O czym jest ten film
- Autor zestawia dwie skrajnie różne strategie inwestowania w AI, które według niego definiują rok 2026.
- Pierwsza to fundusz Leopolda Aschenbrennera, oparty na tezie z jego głośnego eseju „Situational Awareness”.
- Teza zakłada, że da się przewidzieć, gdzie inwestować w AI, cofając się od zapotrzebowania na moc obliczeniową.
- Fundusz przyniósł spektakularne zwroty, ale był mocno lewarowany — czyli finansowany pożyczonym kapitałem.
- W ciągu kilku dni doszło do gwałtownego załamania pozycji funduszu, zwieńczonego „margin callem” tuż przed ślubem Leopolda.
- Ken Griffin i Citadel wykorzystali sytuację, wykupując publiczną część portfela Leopolda z dużym dyskontem.
- Druga strategia to Apple — nie historia finansowa, lecz gra o przewagę na 20–30 lat oparta na własnych chipach.
- Chipy Apple są bardzo dobre w lokalnej inferencji, co czyni firmę „domyślnym zwycięzcą” niezależnie od tego, który model wygra.
- Powołanie Johna Ternusa (specjalisty od chipów) na szefa firmy autor traktuje jako potwierdzenie tej strategii.
- Wniosek: myślenie o AI w horyzoncie dekad zniechęca do lewarowania i wszyscy jesteśmy „zainwestowani” w AI — czasem i uwagą.
Redakcyjne tłumaczenie
Co łączy dzień ślubu, chip M5, margin call i Enron
Powiem wam, co mają ze sobą wspólnego: dzień ślubu, chip M5, margin call i facet zamieszany w aferę Enronu dwadzieścia lat temu. Może wam się wydawać, że to zupełnie odległe wątki, ale do końca tego materiału opowiem wam całą historię i zobaczycie to, co widzę ja.
Nazywam się Nate Beacham. To, czym się zajmuję, to kopanie pod powierzchnią newsów i wyławianie historii, które inni przeoczają. A ta konkretna historia to opowieść o Leopoldzie Aschenbrennerze i o Apple. Nikt jej dotąd tak nie zestawił, nikt tego tak nie rozłożył. Chcę wam pokazać, dlaczego te dwie historie są kluczowymi opowieściami 2026 roku, jeśli chodzi o myślenie o inwestowaniu w AI — bo obrazują tak skrajnie różne strategie.
Kim jest Leopold Aschenbrenner i na czym polega jego teza
Leopold Aschenbrenner jest inwestorem, ale karierę zaczynał w AI. Pracował w czołowych laboratoriach. Potem napisał głośny esej pod tytułem „Situational Awareness”, a na jego fali zebrał fundusz. Poszło mu bardzo, bardzo dobrze w zeszłym roku, a w tym roku jeszcze lepiej — przynajmniej do niedawna zwiększał swoje zwroty.
(Informacja dodatkowa: „Situational Awareness” to opublikowany w 2024 roku esej Aschenbrennera, byłego pracownika OpenAI, przewidujący gwałtowny rozwój sztucznej inteligencji i jego geopolityczne konsekwencje.)
Cała jego teza brzmi tak: da się przewidywalnie zrozumieć, gdzie inwestować w AI, rozumując wstecz — od zapotrzebowania na moc obliczeniową. Można wskazać, które firmy w łańcuchu dostaw warto kupić. Inwestował właśnie na tej podstawie, bo mówił: „Laboratoria będą potrzebowały ogromnej mocy obliczeniowej. Sam tam byłem, wiem to najlepiej”.
I rzeczywiście mu się udało. Zdaje się, że w zeszłym roku osiągnął jakieś dwudziestokrotne zwroty, a do niedawna w tym roku był ponownie na plusie o ponad dwa razy. Niezależnie od dokładnych liczb chodzi o to, że radził sobie nieproporcjonalnie dobrze — do tego stopnia, że każdy zarządzający funduszem zaczął słyszeć pytanie: „A co ty robisz w sprawie strategii Situational Awareness Leopolda Aschenbrennera? Jeśli nic — to dlaczego?”. Nawet Jane Street Capital — firma znana z tego, że z dumą inwestuje własne pieniądze we własne strategie — zajęła pozycję w funduszu Leopolda, bo uznała go za tak obiecujący.
Jak to wszystko runęło
A potem wszystko się zawaliło. I zawaliło się w ciągu ostatnich kilku dni.
