Τα εξωπραγματικά ποσά γύρω από την Τεχνητή Νοημοσύνη έχουν αρχίσει να προκαλούν νευρικότητα, από τα χρηματιστήρια μέχρι τα ασφαλιστικά γραφεία.
Ουδείς αρνείται την πιθανότητα να «σκάσει» ο κλάδος, ωστόσο, κάποιοι αναλυτές παραπέμπουν στην ιστορία για να υποστηρίξουν, ότι οι φούσκες των κεφαλαιακών δαπανών σχεδόν πάντα σκάνε, αλλά σπάνια όταν οι επενδυτές υποψιάζονται ότι θα σκάσουν.
Τεχνητή Νοημοσύνη: Τα σημάδια
Με μόλις τέσσερις μήνες να απομένουν για το 2026, γίνεται όλο και πιο αισθητή η επιθυμία επενδυτικής απομάκρυνσης από την Τεχνητή Νοημοσύνη.
Ο S&P 500 έχει κερδίσει περίπου 12% φέτος, αλλά μόνο ελαφρώς υψηλότερα από ό,τι στις αρχές Ιουνίου.
Όσο περισσότερο παραμένει κολλημένος, τόσο πιο εύκολο είναι να επικεντρωθεί κανείς σε αυτό που θα μπορούσε να πάει στραβά. Και κανένα ζήτημα δεν διαφαίνεται μεγαλύτερο από το τεράστιο ποσό χρημάτων που ξοδεύουν οι εταιρείες στην τεχνητή νοημοσύνη αυτή τη στιγμή.
Η κλίμακα των κεφαλαιουχικών δαπανών στην Τεχνητή Νοημοσύνη είναι εκπληκτική.
Από τις αρχές του 2024, περίπου 500 δισεκατομμύρια δολάρια έχουν δαπανηθεί σε τσιπ, 350 δισεκατομμύρια δολάρια σε υποδομές ενέργειας, 200 δισεκατομμύρια δολάρια σε κατασκευές και 100 δισεκατομμύρια δολάρια σε δικτύωση.
Αυτό επισκιάζει τα περίπου 575 δισεκατομμύρια δολάρια σε κεφαλαιουχικές δαπάνες από ολόκληρο τον S&P 500 το 2021, το έτος πριν από την έναρξη του ChatGPT της OpenAI.
Όσο οι εταιρείες πλήρωναν για την Τεχνητή Νοημοσύνη από την ελεύθερη ταμειακή ροή, κανείς δεν φαινόταν να ενοχλείται. Αλλά τώρα, οι παλιές μηχανές ταμειακής ροής – Amazon.com, Alphabet, Meta Platforms και Microsoft, μεταξύ άλλων – καταβάλλουν κάθε δυνατή προσπάθεια για να πληρώσουν για τα κέντρα δεδομένων Τεχνητής Νοημοσύνης τους, και οι ανησυχίες αυξάνονται.
Όχι αδίκως.
Το ποσό που στοχεύουν να δαπανήσουν είναι συγκλονιστικό – περίπου 2 τρισεκατομμύρια δολάρια τα επόμενα δύο χρόνια – και οι ανησυχίες αρχίζουν να εμφανίζονται στις αγορές χρέους, όπου το κόστος ασφάλισης έναντι πιστωτικής αθέτησης έχει εκτοξευθεί.
Η Wall Street ανησυχεί επίσης για τις μετοχές.
Οι μετοχές των εταιρειών Τεχνητής Νοημοσύνης έχουν υποχωρήσει κατά 20% από το υψηλό των 52 εβδομάδων τον Ιούνιο.
Είναι αρκετό για να κάνει έναν επενδυτή να αναρωτηθεί για το πόσο προ των πυλών είναι το τέλος της ανάπτυξης της Τεχνητής Νοημοσύνης, ή, τουλάχιστον, της επενδυτικής περιπέτειάς της.
Τεχνητή Νοημοσύνη: Η πείρα από το παρελθόν
Η ιστορία δείχνει το αντίθετο, υποστηρίζουν οι αναλυτές.
Ενώ η έκρηξη των κεφαλαιακών δαπανών της Τεχνητής Νοημοσύνης σχεδόν σίγουρα θα έχει άσχημη κατάληξη, οι πιθανότητες να έχει άσχημη κατάληξη τώρα είναι χαμηλές.
