AI-markedet forventes å fragmentere seg innen 2026 etter en volatilt slutt på 2025, preget av teknologisalg, oppsving, sirkulære avtaler, gjeldsutstedelser og høye vurderinger som har skapt bekymring for en AI-bobles. Denne volatiliteten kan signalisere endringer i AI-investeringer, ettersom investorene i økende grad gransker hvem som bruker og tjener penger i sektoren, ifølge Stephen Yiu, CIO i Blue Whale Growth Fund. Mange investorer, spesielt detailinvestorer via ETF-er, har hittil ikke skilt mellom selskaper som bare har AI-produkter uten forretningsmodeller, de som brenner penger på AI-infrastruktur, og de som drar fordel av AI-utgifter. Yiu understreker viktigheten av differensiering mens AI fortsatt er i sine tidlige stadium, og påpeker at mens "hvert selskap ser ut til å vinne, " vil aktørene trolig begynne å skille mellom ulike typer AI-relaterte selskaper. Yiu deler AI-landskapet inn i tre grupper: private oppstartsbedrifter som OpenAI og Anthropic, som tiltrakk seg 176, 5 milliarder dollar i risikokapital i de første ni månedene av 2025 (Ifølge PitchBook); børsnoterte AI-utgifter som Amazon, Microsoft og Meta; og AI-infrastrukturleverandører som Nvidia og Broadcom som mottar AI-investeringer fra de store teknologispillerne. Blue Whale Growth Fund vurderer selskaper ved å sammenligne deres frie kontantstrømavkastning (kontantstrøm etter kapitalutgifter) mot aksjekurs for å vurdere rettferdigheten i vurderingen. De fleste av de såkalte Magnificent 7-selskapene handles med betydelige premier på grunn av store AI-investeringer. Yiu foretrekker å investere i selskaper som drar fordel av AI-utgifter, snarere enn de som gjør store investeringer, og mener at det er klokere å være "på mottakersiden, " ettersom AI-relaterte kostnader i økende grad påvirker selskapenes økonomi. Julien Lafargue, markedsstrategisjef i Barclays Private Bank, påpeker at AI-"skum" er konsentrert i spesifikke segmenter snarere enn bredt fordelt, med høyere risiko rundt selskaper som sikrer AI-tidens finansiering uten å ha inntjening—som innen kvanteberegning, hvor optimisme overgår konkrete resultater.

Han understreker det kritiske behovet for differensiering. Big Techs forretningsmodeller utvikler seg når de blir mer aktivt kapitalintensive ved å anskaffe teknologi, datasentre og datakraft for AI-strategier, og skifter fra å være oppstarts- eller programvarefokuserte selskaper til hyperscalers. Denne endringen påvirker risikoprofilen og vurderingsmetodene deres. Dorian Carrell i Schroders advarer mot å inndra verdsettelse av disse selskapene med gamle modeller typiske for programvare- eller lavkapitaliserte selskaper, og peker på usikkerheten rundt finansieringen av AI-planer til tross for troen på deres langsiktige suksess. Teknologiselskaper har i 2025 vendt seg mot gjeldsmarkedene for finansiering av AI-infrastruktur; Meta og Amazon har hentet inn gjeld, men forblir nettokontantpositive, i motsetning til mer gjeldstyngede selskaper. Carrell forventer at det private gjeldsmarkedet vil bli spesielt viktig neste år. Yiu observerer at hvis AI-inntektsveksten ikke klarer å overstige de økende kostnadene knyttet til infrastruktur og avskrivning av maskinvare, kan fortjenestemarginene krympe, noe som vil legge press på investoravkastningen. Han forventer større ytelsesforskjeller blant selskaper ettersom AI-utgifter i økende grad påvirker de finansielle resultatene, og at det vil bli nødvendig med mer differensiering fremover.