Częścią jego sukcesu było to, że stosował dźwignię. Mówiąc prościej, niezależnie od dokładnej skali: pożyczał pieniądze, żeby inwestować w produkty AI, co do których miał wysokie przekonanie. Jeśli nie jesteście inwestorami, pożyczanie po to, by inwestować, może brzmieć jak szaleństwo — ale na Wall Street robi się to często. Niektórzy robią to dobrze, wielu źle. To z pewnością wyższe ryzyko, bo przy dźwigni, gdy akcje idą w górę, idziesz w górę szybciej, a gdy spadają — spadasz szybciej. Takie ryzyko się bierze na siebie.
Leopold miał przekonanie, miał za sobą te zwroty i miał dźwignię. I — co kluczowe — przyciągnął uwagę kogoś, kogo opisałbym jako jednego z pierwotnych „wilków z Wall Street”: Kena Griffina. To człowiek, którego historia inwestycyjna sięga transakcji wokół Enronu. Jest graczem od bardzo dawna.
(Informacja dodatkowa: Ken Griffin to założyciel funduszu hedgingowego Citadel, jednej z największych firm inwestycyjnych świata.)
Kiedy na stole jest zbyt duża dźwignia, pojawia się okazja do zakupu — o ile wiesz, jak ją wykorzystać. Ken Griffin i jego Citadel doskonale to rozumieli.
Mam ludzi, którzy piszą mi w wiadomościach: „To była manipulacja rynkowa”. Zapewniam was — żadne zarzuty nie zostaną postawione. Nie ma tu niczego, co Wall Street uznałaby za nielegalne albo co zaniepokoiłoby SEC. To zwyczajny bieg spraw, kiedy jesteś na Wall Street. Tak to po prostu działa.
Citadel opublikowała notatkę dla inwestorów — coś, co robi się cały czas, nic nadzwyczajnego — we wtorek. Działo się to po kilku tygodniach, w których handel wokół AI dostawał baty, po tym jak koreańska firma SK Hynix weszła na giełdę i po IPO nieco obniżyła notowania. Presja na strategię Leopolda już więc narastała, bo mieliśmy lipiec słabszy, niż zapewne by sobie życzył.
(Informacja dodatkowa: SK Hynix to koreański producent układów pamięci, kluczowy dostawca kości pamięci wykorzystywanych w akceleratorach AI.)
W tym kontekście wychodzi notatka. I nie jest ona o AI — jest o podwyżce stóp przez Rezerwę Federalną. Brzmi zupełnie niewinnie. Ale Citadel pisze w niej — i ma pełne prawo tak napisać, każdy może mieć dowolną opinię, to tylko notatka z opinią — że ich zdaniem Fed podniesie stopy.
A kiedy podnosi się stopy, pieniądz staje się droższy. A kiedy pieniądz jest droższy, handel wokół AI wygląda mniej atrakcyjnie — bo na koniec dnia rośnie cena pieniądza. Wszystko, co choćby trochę zmienne, ryzykowne albo już poddane presji sprzedażowej w lipcu — a AI temu podlegało — będzie wyglądać mniej pociągająco.
Innymi słowy: Citadel publikuje notatkę i dzieje się coś przewidywalnego. Większa presja sprzedażowa na handel wokół AI, czyli większa presja na Leopolda i strategię Situational Awareness, co — z powodu dźwigni — spada na jego fundusz nieproporcjonalnie mocno.
Margin call w dniu ślubu
Czasem masz tyle dźwigni, że broker dzwoni i mówi: „Musisz dołożyć kapitału do funduszu, żebyśmy mogli pokryć czerwone straty, które widzimy w twoim portfelu. Musisz pokazać, że jesteś płynny. Dołóż kapitału”. To właśnie działo się z Leopoldem w tym tygodniu.
I tu robi się jak z „Wilka z Wall Street”. Jego ślub odbywał się w miniony weekend. Przygotowywał się do wesela, a to wszystko działo się w tle. Wiecie, kto nie chce dostać margin callu w dniu swojego ślubu? Leopold nie chce. Ja też nie. Nikt nie chce margin callu w dniu ślubu.
I wkracza Ken Griffin. W czwartek mówi: „Zajmę się tym”. A robi to tak, że wykupuje cały portfel akcji notowanych publicznie należący do Leopolda. „Book” to twój zbiór zleceń, twój portfel. Griffin po prostu go wykupuje. Z perspektywy Citadel: wchodzą w handel wokół AI, co do którego mogą mieć długoterminowe przekonanie, i to z dużym dyskontem na cenie wejścia.
