Hvordan Wall Streets AI-boom blir Feds neste inflasjonsproblem

“Mange deltakere bemerket at vedvarende sterk etterspørsel etter AI-infrastruktur sannsynligvis vil opprettholde oppadgående press på prisene for teknologiprodukter og elektrisitet.”

Den linjen fra Federal Reserve’s June meeting minutes fanget et skifte som Wall Street så vidt begynner å prise inn.

Kunstig intelligens ble solgt til investorer som en produktivitetsrevolusjon. For Fed ser det i økende grad ut som et etterspørselssjokk som kan komme lenge før effektivitetsgevinstene.

AI-boomen har allerede forvandlet aksjemarkedene, presset Big Techs kapitalkostnader til historiske nivåer og gjenopplivet risikoviljen i teknologaksjer.

Men samme boom øker også etterspørselen etter datasentre, brikker, elektrisitet, kjølesystemer, byggetjenester, tomter, gjeldsfinansiering og høyverdige tjenester.

Presset begynner å nå forbrukerne. Apple hevet nylig prisene på flere produkter etter å ha skylt på kraftig økte kostnader for minne og lagring delvis på etterspørsel fra AI-datasentre.

Det skaper et sekvensieringsproblem for beslutningstakere. Kostnadene er synlige nå. Produktivitetsgevinstene kan ta år før de sprer seg i økonomien.

For en sentralbank som fortsatt prøver å bringe inflasjonen tilbake til 2%-målet, betyr forskjellen mye.

Hvis AI holder etterspørselen varm, løfter strømprisene og støtter aktivapriser, kan Fed ha mindre rom for å lempe pengepolitikken. I et mer «hawkish» scenario kan den til og med måtte heve rentene igjen.

USAs konsumprisvekst dempet seg i juni, med KPI for alle varer og tjenester opp 3,5% fra året før, ned fra 4,2% i mai.

Kjerne-KPI, som ekskluderer mat og energi, steg 2,6% på årsbasis, mot 2,9% i mai.

Men Feds bekymring gjelder ikke bare hvor inflasjonen er i dag, men om nye krefter er i ferd med å oppstå som kan hindre at disinflasjonen blir varig.

AIs sekvensieringsproblem

Diane Swonk, sjefsøkonom i KPMG Economics, sa at AI-boomen nettopp har skapt en slik timing-mismatch.

“AI har et sekvensieringsproblem. Kostnadene og formueseffektene er raskere enn det produktiviteten kan skaleres,” sa Swonk til Invezz.

Denne innrammingen er viktig fordi den flytter AI-historien bort fra den vanlige debatten om Nvidia, skylmarginer og programvareinntekter. Den plasserer AI innenfor Feds inflasjonsmodell.

Etterspørselssiden er lett å se når hyperscalere bygger datasentre i høyt tempo og etterspørselen etter brikker forblir intens.

Nett- og kraftselskapene blir tvunget til å revurdere lastprognoser. Eiendomsmarkedene rundt datasenterknutepunktene endres. Fagarbeidere trekkes inn i strøm-, bygge- og infrastrukturprosjekter.

Markedet for selskapsobligasjoner blir bedt om å finansiere en større andel av utbyggingen.

Tilbudssiden er mindre synlig. AI kan hjelpe selskaper med å skrive kode raskere, automatisere rutineoppgaver, komprimere back-office-kostnader og øke forskningsproduksjonen.

Men disse gevinstene krever adopsjon, integrasjon og endring av forretningsprosesser. De oppstår ikke automatisk i produktivitetsdata idet selskaper kjøper GPU-er.

Det er Feds utfordring. Pengepolitikk kan ikke bygges på en produktivitetsboom som ennå ikke har vist seg i tallene.

“Fed har ikke råd til å vente på at produktivitetsveksten skaleres for å håndtere det ekstra trykket på inflasjonen som følge av AI-boomen,” sa Swonk. “Vi forventer to rentehevinger i andre halvår.”

Juni-minuttene fra Fed viste at denne bekymringen ikke er isolert. Deltakere sa at inflasjonen hadde økt ytterligere og forble godt over Feds mål, og nevnte tollsatser, forsyningskjedeavbrudd knyttet til Hormuz-stredet og sterk etterspørsel etter enkelte varer og tjenester relatert til AI-investeringer.

Minuttene sa også at sterk AI-virksomhetsinvestering kunne bidra til mer vedvarende inflasjonspress hvis den økonomiske aktiviteten kjører over potensiell produksjon.

