Dług Big Tech związany z AI napotyka ograniczenia ze strony inwestorów

Dług Big Tech związany z AI napotkał wyraźny sygnał konfliktu: inwestorzy nadal chcą ekspozycji, ale nie akceptują już każdego kredytobiorcy ani każdej struktury na łatwych warunkach.

Zmiana nie oznacza załamania finansowania. Alphabet, Amazon, Meta, Microsoft, Oracle i ich partnerzy infrastrukturalni nadal pozyskują ogromne środki na centra danych, chipy, energię i sieci. Inwestorzy coraz wyraźniej oddzielają jednak bogatych w gotówkę hyperscalerów od zadłużonych deweloperów i spekulacyjnych projektów.

To rozróżnienie podważa założenie, że obfity kapitał może wesprzeć każdą część cyklu budowy AI. Finansowanie dłużne infrastruktury AI coraz bardziej zależy od przepływów pieniężnych projektu, jakości zabezpieczeń, umów z klientami i przejrzystego podziału ryzyka. Rynek obligacji przekształca wyścig inżynieryjny w test kredytowy.

Dług Big Tech związany z AI nadal rośnie, ale łatwy popyt słabnie

Najważniejsza zmiana nie polega na tym, że finansowanie dłużne AI się zatrzymało. Chodzi o to, że kredytodawcy stają się na tyle selektywni, iż zmienia to jego cenę i strukturę.

Duże firmy technologiczne finansowały niegdyś większość inwestycji infrastrukturalnych z zatrzymanych zysków. Ich biznesy chmurowe generowały wystarczająco dużo gotówki, by kupować serwery, budować obiekty i pokrywać początkowe koszty tworzenia usług AI.

Model ten zmienia się, ponieważ potrzeby wydatkowe przerastają nawet największe operacyjne przepływy pieniężne. Vanguard szacuje, że Alphabet, Amazon, Meta, Microsoft i Oracle emitowały rocznie około 35 mld USD długu w latach 2020–2024. Ich łączna emisja wzrosła następnie do 93 mld USD w 2025 r.

Do 31 lipca 2026 r. te pięć spółek wyemitowało około 132 mld USD. Według analizy obligacji AI Vanguardu szacunki całkowitej emisji długu związanego z AI w 2026 r. wahają się od 300 mld USD do 570 mld USD.

Finansowanie to wykracza poza tradycyjne obligacje korporacyjne. Budowa centrów danych korzysta również z kredytów bankowych, private credit, finansowania sprzętu, papierów wartościowych zabezpieczonych kredytami hipotecznymi na nieruchomościach komercyjnych, papierów wartościowych zabezpieczonych aktywami i spółek celowych.

Spółka celowa to odrębny podmiot prawny utworzony w celu finansowania i posiadania określonej grupy aktywów lub zobowiązań. Może ona izolować ryzyko projektu, choć gwarancje umowne mogą ponownie powiązać to ryzyko z większą firmą technologiczną.

Ta różnorodność ma znaczenie, ponieważ określenie „dług AI” obejmuje kredytobiorców o diametralnie różnych profilach finansowych. Wysoko oceniany hyperscaler z powtarzalnymi przychodami z chmury nie jest równoważny spółce projektowej finansującej jeden kampus.

Pierwszą reakcją rynku na wzrost emisji jest często rozszerzenie spreadu. Spread kredytowy to dodatkowa rentowność, której inwestorzy wymagają ponad obligację rządową o porównywalnym terminie zapadalności.

Szersze spready nie oznaczają automatycznie oczekiwanego niewypłacalności. Mogą po prostu odzwierciedlać dużą podaż, mniejszą pojemność portfeli, dłuższe terminy zapadalności lub większą niepewność co do przyszłego zadłużania się.

Wydaje się, że właśnie to dzieje się na całym rynku obligacji hyperscalerów. Inwestorzy muszą wchłonąć większe transakcje, oczekując jednocześnie, że te same spółki powrócą z kolejnymi emisjami.

Problem podaży może sam się wzmacniać. Duża transakcja wypełnia limity portfela, kolejny emitent musi zaoferować lepsze warunki, a istniejące obligacje są przeceniane, by odpowiadały nowej emisji.

Wyjaśnia to, dlaczego spowolnienie aktywności pożyczkowej może współistnieć z rosnącymi zobowiązaniami infrastrukturalnymi. Spółki mogą odłożyć emisję, korzystać z finansowania prywatnego lub czekać na lepsze warunki rynkowe bez ograniczania samego projektu.