Κατά τη διάρκεια της 250χρονης ιστορίας της Αμερικής, η οικονομία έχει απορροφήσει δαπάνες για τεχνολογία μετασχηματισμού που ισοδυναμούν με περίπου το 25% της οικονομικής παραγωγής πριν τα πράγματα γίνουν πραγματικά δύσκολα, σύμφωνα με ανάλυση της Barron’s.
Η τεχνητή νοημοσύνη δεν είναι ακόμα εκεί και δεν θα φτάσει για χρόνια, γεγονός που υποδηλώνει ότι το εμπόριο της Τεχνητής Νοημοσύνης – και το ράλι της χρηματιστηριακής αγοράς – έχουν περισσότερο περιθώριο να λειτουργήσουν.
«Νομίζω ότι θα συνεχίσουμε», λέει ο επικεφαλής τεχνολογικής έρευνας της Melius Research, Ben Reitzes. «Αυτό θα είναι μεγαλύτερο από ό,τι νομίζει κανείς, για περισσότερο από ό,τι νομίζει κανείς».
Η Αμερική έχει μακρά ιστορία ανόδου και πτώσης κεφαλαίων. Από την επέκταση των σιδηροδρόμων της δεκαετίας του 1860, μέσω της έκρηξης της ηλεκτροκίνησης της δεκαετίας του 1920, έως τις φούσκες των dotcom και των κατοικιών της δεκαετίας του 1990 και του 2000, ακολούθησαν ένα παρόμοιο μοτίβο.
Έρχεται μια νέα τεχνολογία που αντιμετωπίζεται με ενθουσιασμό από τους επενδυτές, ωθεί προς τα πάνω τις αποτιμήσεις και τελικά οδηγεί σε αυξήσεις μετοχών και χρέους και ζητήματα συγκέντρωσης της αγοράς προτού καταρρεύσει.
Ωστόσο, οι εκρήξεις δεν τελειώνουν από μόνες τους. Απαιτούν ένα εξωτερικό σοκ για να τονωθεί η παρακμή, κάτι που μπορεί να βασίζεται στην πολιτική, όπως μια αύξηση των επιτοκίων της Fed ή ένα γεγονός όπως ο σεισμός του Σαν Φρανσίσκο του 1906.
Πού εμπίπτει η τεχνητή νοημοσύνη στον παραπάνω κύκλο;
Κάποιος θα μπορούσε να μιλήσει για «κανόνα του 25», από το ποσό των συνολικών δαπανών που μπόρεσαν να «χωνέψουν» οι ΗΠΑ κατά τη διάρκεια της μετασχηματιστικής έκρηξης ως ποσοστό της συνολικής οικονομίας.
Στην αρχή της έκρηξης των σιδηροδρόμων στη δεκαετία του 1860, για παράδειγμα, το ακαθάριστο εγχώριο προϊόν των ΗΠΑ ήταν περίπου 10 δισεκατομμύρια δολάρια ετησίως, σύμφωνα με το Εθνικό Γραφείο Οικονομικών Ερευνών, ενώ οι σιδηροδρομικές δαπάνες ανήλθαν τελικά σε 2,5 δισεκατομμύρια δολάρια πριν φτάσει ο πανικός του 1873.
Ομοίως, περίπου 1,5 τρισεκατομμύρια δολάρια δαπανήθηκαν για την κατασκευή υποδομής Διαδικτύου στα τέλη της δεκαετίας του 1990, ενώ η οικονομία των ΗΠΑ ήταν μόλις 6 τρισεκατομμύρια δολάρια εκείνη την εποχή. Το ίδιο ισχύει για τη βιομηχανική κατασκευή και την ηλεκτροκίνηση της δεκαετίας του 1920.
Τεχνητή Νοημοσύνη: «Εξωγήινα» ποσά
Χρησιμοποιώντας αυτό το πρότυπο, είναι δυνατό να δημιουργηθεί μια εκτίμηση από πάνω προς τα κάτω για το πόσα μπορούν να δαπανηθούν για την Τεχνητή Νοημοσύνη πριν η οικονομία είναι έτοιμη να καταρρεύσει υπό το βάρος της. Με το ΑΕΠ των ΗΠΑ να ανέρχεται σε περίπου 30 τρισεκατομμύρια δολάρια, η επικίνδυνη ζώνη βρίσκεται σε περίπου 7,5 τρισεκατομμύρια δολάρια ή σε επιπλέον 5 έως 6 τρισεκατομμύρια δολάρια σε εγχώριες δαπάνες για την Τεχνητή Νοημοσύνη.
