysków, monetyzację nowych produktów, rentowność inwestycji w centra danych, zadłużenie oraz to, czy popyt wychodzi poza grupę kilku największych klientów. IMF zwraca uwagę, że trwałe korzyści gospodarcze zależą ostatecznie od tego, czy AI podniesie produktywność całej gospodarki, a nie wyłącznie zwiększy inwestycje w infrastrukturę.
Drugim sygnałem jest sposób reagowania rynku na informacje. Zdrowy trend może obejmować korekty, okresy słabszych wyników i wyraźne różnicowanie spółek według jakości ich biznesu. W fazie spekulacyjnej coraz częściej wystarczy natomiast samo powiązanie przedsiębiorstwa z popularnym tematem, aby jego kapitalizacja gwałtownie rosła. 2026 rok dostarcza argumentów dla obu stron dyskusji. Z jednej strony Nasdaq ustanawia rekordy, kapitalizacje producentów półprzewodników rosną do bilionów dolarów, a wydatki na AI osiągają niespotykaną skalę. Z drugiej strony liderzy rynku rzeczywiście zwiększają przychody i zyski w tempie rzadko obserwowanym w tak dużych przedsiębiorstwach. Dlatego pytanie nie powinno brzmieć wyłącznie „czy AI jest bańką?”. Znacznie bardziej użyteczne jest pytanie, które segmenty rynku generują już realną wartość, a w których cena opiera się głównie na oczekiwaniu, że ktoś w przyszłości zapłaci jeszcze więcej. To rozróżnienie może okazać się najważniejsze, gdy obecna fala inwestycji przejdzie z etapu budowania infrastruktury do etapu udowadniania jej ekonomicznego zwrotu.