Najsilniejsi kredytobiorcy nadal mają dostęp do kapitału. Dostęp nie jest już jednak jedynym istotnym pytaniem. Koszt, termin zapadalności, pakiet kowenantów i podział ryzyka coraz częściej przesądzają o tym, czy projekt pozostaje atrakcyjny.

Inwestorzy wychodzą więc poza szeroką narrację dotyczącą AI. Ocieniają, czy poszczególni kredytobiorcy są w stanie przekształcić wydatki kapitałowe w trwałe przepływy pieniężne, zanim konieczne stanie się refinansowanie.

To pierwsze realne ograniczenie szału zadłużeniowego. Rynek nie odrzuca infrastruktury AI, ale odmawia traktowania każdej obietnicy przyszłego popytu jako równoważnego zabezpieczenia.

Boom na finansowanie dłużne infrastruktury AI zmienił rynek obligacji

Finansowanie dłużne infrastruktury AI urosło na tyle, że wpływa na portfele, które nigdy nie były projektowane jako skoncentrowane zakłady na jeden cykl technologiczny.

Skala planowanych inwestycji wyjaśnia, dlaczego dług stał się niezbędny. Centra danych wymagają gruntów, przyłączy do sieci, stacji transformatorowych, systemów chłodzenia, sprzętu sieciowego i dużych zapasów zaawansowanych chipów.

Wiele z tych aktywów wymaga lat planowania i budowy. Spółki muszą angażować kapitał na długo przed osiągnięciem przez obiekt stabilnego poziomu wykorzystania lub generowaniem przewidywalnych przychodów.

Rezerwa Federalna w Dallas przytoczyła szacunki od 3 bln USD do 5 bln USD na inwestycje w centra danych AI w okresie od trzech do pięciu lat. Oszacowała, że od 2023 r. wewnętrznie sfinansowano już od 500 mld USD do 600 mld USD.

Prognozy Wall Street przytoczone przez bank wskazywały na około 300 mld USD emisji papierów inwestycyjnych związanych z AI w 2026 r. Podaż ta mogłaby odpowiadać około jednej ósmej oczekiwanej emisji duration obligacji skarbowych po przeliczeniu na ekwiwalenty dziesięcioletnie.

Duration mierzy, jak wrażliwa jest cena obligacji na zmiany stóp procentowych. Obligacje długoterminowe mają wyższe duration, ponieważ inwestorzy dłużej czekają na odzyskanie kapitału.

Badacze Rezerwy Federalnej stwierdzili, że finansowanie AI coraz częściej dostarcza duration za pośrednictwem obligacji korporacyjnych, prywatnych pożyczek i swapów stopy procentowej. Ich badanie rynku kredytowego wskazuje, że te przepływy mogą wpływać na długoterminowe rentowności i spready swapowe.

Dla hyperscalerów długoterminowy dług zapewnia logiczne dopasowanie aktywów i zobowiązań. Spółka może rozłożyć koszty budowy na lata, w których centrum danych ma obsługiwać klientów.

Dług pozwala też zachować gotówkę na przejęcia, badania, zakupy chipów i wypłaty dla akcjonariuszy. Kredytobiorcy o wysokich ratingach mogą często pozyskać dług taniej niż mniejsi deweloperzy infrastruktury.

Długie terminy zapadalności przenoszą jednak znaczną ekspozycję na stopy procentowe na inwestorów obligacyjnych. Gdy kilka dużych firm technologicznych emituje jednocześnie obligacje długoterminowe, zarządzający portfelami muszą zdecydować, jak duże powiązane ryzyko mogą utrzymywać.

Tej koncentracji coraz trudniej nie dostrzegać. Szerokie indeksy obligacji korporacyjnych zyskują ekspozycję na te same spółki i tę samą tezę inwestycyjną, które dominują w głównych indeksach akcji.

Oszczędzający może posiadać akcje hyperscalerów za pośrednictwem funduszu akcyjnego, a następnie uzyskać dodatkową ekspozycję na AI przez fundusz obligacyjny. Druga pozycja zapewnia ograniczoną dywersyfikację, jeśli oba aktywa zależą od podobnych założeń dotyczących wydatków.

