ZdrojMarket WatchDatum zveřejnění článku: 15. 9. 2026Původní článek: Market WatchTento článek slouží výhradně k informačním účelům a nepředstavuje individuální investiční doporučení ani investiční poradenství. Představuje redakční zpracování veřejně dostupných informací. Cílem je přiblížit čtenářům podstatné informace srozumitelnou formou při zachování významu původních zdrojů. Technologický sektor se obchoduje za 21násobek očekávaných zisků, zatímco v říjnu šlo o 32násobek. Odhady budoucích zisků technologických společností za tři měsíce vzrostly o 19 procent. Polovodičový burzovně obchodovaný fond odepsal od červnového maxima téměř 25 procent.   Ocenění se vrátilo na úroveň z konce roku 2022 Ocenění technologických akcií se v posledních měsících výrazně snížilo. Sektor vymezený podle oborové klasifikace společnosti S&P Global Inc. (SPGI) se nyní obchoduje za 21násobek očekávaných zisků. Ještě v říjnu tento poměr dosahoval 32násobku, vyplývá z údajů Truist. Současná hodnota odpovídá úrovním z konce roku 2022, kdy uvedení ChatGPT od OpenAI odstartovalo prudké rozšiřování zájmu o generativní umělou inteligenci. Od té doby technologické společnosti, výrobci čipů a provozovatelé datových center navyšovali kapacity potřebné k trénování i provozu modelů. Podle analytika Sama Grelcka ze společnosti Truist Financial Corporation (TFC) se do cen sektoru promítají obavy, že vývojáři nejpokročilejších systémů zpomalí tempo tvorby nových modelů. V úterní analýze uvedl, že nejistota může vést k přecenění zejména těch titulů, které se obchodovaly s nejvyššími násobky. Pokles ocenění však doprovází další růst očekávaných hospodářských výsledků. Odhady budoucích zisků technologických společností se během posledních tří měsíců zvýšily o 19 procent. U sektoru s druhým nejrychlejším tempem činil nárůst deset procent, tedy přibližně polovinu. Vývojáři AI volají po pomalejším postupu Novou nejistotu vyvolala veřejná vyjádření představitelů předních laboratoří umělé inteligence. Generální ředitel Anthropicu Dario Amodei, šéf OpenAI Sam Altman a Elon Musk se vyslovili pro zpomalení vývoje, aby pravidla bezpečnosti a dohled získaly více času na přizpůsobení rychlému technologickému pokroku. Amodei v eseji zveřejněné minulou sobotu navrhl omezení výpočetního výkonu používaného při trénování modelů. Takový postup by mohl změnit časový harmonogram budování infrastruktury, která zahrnuje specializované polovodiče, datová centra, energetické zdroje a síťová zařízení. Grelck nicméně rozlišuje mezi výpočetními nároky samotného trénování a následným používáním již vytvořených modelů. Podle jeho analýzy by se při pomalejším vývoji mohla větší část dostupného výkonu přesunout k inferenci, tedy ke zpracování požadavků uživatelů a provádění úloh umělé inteligence v reálném čase. Trénování představuje pro laboratoře náklad, zatímco za inferenční služby mohou účtovat zákazníkům poplatky. Vyšší podíl běžného používání modelů by tak podle Grelcka přinášel více tržeb a peněžních toků ze stávající infrastruktury. To by částečně vyvažovalo obavy trhu spojené s financováním rozsáhlých projektů a úvěrovou zátěží sektoru. Objednávky čipů zatím nevykazují zpomalení Podobný vývoj na straně poptávky popsala v úterní zprávě také Bank of America Corporation (BAC) . Její analytik Vivek Arya uvedl, že navzdory debatě o možném omezení investic do umělé inteligence banka zatím nepozoruje známky útlumu v zákaznických objednávkách. Beze změny podle něj zůstávají také dlouhodobé dohody, závazky k odběru výrobních kapacit a ceny polovodičů. Tyto ukazatele zachycují aktuální chování odběratelů infrastruktury, zatímco veřejná diskuse o zpomalení se soustředí především na budoucí tempo vývoje největších modelů. Vývoj na burze byl mezitím výrazně slabší než provozní ukazatele popsané analytiky. iShares Semiconductor ETF (SOXX) , který sleduje akcie polovodičových společností, od svého červnového maxima klesl téměř o 25 procent. Tržní pohyb tak probíhá současně se zvyšováním odhadů zisků technologického sektoru a s pokračujícími objednávkami polovodičů. Další vývoj bude záviset mimo jiné na tom, jak rychle laboratoře upraví trénování modelů a jak velká část výpočetních kapacit se přesune k jejich každodennímu provozu.