Fra produktivitetsdrøm til inflasjonskanal

I store deler av AI-rallyet var makroargumentet enkelt. AI ville løfte produktiviteten, forbedre marginene og bidra til å dempe inflasjonen ved å gjøre det mulig for selskaper å produsere mer med færre ressurser.

Det argumentet har ikke forsvunnet. Det forblir det langsiktige bull-tilfellet for AI og for aksjeverdier knyttet til det.

Men sentralbanker opererer i sanntid og må svare på økonomien slik den er, ikke slik investorer forventer den vil se ut etter at teknologien er fullt absorbert.

Fed-visepresident Philip Jefferson gjorde den timing-utfordringen eksplisitt i en tale 16. juli. Han sa AI kunne påvirke både tilbud og etterspørsel, med selskaper som investerer tungt i datasentre, avansert databehandlingsutstyr og AI-kapasitet.

Han la til at hvis sterkere investering og konsum kommer før produktivitetsgevinstene, kan AI legge oppadgående press på inflasjonen; hvis produktiviteten senker kostnadene raskere, kan effekten bli disinflasjonær.

Det ligger tett opp til kjernen i Swonks argument. AI kan på sikt være disinflasjonær, men det kan likevel være inflasjonsdrivende først.

Elektrisitet er det tydeligste eksemplet. En bølge i datacentrenes behov for strøm øker ikke bare kostnadene for selskapene som trener AI-modeller, men påvirker også nettinvesteringer, energiplanlegging og strømprisene for andre brukere.

Teknologisk maskinvare er en annen kanal.

Hvis etterspørselen etter brikker, servere, nettverksutstyr og minne fortsetter å stige raskere enn tilbudet, kan prisene holde seg faste selv om andre varer kjøles ned.

Så er det formueseffekten. AI har løftet markedsverdien i en smal gruppe megakapitaliserte teknologiselskaper og bidratt til bredere positiv aksjesentiment.

Høyere aktivapriser kan støtte forbruk, spesielt blant husholdninger med høyere inntekt. Juni-minuttene bemerket også at høye aksjepriser, drevet av solide inntjeninger og AI-optimisme, hadde støttet etterspørselen.

Swonk ser dette som en del av inflasjonshistorien.

“Noen av de mest «hawkish» medlemmene i Fed har referert til det ekstra presset på inflasjonen som følge av den bredere AI-boomen, inkludert formueseffekter,” sa hun.

Wall Street prissetter allerede kjøperne på nytt

Presset er også synlig i markedene. Den første fasen av AI-handelen belønnet selskapene som selger redskapene: brikkeprodusenter, utstyrsleverandører, navn med høy eksponering mot strøm og infrastruktursatsinger.

Neste fase er mer ubehagelig. Investorer gransker selskapene som skriver de største sjekkene.

Gil Luria, administrerende direktør i D.A. Davidson & Co., sa at den prosessen allerede er i gang.

“Presset i markedene skjer akkurat nå, ettersom investorer nedvurderer kjøperne av AI-utstyr,” sa Luria til Invezz.

Den linjen er sentral i Wall Street-historien. Microsoft, Amazon og Google er ikke bare mottakere av AI-gevinster, men også selskapene som absorberer mye av kostnaden ved AI-utbyggingen.

De må bruke tungt før investorer fullt ut kan vurdere avkastningen på den utgiftsveksten.

Hvis rentene stiger eller forblir høye, øker også kravet til disse avkastningene. Fremtidige kontantstrømmer diskonteres hardere. Teknologiselskapers verdsettelser med lang varighet blir vanskeligere å forsvare.

Kreditinvestorer blir også mer følsomme overfor gjeldsfinansiert kapitalutlegg, spesielt hvis AI-infrastrukturutgifter fortsetter å ekspandere.

Luria mener imidlertid ikke at utgiftene bare er spekulative.

“Vi tror AI begynner å vise avkastning ettersom den kombinerte inntektsløpehastigheten til Anthropic og OpenAI allerede er på over $75 milliarder i run rate, fra nesten null for bare to år siden,” la Luria til.

Det er motvekten til inflasjonsfrykten. Hvis AI-inntektene skalerer raskt nok, kan Big Tech fortsette å bruke selv om investorer bekymrer seg for marginer og renter.

Det ville støtte det langsiktige AI-tilfellet, men det kan også forlenge den kortsiktige etterspørselsimpulsen som Fed følger med på.

Med andre ord kan det bullish teknologargumentet og det hawkish makroargumentet begge være sanne. AI kan være kommersielt reell og likevel inflasjonsdrivende på kort sikt.

