Bumaba ang NVDA ng 15% mula sa mataas na punto, at ang emosyon ng merkado ay umabot mula sa sobrang optimismo hanggang sa pagkakaroon ng pag-aalinlangan sa loob ng higit sa tatlong linggo lamang. Tignan natin muli ang datos: ang forward PE ng tech sector sa S&P 500 ay umabot sa 28x noong Hunyo ng taong ito—hindi ito extremo sa kasaysayan, ngunit ang problema ay hindi doon. Ang problema ay ang mga inaasahan ay naging masyadong mabilis. Ang pagtaas sa AI sector mula noong nakaraang taon hanggang sa unang kalahati ng taong ito ay batay sa isang hipotesis: ang demand para sa computing power ay magiging exponential, at lahat ng kumpanya na may kinalaman sa AI ay magkakaroon ng benepisyo. Ang hipotesis na ito ay totoo sa demand side—lahat ng malalaking cloud provider ay nag-upgrade ng kanilang capital expenditure guidance para sa taong ito, at ang kabuuan lamang ng Microsoft, Google, at Amazon ay hihigit sa $20 bilyon. Ngunit sa supply side, ang hipotesis na ito ay nagsisimulang magkaroon ng mga butas. Una, hindi na lang ang GPU ang tanging bottleneck. Ang delivery cycle ng NVIDIA ay bumaba mula sa 40 linggo noong nakaraang taon hanggang sa mas mababa sa 12 linggo, at ang production schedule ng B100 ay kahit pa naging mas mabilis kaysa sa inaasahan. Kapag hindi na kakaunti ang supply, nagsisimula nang mawala ang pricing power. Ikalawa, lalong dumarami ang mga path para sa custom chips. Ang TPU ng Google, ang Trainium ng Amazon, at ang Maia na bago lang inilabas ng Microsoft—lahat sila ay nag-iingat para sa kanilang sariling alternatibo. Ang trend na ito ay hindi nangangahulugan na babagsak ang NVIDIA, kundi nangangahulugan ito na nagbabago ang competitive landscape ng buong computing market, at ang reaksyon ng merkado sa anumang pagbabago sa competitive landscape ay laging nagkakaroon ng delay. Tingnan natin ang application layer—ito ang pinakamalaking babala. Ibinigay na ang $20 bilyon para sa infrastructure, ngunit ang kita na makikita sa application side ay mas mababa kaysa sa isang-sampu. Ang paglago ng Copilot ay mabuti pero hindi explosive, ang enterprise version ng ChatGPT ay nasa unang yugto pa lamang, at ang karamihan sa mga AI startup ay may ARR na nasa antas ng milyon-milyong dolyar lamang. Hindi ibig sabihin na walang potensyal ang application—kundi mayroong 18 hanggang 24 buwan na lagay sa pagitan ng infrastructure investment at application monetization. At ngayon, pinipilit ng merkado na harapin ang lagay na ito. Ito ang tunay na kalikasan ng pagbaba: hindi ibig sabihin na nalagyan ng tama ang AI story—kundi unti-unting natutuklasan ng merkado kung ano ang totoong realidad at kung ano ang pangmatagalang naratibo. Ang aking sariling karanasan sa ganitong sitwasyon: huwag gumawa ng desisyon araw-araw habang nasa panikong estado. Sa unang araw ng malaking pagbaba, lahat ng analysis ay emotion-driven. Ang mga tunay na signal na dapat mong tignan ay ang flow ng pera noong ikalawang linggo. May isang data noong nakaraang linggo na napansin: habang ang net outflow mula sa tech ETF ay lumalala, mas maliit ang outflow mula sa semiconductor ETF kaysa sa software ETF. Ibig sabihin nito: hindi umiiwas ang mga institusyon sa buong tech sector—kundi nagpapalit sila sa loob nito: mula sa mga kumpanya na walang kita hanggang sa mga kumpanya na may makikita nang kita. Para sa mga indibidwal, sa posisyong ito, ang paghahabol sa pagtaas at pagbabili sa pagbaba ay parehong pinakamaliit na desisyon. Ang dahilan para maghabol ay wala na; ang dahilan para mag-bumiyahe ay hindi pa umabot. Ang tanging dapat gawin ay obserbahan: aling mga kumpanya ang may pinakamaliit na pagbaba at pinakamabilis na pagbangon sa pagbaba na ito—sila ang mga kumpanya na handa na ibigay ng merkado ang premium sa susunod na yugto. Hindi ito komplikadong pamamaraan—simple lang: hayaan mong sabihin sa iyo ng merkado ang sagot.