Nie oznacza to, że obligacje inwestycyjne firm technologicznych są z natury niebezpieczne. Większość głównych hyperscalerów ma silną płynność, ugruntowane biznesy i znacznie niższe zadłużenie niż typowi spekulacyjni kredytobiorcy.

Obawa jest bardziej konkretna. Dodatkowa rentowność oferowana przez obligację musi rekompensować inwestorom koncentrację, duration, przyszłą podaż i niepewne zwroty z ogromnych programów kapitałowych.

Gdy spready pozostają wąskie, ta rekompensata może wydawać się niewystarczająca. Zarządzający funduszami mogą zareagować, żądając większej premii za nową emisję, czyli dyskonta oferowanego, aby ulokować świeżą obligację.

Mogą również ograniczyć zlecenia lub preferować krótsze terminy zapadalności. Takie decyzje podnoszą koszty finansowania bez wywoływania dramatycznego zamknięcia rynku.

Efekt wykracza poza firmy technologiczne. Nabywcy obligacji korporacyjnych dysponują ograniczonym kapitałem, a fala emisji hyperscalerów konkuruje z bankami, spółkami przemysłowymi, przedsiębiorstwami użyteczności publicznej i innymi kredytobiorcami.

Podobne ograniczenia występują na rynkach prywatnych. Firmy ubezpieczeniowe, fundusze emerytalne, zarządzający aktywami i fundusze private credit często mają limity dotyczące ratingów, ekspozycji sektorowej, płynności i poszczególnych kontrahentów.

Gdy limity te zbliżają się do pełnego wykorzystania, projekt potrzebuje innego nabywcy albo wyższej rentowności. Inżynieria finansowa może redystrybuować ekspozycję, ale nie może stworzyć nieograniczonej zdolności do ponoszenia ryzyka.

Dlatego rynek obligacji hyperscalerów stał się częścią historii AI. Wyniki modeli nadal mają znaczenie, lecz zdolność finansowania pomaga dziś określić, jak szybko może rosnąć podaż mocy obliczeniowej.

Inwestorzy kredytowi oczekują umów, zabezpieczeń i przepływów pieniężnych

Inwestorzy akcyjni mogą korzystać z nieograniczonego potencjału wzrostu, podczas gdy kredytodawcy zazwyczaj otrzymują stałe płatności i ponoszą straty, gdy projekt zawodzi.

Ta asymetria ma kluczowe znaczenie dla zmiany nastrojów. Udana platforma AI może przynieść akcjonariuszom ogromne zyski. Obligatariusz zwykle otrzymuje uzgodnione odsetki i kapitał niezależnie od tego, jak duży sukces odniesie platforma.

Kredytodawca musi zatem skupić się na ochronie przed stratami. Analiza kredytowa pyta, kiedy nadejdzie gotówka, na ile jest wiarygodna i które aktywa zachowują wartość, gdy prognozy zawodzą.

Pytania te stają się trudniejsze, gdy kredytobiorca zależy od niepotwierdzonego popytu. Centrum danych AI może mieć wartościowy dostęp do energii i infrastrukturę fizyczną, ale jego chipy mogą szybko się starzeć.

Kampus może też w dużej mierze zależeć od jednego klienta. Długoterminowa umowa najmu z silnym hyperscalerem zapewnia większą ochronę niż prognoza oparta na przyszłych najemcach.

Reuters podał, że spółki o niższych ratingach wyemitowały w 2026 r. 88 mld USD długu związanego z AI. Dla porównania, w pierwszych jedenastu miesiącach 2025 r. emisja w segmencie finansowania lewarowanego wyniosła 20 mld USD.

Według danych BNP Paribas przytoczonych w analizie kredytów lewarowanych, podaż infrastruktury AI na rynku high-yield osiągnęła w 2026 r. 40 mld USD. Porównywalna suma za cały 2025 r. wyniosła 12 mld USD.

Szybka ekspansja zmusiła inwestorów do rozróżniania projektów. Nabywcy preferowali kredytobiorców z materialnymi aktywami, ugruntowanymi klientami i umowami zdolnymi obsłużyć spłaty długu.

Bardziej ryzykowne spółki musiały akceptować znacznie bardziej wymagające warunki. Emitenci bliscy ratingu inwestycyjnego płacili rentowności rzędu 9–10 proc., podczas gdy słabsi kredytobiorcy mierzyli się z potencjalnymi kosztami od 14 proc. do 15 proc.