Οι μεγαλύτερες εταιρείες προβλέπεται να δαπανήσουν 3,7 τρισεκατομμύρια δολάρια παγκοσμίως έως το 2029. Με αυτόν τον ρυθμό, οι δαπάνες για την Τεχνητή Νοημοσύνη δεν θα ξεφύγουν από τον κανόνα των 25 πριν από τις αρχές της δεκαετίας του 2030, έξι ή επτά χρόνια μετά την άνθηση.
Ακόμα και όταν συμβαίνει αυτό, δεν σκάνε όλες οι κεφαλαιακές δαπάνες. Για να πετύχει μια έκρηξη κεφαλαιουχικών δαπανών, οι δαπάνες πρέπει να επιβραδυνθούν ενώ η κερδοφορία αυξάνεται, σημειώνει ο McCourt του Raymond James, επιτρέποντας στις επιχειρήσεις να αυτοχρηματοδοτηθούν. Ο
McCourt αναγνωρίζει τη δυνατότητα βιωσιμότητας της ανάπτυξης της Τεχνητής Νοημοσύνης, αλλά σημειώνει ότι είναι πολύ πιο δύσκολο χωρίς κρατική υποστήριξη ή με σχετικά αργό ρυθμό. «Ιστορικά, αυτή η ομαλή άνοδος στην κερδοφορία χωρίς κανένα πρόβλημα στις κεφαλαιουχικές δαπάνες δεν έχει συμβεί ποτέ πριν σε αυτή την κλίμακα, εκτός από τις μεγάλες εκρήξεις κεφαλαιουχικών δαπανών που χρηματοδοτούνται από την κυβέρνηση», εξηγεί ο McCourt.
Και εκεί είναι που τα πράγματα δυσκολεύουν.
Οι μεγάλες εταιρείες – Meta Platforms, Microsoft, Amazon.com και Alphabet – δαπάνησαν περίπου 125 δισεκατομμύρια δολάρια σε νέες εγκαταστάσεις και εξοπλισμό το 2021. Το 2026, αυτός ο αριθμός θα πλησιάσει τα 700 δισεκατομμύρια δολάρια. Το 2027, θα είναι 1 τρισεκατομμύριο δολάρια, και περίπου το ήμισυ των συνολικών κεφαλαιουχικών δαπανών για τον S&P 500.
Αυτά τα χρήματα είναι ο σφόνδυλος που κινεί την χρηματιστηριακή αγορά, μετατρέποντας τα έσοδα σχεδόν σε όλους: κατασκευαστικές εταιρείες που κατασκευάζουν τα κέντρα δεδομένων, εταιρείες κοινής ωφέλειας που παρέχουν την ηλεκτρική ενέργεια για την τροφοδότησή τους, κατασκευαστές ηλεκτρονικών ειδών που κατασκευάζουν τα καλώδια, τους συνδετήρες και τα ψυγεία για να τα διατηρούν σε λειτουργία. Και έπειτα υπάρχουν οι κατασκευαστές τσιπ, των οποίων τα προϊόντα οδηγούν την υπολογιστική ισχύ που κάνει την Τεχνητή Νοημοσύνη να λειτουργεί.
Χαρακτηριστικό παράδειγμα: η Nvidia, η οποία την Τετάρτη ανακοίνωσε καλύτερα από τα αναμενόμενα κέρδη του δεύτερου τριμήνου και προέβλεψε μια εντυπωσιακή αύξηση εσόδων 70% για το οικονομικό έτος 2028.
Υπάρχουν ενδείξεις ότι οι δαπάνες γίνονται πιο κερδοφόρες. Η επιχείρηση cloud της Alphabet αυξήθηκε κατά 82% σε ετήσια βάση το δεύτερο τρίμηνο.
Ο τρέχων ετήσιος ρυθμός εσόδων της Anthropic – το αγαπημένο μέτρο της Wall Street για τις νεοσύστατες επιχειρήσεις τεχνητής νοημοσύνης – εκτιμάται επί του παρόντος ότι είναι πάνω από 65 δισεκατομμύρια δολάρια, από 9 δισεκατομμύρια δολάρια στο τέλος του 2025.