A ponieważ Citadel ma na Wall Street znakomitą reputację, gdy w czwartek przebija się wiadomość, że wykupili ten publiczny portfel, sam ten fakt daje im w ciągu dnia zysk rzędu trzech–czterech miliardów dolarów — bo rynek ma tak duże zaufanie do ich decyzji.
Podsumujmy tę historię, zanim przejdziemy do Apple
Leopold miał silne przekonanie co do konkretnej tezy o AI. Radził sobie naprawdę, naprawdę dobrze, inwestując zgodnie z nią. Trochę przesadził z dźwignią. I teraz ta teza wciąż jest ważna, ale w praktyce zostaje rozdzielona: publiczną częścią handluje Citadel, a prywatną nadal zarządza sam Leopold.
Apple — zupełnie inna gra
Apple to nie historia inwestycyjna. To nie historia finansowa. Apple to opowieść o długoterminowej przewadze budowanej przez inwestycje w sprzęt i w doświadczenie klienta. Apple nie ma dwuletniego planu na AI ani dziesięcioletniej wizji. Apple myśli o AI w kategoriach dwudziestu, trzydziestu lat naprzód.
Po dekadzie z okładem firma jest w miejscu, w którym sama projektuje swoje chipy. A jej chipy są naprawdę bardzo dobre w lokalnej inferencji — czyli w używaniu modelu lokalnie, generowaniu tokenów lokalnie, wykonywaniu pracy z AI lokalnie, na twoim urządzeniu Apple.
(Informacja dodatkowa: inferencja lokalna to uruchamianie modelu AI bezpośrednio na urządzeniu, bez wysyłania danych do chmury.)
Okazuje się, że kiedy w to inwestujesz, zostajesz domyślnym zwycięzcą — niezależnie od tego, jakiego modelu ludzie używają. Właśnie dlatego kolejne startupy w Dolinie Krzemowej pracują na Macach. Dlatego gdy w lutym próbowałeś uruchomić Open Claw, wszyscy mówili: „Użyj Maca mini”. Dlatego patrząc na przyszłe premiery Apple, my — ludzie od AI — myślimy dużo mniej o oprogramowaniu, a dużo więcej o tym, jak będzie wyglądał następny chip. Jak będzie wyglądał M6? Mamy teraz M5. Jak szybki będzie kolejny?
I dlatego Apple powierzyło kierowanie firmą Johnowi Ternusowi — bo zgadnijcie, w czym się specjalizuje. W chipach. Zawsze był w czołówce, w samym sercu ekosystemu technologicznego Apple.
(Informacja dodatkowa: John Ternus przez lata odpowiadał w Apple za inżynierię sprzętu, w tym za rozwój własnych układów krzemowych.)
Można by pomyśleć, że Steve Jobs chciałby na tym stanowisku człowieka od ekosystemu, od doświadczenia klienta — kogoś, komu zależy na tym magicznym uczuciu trzymania iPhone’a w dłoni. Ale ja twierdzę, że Apple naprawdę potrzebuje kogoś, kto rozumie, że gra chipowa czyni firmę domyślnym zwycięzcą wyścigu AI. Nieważne, które laboratorium wygra, nieważne, czy wygra open source, czy wygra czołowe laboratorium — i tak potrzebujesz chipów, żeby skutecznie generować tokeny na swoim urządzeniu. A to daje mnóstwo opcji.
Co wystarczy Apple, żeby wygrać
Wszystko, co Apple musi zrobić, by wygrać — a to nie jest wygrana gwarantowana, tylko bardzo silna pozycja — to utrzymać ceny pamięci i chipów na tyle w ryzach, żeby zarabiać na sprzęcie dobre, „applowskie” marże. A potem wystarczy usiąść i dalej inwestować w tę długoterminową pozycję sprzętową. Wtedy ma mnóstwo opcji na wygraną, niezależnie od tego, kto jeszcze siedzi przy stole.
Gdy grasz mądrze w ten sposób, wygrywasz tak czy inaczej. Bo jeśli chcą mieć model — a mają — idą do Google i dogadują się. Idą do Anthropic, może i tam dobiją targu, i uzyskują dostęp do czołowego modelu. Mają na to gotówkę, potrafią dostarczyć doświadczenie klienta, a wszystko podpierają swoje chipy.
Kto ma lepszą strategię?
