Syklisk optimisme møter geopolitisk usikkerhet – Et reisebrev fra det amerikanske industribeltet

Skrevet av forvalter Robin Øvrebø og analytiker Linus Berglund Østerud.

Når vi snakker om amerikanske selskaper er det lett å bli dratt mot mange av de svært vellykkede teknologiselskapene, men USA har en stor bredde i bransjer, og det finnes svært mange vellykkede industriselskaper. Markedet for industriselskapene har lenge vært todelt: selskaper eksponert mot datasentre og forsvar/luftfart har opplevd sterk etterspørsel og kapasitetsutfordringer, mens den brede industrien har hatt det vesentlig tyngre. Mange av disse industriaksjene opplevde imidlertid god kursutvikling tidlig i år, og det var tegn til håp om at industrien - endelig - skulle oppleve en syklisk opptur etter flere svake år.

PMI var svak i lang tid etter pandemien, men steg over 50 i januar, som var det første ekspansive nivået på lenge. Selskapene vi møtte bekreftet bildet. Et av selskapene vi møtte, Lincoln Electric, nevnte at etterspørselen etter konsumvarer har stabilisert seg, noe som ofte er et tidlig tegn på at sykelen har bunnet ut. Flere av selskapene vi snakket med delte den samme forsiktige optimismen: at vi kanskje hadde sett et bunnpunkt i den brede industrisykelen. Samtidig var de optimistiske med et forbehold: at oljeprisen ikke forblir vedvarende høy.

Usikkerhet er den store fienden for kapitalinvesteringer. Iran-krigen øker usikkerheten igjen for mange bedrifter, særlig gjennom høyere oljepris. Høy oljepris fungerer i praksis som en pengepolitisk innstramning og kan dermed spenne bein på den begynnende sykliske oppturen vi så tegn til ved starten av året. Jo lenger oljeprisen forblir høy, desto sterkere blir den innstrammende effekten, og desto høyere er risikoen for at inflasjonsforventningene igjen stiger.

Vi besøkte også flere selskaper eksponert mot boligbygging. Det avgjørende punktet for disse er at 30-årig boliglånsrente kommer under 6 prosent. Ved starten av året var det tegn til at renten var på vei ned mot dette nivået. Etter økt oljepris og utsikter til høyere renter har imidlertid aktiviteten i boligmarkedet igjen falt tilbake, i et marked som har slitt siden rentene begynte å stige etter pandemien. Det finnes mange gode selskaper innenfor dette segmentet, og flere benytter svakere markeder til å gjøre operasjonelle forbedringer og ta markedsandeler. Men, for at det skal bli ordentlig fart på sakene, er de avhengig av at sluttmarkedene bedres, og det skjer ikke før rentene kommer noe ned. Vi eier flere strukturelle vinnere innenfor dette temaet, men valgte å redusere eksponeringen noe i etterkant av reisen, da det ser ut til at det vil ta mer tid før vi ser bedring i sluttmarkedet. Samtidig er det verdt å minne om at aksjene ofte begynner å bevege seg før man ser det i tallene.

Når vi snakker om kunstig intelligens handler mye av debatten om hvilke applikasjoner som kommer til å vinne frem. Men de som har tjent mest på KI så langt, er de som leverer den fysiske infrastrukturen. Her deles synspunktene i to leire: de som mener det bygges for mye kapasitet for raskt, og de som mener trenden er strukturell og vedvarende. Uansett hvilket syn man har, er realiteten på bakken at byggingen av datasentre skaper massiv etterspørsel etter land, bygg, strøm, kjøling, kabler, transformatorer, generatorer og håndverkere. Ordrereservene er velfylte. Datasentre som tidligere ble dimensjonert for 10-20 megawatt planlegges nå i klynger på 150-200 megawatt. Mangel på elektrikere og andre tekniske fagfolk har blitt en av de mest akutte flaskehalsene.

