Η νέα αγορά AI compute, τα futures πάνω στην υπολογιστική ισχύ και το μάθημα που δεν πρέπει να ξεχάσουμε από το 2008.
Υπάρχουν στιγμές όπου μια είδηση δεν είναι απλώς είδηση. Είναι ένδειξη.
Η πρόσφατη πληροφορία ότι η Κίνα εξετάζει τη δημιουργία futures πάνω σε AI tokens, μέσω του Shanghai Futures Exchange, μοιάζει αρχικά με ακόμη ένα επεισόδιο στον παγκόσμιο αγώνα της τεχνητής νοημοσύνης. Το Reuters ανέφερε ότι το σχέδιο βρίσκεται ακόμη σε πρώιμο στάδιο και αφορά συμβόλαια futures πάνω σε “AI tokens”, δηλαδή μονάδες πληροφορίας που επεξεργάζονται τα AI μοντέλα και χρησιμοποιούνται ήδη ως μέτρο κατανάλωσης και τιμολόγησης υπηρεσιών AI.
Από μόνη της, η είδηση δεν σημαίνει ότι δημιουργείται ένα “χρηματιστήριο τεχνητής νοημοσύνης” με την κλασική έννοια. Δεν μιλάμε απαραίτητα για αγορά μετοχών AI εταιρειών. Μιλάμε για κάτι πιο λεπτό, πιο τεχνικό και ίσως πιο σημαντικό: τη μετατροπή της υπολογιστικής κατανάλωσης της AI σε χρηματοοικονομικό προϊόν.
Και εδώ αρχίζει το πραγματικό ερώτημα.
Όχι αν η τεχνητή νοημοσύνη είναι σημαντική. Είναι.
Όχι αν το compute είναι πραγματική υποδομή. Είναι.
Όχι αν οι επιχειρήσεις χρειάζονται μηχανισμούς πρόβλεψης και αντιστάθμισης κόστους. Τους χρειάζονται.
Το ερώτημα είναι άλλο:
Είναι σοφό να δημιουργούμε χρηματιστηριακά προϊόντα πάνω σε μια τόσο νέα, τόσο ασταθή και τόσο δύσκολα κατανοητή τεχνολογική υποδομή;
Η δική μου απάντηση είναι: όχι χωρίς μεγάλη επιφύλαξη.
Όχι επειδή κάθε παράγωγο είναι κακό. Όχι επειδή κάθε αγορά futures είναι επικίνδυνη από τη φύση της. Αλλά επειδή έχουμε ξαναδεί τι συμβαίνει όταν οι αγορές παίρνουν κάτι πραγματικό, το συσκευάζουν σε χρηματοοικονομικά προϊόντα, το πολλαπλασιάζουν με μόχλευση, το ντύνουν με μοντέλα αξιολόγησης και μετά πείθουν τους πάντες ότι ο κίνδυνος έχει εξαφανιστεί επειδή πλέον έχει τιμολογηθεί.
Το 2008 δεν κατέρρευσε ο κόσμος επειδή υπήρχαν στεγαστικά δάνεια. Τα στεγαστικά δάνεια ήταν πραγματικά. Πίσω τους υπήρχαν σπίτια, άνθρωποι, εισοδήματα, τράπεζες, συμβόλαια. Το πρόβλημα άρχισε όταν αυτά τα δάνεια μετατράπηκαν σε τίτλους, οι τίτλοι σε σύνθετα προϊόντα, τα προϊόντα σε αξιολογημένα “ασφαλή” assets, και ο πραγματικός κίνδυνος εξαφανίστηκε μέσα σε στρώματα πολυπλοκότητας. Η Financial Crisis Inquiry Commission κατέληξε ότι η κρίση συνδέθηκε με αποτυχίες στη χρηματοοικονομική εποπτεία, στη διαχείριση κινδύνου και στην εταιρική διακυβέρνηση συστημικών οργανισμών.
Το μάθημα λοιπόν δεν είναι ότι “τα παράγωγα είναι πάντα κακά”.
Το μάθημα είναι πιο βαθύ:
Η πολυπλοκότητα γίνεται επικίνδυνη όταν οι αγορές μπερδεύουν την τιμολόγηση με την κατανόηση.
