Zadłużenie centrów danych AI staje się zagrożeniem dla rentowności obligacji i wzrostu

Google News wyróżniło analizę Reutersa, która wskazuje na istotną zmianę: boom budowlany związany z AI nie wspiera już wyłącznie akcji i wzrostu gospodarczego. Wywiera też presję na rentowności obligacji długoterminowych. Firmy technologiczne pozyskały setki miliardów na rynkach długu, aby finansować centra danych, systemy energetyczne i moce obliczeniowe.

To zadłużenie ma znaczenie daleko poza Doliną Krzemową. Długoterminowe obligacje korporacyjne konkurują z długiem rządowym o inwestorów, a powiązane instrumenty pochodne mogą przenosić dodatkową ekspozycję na stopy procentowe na szerszy rynek. Rezultatem jest nowe źródło presji na rentowności obligacji skarbowych USA, koszty finansowania i wyceny aktywów.

Zmienia to standardową narrację o inwestycjach w AI. Centra danych wspierały aktywność gospodarczą, popyt na półprzewodniki i wydatki infrastrukturalne. Jednak finansowanie stojące za tą działalnością grozi obecnie podniesieniem kosztu kapitału w całej gospodarce. Ten sam cykl budowlany, który wspiera wzrost, może z czasem go ograniczać.

Google News wskazuje na przejście od przepływów pieniężnych AI do długu

Infrastruktura AI osiągnęła skalę wystarczającą, by zmienić sposób finansowania największych firm technologicznych oraz alokacji kapitału przez inwestorów obligacyjnych.

Oryginalny materiał w Google News kierował czytelników do analizy Reutersa dotyczącej boomu w budowie infrastruktury AI. Reuters podał, że Meta, Oracle i inne firmy technologiczne pozyskały do początku czerwca około 250 mld USD na globalnych rynkach długu w 2026 roku. Jeszcze kilka lat wcześniej taka skala byłaby nietypowa dla zasobnych w gotówkę spółek technologicznych.

Finansowanie obejmuje więcej niż procesory graficzne. Nowoczesne centrum danych wymaga gruntu, budynków, sprzętu chłodzącego, systemów sieciowych, przyłączy elektrycznych, a często również dedykowanej infrastruktury energetycznej. Każdy z tych elementów ma inną żywotność ekonomiczną i profil ryzyka.

Akcelerator AI może się zestarzeć w ciągu kilku lat. Budynki i przyłącza energetyczne mogą pozostawać użyteczne przez dekady. Firmy mają więc motywację, by dopasowywać długowieczne aktywa fizyczne do długoterminowych zobowiązań o stałym oprocentowaniu.

Tworzy to podaż duration. Duration jest miarą wrażliwości ceny obligacji na zmiany stóp procentowych. Dług o długim terminie zapadalności zazwyczaj zwiększa duration bardziej niż finansowanie krótkoterminowe, więc inwestorzy muszą przyjąć większą ekspozycję, gdy firmy emitują długoterminowe obligacje.

Bank Rezerwy Federalnej w Dallas szacuje, że prognozy Wall Street dotyczące emisji obligacji inwestycyjnych związanych z AI koncentrują się wokół 300 mld USD w 2026 roku. Według jego badań nad podażą duration kwota ta może przełożyć się na nawet 360 mld USD podaży duration w ekwiwalencie obligacji 10-letnich.

Byłoby to równowartością około jednej ósmej duration dostarczanego przez emisje obligacji skarbowych USA. To za mało, by wyprzeć rynek obligacji skarbowych. Wystarczy jednak, by wpływać na ceny na jego marginesie, zwłaszcza gdy inwestorzy już absorbują dużą skalę rządowego zadłużania.

Reuters podał, że majowa wyprzedaż obligacji skarbowych podniosła rentowność 30-letnich papierów do najwyższego poziomu od 2007 roku. Obawy inflacyjne i oczekiwania dotyczące polityki Rezerwy Federalnej nadal pozostawały głównymi czynnikami. Analitycy wskazali jednak finansowanie infrastruktury AI jako kolejny czynnik.

To rozróżnienie jest istotne. Inwestorzy często tłumaczą wyższe rentowności inflacją, deficytami fiskalnymi lub decyzjami banków centralnych. Związane z AI zadłużanie przedsiębiorstw wprowadza odrębny kanał, który może działać nawet bez istotnej zmiany oczekiwanej inflacji.