Może się wydawać, że buduję narrację, w której Apple jest oczywistym zwycięzcą, a Leopold — po fatalnym lipcu — oczywistym przegranym. Nie sądzę, żeby to była prawda. Osiąganie zwrotów na rynku i realne ich zaksięgowanie jest naprawdę, naprawdę trudne. Leopoldowi się to udawało. Nie sądzę, żeby na długo zniknął z rozmowy o inwestycjach. Wciąż zarządza funduszem z miliardami dolarów w prywatnych inwestycjach w startupy. Wróci do gry. To długi wyścig.
Jednym z wniosków, jakie z tego wyciągam, jest to, że jeśli myślisz o inwestycjach w AI, naprawdę musisz myśleć w tych samych ramach czasowych co Apple — dekad i dwudziestu lat. I zauważam jeszcze jedno: jeśli myślisz w takich horyzontach, prawdopodobnie weźmiesz na siebie mniej dźwigni, bo po drodze do dziesięcio- i dwudziestoletnich celów jest miejsce na dużą zmienność. Będą dni, gdy giełda rośnie, i dni, gdy spada. Chcesz być w pozycji, w której kapitalizujesz zyski w długim terminie.
Możesz mieć fantastyczną pozycję sprzętową, ale musisz świadomie ją zmonetyzować, żeby dojść tam, dokąd chcesz. Kilka miesięcy temu nagrałem film — wielu z was go oglądało — o tym, że gdyby Apple chciało, mogłoby zająć pozycję, z której oferuje firmom efektywną lokalną moc obliczeniową dla AI. Ciekawe jest to, że możesz mieć wszystkie te przewagi, zbierać sporo pasywnych marż z dobrej pozycji w biznesie chipowym — a wciąż być niedomonetyzowanym w AI, bo nie w pełni dostrzegasz, jak ogromny wpływ będzie miało AI na całe spektrum klientów: od korporacji, przez małe firmy, po zwykłych konsumentów, takich jak ty i ja.
Może się więc wydawać, że Apple jest po prostu domyślnym zwycięzcą tej historii, ale myślę, że to trochę bardziej skomplikowane. Dzielę się tym, bo chciałbym poznać wasz punkt widzenia. Napiszcie w komentarzach: kto waszym zdaniem ma lepszą strategię? Jak wy byście to rozegrali?
I mam dla was nowinę. Możesz nie być giełdowym inwestorem, ale z powodu wpływu AI na świat — na nasz czas, naszą uwagę, na to, co robimy z naszymi narzędziami — wszyscy jesteśmy zainwestowani w AI. Mam nadzieję, że to przypomnienie, że istnieje mnóstwo różnych sposobów podejścia do przyszłości AI. Masz na stole wiele opcji. Która jest twoja?
10 najważniejszych takeaways — z kontekstem zastosowania
1.Dźwignia przyspiesza zyski i straty w obie strony
Na czym polega: Aschenbrenner pomnażał zwroty, bo inwestował pożyczonym kapitałem. Ten sam mechanizm, który dawał ponadprzeciętne wyniki w hossie, zamienił lipcową korektę w gwałtowne załamanie i margin call.
Jak stosować: Traktuj wysokie zwroty lewarowanych funduszy jako informację o ryzyku, a nie tylko o umiejętnościach. Jeśli sam korzystasz z dźwigni, z góry ustal, ile straty jesteś w stanie znieść bez dokładania kapitału.
Na co uważać: Świetne historyczne wyniki nie znikają ryzyka — mogą je maskować. Pytaj zawsze, ile z zysku pochodzi z dźwigni, a ile z trafnej tezy.
2.Krótkoterminowe zaskoczenie funduszu vs. dekadowa gra Apple
Na czym polega: Materiał zestawia dwie filozofie: szybkie, przekonaniowe inwestowanie Leopolda i myślenie Apple w horyzoncie 20–30 lat opartym na sprzęcie.
Jak stosować: Zanim wejdziesz w jakikolwiek trend AI, świadomie wybierz horyzont czasowy. Dłuższy horyzont zwykle uzasadnia mniejsze lewarowanie i większą tolerancję na zmienność.
Na co uważać: Nie myl chwilowej porażki (słaby lipiec) z porażką strategii. Autor wprost zaznacza, że Leopold prawdopodobnie wróci do gry.
3.„Domyślny zwycięzca” — pozycja niezależna od tego, kto wygra wyścig modeli
Na czym polega: Chipy Apple dobre w lokalnej inferencji sprawiają, że firma korzysta niezależnie od tego, który model czy laboratorium zdominuje rynek.
Jak stosować: Szukając ekspozycji na AI, rozważ „infrastrukturę” (sprzęt, moc, narzędzia), która zarabia bez względu na to, który model wygra, zamiast obstawiać jednego zwycięzcę modeli.
