¿Qué es una burbuja?
Para juzgar una burbuja, primero necesitamos entender qué es una burbuja.
Las burbujas suelen originarse con el surgimiento de nuevas tecnologías, cuando el mercado es demasiado optimista sobre el desarrollo futuro de la tecnología, lo que lleva a una inversión excesiva y un seguimiento ciego, haciendo que su valor supere lo que la economía real puede soportar, seguido de una caída abrupta, y finalmente estallando como una burbuja de jabón.
Combinando la "Hipótesis de la Inestabilidad Financiera" de Hyman Minsky, "Política Monetaria y Burbujas de Precios de Activos Racionales" de Jordi Galí y otros artículos clásicos que estudian las burbujas económicas, resumimos las condiciones centrales para la formación de burbujas.
Principalmente incluyen: fundamentos económicos favorables a la inversión, aparición de asimetrías de información, y efectos de expansión de factores psicológicos y de comportamiento. En pocas palabras: el mercado tiene dinero y los inversores invierten irracionalmente.
Primero, el mercado debe tener dinero, lo que significa que debe haber abundante liquidez. Solo un entorno económico básico de expansión del crédito y exceso de liquidez en un entorno de bajas tasas de interés puede desencadenar una burbuja.
Por ejemplo, en 2022 experimentamos un período llamado "burbuja de todo". La Reserva Federal implementó tasas de interés cercanas a cero y flexibilización cuantitativa (QE) de 2020 a 2021 para contrarrestar la caída económica causada por la pandemia. Esta medida atrajo a los inversores a realizar inversiones de mayor riesgo y permitió que modelos de negocio insostenibles se desarrollaran sobre la base de préstamos de bajo interés. Casi todos los activos del mercado de valores se apreciaron rápidamente, rompiendo repetidamente récords históricos en Estados Unidos. Hasta que la Reserva Federal volvió a subir las tasas de interés en 2022 para frenar la inflación, el mercado de valores cayó bruscamente, con Google cayendo un 40% en un año, y Tesla y Meta cayendo un 60%.
Segundo, los inversores invierten irracionalmente. Las nuevas tecnologías permiten a los inversores obtener rendimientos bastante altos a través de inversiones tempranas. Y la naturaleza monopolística de ciertas pistas hace que sus ganancias potenciales futuras sean aún más altas. Un espacio de ganancias lo suficientemente alto lleva a un optimismo ciego del mercado, haciendo que los inversores subestimen los riesgos y sobreestimen los rendimientos.
Por ejemplo, la burbuja de Internet que estalló en 2000. En 1995, una gran cantidad de capital de riesgo se volcó en áreas relacionadas con Internet como el comercio electrónico, las telecomunicaciones y los servicios de software, con tasas de rendimiento de la inversión muy superiores a las de otras industrias como la química, la energía y las finanzas. Y cuando los especuladores notaron el rápido crecimiento de los precios de las acciones, compraron esperando que subieran aún más. En 1999, la cantidad de inversión en industrias relacionadas con Internet en los Estados Unidos alcanzó los 28.7 mil millones de dólares, casi 10 veces más que en 1995.
¿Cuál es el límite de la inversión en IA?
¿Recuerdas las dos condiciones previas para la formación de burbujas que mencionamos anteriormente? La primera es que el mercado debe tener dinero.
Pero la liquidez en el mercado financiero estadounidense actual no es optimista, lo que significa que el límite superior de la burbuja de IA no puede ser muy alto.
Al respecto, Weiming Xiong, socio de Huachuang Capital, señala: "El grado de esta burbuja es en realidad mucho menor que la burbuja de Internet de hace 20 años, e incluso menor que la burbuja de las criptomonedas de 2017 o la burbuja de los NFT de 2021. La característica de estas burbujas es que la valoración superó con creces el ciclo de retorno de la inversión que los productos y servicios reales podían obtener.
Si se mide en proporción, creo que el grado de esta burbuja puede ser solo del 20% al 30% de las burbujas dotcom o NFT. El grado de esta burbuja es definitivamente incomparable con las anteriores."