Zjawisko to jest również trwalsze niż pojedyncza sprzedaż obligacji. Grupy technologiczne planują wieloletnie programy budowlane, a operatorzy centrów danych potrzebują stałego dostępu do chipów, energii elektrycznej i finansowania. Powtarzające się emisje mogą stale zwiększać podaż długo po zamknięciu pojedynczej transakcji.

Oracle dobrze ilustruje tę zmianę. Reuters cytował ekonomistę Fedu w Dallas, Sriniego Ramaswamy’ego, który określił firmę jako jednego z największych nowych dostawców ryzyka duration na rynku obligacji inwestycyjnych. Wcześniej Oracle odgrywał znacznie mniejszą rolę jako emitent długoterminowego długu.

Zmieniająca się pozycja firmy pokazuje, dlaczego nie jest to wyłącznie historia o zadłużonych startupach. Duże, ugruntowane spółki technologiczne stają się strukturalnymi uczestnikami rynków instrumentów o stałym dochodzie. Ich decyzje finansowe wpływają obecnie na portfele, które wcześniej traktowały dług technologiczny jako ograniczoną alokację.

Użytkownicy Google News śledzący chipy AI i centra danych widzą więc historię finansową w takim samym stopniu jak historię o technologii obliczeniowej. Popyt na serwery jest jedynie pierwszym ogniwem. Kolejne prowadzą do kredytu korporacyjnego, swapów stóp procentowych, wycen obligacji skarbowych USA i kredytów gospodarstw domowych.

Boom budowlany AI konkuruje teraz o kapitał długoterminowy

Kluczowy konflikt rozgrywa się między zapotrzebowaniem AI na ogromny, cierpliwy kapitał a ograniczonym apetytem rynku obligacji na skoncentrowaną ekspozycję długoterminową.

Przez znaczną część obecnego cyklu AI czołowi hyperscalers finansowali ekspansję z operacyjnych przepływów pieniężnych. Hyperscaler to duża firma chmurowa lub technologiczna, która obsługuje infrastrukturę obliczeniową na ogromną skalę. Do najważniejszych przykładów należą Alphabet, Amazon, Meta, Microsoft i Oracle.

Model ten ograniczał ryzyko finansowania. Silne działalności reklamowe, programistyczne, handlowe i chmurowe generowały gotówkę, którą można było reinwestować bez wymagania od obligatariuszy przejmowania ryzyka każdego nowego projektu.

Skala planowanej budowy zmienia to równanie. Bank Rozrachunków Międzynarodowych stwierdził, że inwestycje w AI przechodzą od gotówki generowanej wewnętrznie w kierunku długu i kredytu prywatnego. Jego biuletyn o finansowaniu AI wskazuje, że trwałość tej zmiany zależy od tego, czy firmy spełnią wysokie oczekiwania dotyczące zysków.

BIS oszacował, że centra danych, ich wyposażenie oraz zakłady produkcyjne technologii informacyjnych odpowiadały w połowie 2025 roku za około 1% produktu krajowego brutto USA. Szersze inwestycje związane z IT osiągnęły około 5% PKB, przekraczając szczyt z okresu bańki internetowej.

Wydatki na zakłady produkujące półprzewodniki i centra danych wniosły średnio 0,4 punktu procentowego do rocznego wzrostu PKB USA w ciągu trzech lat po 2022 roku. Szerzej definiowane inwestycje IT odpowiadały za niemal połowę wzrostu PKB w niektórych ostatnich kwartałach.

Liczby te wyjaśniają, dlaczego firmy technologiczne nadal budują. Inwestycje w centra danych tworzą natychmiastowy popyt na budownictwo, sprzęt elektryczny, serwery, urządzenia sieciowe i energię. Obiecują też przyszłe przychody z chmury, jeśli klienci będą nadal zwiększać wykorzystanie modeli AI.

Jednak impuls gospodarczy wymaga finansowania, zanim pojawią się przyszłe zwroty. Nakłady inwestycyjne, czyli capex, to środki wydawane na nabywanie lub rozwijanie aktywów o długim okresie użytkowania. Capex związany z AI często trzeba zadeklarować na lata przed tym, zanim operatorzy dowiedzą się, ile przychodów wygeneruje każdy obiekt.