Takie stawki mogą podważyć projekt jeszcze przed rozpoczęciem budowy. Centrum danych musi zarobić wystarczająco dużo, aby pokryć koszty energii elektrycznej, utrzymania, personelu, wymiany sprzętu i obsługi długu.

Wyższe koszty odsetkowe pozostawiają mniej miejsca na opóźnienia lub niskie wykorzystanie. Zwiększają też przychody niezbędne do uzasadnienia dalszej ekspansji.

Jedna transakcja pokazała, jak szybko może ujawnić się sceptycyzm. Zenith Arc wyemitował zabezpieczone obligacje o wartości 2,25 mld USD, aby sfinansować centrum danych w Oklahomie wynajmowane Jane Street.

Pięcioletnie obligacje miały kupon 8,875 proc. i zostały wyemitowane po cenie 99,50 proc. wartości nominalnej. Ich cena kupna miała spaść do 96,75 wkrótce po emisji.

Pod koniec sierpnia Pender Fund Management podał, że papiery straciły ponad siedem punktów względem ceny emisyjnej. Ta przecena nie zatrzymała finansowania AI, ale ostrzegła późniejszych kredytobiorców, że słabe warunki będą karane.

Zarządzający zobowiązaniami kredytowymi zabezpieczonymi również stali się ostrożniejsi. Te instrumenty kupują portfele kredytów lewarowanych i finansują je poprzez emisję papierów wartościowych o różnych poziomach ryzyka.

Ich zasady mogą ograniczać ekspozycję, gdy zadłużenie kredytobiorcy rośnie lub jego rating spada. Tworzy to praktyczny pułap dla spółek polegających na niepewnych przyszłych przepływach pieniężnych.

Ta dyscyplina kredytowa tworzy dwubiegowy rynek. Zamożni hiperskalerzy nadal mogą emitować duże obligacje inwestycyjne, choć mogą płacić wyższe spready.

Niezależni deweloperzy i spekulacyjni pożyczkobiorcy stają przed znacznie trudniejszym testem. Potrzebują wiążących zobowiązań klientów, mocniejszych zabezpieczeń, większego udziału kapitału sponsorów albo wyższej rentowności.

Rezultatem nie jest proste ograniczenie całkowitej ilości kapitału. Finansowanie może przenosić się w stronę kredytu prywatnego lub finansowania strukturyzowanego, gdy konwencjonalne rynki stają się mniej otwarte.

Taka migracja może utrzymać tempo budowy. Może też utrudniać obserwację systemu, ponieważ instrumenty prywatne są przedmiotem rzadkiego obrotu i ujawniają mniej informacji niż obligacje publiczne.

Spowolnienie dotyczy zatem jakości i dostępności finansowania, a nie tylko liczby transakcji. Kapitał nadal istnieje, lecz coraz bardziej restrykcyjne warunki decydują o tym, kto może z niego korzystać.

Opór inwestorów ujawnia kluczowy kompromis związany z lawiną zadłużenia

Rozbudowa AI potrzebuje długoterminowego kapitału, lecz jej najdroższe aktywa podlegają wyjątkowo szybkim zmianom technologicznym i komercyjnym.

Centra danych obejmują infrastrukturę o długim okresie użytkowania. Budynki, stacje elektroenergetyczne, połączenia światłowodowe i systemy chłodzenia mogą działać przez wiele lat.

Akceleratory AI działają według innego zegara. Nowe generacje chipów mogą w znacznie krótszym czasie poprawiać wydajność, pojemność pamięci i efektywność energetyczną.

Ta rozbieżność komplikuje ocenę kredytową. Kredytodawca może finansować długowieczny obiekt, którego przychody zależą od sprzętu wymagającego wielokrotnej wymiany.

Pożyczkobiorca musi generować wystarczającą gotówkę na obsługę długu, jednocześnie finansując modernizacje. Jeśli wykorzystanie spada, starszy sprzęt może generować mniejsze przychody, zanim dług zapadnie.

Prognozy popytu niosą podobną niepewność. Firmy AI oczekują, że obciążenia związane z inferencją, systemy agentowe, wdrożenia korporacyjne i trenowanie modeli będą zużywać coraz większe moce obliczeniowe.

Przychody nie rosną jednak automatycznie w tym samym tempie co wykorzystanie mocy obliczeniowej. Konkurencja może obniżać ceny modeli, a poprawa efektywności może zmniejszać zasoby obliczeniowe potrzebne do każdego zadania.

