AMD właśnie sprawiło, że nie da się już dłużej ignorować trendu związanego z AI

Kluczowe wnioski

• Wyniki AMD pokazują, że popyt na rozwiązania oparte na sztucznej inteligencji nie ogranicza się już do Nvidii.

• Akcje Intela i Microna rosną z różnych przyczyn, ale u podstaw tych ruchów leży ten sam łańcuch dostaw związany z AI.

• Inwestorzy powinni koncentrować się na realnych zamówieniach, marżach i wąskich gardłach w łańcuchu dostaw, a nie wyłącznie na nagłówkach dotyczących wycen.

Sztuczna inteligencja (AI) to już nie tylko opowieść o inteligentnych chatbotach, które odpisują na e‑maile z podejrzaną pewnością siebie. Coraz częściej chodzi o fabryki, układy pamięci, serwery, energię, centra danych i łańcuchy dostaw. Mówiąc krótko: cyfrowa rewolucja nabrała bardzo materialnego wymiaru.

5 maja 2026 r. Advanced Micro Devices (AMD) — producent układów scalonych, znany przede wszystkim jako główny rywal Nvidii w procesorach dla AI — podała, że przychody w I kwartale wyniosły 10,3 mld USD, co oznacza wzrost o 38% r/r. Przychody segmentu centrów danych wzrosły o 57%, do 5,8 mld USD, a spółka prognozuje, że w II kwartale sięgną około 11,2 mld USD — co jest powyżej rynkowych oczekiwań, zgodnie z danymi Bloomberga.

Kurs AMD zakończył sesję 5 maja 2026 r. na poziomie 355,26 USD (+4%), po czym w handlu pozasesyjnym wzrósł o ponad 16%. Reakcja rynku była dość jednoznaczna: inwestorzy zobaczyli kolejny sygnał, że wydatki na AI rosną i rozprzestrzeniają się w całym ekosystemie.

To ważne, bo jedno z kluczowych pytań na rynku brzmi: czy AI pozostanie historią jednej spółki i jednego dostawcy, czy przerodzi się w pełnoskalowy cykl branżowy? AMD, Intel i Micron sugerują dziś, że bliżej nam do tego drugiego scenariusza.

AI na giełdzie: od gwiazd do infrastruktury

Nvidia wciąż zdecydowanie prowadzi w układach graficznych (GPU) — specjalistycznych układach przeznaczonych do trenowania i uruchamiania systemów AI. Jej notowania lekko cofnęły się z ostatnich szczytów, ale ważniejsze jest, że inwestorzy zaczynają szukać pozostałych ogniw łańcucha dostaw AI.

Rola AMD jest istotna, bo daje dużym klientom chmurowym realną alternatywę dla Nvidii. Nie oznacza to zastąpienia Nvidii, lecz raczej to, że rynek może być na tyle duży, by pomieścić więcej niż jednego poważnego dostawcę. Gdy popyt jest ogromny, klienci nie lubią polegać na jednym dostawcy. Nawet w świecie chipów nikt nie chce pojedynczego punktu awarii — działy zakupów potrafią się przy tym solidnie spocić (i to w drogich koszulach).

AMD korzysta również z rosnącego popytu na procesory ogólnego przeznaczenia (CPU), które są sercem serwerów. W miarę jak AI przechodzi od trenowania modeli do ich codziennego użycia — tzw. wnioskowania (inference) — firmy potrzebują bardziej zrównoważonych systemów. Mózg AI wymaga akceleratorów, ale równie niezbędne są pamięć, sieć oraz zwykłe procesory serwerowe, aby cała maszyna działała sprawnie.

Dlatego wyniki AMD zostały tak dobrze przyjęte. Historia nie sprowadza się do tego, że sprzedają się wyłącznie akceleratory AI. Chodzi o to, że systemy AI stają się większe, bardziej złożone i bardziej rozproszone w obrębie centrów danych.

Intel i Micron pokazują, gdzie leżą wąskie gardła

Intel to inna historia niż AMD. AMD korzysta z wyraźnego, rosnącego popytu na serwery na potrzeby AI. Intel to raczej opowieść o trudnym, złożonym zwrocie strategicznym. Od lat zmaga się z problemami operacyjnymi, opóźnieniami produkcyjnymi i utratą udziału w rynku. Jednak ostatnie doniesienia, że Apple sondowało możliwość nawiązania współpracy produkcyjnej z Intelem, tłumaczą, dlaczego inwestorzy znów przyglądają się spółce.

Słowem kluczowym jest produkcja. Intel chce rozwinąć działalność jako producent kontraktowy (foundry), czyli firma wytwarzająca układy zaprojektowane przez innych. To istotne, bo podaż chipów staje się sprawą strategiczną. Duże firmy technologiczne i rządy nie chcą, by najważniejsze układy na świecie zależały od zbyt małej liczby fabryk w zbyt małej liczbie lokalizacji. Jeśli więcej podmiotów będzie dążyć do bezpiecznej, lokalnej i zdywersyfikowanej produkcji chipów, Intel może odzyskać znaczenie. Może — i to „może” dźwiga tu duży ciężar. Rynek na razie wycenia opcjonalność, a nie twarde dowody.

Micron opowiada podobną historię, ale z innej perspektywy. Produkuje układy pamięci, które przechowują i przekazują dane w urządzeniach i serwerach. Pamięć to tradycyjnie biznes „górka–dołek”: gdy podaż jest napięta, ceny rosną; gdy chipów jest za dużo, ceny szybko spadają. To gra nie dla ludzi o słabych nerwach — ani dla tych, którzy lubią proste linie na wykresach.

AI prawdopodobnie nie zlikwiduje tej cykliczności, ale może sprawić, że popyt będzie trwalszy. Zaawansowane serwery AI potrzebują ogromnych ilości wydajnej pamięci, bo modele muszą przetwarzać i przesyłać olbrzymie wolumeny danych. Im bardziej AI przesuwa się z eksperymentów do obciążeń produkcyjnych, tym bardziej pamięć staje się wąskim gardłem.

I tu właśnie leży wspólny mianownik. AMD sprzedaje więcej mocy obliczeniowej. Intel może odzyskać znaczenie dzięki produkcji. Micron korzysta z ograniczonej podaży pamięci. Nvidia pozostaje gigantem, do którego wszyscy się porównują. Opowieść o AI przenosi się z nagłówków na zaplecze — do hal i magazynów.

Sygnał z rynku prywatnego jest coraz wyraźniejszy

Ten sam wzorzec widać na rynku prywatnym. Anthropic, firma stojąca za Claude’em, podobno rozważa rundę finansowania, która mogłaby ją wycenić na ponad 900 mld USD. 31 marca 2026 r. OpenAI poinformowało, że pozyskało 122 mld USD przy wycenie post‑money na poziomie 852 mld USD.

To liczby, od których kalkulator ma ochotę zawiesić się na chwilę. Ale nie o samą wycenę tu chodzi, tylko o kierunek. Firmy AI potrzebują ogromnej mocy obliczeniowej, a inwestorzy chcą mieć udziały w tych, które potrafią przekuwać tę moc w przychody.

5 maja 2026 r. firma Anthropic uruchomiła też 10 agentów AI dla sektora finansowego. Te narzędzia mają pomagać w takich zadaniach jak tworzenie pitchbooków (materiałów ofertowych), przegląd sprawozdań finansowych i wyciągów bankowych oraz kontrola zgodności z przepisami. To istotne, bo popyt na AI przesuwa się z testów do codziennych procesów pracy. Jeśli klienci wykorzystują AI do rzeczywistych zadań, popyt na infrastrukturę przestaje być teoretyczny.