Ten harmonogram tworzy presję. Firmy muszą zabezpieczać lokalizacje, transformatory, umowy energetyczne, chipy i siłę roboczą, podczas gdy konkurencyjne projekty zabiegają o te same zasoby. Czekanie może oznaczać utratę ograniczonej przepustowości sieci energetycznej lub pozostanie w tyle za rywalami.

Zadłużanie pozwala firmom przyspieszać. Przenosi też część ryzyka na obligatariuszy i szerszy system kredytowy. Wraz ze wzrostem wolumenu inwestorzy żądają większej rekompensaty za utrzymywanie długu emitentów, którzy są już silnie reprezentowani w ich portfelach.

Reuters obliczył później, że Amazon, Alphabet, Meta i Oracle wyemitowały obligacje o wartości około 194 mld USD do 7 lipca 2026 roku. Było to o 79% więcej niż ich emisje na poziomie około 108 mld USD w całym 2025 roku.

Goldman Sachs oczekiwał, że pięciu największych hyperscalers, w tym Microsoft, wyemituje około 250 mld USD w 2026 roku i 400 mld USD w 2027 roku. Jego szacunki wskazywały, że łączne nakłady capex tych firm w 2026 roku wyniosą blisko 750 mld USD, wobec prognozowanych operacyjnych przepływów pieniężnych na poziomie 778 mld USD.

Ta luka nie oznacza automatycznie trudności finansowych. Większość hyperscalers zachowuje wartościowe działalności, znaczącą zdolność generowania gotówki oraz ratingi inwestycyjne. Problemem jest krańcowy dolar potrzebny do dalszej ekspansji w planowanym tempie.

Emisja długu odpowiadająca jednej trzeciej rocznego capexu stanowiłaby istotną zmianę w strukturze finansowania. Sprawiłaby również, że zwroty z projektów byłyby bardziej wrażliwe na koszty pożyczania. Obiekt finansowany przy wyższej rentowności musi wygenerować więcej gotówki, zanim zacznie tworzyć wartość dla akcjonariuszy.

Inwestorzy obligacyjni mierzą się z własnym problemem koncentracji. Zasady portfelowe mogą ograniczać ekspozycję na jednego kredytobiorcę, branżę lub zakres terminów zapadalności. Nawet atrakcyjna obligacja staje się trudniejsza do wchłonięcia, gdy emitent sprzedał już kilka dużych transakcji.

Firmy ubezpieczeniowe i fundusze emerytalne naturalnie poszukują aktywów długoterminowych. Nie dysponują jednak nieograniczoną pojemnością. Więcej długu technologicznego musi albo wyprzeć inne pozycje, albo zaoferować wyższą rentowność.

W ten sposób wydatki na AI mogą wpływać na warunki finansowania poza sektorem technologicznym. Gdy inwestorzy alokują więcej kapitału w obligacje hyperscalers, inni kredytobiorcy korporacyjni mogą być zmuszeni płacić więcej. Jeśli inwestorzy będą opierać się dalszemu zwiększaniu duration jako całości, rentowności mogą wzrosnąć na powiązanych rynkach.

Długoterminowy dług AI może podnosić rentowności obligacji skarbowych USA

Mechanizm działa poprzez bezpośrednią podaż obligacji, swapy stóp procentowych oraz wypieranie kredytobiorców, którzy zazwyczaj zmniejszają presję związaną z duration.

Bezpośrednia emisja jest najłatwiejszym do dostrzeżenia kanałem. Firma technologiczna sprzedaje obligację o długim terminie zapadalności, a inwestorzy muszą zdecydować, jakiej rentowności potrzebują, aby ją utrzymywać. Fala podobnych transakcji zwiększa ilość duration poszukującego nabywców.

Rentowności obligacji korporacyjnych zawierają wolną od ryzyka stopę referencyjną, zwykle opartą na obligacjach skarbowych USA, oraz spread kredytowy. Spread rekompensuje inwestorom ryzyko niewypłacalności, płynność i inne niepewności. Duża skala emisji może rozszerzać ten spread, gdy nabywcy żądają lepszych warunków.

Związek z rentownościami obligacji skarbowych USA jest mniej bezpośredni, ale nadal istotny. Inwestorzy często porównują obligacje korporacyjne z papierami rządowymi o podobnych terminach zapadalności. Gwałtowny wzrost atrakcyjnej podaży korporacyjnej może ograniczyć popyt na obligacje skarbowe, jeśli ich rentowności nie dostosują się.

