Wskaźnik PEG w wycenie spółek AI – jak nie przepłacić za wzrost?

Tylko w ubiegłym, 2025 roku, sektor sztucznej inteligencji zaabsorbował 202,3 miliarda dolarów. To blisko połowa całkowitego globalnego finansowania venture capital. Same laboratoria trenujące potężne modele fundamentalne zgarnęły z tej puli 80 miliardów. Obserwując rynkowe wyceny rzędu setek miliardów dolarów, naturalnym odruchem inwestora jest poszukiwanie racjonalnego punktu odniesienia. Sęk w tym, że w zderzeniu z tak potężną rewolucją, nasze stare, sprawdzone narzędzia analityczne po prostu przestają działać.

P/E i PEG: Dlaczego stare ramy pękają

Próba wyceny spółki budującej infrastrukturę AI za pomocą klasycznego wskaźnika Ceny do Zysku (P/E) przypomina mierzenie prędkości światła stoperem. P/E to metryka z natury wsteczna, stworzona dla stabilnych, przewidywalnych biznesów. Kiedy zyski operacyjne firmy technologicznej rosną o 100% rok do roku, mnożnik na poziomie 50x może wydawać się zaporowy, podczas gdy w rzeczywistości rynek dyskontuje gigantyczny skok przychodów w kolejnych kwartałach.

Odpowiedzią Wall Street na ten problem od lat był wskaźnik PEG (Price/Earnings-to-Growth Ratio), który koryguje cenę o oczekiwaną stopę wzrostu. Funkcjonuje on w dwóch wariantach, z których każdy niesie inne ryzyko analityczne. Trailing PEG opiera się na twardych danych historycznych z ostatnich 1-5 lat, przez co w momentach technologicznego przełomu drastycznie zaniża potencjał spółek. Z kolei Forward PEG patrzy w przyszłość oczami analityków – a w branży, gdzie jedna generacja procesorów zmienia układ sił z kwartału na kwartał, te długoterminowe prognozy bywają obarczone ogromnym marginesem błędu.

Dogmat o "inwestycyjnej okazji przy wskaźniku PEG poniżej 1,0" można dziś odłożyć do lamusa. Takie wyceny szerokiego rynku trafiają się niemal wyłącznie w dołkach potężnych załamań gospodarczych. Obecnie dla mocnych technologicznych liderów racjonalny i akceptowalny pułap oscyluje wokół 1,5x – 1,6x.

CapEx i iluzja zysków w erze krzemu

Transformacja AI to rewolucja wagi ciężkiej, wymagająca ogromnej infrastruktury. W 2025 roku najwięksi dostawcy chmury (hyperscalerzy) przeznaczyli ponad 300 miliardów dolarów na rozbudowę centrów danych i zakup zaawansowanych układów scalonych.

Ta góra gotówki zamieniona w serwery (CapEx) tworzy przestrzeń do księgowych roszad, które bezpośrednio wykrzywiają obraz wskaźnika PEG. Mechanizm opiera się na elastyczności polityki amortyzacyjnej. Sprzęt obliczeniowy starzeje się technologicznie w ciągu 2-3 lat. Wystarczy jednak, że zarząd korporacji podejmie decyzję o wydłużeniu przewidywanego okresu użyteczności serwerów do 5 lat, a roczny koszt księgowy drastycznie spada. W efekcie zysk operacyjny sztucznie rośnie, wskaźnik P/E maleje, a PEG nagle wygląda na papierze niezwykle zachęcająco.

To zjawisko sprawia, że profesjonalny kapitał masowo przesiada się dzisiaj na wskaźnik TEV/EBITDA. Ignoruje on całkowicie odpisy amortyzacyjne, obnażając prawdziwą efektywność operacyjną spółki i neutralizując kreatywność działów księgowych.

Ryzyko finansowania cyrkularnego

Wiarygodność wskaźnika PEG zależy od litery "G" – realnego wzrostu napędzanego organicznym popytem. W sektorze sztucznej inteligencji ten obraz zakłóca mechanizm finansowania cyrkularnego. To sytuacja łudząco przypominająca vendor financing z epoki dot-comów, kiedy Cisco pożyczało startupom gotówkę na zakup własnego sprzętu telekomunikacyjnego.

Współcześni giganci infrastrukturalni, tacy jak Microsoft czy Amazon, inwestują miliardy w czołowe podmioty tworzące modele AI (np. OpenAI, Anthropic). Bardzo często te zastrzyki kapitału obwarowane są warunkiem zwrotnym: startup musi wydać pozyskane środki na wynajem mocy obliczeniowej w serwerowniach chmurowych swojego inwestora. Pieniądz krąży w zamkniętej pętli korporacyjnej, windując raportowane przychody i wyceny dostawców sprzętu. Ryzyko polega na tym, że ewentualne wstrzymanie finansowania venture capital dla startupów odetnie tę kroplówkę, tworząc nagłą lukę popytową w bilansach największych firm technologicznych.

