Apollo’s John Zito, som talade vid Morgan Stanley US Financials Conference, hävdade att tokenbaserade mått felprissätter AI-ekonomin genom att de följer genomströmning snarare än affärsvärde. Hans bedömning omformulerar tokens som biprodukter snarare än produktivitetsindikatorer, och flyttar fokus till kostnad per enhet ”användbar intelligens”. Utifrån det beskrivs priset på AI som fallande, även när den dominerande berättelsen fortsatt kretsar kring tokenvolymer.
Lägre styckkostnader leder dock inte automatiskt till lägre totalkostnader: kraftigt ökad användning kan fortfarande driva upp de samlade fakturorna och tvinga CFO:er till stramare styrning. Företag rör sig bort från ”fri buffé”-fasen mot tak, larm, modellstyrning (routing) och hårdare kostnadskontroller. Premiumprissättning lär bestå för frontier-modeller där ROI är tydlig, medan uppgifter med lägre värde flyttas till billigare alternativ. Den bredare AI-traden kan fortsätta, men värderingsmultiplar hamnar under lupp när marknaden skiljer verklig hävstång i intelligens från uppgångar som drivs av okontrollerad compute-konsumtion.
Effektivitet före tillväxt: Den nya AI-investeringsberättelsen
Vi ser att marknaden börjar förstå att AI-historien förändras från en enkel tillväxtberättelse till en berättelse om effektivitet. Idén om att AI-utgifterna är ett skenande tåg ifrågasätts, eftersom företag nu fokuserar på avkastningen på de satsningarna. Det innebär att det urskillningslösa köpet av allt som är AI-relaterat sannolikt går mot sitt slut.
Den här förskjutningen syns redan i data. Färska Q1 2026-rapporter från stora molnleverantörer indikerade att även om den totala AI-konsumtionen ökar, har tillväxten i de dyraste API:erna för frontier-modeller bromsat från 60% till 45% på årsbasis. Samtidigt har användningen av mindre, open source-modeller på deras plattformar mer än tredubblats, vilket bekräftar att kunder aktivt söker billigare alternativ för mindre kritiska uppgifter.
För oss pekar detta på en tydlig ökning i volatiliteten för de stora aktörerna inom AI-infrastruktur. Kommande rapport i juli 2026 för ett namn som NVIDIA blir ett viktigt stresstest, och vi anser att optionsmarknaden undervärderar risken för en guidningsjustering mot bakgrund av företagens effektiviseringsfokus. Att köpa straddles eller strangles inför rapporten kan vara ett prudenta sätt att positionera sig för en stor kursrörelse i endera riktningen.
Vi har sett det här mönstret tidigare, särskilt i början av 2000-talet när marknaden gick från att värdera ”eyeballs” till att värdera faktiska vinster. Kostnaden per användbar intelligensenhet kollapsar, i en trend som liknar Moores lag, men marknaden belönar fortfarande bolag utifrån den råa volymen compute de säljer. En nylig analys visar att kostnaden för en komplex kodningsfråga har fallit med över 90% de senaste 18 månaderna – en kraftig deflationär motvind för bolag som säljer rå processorkraft till premiumpris.
Tradingstrategier och marknadsimplikationer
Situationen skapar tydliga möjligheter för parhandel. Vi tittar på att gå lång bolag som tillhandahåller ”picks and shovels” för AI-kostnadshantering och effektivitet, samtidigt som vi tar korta positioner i renodlade compute-leverantörer vars multiplar inte speglar den kommande marginalpressen. Exempelvis är ett bolag som ServiceNow, som förra månaden aviserade en ny plattform för AI-kostnadskontroll, precis den typ av namn som gynnas i denna nya fas av företagens granskning.
Den bredare marknaden framstår som självsäker, med VIX runt 14 trots dessa fundamentala skiften under ytan. Det antyder att hedgingstrategier är relativt billiga just nu. Vi anser att köp av puts på korgar av högt värderade AI-mjukvarubolag som i praktiken bara bäddar in dyra tredjepartsmodeller är ett kostnadseffektivt sätt att positionera sig inför den kommande ”revisionen” av AI-multiplar.