Niektórzy inwestorzy zabezpieczają także ekspozycję na stopy procentowe w portfelach obligacji korporacyjnych. Ich transakcje mogą wpływać na kontrakty futures na obligacje skarbowe, swapy i inne instrumenty stosowane do zarządzania duration.

Prywatne finansowanie tworzy kolejny kanał. Prywatni kredytodawcy często preferują pożyczki o zmiennym oprocentowaniu, których koszt odsetkowy zmienia się wraz ze stopą referencyjną. Właściciele centrów danych mogą preferować stałe koszty, ponieważ ich budynki i przyłącza do sieci generują wartość przez znacznie dłuższy okres.

Kredytobiorca może rozwiązać tę niedopasowaną strukturę za pomocą swapu stóp procentowych pay-fixed. W takim układzie kredytobiorca płaci stałą stopę i otrzymuje stopę zmienną. Transakcja przekształca ekonomiczną ekspozycję pożyczki o zmiennym oprocentowaniu w coś przypominającego finansowanie o stałym oprocentowaniu.

Fed w Dallas wskazuje, że te swapy tworzą syntetyczną podaż duration. Rynek stóp procentowych może otrzymać podobną ekspozycję na stopy procentowe bez emisji konwencjonalnej obligacji długoterminowej.

Jego badacze oszacowali, że aktywność związana z tymi swapami mogła wytworzyć co najmniej 50 mld USD podaży w ekwiwalencie obligacji 10-letnich w czwartym kwartale 2025 roku. Rzeczywista kwota pozostaje trudna do zmierzenia, ponieważ transakcje prywatne dostarczają mniej informacji publicznych.

Trzeci kanał dotyczy wypierania. Firmy finansowe tradycyjnie należą do największych emitentów obligacji inwestycyjnych. Banki powszechnie emitują dług o stałym oprocentowaniu, a następnie wykorzystują swapy, aby przekształcić własne zobowiązania w zobowiązania o zmiennym oprocentowaniu.

Proces ten może generować popyt na duration w innych częściach systemu. Jeśli emitenci technologiczni zastępują spółki finansowe w portfelach inwestorów, rynek traci część tego równoważącego efektu.

Dlatego liczy się struktura emitentów, a nie tylko łączna kwota w dolarach. Spółka technologiczna finansująca długowieczne centrum danych zarządza ekspozycją na stopy procentowe inaczej niż bank zarządzający aktywami i depozytami.

Badacze z Fed w Dallas znaleźli dowody zgodne z tymi efektami w zmieniającej się relacji między długim końcem krzywej rentowności obligacji skarbowych USA a spreadami swapowymi. Ich analiza nie dowodzi, że finansowanie AI spowodowało każdy zaobserwowany ruch. Pokazuje, że zachowanie rynku coraz bardziej odpowiada temu, czego należałoby oczekiwać po dodatkowej podaży duration spoza rynku obligacji skarbowych.

Reuters przedstawił inne porównanie. W roku objętym analizą Departament Skarbu USA sprzedał około 540 mld dolarów 10-letnich obligacji. Emisje korporacyjne i swapy związane z AI stanowią mniejszą, lecz wciąż istotną skalę.

Efekt może się nasilać, gdy inne presje działają w tym samym kierunku. Obawy o inflację, duże deficyty fiskalne i mniejsze oczekiwania na obniżki stóp przez Rezerwę Federalną już mogą podnosić rentowności. Emisje spółek technologicznych zwiększają wtedy podaż w niekorzystnym otoczeniu rynkowym.

Na szczególną uwagę zasługują realne rentowności. Realna rentowność usuwa z nominalnej rentowności oczekiwany przez rynek komponent inflacyjny. Jeśli długoterminowe realne rentowności rosną, kredytobiorcy stają w obliczu bardziej restrykcyjnych warunków finansowania, nawet gdy oczekiwania inflacyjne pozostają względnie stabilne.

Wyższe realne rentowności obniżają bieżącą wartość odległych w czasie przepływów pieniężnych. Kalkulacja ta wpływa na spółki wzrostowe, nieruchomości komercyjne, projekty infrastrukturalne i inne aktywa, których oczekiwane zyski pojawiają się przez wiele lat.

To prowadzi do kluczowego odwrócenia opisanego w artykule. Spółki AI pożyczają, aby budować aktywa obiecujące przyszły wzrost produktywności. Ich zadłużenie może jednocześnie podnieść stopę dyskontową stosowaną do tych przyszłych korzyści.