Rynki prywatne: Nowe reguły gry

W środowisku niepublicznym (Venture Capital i Private Equity) klasyczne mnożniki można właściwie wyrzucić do kosza. Jeszcze niedawno fundusze inwestujące w tradycyjne oprogramowanie kierowały się "Regułą 40" – bezpiecznym modelem, gdzie suma wzrostu przychodów i marży wolnych przepływów pieniężnych musiała dawać minimum 40%. Wyścig po prymat w sztucznej inteligencji zmiażdżył tę zasadę, premiując brutalną walkę o udziały w rynku i pozycję dominatora.

Rynek akceptuje dziś na wczesnych etapach astronomiczne wyceny rzędu 50, a nawet 100-krotności generowanych przychodów. Aby jednak oddzielić puste obietnice od realnego biznesu, analitycy przeszli na rygorystyczne badanie ekonomii jednostkowej:

• Koszty wnioskowania (Inference Cost): Fundament rentowności. Jeżeli startup subsydiuje każde zapytanie algorytmiczne i traci kapitał na samej obsłudze ruchu, jego skalowalność jest zerowa, a długoterminowe perspektywy znikome.
• Fosa Danych (Data Moat Velocity): Spółki w pełni uzależnione od zewnętrznych, płatnych API oraz publicznie dostępnych danych narażone są na ogromne ryzyko operacyjne. Kapitał dyskontuje dziś mocno podmioty, które nie posiadają własnej, zastrzeżonej infrastruktury danych pozwalającej na optymalizację kodu i realną redukcję kosztów u klienta docelowego.

Tokenomika: Rewolucja na Wall Street

Obserwujemy fascynującą ewolucję w podejściu wielkiej finansjery do wyceny fundamentalnych architektur językowych. Instytucje finansowe odchodzą od tradycyjnego liczenia "aktywnych subskrybentów". Podstawową jednostką rozliczeniową na nowym rynku stał się Token.

Raporty analityczne z Wall Street – chociażby głośna ewaluacja strukturalna modelu MiniMax sporządzona przez Goldman Sachs – pokazują otwarte porzucenie mnożników P/E czy PEG na rzecz zaawansowanego Modelowania Zdyskontowanych Przepływów Pieniężnych (DCF). Do modelowania strumieni analitycy wprowadzają rygorystyczną barierę ryzyka (WACC na poziomie 12%), wyliczając surowy, ułamkowy dochód na poziomie milionów przetworzonych tokenów. Zrozumienie kosztów i zysków na najniższym szczeblu obliczeniowym daje dziś znacznie precyzyjniejszy obraz wartości firmy niż opieranie się na ogólnych deklaracjach przychodowych.

Makroekonomia a perspektywy na 2026 rok

Zderzenie potężnych nakładów technologicznych z twardymi realiami makroekonomicznymi jest nieuniknione. Gospodarka USA stabilizuje się na przewidywanym wzroście rzędu 2,25% kwartał do kwartału w skali roku, podczas gdy rynki europejskie balansują na poziomie anemicznego 1,0%. Środowisko podwyższonych stóp i wciąż tlącej się presji inflacyjnej sprawia, że kapitał staje się znacznie bardziej ostrożny.

Najpoważniejszym zagrożeniem dla optymistycznych wycen jest dziś brak kompetencji wdrożeniowych po stronie klientów końcowych. Badania instytucji certyfikujących wykazują, że ponad 66% firm implementujących sztuczną inteligencję kompletnie nie radzi sobie z wytyczeniem jakichkolwiek ujednoliconych metryk pomiaru zysku (ROI). Kupują technologię z obawy przed konkurencją, ale nie potrafią przekuć jej w finansowe oszczędności w bilansie. W przypadku nadejścia rynkowego spowolnienia, to właśnie te niedookreślone "budżety innowacyjne" zostaną obcięte w pierwszej kolejności, a to pociągnie za sobą nagłą rewizję mnożników giełdowych dostawców technologii.

Wskaźnik PEG na pewno nie zniknie z arsenału analityków, ale jego powierzchowne stosowanie w sektorze AI to prosty przepis na bolesną stratę. Oparcie decyzji inwestycyjnych na metryce podatnej na sztuczną elastyczność amortyzacji i podbitej cyrkularnymi przepływami kapitału jest zwyczajnie nieodpowiedzialne. Zwycięzcami nadchodzących lat będą inwestorzy, którzy nauczą się ignorować marketingową narrację i zaczną rygorystycznie wyceniać technologię przez pryzmat bezlitosnej ekonomii jednostkowej – od kosztu przeliczenia pojedynczego tokena po unikalność zgromadzonych baz danych.