Αυτό σημαίνει ότι η Anthropic έχει προσθέσει επιχειρήσεις περίπου στο μέγεθος της 50χρονης Oracle σε οκτώ μήνες. Η SpaceX, η οποία απορρόφησε την xAI του Elon Musk τον Φεβρουάριο, δημιούργησε έσοδα από την τεχνητή νοημοσύνη 3,2 δισεκατομμύρια δολάρια το 2025 και πιθανότατα θα ξεπεράσει τα 60 δισεκατομμύρια δολάρια το 2027.
Μεγάλο μέρος αυτών των εσόδων προέρχεται από τρίτους, συμπεριλαμβανομένων των Anthropic και Alphabet, οι οποίοι ενοικιάζουν την χωρητικότητα των επίγειων κέντρων δεδομένων της SpaceX για δισεκατομμύρια το μήνα.
Μπορεί επίσης να είναι το σωστό είδος κερδοφορίας: Ενώ ο S&P 500 χρειάζεται περιουσιακά στοιχεία 2 έως 3 δολαρίων για να δημιουργήσει πωλήσεις 1 δολαρίου, ένα γιγαβάτ υπολογιστικής ισχύος που κοστίζει 40 δισεκατομμύρια δολάρια για να κατασκευαστεί μπορεί να παράγει πωλήσεις 40 δισεκατομμυρίων δολαρίων. Αυτή είναι μια επικά καλή επιχείρηση.
Ωστόσο, η χρηματοδότηση 6 τρισεκατομμυρίων δολαρίων για κεφαλαιουχικές δαπάνες τεχνητής νοημοσύνης σε λίγα χρόνια απαιτεί πολλές κεφαλαιαγορές των ΗΠΑ.
Διαχειρίστηκαν την αύξηση μετοχικού κεφαλαίου της Alphabet ύψους 85 δισεκατομμυρίων δολαρίων τον Ιούνιο και η SpaceX σημείωσε ρεκόρ για μια νέα δημόσια προσφορά εταιρείας, συγκεντρώνοντας 86 δισεκατομμύρια δολάρια στην αρχική δημόσια προσφορά της και άλλα 25 δισεκατομμύρια δολάρια από τις αγορές ομολόγων μόλις 10 ημέρες αργότερα. Άλλες χρειάστηκε να γίνουν πιο δημιουργικές.
Η Nvidia θα παράσχει έως και 100 δισεκατομμύρια δολάρια σε χρηματοδότηση στην OpenAI, ώστε να μπορεί να χρησιμοποιεί μονάδες επεξεργασίας γραφικών Nvidia, ή GPU, σε έως και 10 γιγαβάτ υπολογιστικής ισχύος τεχνητής νοημοσύνης.
Η OpenAI, η Oracle και η SoftBank ξεκίνησαν το Stargate Project, ένα έργο χρηματοδότησης υποδομών τεχνητής νοημοσύνης με δεσμεύσεις περίπου 500 δισεκατομμυρίων δολαρίων.
Η Meta Platforms δημιούργησε ένα όχημα ειδικού σκοπού που ονομάζεται Beignet Investor για την κατασκευή πέντε γιγαβάτ υπολογιστικής χωρητικότητας τεχνητής νοημοσύνης στο Richland Parish της Λουιζιάνα, με περίπου 27 δισεκατομμύρια δολάρια σε χρέος και 3 δισεκατομμύρια δολάρια σε ίδια κεφάλαια.
Η Meta θα κατέχει το 20%, με την Blue Owl Capital και άλλους ιδιωτικούς επενδυτές να κατέχουν το 80%, αλλά η Meta θα είναι αυτή που θα νοικιάζει το κέντρο δεδομένων και θα πληρώνει τα λειτουργικά έξοδα, και θα είναι υπεύθυνη για το χρέος εάν αποφασίσει να μην ανανεώσει τη μίσθωση. Δεν είναι περίεργο που το χρέος της Beignet έχει αξιολόγηση A+.
Συνολικά, η χρηματοδότηση της «εξαιρετικής ανάπτυξης» θα απαιτήσει τα πάντα, από τις δημόσιες αγορές μετοχών έως την ιδιωτική πίστωση, λέει ο αναλυτής της J.P. Morgan Securities, Tarek Hamid.