Efekt nie ogranicza się do obligacji. Rentowności obligacji skarbowych USA pomagają ustalać stopy referencyjne dla kredytów hipotecznych, pożyczek dla przedsiębiorstw, długu komunalnego i wielu modeli inwestycyjnych. Utrzymujący się wzrost może schłodzić aktywność w sektorach niemających bezpośredniego związku z AI.

Google News może przedstawiać ten rozwój jako technologiczny nagłówek, lecz mechanizm należy do makroekonomii. Rozbudowa AI jest wystarczająco duża, by wpływać na cenę samego czasu: wynagrodzenie, którego inwestorzy wymagają za zaangażowanie kapitału na wiele lat.

Inwestorzy już żądają wyższej zapłaty od hyperscalerów

Niedawne wyniki rynku obligacji sugerują, że inwestorzy nadal chcą finansować AI, lecz staje się to droższe i bardziej selektywne.

Analiza Reutersa z lipca wykazała szersze spready kosztów finansowania w kilku przedziałach zapadalności. W przypadku Amazon, Alphabet, Meta i Oracle mediana spreadu obligacji zapadających za dwa do czterech lat wzrosła do 40 punktów bazowych z 30 w 2025 roku.

Punkt bazowy to jedna setna punktu procentowego. Niewielkie zmiany mogą oznaczać znaczący koszt, gdy dotyczą dużej obligacji przez wiele lat.

Mediana spreadu długu o terminie zapadalności od pięciu do siedmiu lat wzrosła do 60 punktów bazowych z 50. W przypadku terminów przekraczających 20 lat osiągnęła 118 punktów bazowych, wobec 108,5 w 2025 roku.

Ruchy te nie wskazują na zamknięty rynek. Pokazują, że inwestorzy oczekują większej rekompensaty wraz ze wzrostem podaży. Koszt ten może narastać przy kolejnych transakcjach.

Podobną historię opowiadał obrót wtórny. Reuters przeanalizował 91 obligacji hyperscalerów wyemitowanych w 2026 roku, dla których dostępne były porównywalne dane cenowe. Do 28 lipca 78 z nich było notowanych przy wyższych rentownościach niż w momencie emisji, a mediana wzrostu wyniosła około 22 punkty bazowe.

Rentowność obligacji zazwyczaj rośnie, gdy jej cena rynkowa spada. Wyniki sugerują, że nabywcy wielu wcześniejszych emisji otrzymaliby lepsze warunki, gdyby poczekali.

Popyt osłabł również w relacji do wielkości transakcji. Apollo Global Management podał, że pokrycie księgi zamówień dla sprzedaży obligacji hyperscalerów spadło z niemal pięciokrotności oferowanej kwoty w lutym do mniej niż dwukrotności w lipcu.

Pokrycie mierzy zlecenia inwestorów w relacji do dostępnych obligacji. Może zawyżać końcowy popyt, ponieważ inwestorzy czasem składają większe zlecenia, gdy spodziewają się ograniczenia przydziałów. Mimo to spadający wskaźnik sygnalizuje mniejszą konkurencję wśród kupujących.

Transakcje Amazonu ilustrowały to ochłodzenie. Badania cytowane przez Reuters wskazywały, że marcowa sprzedaż obligacji denominowanych w dolarach była około 3,4-krotnie nadsubskrybowana. Lipcowa oferta przyciągnęła zlecenia o wartości około 1,6 raza większej niż sprzedana kwota.

Poszerzyły się także premie za nowe emisje. Premia to dodatkowa rentowność oferowana przy nowym długu w porównaniu z już wyemitowanymi obligacjami danego emitenta. Zachęca inwestorów do absorpcji nowej podaży.

Mediana premii na poziomie pojedynczej transakcji wzrosła do 12 punktów bazowych w 2026 roku z 2,25 w 2025 roku, według analizowanych przez Reutersa danych o obligacjach hyperscalerów.

Sage Advisory oszacował, że łączna wartość zadłużenia hyperscalerów denominowanego w dolarach wzrosła od września ponad dwukrotnie, przekraczając 360 mld dolarów. Każda duża transakcja może wywierać presję na istniejące obligacje, ponieważ inwestorzy oczekują jeszcze większej podaży.