Και αυτό ακριβώς φοβάμαι ότι μπορεί να συμβεί με την τεχνητή νοημοσύνη.
Σήμερα, η AI βρίσκεται ακόμη σε φάση έντονης διαμόρφωσης. Δεν έχουμε σταθερή εικόνα για το πραγματικό κόστος των μοντέλων, για τη μελλοντική αποδοτικότητα του inference, για την εξέλιξη των GPUs, για τη ζήτηση compute, για το regulatory burden, για την ενεργειακή πίεση, για τη γεωπολιτική αστάθεια των chips, ούτε καν για το ποια αρχιτεκτονική μοντέλων θα κυριαρχήσει τα επόμενα χρόνια.
Και όμως, πριν καλά καλά καταλάβουμε την υποδομή, αρχίζουμε να δημιουργούμε αγορές πάνω στην υποδομή.
Στις ΗΠΑ, το CME Group ανακοίνωσε συνεργασία με τη Silicon Data για futures βασισμένα σε GPU rental-rate benchmarks, με στόχο τη διαχείριση volatility και price risk στην αγορά compute. Το ICE, μαζί με την Ornn, ανακοίνωσε επίσης σχέδια για GPU compute futures βασισμένα σε δείκτες που καλύπτουν τύπους GPUs όπως H100, H200, B200 και άλλους.
Αυτές οι κινήσεις έχουν μια λογική. Μια μεγάλη AI εταιρεία, ένα data center, ένας cloud provider ή μια επιχείρηση που βασίζεται σε έντονη χρήση μοντέλων μπορεί να θέλει να κλειδώσει μελλοντικό κόστος. Όπως μια αεροπορική εταιρεία κάνει hedge στα καύσιμα, έτσι και μια AI εταιρεία μπορεί να θέλει να κάνει hedge στο compute.
Αυτή είναι η υγιής εκδοχή.
Η επικίνδυνη εκδοχή αρχίζει όταν το hedging γίνεται speculation. Όταν η αγορά δεν εξυπηρετεί κυρίως αυτούς που έχουν πραγματική ανάγκη compute, αλλά εκείνους που θέλουν να στοιχηματίσουν πάνω στη μελλοντική τιμή του compute. Όταν το προϊόν δεν χρησιμοποιείται για να προστατεύσει την παραγωγική δραστηριότητα, αλλά για να δημιουργήσει νέες στρώσεις χρηματοοικονομικού κέρδους πάνω σε μια υποδομή που λίγοι καταλαβαίνουν πραγματικά.
Εκεί η ιστορία αρχίζει να θυμίζει κάτι γνώριμο.
Το 2008 δεν πουλούσαν απλώς “αέρα”. Πουλούσαν βεβαιότητα πάνω σε κάτι που δεν καταλάβαιναν. Πουλούσαν την ψευδαίσθηση ότι επειδή ο κίνδυνος είχε μοιραστεί, είχε εξαφανιστεί. Πουλούσαν την ιδέα ότι τα μοντέλα ήξεραν καλύτερα από την πραγματικότητα.
Στην AI, ο κίνδυνος είναι παρόμοιος αλλά όχι ίδιος.
Εδώ το υποκείμενο asset δεν είναι ένα σπίτι. Είναι η δυνατότητα επεξεργασίας πληροφορίας. Είναι tokens. Είναι GPU hours. Είναι inference. Είναι latency. Είναι ενεργειακή κατανάλωση. Είναι data center capacity. Είναι πρόσβαση σε chips. Είναι τελικά η δυνατότητα μιας επιχείρησης ή ενός κράτους να παράγει, να εκπαιδεύει και να χρησιμοποιεί νοημοσύνη ως υπηρεσία.
Αυτό δεν είναι “αέρας”. Είναι πραγματική υποδομή.
Αλλά μπορεί πολύ εύκολα να γίνει “αέρας” όταν αποσυνδεθεί από την πραγματική χρήση.