Προβλέπει περισσότερα από 5 τρισεκατομμύρια δολάρια σε δαπάνες για κέντρα δεδομένων τεχνητής νοημοσύνης από το 2026 έως το 2030, με 1,5 τρισεκατομμύριο δολάρια να χρηματοδοτούνται από ταμειακές ροές, 500 δισεκατομμύρια δολάρια από νέα ίδια κεφάλαια, 2,5 τρισεκατομμύρια δολάρια από πιστωτικές αγορές και 1,4 τρισεκατομμύρια δολάρια από εναλλακτικές πηγές, όπως η συμφωνία της Meta με τη Λουιζιάνα, και τις κυβερνήσεις.
Τεχνητή Νοημοσύνη: Ο παράγοντας Fed
Με τόσα πολλά να εξαρτώνται από τη χρηματοδότηση – και μάλιστα τη μη παραδοσιακή – ο μεγαλύτερος κίνδυνος μπορεί να είναι οι αυξήσεις των επιτοκίων της Fed. Οι αποδόσεις των μακροπρόθεσμων ομολόγων του Δημοσίου βρίσκονται ήδη κοντά στα υψηλότερα επίπεδά τους από το 2007 και η ανησυχία είναι ότι οι αυξήσεις των επιτοκίων θα μπορούσαν να οδηγήσουν τις αποδόσεις υψηλότερες σε όλους τους τομείς.
Αυτό θα καθιστούσε τη χρηματοδότηση της ανάπτυξης της τεχνητής νοημοσύνης πιο ακριβή. «Είναι λογικό η ευαισθησία των ονομάτων ανάπτυξης της τεχνητής νοημοσύνης στις αποδόσεις των 10ετών ομολόγων να αυξηθεί σημαντικά από εδώ και πέρα», γράφει ο στρατηγικός αναλυτής της 22V, Dennis DeBusschere. «Θα πρέπει να περιμένουμε ότι τα ονόματα ανάπτυξης της τεχνητής νοημοσύνης θα υποφέρουν, αν όλα τα δεδομένα παραμείνουν ίδια, εάν οι αποδόσεις των 10ετών ομολόγων συνεχίσουν να αυξάνονται».
Οι επενδυτές χρέους το έχουν προσέξει. Ενώ τα spreads των ομολόγων – η διαφορά μεταξύ του τόκου που καταβάλλει μια εταιρεία για το χρέος της έναντι ενός ισοδύναμου ομολόγου του Δημοσίου – παραμένουν στενά, τα credit default swaps, τα οποία λειτουργούν ως μορφή ασφάλισης, έχουν αυξηθεί. Τώρα κοστίζει περίπου διπλάσια η ασφάλιση έναντι μιας αθέτησης της Alphabet από ό,τι στην αρχή του έτους, και είναι μια παρόμοια ιστορία για την Meta και την Amazon. Αν και τα επιτόκια είναι πολύ χαμηλότερα όσον αφορά τα όρια για τις εταιρείες επενδυτικής βαθμίδας, οι κινήσεις σηματοδοτούν ότι οι αγορές αναγνωρίζουν ότι οι εταιρείες Big Tech δεν θα είναι οι μεγαθήρια χωρίς χρέη που ήταν κάποτε.
Οι ισολογισμοί εξακολουθούν να είναι υγιείς. Οι τέσσερις εταιρείες εξακολουθούν να μην έχουν ουσιαστικά καθαρό χρέος και αναμένεται να δημιουργήσουν περίπου 1 τρισεκατομμύριο δολάρια σε κέρδη προ φόρων, τόκων και αποσβέσεων, ή EBITDA, το 2027.
Τα επίπεδα χρέους δεν αποτελούν πρόβλημα για το 2028. Προς το παρόν, η εστίαση θα πρέπει να είναι στην εύρεση των εταιρειών που έχουν τις καλύτερες πιθανότητες να επωφεληθούν από τη συνεχιζόμενη ανάπτυξη. Η επιλογή ενός ολοκληρωτικού νικητή είναι σχεδόν αδύνατη. Αλλά θα υπάρξουν ολοκληρωμένοι νικητές από την Τεχνητή Νοημοσύνη. Θα μπορούσαν να είναι η SpaceX, η Tesla (ή ένας συνδυασμός SpaceX/Tesla), η Alphabet, η Anthropic και η OpenAI.