En annen erfaring vi tok med oss fra reisen er at det blir mer fokus på å optimalisere datakraft og infrastrukturen knyttet til datasentre.  Frem til nå har en vesentlig andel av investeringene først og fremst gått til å trene store språkmodeller, som Claude, ChatGPT, Gemini også videre.  Men to trender påvirker hyperscalernes beslutninger: 1) at deres kontantstrøm og aksjekurser har vært under press og 2) at bedrifter og konsumenter for alvor integrerer disse verktøyene i sine arbeidsflyter, som effektiviseringsverktøy og gjennom AI-agenter. Det endrer kravene til datasenterarkitekturen.

Det som gjør inference-fasen langt mer krevende enn treningen, er den innebygde uforutsigbarheten. Mens trening er stabilt og en kontinuerlig prosess, svinger inference-trafikk med faktisk bruk gjennom dagen. Bruken svinger i takt med når det brukes på jobb, hva som skjer i nyhetsbildet, eller hvis en høy andel av agenter jobber samtidig. Dette gjør at de som eier modellene blir mer opptatt av å optimalisere og få mer «juice» ut av datasentrene. Kostnad per token blir derfor viktig og kan sammenlignes med biler og drivstoffsøkonomi, eller kostnad per mil. Det gjør at helt nye flaskehalser må løses som

• Menneskelig tålmodighet og svartid: høy etterspørsel og samtidig bruk i forhold til kapasitet kan gi lang svartid og nedetid.
• Minne: under inference krever enklere prosessorberegniner, men henter kontinuerlig informasjon fra minnet.
• Nettverket: nettverket er bindeleddet og kobler alt sammen. Forsinkelser her vil være uheldig og effektiv ruting blir derfor viktig.
• Geografi og strøm: Et datasenter for trening kan bygges mer isolert, fordi fysisk avstand til brukeren er mindre viktig. Et datasenter som skal brukes til inference, må derimot bygges mye nærmere brukerne, ofte i tettbefolkede områder, for å holde forsinkelsen i nettverket nede. Dette tvinger datasentrene inn i en tøff konkurranse om strømkapasiteten der den allerede er presset.

Dette betyr at selskapene som leverer AI-applikasjonene, står overfor sitt neste store kappløp. De må bygge systemarkitektur for å håndtere uforutsigbar trafikk, uten forsinkelser og nedetid, samtidig som de må optimalisere «kostnad per token». Bruken av KI-applikasjoner er høy, adopsjonen har gått fort. Utfordringen er fortsatt slik at selskapene subsidierer bruken og at vi som sluttbrukere ikke betaler den faktiske kostnaden det koster å bruke disse verktøyene. Enten må «kostnad per token» kraftig ned, prisene må økes, eller en kombinasjon av begge. Dette gjør at flere av de mer interessante selskapene og investeringsobjektene innenfor KI, foreløpig ikke nødvendigvis er de som leverer applikasjonene eller skyleverandørene. I den fasen vi er nå er det fortsatt de som leverer produktene eller tjenestene knyttet til flaskehalsene som tjener penger. Disse flaskehalsene har også hele tiden forskjøvet seg.

Reisen ga oss et nyttig øyeblikksbilde av den amerikanske realøkonomien. Vi fortsetter å posisjonere porteføljen mot selskaper med varige konkurransefortrinn i strukturelt attraktive markeder. I etterkant av reisen har vi redusert vår eksponering mot boligmarkedet noe, samtidig som vi har fortsatt å øke eksponeringen mot de som leverer infrastruktur inn mot datasentre og KI, blant annet inn mot testing og optimalisering av nettverket, da vi ser det er en tiltakende flaskehals. Samtidig er vi åpne for risikoen som ligger i Nassim Talebs observasjon: «I've seen gluts not followed by shortages, but I've never seen a shortage not followed by a glut.» Selv om det er knapphet i dag, ligger risikoen i at det bygges overkapasitet som til slutt rammer hele verdikjeden. Derfor er vi åpne for at dette øyeblikksbildet raskt kan endre seg.