Fed kan ikke ignorere inflasjonens «muskelminne»

AI-debatten kommer etter år med inflasjon over målet. Den konteksten gjør Fed mindre villig til å vente tålmodig på forsyningssidesfordeler.

“Konteksten er også viktig,” sa Swonk. “Vi er fem år inn og teller på etterspørselsboomet i kjølvannet av pandemien.”

Poenget om «muskelminne» kan være like viktig som datasenterhistorien. Etter år med volatile inputkostnader, tollsatser, energisjokk og forsyningsavbrudd kan bedrifter være mer villige til å teste prisøkninger.

Forbrukerne kan være mer vant til dem. Lønn- og prisfastsettelse kan bli mindre forankret, selv om hovedinflasjonen forbedres en måned.

Fed-minuttene gjorde et tilsvarende poeng og advarte om at etter flere år med inflasjon over 2% kunne fortsatt forhøyet inflasjon begynne å påvirke inflasjonsforventningene og lønns- og prisfastsettelsesbeslutninger.

Derfor er timingen for AI viktig. Hvis den kommer som et produktivitetssjokk i en lavinflasjonsøkonomi, kan Fed ønske den velkommen.

Hvis den kommer som en forbruksboom i en økonomi fortsatt preget av inflasjon, blir reaksjonen en annen.

Produktivitetsmotargumentet

Det sterkeste motargumentet er at produktivitetsgevinstene allerede er i ferd med å formes, men fortsatt er vanskelige å måle.

AI-verktøy kan øke produksjonen innen programvareutvikling, kundeservice, forskning, markedsføring og finans lenge før makrotallene fanger endringen fullt ut.

Fed-tjenestemenn avviser ikke den muligheten. Jefferson sa at AI sannsynligvis vil føre til betydelige produktivitetsgevinster ved å automatisere noen oppgaver og forbedre arbeidstakernes evne til å utføre andre.

Guvernør Michael Barr har også beskrevet generativ AI som stadig mer sannsynlig til å bli en «general-purpose technology», samtidig som han bemerket at timing-mismatch i investeringer og forretningsintegrasjon kan begrense kortsiktig gevinst.

Det er den optimistiske banen for markedene. Hvis AI-produktivitet viser seg raskt, kan det oppveie kostnadspresset fra datasentre og brikker.

Det kan øke potensielt produksjonsnivå, støtte marginer og gjøre det mulig for Fed å se bort fra noe av den kortsiktige investeringsboomen.

Feds problem er at produktivitet er vanskelig å observere i sanntid, mens inflasjon ikke er det.

Den asymmetrien gjør beslutningstakere forsiktige. Hvis de venter på at produktiviteten skal løse problemet og den kommer for sent, kan inflasjonsforventningene bli vanskeligere å kontrollere.

Hvis de strammer for mye og produktiviteten kommer raskt, risikerer de å bremse en økonomi som var i ferd med å bli mer effektiv.

Markedsrisikoen: å kjempe mot inflasjon kan sprenge AI-handelen

Det siste dilemmaet er finansiell stabilitet. Fed kan bekjempe inflasjon med høyere renter, men AI-optimisme har hjulpet til med å presse aksjemarkedene opp til verdsettelser som virker sårbare for enhver økning i diskonteringsrater.

Swonk pekte direkte på den risikoen.

“Det ene forbeholdet er at rentehevinger øker risikoen for at det som ser frodig ut i det bredere aksjemarkedet, sprekker,” sa hun til Invezz.

Det er en vanskelig avveining. Høyere renter kan kjøle etterspørselen og dempe inflasjonen, men de kan også ramme nettopp den markedstigningen som har støttet tillit og forbruk.

Et kraftig fall i AI‑knyttede aksjer ville stramme finansielle forhold raskt. Det kunne også avdekke hvor mye av den bredere markedets styrke som har vært avhengig av en smal gruppe selskaper knyttet til AI‑utbyggingen.

For Wall Street er dette grunnen til at AI‑inflasjonshistorien betyr noe.

Det handler ikke bare om hvorvidt ChatGPT gjør arbeidstakere mer produktive eller om Nvidia selger flere brikker, men om AI‑boomen endrer rute for rentene.

Hvis AI‑investeringene holder inflasjonen seig, kan rentene på amerikanske statsobligasjoner forbli høye. Hvis rentene forblir høye, vil teknologiverdsettelser komme under press. Hvis verdsettelser faller, svekkes formueseffektene. Og hvis Fed må heve inn i et frodig marked, kan justeringen bli bratt.

AI‑boomen skulle gjøre økonomien mer effektiv, men Fed må kanskje først avgjøre om den gjør økonomien for varm.