Η ασφαλέστερη από τις εταιρείες που δραστηριοποιούνται στην Τεχνητή Νοημοσύνη είναι σαφώς η Alphabet. Έχει μια υπάρχουσα επιχείρηση που είναι αρκετά καλή, με λειτουργικά έσοδα το 2026 να προβλέπεται να είναι άνω των 170 δισεκατομμυρίων δολαρίων. Οι μετοχές διαπραγματεύονται με ένα όχι παράλογο 20πλάσιο κέρδος που αναμένεται τους επόμενους 12 μήνες, περίπου στο ίδιο επίπεδο με τον S&P 500.
Αλλά οι δραστηριότητες στον τομέα των υποδομών μπορεί να είναι ακόμη ασφαλέστερες, ειδικά καθώς μετατοπίζεται η ζήτηση. Εάν η πρώτη επανάληψη της συναλλαγής στην Τεχνητή Νοημοσύνη αφορούσε απλώς την κατασκευή των καλύτερων τσιπ και την τοποθέτησή τους σε CPU, η δεύτερη θα επικεντρωθεί στην κατασκευή «εργοστασίων Τεχνητής Νοημοσύνης», σύμφωνα με τον αναλυτή της Evercore, Amit Daryanani. Η Rubin της Nvidia έχει σχεδιαστεί για να κάνει ακριβώς αυτό, λειτουργώντας σε υπολογιστές, δικτύωση και αποθήκευση, ενώ εταιρείες όπως η Meta Platforms και η Microsoft δημιουργούν εργαλεία για την ελαχιστοποίηση του κόστους χρήσης της Τεχνητής Νοημοσύνης.
Ο Daryanani αναφέρει την Amphenol και την TE Connectivity ως δύο μετοχές που θα μπορούσαν να επωφεληθούν από την τάση προς πιο σύνθετες ανάγκες συνδεσιμότητας.
Άλλες δημοφιλείς μετοχές περιλαμβάνουν την Eaton, η οποία παρέχει λύσεις διανομής ενέργειας και ψύξης για κέντρα δεδομένων, μεταξύ άλλων προϊόντων, και την Vertiv Holdings, ηγέτη στο υλικό και τις υπηρεσίες κέντρων δεδομένων. Και οι δύο είναι πιο ακριβές από ό,τι ήταν στο παρελθόν – η Eaton διαπραγματεύεται για περίπου 28 φορές τα κέρδη, από 25 φορές πριν από δύο χρόνια, ενώ η Vertiv αλλάζει χέρια με 32 φορές τα κέρδη, από 27 φορές – αν και και οι δύο εξακολουθούν να είναι πολύ δημοφιλείς στους αναλυτές: το 78% των αναλυτών αξιολογούν την Eaton ως Αγορά, ενώ η Vertiv έχει αξιολογηθεί ως Αγορά κατά 85%.
Η αντίδραση στα κέντρα δεδομένων είναι ένας άλλος κίνδυνος – αλλά και μια ευκαιρία. Ενώ η ζήτηση για Τεχνητή Νοημοσύνη αυξάνεται, η αντίσταση είναι πιθανό να επιβραδύνει την κατασκευή νέων κέντρων δεδομένων. Αυτό θα πρέπει να ενισχύσει τις μετοχές εταιρειών που έχουν ήδη εγκεκριμένα έργα, συμπεριλαμβανομένων των SpaceX, CoreWeave, Nebius και Fermi, σύμφωνα με τον Dauvin Peterson της 22V. Η CoreWeave, ειδικότερα, φαίνεται ενδιαφέρουσα. Ενώ η αγορά παραμένει επικεντρωμένη στο χρέος της, οι υψηλότερες τιμές της υπολογιστικής Τεχνητής Νοημοσύνης θα ενισχύσουν τα κέρδη – και τη μετοχή.
Τα καλά νέα είναι ότι όταν σκάσει η φούσκα – και θα σκάσει – αυτό που χτίστηκε θα παραμείνει. Όπως και με την άνθηση του σιδηροδρόμου, του διαδικτύου και της ηλεκτροκίνησης, θα χρειαστεί χρόνος για να ανακάμψουν οι χρηματοπιστωτικές αγορές. Αλλά τα θεμέλια θα είναι ήδη έτοιμα για την επόμενη επέκταση – και για να ξεκινήσει ξανά ο χορός.