Αν μια εταιρεία αγοράζει compute futures για να προστατευτεί από αύξηση κόστους, αυτό έχει νόημα. Αν όμως funds, τράπεζες και traders αρχίσουν να χτίζουν πολύπλοκα προϊόντα πάνω σε δείκτες compute, χωρίς σχέση με πραγματική χρήση AI, τότε δεν μιλάμε πλέον για τεχνολογική υποδομή. Μιλάμε για χρηματοοικονομικοποίηση της ίδιας της νοημοσύνης.
Και αυτό είναι τεράστια αλλαγή.
Γιατί η τεχνητή νοημοσύνη δεν είναι απλώς ακόμη ένας κλάδος της τεχνολογίας. Είναι οριζόντια υποδομή. Θα επηρεάσει παραγωγή, άμυνα, υγεία, εκπαίδευση, δημόσια διοίκηση, logistics, χρηματοοικονομικά, ενέργεια, έρευνα. Αν το κόστος πρόσβασης σε αυτή την υποδομή γίνει αντικείμενο έντονης χρηματιστηριακής κερδοσκοπίας, τότε το ρίσκο δεν αφορά μόνο τους επενδυτές. Αφορά την ίδια την οικονομική λειτουργία των επιχειρήσεων και, σε δεύτερο επίπεδο, τη στρατηγική ισχύ των κρατών.
Εδώ βρίσκεται η μεγάλη γεωπολιτική διάσταση.
Η μάχη στην AI δεν είναι πλέον μόνο μάχη εταιρειών. Δεν είναι απλώς OpenAI εναντίον Google, Anthropic εναντίον Meta, Nvidia εναντίον όποιου προσπαθεί να την ανταγωνιστεί. Είναι μάχη κρατών, υποδομών, ενεργειακής επάρκειας, εφοδιαστικών αλυσίδων, chips, data centers και ρυθμιστικών πλαισίων.
Αν στον 20ό αιώνα το πετρέλαιο ήταν στρατηγικό commodity, στον 21ο αιώνα το compute μπορεί να γίνει κάτι αντίστοιχο. Όχι με την ίδια φυσική μορφή, αλλά με αντίστοιχη στρατηγική σημασία. Όποιος ελέγχει το compute, ελέγχει σε μεγάλο βαθμό την ταχύτητα με την οποία μπορεί να αναπτύξει, να εκπαιδεύσει και να εφαρμόσει AI.
Η Κίνα φαίνεται να το αντιλαμβάνεται αυτό όχι απλώς ως τεχνολογικό ζήτημα, αλλά ως ζήτημα εθνικής και χρηματοοικονομικής στρατηγικής. Το Reuters συνδέει την κινεζική κίνηση με τον ανταγωνισμό με τις ΗΠΑ και με την ανάγκη δημιουργίας μηχανισμών αντιστάθμισης κόστους στην AI εφοδιαστική αλυσίδα.
Αλλά εδώ ακριβώς πρέπει να είμαστε προσεκτικοί.
Όταν κάτι γίνεται στρατηγικό για τα κράτη και ταυτόχρονα ελκυστικό για τις αγορές, η πιθανότητα υπερβολής αυξάνεται. Οι κυβερνήσεις θέλουν ισχύ. Οι εταιρείες θέλουν πρόσβαση. Οι επενδυτές θέλουν απόδοση. Οι αγορές θέλουν προϊόντα. Και μέσα σε αυτή τη σύγκλιση, η πραγματική ερώτηση συχνά χάνεται:
Καταλαβαίνουμε πραγματικά τι τιμολογούμε;
Τι ακριβώς είναι ένα AI token ως χρηματοοικονομικό υποκείμενο;
Πώς συνδέεται με το πραγματικό κόστος inference;
Πώς επηρεάζεται από τη βελτίωση των μοντέλων;
Τι γίνεται αν αύριο τα μοντέλα γίνουν δραματικά πιο αποδοτικά;
Τι γίνεται αν αλλάξει η αρχιτεκτονική τους;
Τι γίνεται αν η ζήτηση μετακινηθεί από μεγάλα κεντρικά μοντέλα σε μικρότερα εξειδικευμένα μοντέλα;
Τι γίνεται αν το κόστος compute πέσει απότομα ή αν η πρόσβαση σε chips περιοριστεί γεωπολιτικά;
Σε ώριμες αγορές, αυτά τα ερωτήματα έχουν ιστορικό βάθος, δεδομένα, κύκλους, εμπειρία, μηχανισμούς ελέγχου. Στην AI, πολλά από αυτά βρίσκονται ακόμη υπό διαμόρφωση.