El entorno de financiación ha sido relativamente pobre en los últimos dos años. Para frenar la inflación más alta en 40 años causada por la flexibilización monetaria durante la pandemia, la Reserva Federal realizó 11 aumentos de tasas desde marzo de 2022 hasta julio de 2023.
Al mismo tiempo, la Reserva Federal también comenzó una reducción de balance a gran escala, reduciendo sus tenencias de bonos del Tesoro en 60 mil millones de dólares por mes y sus tenencias de valores respaldados por hipotecas (MBS) en 35 mil millones de dólares por mes desde junio de 2022.
En resumen, durante el auge de la IA, la Reserva Federal estaba llevando a cabo la política de contracción monetaria más agresiva desde la década de 1980.
El mercado no tiene dinero, e incluso si casi todos los VC están atrapados en el FOMO, la tendencia general del capital de riesgo en el mercado de valores estadounidense sigue disminuyendo en lugar de aumentar. Según datos de Crunchbase, el monto total de financiación global en la primera mitad de este año disminuyó un 5% interanual.
Por supuesto, las startups de IA dentro de esto se mantuvieron firmes contra la tendencia, aumentando un 24% interanual, e incluso obtuvieron la mayor inversión trimestral de 24 mil millones de dólares en el segundo trimestre de este año, pero el valor total sigue siendo solo el 70% del de 2021.
Esto se debe a que la flexibilización durante el período de la burbuja de todo en 2021 trajo una enorme liquidez, cuyas secuelas aún no se han disipado. El mercado no tiene tanto dinero como en 2021, pero todavía tiene bastante.
Weiming Xiong compara y dice: "En los últimos dos años, la IA puede haber alcanzado su punto máximo desde el punto de vista de la capitalización. En 2021, Estados Unidos emitió 6 billones de dólares en medio año, lo cual es único en la historia humana. Este tipo de efecto de maduración del capital no tiene precedentes."
Sin embargo, los VC están apretando el dinero en sus manos mucho más que en 2021.
Según los datos proporcionados por COATUE, aunque esta ronda de inversión en IA es animada, los VC no han dado todo de sí. Las firmas de capital privado aún tienen 1 billón de dólares de fondos no invertidos, el nivel más alto de la historia.
Esto se debe principalmente a dos razones.
Una es que las vías de salida no son fluidas, lo que hace que los VC sean muy vacilantes en cuanto a la inversión. Después de la última ronda de "burbuja de todo", el número de empresas unicornio aumentó bruscamente, pasando de 67 en 2016 a 580 en 2021. Pero su tasa de obtención de refinanciación ha estado disminuyendo en línea recta. De 2016 a 2022, la proporción de unicornios que obtuvieron refinanciación en el mismo período cayó del 50% a menos del 20%.
¿Qué hay de las OPI? Es aún más lamentable, básicamente solo ha habido números de un solo dígito desde 2022.
"De hecho, hubo 970 OPI en el mercado de valores estadounidense en 2021, que se redujeron a 162 en 2022, y solo hubo alrededor de 44 en la primera mitad de este año. Esto indica que la contracción del mercado de capitales global es una tendencia obvia."
En esta situación, el único medio de salida que queda es la fusión y adquisición. Este camino es demasiado estrecho.
Otra razón es que la etapa actual de desarrollo de la IA tiene un umbral de inversión relativamente alto, lo que limita la entrada de muchos VC.
"La industria de Internet temprana necesitaba construir sus propios servidores e infraestructura, similar al campo de la IA hoy. El costo de ejecutar un gran modelo una vez varía desde decenas de miles de dólares hasta cientos de millones de dólares, y se encuentra en las primeras etapas de la construcción de una nueva infraestructura."
Descubrimos que la mayoría del dinero que ingresa al campo de la inteligencia artificial fluye hacia las empresas de la capa fundamental (Foundational layer), es decir, las empresas de grandes modelos que conocemos, como OpenAI, Anthropic, Gemini, etc.
Luego utilizan parte de estos fondos para comprar chips de empresas de la capa de computación (Computing layer) como NVIDIA para entrenar sus propios grandes modelos.