Oracle niesie bardziej widoczny sygnał ryzyka. Reuters podał, że koszt jego pięcioletniego swapu ryzyka kredytowego wzrósł do 150 punktów bazowych z około 30 w poprzednim roku. Swap ryzyka kredytowego zapewnia ochronę przed niespłaceniem zobowiązań przez kredytobiorcę i służy również jako rynkowa miara postrzeganego ryzyka kredytowego.

Wzrost ten nie oznacza, że Oracle zbankrutuje. Wskazuje, że zabezpieczenie jego ryzyka kredytowego stało się znacznie droższe, gdy inwestorzy oceniali poziom zadłużenia firmy i jej zobowiązania związane z AI.

Rynek rozróżnia także poszczególnych kredytobiorców. Alphabet, Amazon, Meta, Microsoft i Oracle nie mają identycznych przepływów pieniężnych, istniejącego zadłużenia, ekspozycji na klientów ani strategii budowy infrastruktury. Szeroka etykieta, taka jak „infrastruktura AI”, może ukrywać istotne różnice.

Niektóre projekty są bezpośrednio ujęte w bilansach spółek. Inne korzystają ze wspólnych przedsięwzięć, kredytu prywatnego, podmiotów celowych lub ustaleń powiązanych z konkretnymi obiektami. Każda struktura inaczej rozdziela ryzyko i może zapewniać inny poziom przejrzystości.

Inwestorzy muszą również ocenić użyteczny okres życia aktywów. Budynek może działać przez dziesięciolecia, ale jego najdroższy sprzęt komputerowy może znacznie szybciej stać się komercyjnie przestarzały. Ta rozbieżność komplikuje argumentację za długoterminowym finansowaniem dłużnym.

Jeśli nowsza generacja chipów wykonuje więcej pracy przy mniejszym zużyciu energii, starszy obiekt może pozostać fizycznie sprawny, jednocześnie stając się ekonomicznie gorszy. Dług wykorzystany do jego budowy nadal wymaga spłaty.

Dlatego wyższe spready nie są jedynie przejściową skargą na zatłoczony kalendarz emisji. Odzwierciedlają niepewność co do tego, jak szybko przychody z AI mogą dogonić kapitał zaangażowany dziś.

Motor wzrostu niesie także ryzyko spowolnienia

Infrastruktura AI wspiera obecny wzrost gospodarczy, jednak wyższe rentowności mogą osłabić szersze inwestycje i konsumpcję potrzebne do utrzymania tego wzrostu.

Pozytywne argumenty pozostają istotne. Budowa centrów danych wspiera wykonawców, producentów sprzętu, przedsiębiorstwa użyteczności publicznej, dostawców chipów i lokalne zatrudnienie. Nowe moce obliczeniowe mogą także umożliwiać tworzenie produktów zwiększających produktywność w innych branżach.

Wcześniejsze szacunki cytowane przez Reuters sugerowały, że wydatki na centra danych mogą dodać od 0,1 do 0,2 punktu procentowego do wzrostu gospodarczego USA w latach 2025 i 2026. BIS później obliczył większy niedawny wkład po uwzględnieniu zakładów produkujących półprzewodniki i powiązanych wydatków na IT.

Korzyści te wyjaśniają, dlaczego rozbudowa infrastruktury przyciąga uwagę decydentów. Wytwarzanie energii elektrycznej, przyłącza do sieci, krajowa produkcja chipów i infrastruktura cyfrowa mają strategiczną wartość wykraczającą poza wyniki jednej spółki.

Rosnące długoterminowe rentowności przenikają jednak całą gospodarkę. Stopy kredytów hipotecznych mają tendencję do podążania za rynkami obligacji długoterminowych. Firmy porównują zwrot z projektów z kosztem finansowania. Rządy przeznaczają większą część dochodów na koszty odsetkowe.

Boom finansowy może więc zawierać zalążki własnego spowolnienia. Większa budowa infrastruktury AI podnosi popyt i wzrost. Większe zadłużenie zwiększa duration i presję wzrostową na rentowności. Wyższe rentowności utrudniają następnie uzasadnienie kolejnej budowy, inwestycji mieszkaniowych i biznesowych.

Rynki akcji mają drugi kanał transmisji. Akcje spółek technologicznych często czerpią znaczną część swojej wartości z zysków oczekiwanych daleko w przyszłości. Wyższe stopy dyskontowe obniżają bieżącą wartość przypisywaną tym dochodom.

Może to stworzyć pętlę sprzężenia zwrotnego. Słabsza cena akcji czyni finansowanie kapitałowe mniej atrakcyjnym. Spółki w większym stopniu polegają na długu, ograniczają wydatki lub proszą partnerów o przejęcie większej części ryzyka projektowego.