Otwarte modele dodają kolejną zmienną. Mogą stymulować wdrożenia, czyniąc AI tańszą i łatwiejszą do zastosowania, lecz mogą także osłabiać wycenę usług zastrzeżonych.

To napięcie nie dowodzi, że wydatki na infrastrukturę zakończą się niepowodzeniem. Oznacza, że kredytodawcy potrzebują dowodów łączących inwestycje fizyczne z wiarygodnymi przychodami.

Najmocniejszym dowodem są płatności kontraktowe. Długoterminowa umowa najmu lub umowa na moce może przekształcić niepewny popyt w bardziej przewidywalny strumień gotówki.

Nawet wtedy inwestorzy muszą analizować klauzule rozwiązania umowy, gwarancje, warunki ukończenia oraz szersze zobowiązania klienta. Rozpoznawalny najemca nie eliminuje każdego ryzyka projektu.

Struktury pozabilansowe utrudniają tę analizę. Hiperskaler może współpracować z zewnętrznym inwestorem, który posiada obiekt, podczas gdy firma technologiczna wynajmuje jego moce.

Taki układ może obniżyć raportowane zadłużenie hiperskalera. Najem, gwarancja lub zobowiązanie dotyczące mocy może jednak nadal tworzyć istotne zobowiązanie ekonomiczne.

S&P Global ostrzega, że ekspozycja może wydawać się zdywersyfikowana między obligacjami korporacyjnymi, papierami wartościowymi zabezpieczonymi hipotekami komercyjnymi, pożyczkami prywatnymi i papierami wartościowymi zabezpieczonymi aktywami. W rzeczywistości instrumenty te mogą zależeć od tego samego popytu ze strony hiperskalerów.

Jego przegląd długu prywatnego wskazuje również na luki w wycenach. Aktywa prywatne mogą zachowywać nieaktualne wyceny po tym, jak dług notowany publicznie został już przeszacowany.

To opóźnione dostosowanie może zacierać straty. Może też sprawiać, że różne fundusze wydają się mniej skorelowane, niż sugerują ich bazowe ryzyka.

Przejrzystość stała się zatem kwestią kredytową, a nie detalem księgowym. Inwestorzy muszą wiedzieć, kto ostatecznie płaci, gdy budowa się opóźnia lub popyt rozczarowuje.

Muszą także rozumieć, jak wyceniane są projekty. Wycena oparta na pełnym obłożeniu ma ograniczone znaczenie, gdy obiekt nie ma zakontraktowanych najemców lub wystarczającego zasilania.

Kompromis jest nieunikniony. Złożone struktury mogą łączyć wyspecjalizowanych inwestorów z projektami, rozdzielać ryzyko i oszczędzać kapitał hiperskalerów.

Ta sama złożoność może ukrywać dźwignię finansową, koncentrować ekspozycję i opóźniać rozpoznanie problemów, gdy założenia się pogarszają. Większa elastyczność finansowania może oznaczać mniejszą widoczność.

W tym miejscu zadłużenie Big Tech związane z AI różni się od zwykłego zadłużenia na ekspansję. Rynek finansuje jednocześnie znaną infrastrukturę i niepewny popyt technologiczny w bezprecedensowej skali.

Historyczne boomy infrastrukturalne dają powody zarówno do optymizmu, jak i ostrożności. Koleje, sieci telekomunikacyjne i cloud computing wymagały dużych inwestycji z góry, zanim ich korzyści gospodarcze stały się oczywiste.

Przyniosły też nieudane projekty, nadwyżkę mocy, restrukturyzacje i straty, obok trwałej infrastruktury. Wartościowa technologia nie gwarantuje sukcesu każdego instrumentu finansowania.

Istotne pytanie nie brzmi więc, czy AI będzie miała znaczenie. Inwestorzy muszą zdecydować, które aktywa, kontrakty i podmioty finansowane pozyskają wystarczającą wartość, aby spłacić swoje zobowiązania.

Najsilniejsi pożyczkobiorcy nie są odporni na presję podażową

Silny bilans obniża ryzyko niewypłacalności, lecz nie gwarantuje korzystnej wyceny, gdy wielu dużych emitentów konkuruje o ten sam kapitał.