Na co uważać: Pozycja „domyślnego zwycięzcy” to potencjał, nie gwarancja — trzeba ją jeszcze aktywnie zmonetyzować.
4.Lokalna inferencja to realna przewaga sprzętowa
Na czym polega: Uruchamianie modeli lokalnie na Macach jest na tyle dobre, że startupy w Dolinie Krzemowej domyślnie sięgają po sprzęt Apple (np. Mac mini).
Jak stosować: Jeśli budujesz produkty AI, rozważ lokalną inferencję tam, gdzie liczą się prywatność, koszt lub opóźnienia — a Apple Silicon jako praktyczną platformę.
Na co uważać: Lokalne modele mają ograniczenia względem czołowych modeli w chmurze; oceniaj, czy jakość lokalna wystarcza dla twojego zastosowania.
5.Nominacje kadrowe zdradzają prawdziwą strategię firmy
Na czym polega: Wybór Johna Ternusa — specjalisty od chipów — na szefa Apple autor czyta jako sygnał, że firma stawia na krzem, a nie tylko na doświadczenie klienta.
Jak stosować: Analizując konkurenta lub potencjalną inwestycję, patrz na tło osób obejmujących ster — mówi ono więcej o priorytetach niż komunikaty marketingowe.
Na co uważać: To interpretacja autora, nie oficjalne stanowisko Apple. Traktuj jako hipotezę do weryfikacji, nie fakt.
6.Makroekonomia (stopy procentowe) uderza w aktywa ryzykowne najmocniej
Na czym polega: Sama zapowiedź możliwej podwyżki stóp przez Fed zwiększyła presję na handel wokół AI, bo droższy pieniądz obniża atrakcyjność aktywów ryzykownych.
Jak stosować: Śledź kierunek stóp procentowych jako tło dla inwestycji w AI — to często silniejszy krótkoterminowy czynnik niż same newsy technologiczne.
Na co uważać: Opinia o stopach to nie fakt; notatka Citadel była zdaniem, nie prognozą pewną. Odróżniaj narrację rynkową od twardych danych.
7.Notatki i reputacja poruszają rynkiem same w sobie
Na czym polega: Publikacja notatki i wieść o zakupie portfela przez Citadel przyniosły firmie miliardowe zyski w jeden dzień — dzięki zaufaniu rynku do jej decyzji.
Jak stosować: Zwracaj uwagę, kto stoi za komunikatem. Reputacja nadawcy potrafi zmienić rynek bardziej niż sama treść informacji.
Na co uważać: To, co wygląda na „manipulację”, bywa legalnym biegiem spraw. Nie zakładaj przestępstwa tam, gdzie działa asymetria wiedzy i kapitału.
8.Marże na sprzęcie zależą od cen pamięci i chipów
Na czym polega: Aby utrzymać przewagę, Apple musi trzymać w ryzach ceny pamięci i układów — tak, by dalej osiągać dobre marże na sprzęcie.
Jak stosować: Oceniając firmy sprzętowe AI, patrz na łańcuch dostaw komponentów (np. pamięci od dostawców takich jak SK Hynix) jako czynnik ryzyka marż.
Na co uważać: Wahania cen komponentów i IPO dostawców potrafią przecenić cały segment — koszt wejścia bywa poza kontrolą pojedynczej firmy.
9.Silna pozycja to nie to samo co pełna monetyzacja
Na czym polega: Apple może zbierać pasywne marże ze sprzętu, a wciąż być „niedomonetyzowane” w AI, jeśli nie wykorzysta go w pełni u wszystkich typów klientów.
Jak stosować: Nie zatrzymuj się na posiadaniu przewagi — zaplanuj konkretne sposoby jej spieniężenia (produkty, usługi, segmenty klientów).
Na co uważać: Pasywne zyski usypiają czujność. „Domyślna” przewaga bez działania może zostać z czasem oddana konkurencji.
10.Wszyscy jesteśmy „zainwestowani” w AI — czasem i uwagą
Na czym polega: Nawet nie grając na giełdzie, lokujesz w AI swój czas, uwagę i sposób pracy z narzędziami.
Jak stosować: Świadomie decyduj, którym narzędziom AI oddajesz uwagę i czas — traktuj to jak alokację ograniczonego zasobu, tak samo jak kapitał.
Na co uważać: Brak decyzji też jest decyzją. Jeśli nie wybierzesz świadomie swojego podejścia do AI, wybiorą je za ciebie domyślne narzędzia i przyzwyczajenia.