Międzynarodowy Fundusz Walutowy oszacował, że nakłady inwestycyjne związane z AI mogą osiągnąć 3,4 bln dolarów do 2029 roku. W swojej ocenie stabilności z kwietnia 2026 roku stwierdził, że hyperscalerzy zachowali silną zdolność generowania gotówki, a bezpośrednie ryzyka dla stabilności finansowej wydawały się ograniczone.

To istotna przeciwwaga. Największe spółki technologiczne nie są typowymi spekulacyjnymi kredytobiorcami. Wiele z nich ma zdywersyfikowane przychody, płynne aktywa, wartościowe platformy i dostęp do kilku rynków finansowania.

MFW wskazał również słabe punkty. Zyski i bufory gotówkowe mogą okazać się niewystarczające wobec planowanych wydatków, podczas gdy zaawansowane chipy mogą starzeć się szybciej niż wynika to z okresu użytkowania przypisanego w księgowości szerzej rozumianym nieruchomościom i wyposażeniu.

Koncentracja rodzi kolejne obawy. Ograniczona grupa spółek odpowiada za dużą część zobowiązań dotyczących infrastruktury AI, emisji obligacji, popytu na chmurę i wyników giełdowych. Ich projekty są również powiązane przez partnerstwa, umowy dostaw i ustalenia finansowe.

Jeśli popyt rozczaruje u jednego ważnego uczestnika, skutki mogą dotrzeć do dostawców, pożyczkodawców, właścicieli nieruchomości, przedsiębiorstw użyteczności publicznej i kontrahentów. Prywatne struktury mogą utrudniać osobom z zewnątrz ocenę tych ekspozycji.

Centralną niewiadomą jest zwrot z zainwestowanego kapitału. Spółki potrzebują wystarczających dodatkowych przychodów i zysków operacyjnych, aby uzasadnić każdy obiekt po uwzględnieniu kosztów energii elektrycznej, amortyzacji, utrzymania i finansowania.

Samo wykorzystanie infrastruktury nie rozstrzygnie tej kwestii. Dostawcy mogą generować ogromne wolumeny obliczeń, osiągając jednocześnie niewystarczające marże. Konkurencja może wymuszać niższe ceny, zanim spadną koszty budowy.

Wzrost efektywności tworzy kolejny kompromis. Lepsze chipy i modele mogą zmniejszyć moc obliczeniową potrzebną do wykonania określonego zadania. Niższe koszty mogą pobudzać większe wykorzystanie, ale mogą też osłabiać popyt na starsze, mniej efektywne moce.

Nic z tego nie dowodzi, że infrastruktura AI jest bańką. Pokazuje, dlaczego dług należy oceniać przez pryzmat zwrotów gotówkowych, a nie szerokich oczekiwań dotyczących adopcji AI.

Sceptyczna argumentacja także ma ograniczenia. Emisje korporacyjne pozostają niewielkie w porównaniu z rynkiem obligacji skarbowych USA, a na rentowności wpływa wiele innych sił. Polityka fiskalna, inflacja, ceny energii, globalne przepływy kapitału i oczekiwania dotyczące banków centralnych mogą zdominować kanał AI.

Badacze nie powinni więc przypisywać każdej wyprzedaży obligacji centrom danych. Analiza Reutersa przedstawia zadłużanie się na potrzeby AI jako dodatkowy czynnik, a nie pełne wyjaśnienie.

Mimo to marginalne czynniki mają znaczenie na rynku o napiętej równowadze. Jeśli podaż obligacji skarbowych USA jest już wysoka, a inwestorzy są wrażliwi na inflację, kolejne duże źródło duration może wpłynąć na ceny równoważące rynek.

Czytelnicy śledzący AI przez Google News powinni uważnie obserwować to powiązanie. Zapowiedzi produktów i wyniki benchmarków opisują, co potrafią modele. Spready kredytowe i popyt na obligacje pokazują, ile inwestorzy są gotowi zapłacić za budowę infrastruktury stojącej za nimi.

Trzy sygnały pokażą, czy presja się rozprzestrzenia

Kolejna faza zależy od popytu na rynku obligacji, zwrotów gotówki przez hyperscalerów oraz dowodów na to, że wyższe rentowności ograniczają inwestycje również poza sektorem technologicznym.