Αυτό είναι που κάνει τη δημιουργία χρηματιστηριακών προϊόντων τόσο ριψοκίνδυνη.
Όχι επειδή δεν υπάρχει πραγματικό asset. Υπάρχει.
Αλλά επειδή το asset δεν είναι ακόμη ώριμα κατανοητό.
Και η αγορά έχει μια επικίνδυνη τάση: όταν δεν καταλαβαίνει πλήρως κάτι, συχνά το μετατρέπει σε δείκτη. Όταν το κάνει δείκτη, το κάνει προϊόν. Όταν το κάνει προϊόν, το κάνει αντικείμενο μόχλευσης. Και όταν μπει η μόχλευση, η απόσταση ανάμεσα στην πραγματική αξία και στη χρηματοοικονομική φαντασία μπορεί να γίνει τεράστια.
Αυτό δεν σημαίνει ότι πρέπει να σταματήσει η καινοτομία στις αγορές. Σημαίνει όμως ότι η καινοτομία στις αγορές πρέπει να ακολουθεί την κατανόηση, όχι να προηγείται αυτής.
Στην περίπτωση της AI, υπάρχει ο κίνδυνος να κάνουμε το αντίθετο.
Να δημιουργήσουμε πρώτα τα προϊόντα και μετά να προσπαθήσουμε να καταλάβουμε τι ακριβώς μετρούν.
Και τότε το πρόβλημα δεν θα είναι η τεχνητή νοημοσύνη. Το πρόβλημα θα είναι η ανθρώπινη βεβαιότητα γύρω από αυτήν.
Αυτό ήταν και το βαθύτερο μάθημα του 2008. Όχι ότι τα μαθηματικά απέτυχαν. Όχι ότι η καινοτομία ήταν λάθος. Αλλά ότι η υπερβολική αυτοπεποίθηση, όταν συνδυάζεται με αδιαφάνεια, μόχλευση και θεσμική αδυναμία, μπορεί να μετατρέψει ένα πραγματικό οικονομικό εργαλείο σε συστημική απειλή. Η New York Fed σημειώνει ότι η κρίση του 2008 ανέδειξε αδυναμίες στις αγορές OTC derivatives, μεταξύ των οποίων η συγκέντρωση μεγάλων counterparty exposures, η περιορισμένη διαφάνεια και η ανάγκη για μεγαλύτερη τυποποίηση και αυτοματοποίηση.
Η AI βρίσκεται ήδη σε φάση υπερβολικής αφήγησης. Κάθε εταιρεία θέλει να δείξει ότι είναι AI-first. Κάθε κράτος θέλει εθνική στρατηγική AI. Κάθε επενδυτής ψάχνει την επόμενη Nvidia. Κάθε αγορά ψάχνει το επόμενο προϊόν. Μέσα σε αυτή την ατμόσφαιρα, η δημιουργία futures πάνω στο compute ή στα tokens μπορεί να παρουσιαστεί ως φυσική εξέλιξη.
Ίσως πράγματι να είναι.
Αλλά φυσική εξέλιξη δεν σημαίνει ακίνδυνη εξέλιξη.
Το κρίσιμο δεν είναι αν η AI θα αποκτήσει χρηματοοικονομικές αγορές γύρω της. Πιθανότατα θα αποκτήσει. Το κρίσιμο είναι αν αυτές οι αγορές θα υπηρετούν την πραγματική παραγωγική χρήση ή αν θα δημιουργήσουν μια νέα στρώση κερδοσκοπίας πάνω σε μια υποδομή που ακόμη χτίζεται.
Γιατί στο τέλος, το μεγαλύτερο ρίσκο δεν είναι να πουλήσουμε “αέρα”.
Το μεγαλύτερο ρίσκο είναι να πουλήσουμε ως βεβαιότητα κάτι που ακόμη δεν έχουμε κατανοήσει.
Και αυτό, δυστυχώς, το έχουμε ξαναδεί.