Pierwszym sygnałem będzie odbiór nowych emisji obligacji hyperscalerów. Pokrycie księgi zamówień, premie emisyjne, wybór terminów zapadalności i wyniki po emisji pokażą, czy znużenie inwestorów się utrzymuje.

Odbudowa pokrycia osłabiłaby tezę, że rynek zbliża się do nasycenia. Szersze premie emisyjne i słabszy obrót na rynku wtórnym ją wzmocnią. Firmy mogą odpowiedzieć emisją obligacji o krótszych terminach zapadalności, zaciąganiem długu w dodatkowych walutach lub korzystaniem z bardziej prywatnych struktur finansowania.

Takie alternatywy nie muszą jednak usuwać presji związanej z duration. Kredytobiorcy mogą wykorzystywać swapy, aby zamieniać krótkoterminowe lub zmiennokuponowe zobowiązania na długoterminową ekspozycję o stałym oprocentowaniu. Dane o emisjach publicznych mogą zatem nie uwzględniać pełnej skali finansowania trafiającego na rynki stóp procentowych.

Drugim sygnałem jest relacja między przychodami z AI a nakładami kapitałowymi. Inwestorzy potrzebują dowodów, że popyt na usługi chmurowe, wykorzystanie modeli i zakontraktowana moc obliczeniowa zapewniają odpowiednie zwroty.

Operacyjne przepływy pieniężne powinny rosnąć wraz z capexem, zamiast trwale pozostawać za nim w tyle. Rosnąca amortyzacja, koszty odsetkowe lub energii bez porównywalnego wzrostu przychodów wywrą większą presję na bilanse.

Szczegóły są ważniejsze niż deklarowana wartość przychodów z AI. Czytelnicy powinni porównywać wykorzystanie infrastruktury, długość kontraktów, koncentrację klientów i ceny. Obiekt wspierany długoterminowymi zobowiązaniami różni się od takiego, który powstał głównie w oparciu o prognozowany popyt.

Firmy powinny również wyjaśniać okres użytkowania aktywów. Inwestorzy muszą wiedzieć, jak szybko operatorzy spodziewają się wymieniać akceleratory oraz czy istniejące systemy zasilania i chłodzenia mogą obsłużyć przyszłe układy.

Trzecim sygnałem są zmiany długoterminowych kosztów finansowania w całej gospodarce. Premie terminowe obligacji skarbowych USA, rentowności realne, stopy hipoteczne i spready korporacyjne pokażą, czy presja pozostaje ograniczona do długu sektora technologicznego.

Premia terminowa to dodatkowy zwrot, którego inwestorzy wymagają za posiadanie obligacji długoterminowej zamiast wielokrotnego kupowania papierów krótkoterminowych. Może rosnąć wraz ze wzrostem niepewności lub podaży duration.

Jeśli spready technologiczne się rozszerzają, podczas gdy wskaźniki obligacji skarbowych USA pozostają stabilne, problem ma głównie charakter specyficzny dla kredytu. Jeśli rosną zarówno spready korporacyjne, jak i długoterminowe realne rentowności obligacji skarbowych USA, skutki finansowe stają się szersze.

Taki szerszy scenariusz wywarłby presję na mieszkalnictwo, budownictwo komercyjne, mniejsze firmy i infrastrukturę publiczną. Mógłby też skomplikować decyzje Rezerwy Federalnej, ponieważ wyższe rentowności rynkowe zaostrzają warunki finansowe bez podwyżki stóp polityki pieniężnej.

Kluczowe nie jest to, czy AI nadal będzie się rozwijać. Chodzi o to, czy system finansowania może wspierać ten wzrost bez istotnego podnoszenia kosztu kapitału w innych obszarach.

Czytelnicy Google News powinni traktować relacje z rynku obligacji jako praktyczne uzupełnienie materiałów o produktach. Boom budowlany związany z AI osiągnął już skalę wystarczającą, by wpływać na decyzje wykraczające daleko poza chipy i platformy chmurowe.

Obserwujcie kolejne duże transakcje obligacyjne, a następnie porównujcie je z ujawnieniami dotyczącymi przepływów pieniężnych i zachowaniem długoterminowych obligacji skarbowych USA. Jeśli popyt będzie nadal słabnąć, podczas gdy capex będzie rósł, kolejnym ograniczeniem dla AI nie będą możliwości modeli. Będzie nim cena i dostępność kapitału.