Alphabet, Amazon, Meta i Microsoft wchodzą w ten cykl z rentownymi biznesami i znaczną płynnością. Wyraźnie odróżnia ich to od deweloperów finansowanych głównie długiem projektowym.

Oracle przyciąga większą uwagę, ponieważ jego potrzeby finansowe i zobowiązania dotyczące infrastruktury AI szybko wzrosły. Rynki kredytowe oceniały jego ryzyko inaczej niż ryzyko najsilniejszych hiperskalerów.

Mimo to inwestorzy mogą żądać wyższych rentowności od każdego emitenta, nie przewidując jego niewypłacalności. Ceny obligacji reagują na podaż, stopy procentowe, termin zapadalności i pojemność portfeli, a także na prawdopodobieństwo niewypłacalności.

Do 22 lipca 2026 r. Alphabet, Amazon, Meta, Microsoft i Oracle pozyskały niemal 302 mld USD w transakcjach dłużnych i kapitałowych. Dane te pochodziły z S&P Global Market Intelligence i zostały przytoczone w przeglądzie finansowania AI.

W tym samym raporcie przytoczono dane Goldman Sachs wskazujące na 489 mld USD globalnej podaży obligacji i pożyczek związanych z AI. Przekroczyło to już szacowaną przez firmę łączną wartość 322 mld USD za 2025 r.

Liczby te mierzą różne zakresy, dlatego nie należy porównywać ich jako identycznych kategorii. Łącznie pokazują, jak szybko finansowanie technologii stało się istotnym źródłem podaży na rynku.

Rentowności obligacji rządowych również wpływają na ostateczny koszt. Firma może utrzymać ten sam spread kredytowy, a mimo to płacić więcej, ponieważ rośnie bazowa rentowność obligacji skarbowych USA.

Ma to znaczenie dla określenia „opór inwestorów”. Część wzrostu kosztów pożyczania odzwierciedla warunki makroekonomiczne, a nie bezpośredni werdykt dotyczący AI.

Rozróżnienie pozostaje ważne dla emitentów, lecz mniej istotne dla ekonomiki projektów. Obsługa długu drożeje niezależnie od tego, czy przyczyną jest niepokój kredytowy, czy wyższe rentowności obligacji rządowych.

Firma może odpowiedzieć na kilka sposobów. Może opóźnić emisję, skrócić terminy zapadalności, wyemitować akcje, pozyskać partnera infrastrukturalnego lub ograniczyć zakres projektu.

Może również zaakceptować wyższy koszt, ponieważ szybkość ma większe znaczenie niż krótkoterminowa efektywność finansowania. Utrata dostępu do mocy obliczeniowych mogłaby wiązać się z większym kosztem strategicznym niż zapłacenie wyższego spreadu.

Ta logika strategiczna wspiera dalsze wydatki. Żaden czołowy dostawca chmury nie chce zabraknąć mocy, jeśli popyt przedsiębiorstw na usługi AI będzie nadal rósł.

Logika ta może jednak sprzyjać skorelowanym inwestycjom. Każda firma wydaje częściowo dlatego, że wydają konkurenci, co może prowadzić do nadmiaru mocy, jeśli prognozy popytu okażą się zbyt optymistyczne.

Inwestorzy kredytowi nie mogą polegać wyłącznie na znaczeniu strategicznym. Potrzebują, aby wynikające z tych inwestycji usługi generowały wystarczające przychody dla pożyczkobiorcy lub spółki projektowej.

Różnica jakościowa powinna więc się pogłębiać. Duzi hiperskalerzy mogą nadal pożyczać, podczas gdy inwestorzy będą ograniczać dostęp słabszym projektom.

Ten podział wpłynie na to, gdzie będą powstawać nowe centra danych. Projekty z zabezpieczonym dostępem do energii elektrycznej, doświadczonymi operatorami, wiarygodnymi najemcami i kapitałem sponsorów powinny zachować lepszy dostęp.

Projekty oparte na spekulacyjnym popycie będą napotykać opóźnienia lub restrukturyzację. Niektóre mogą przenieść się na rynki prywatne, gdzie kredytodawcy mogą negocjować silniejsze zabezpieczenia i wyższe stopy zwrotu.

Kapitał prywatny nie jest nieograniczoną drogą ucieczki. Fundusze nadal muszą pozyskiwać pieniądze od instytucji monitorujących koncentrację, płynność i wyniki.

Prywatna transakcja nie eliminuje też dyscypliny rynkowej. Jedynie wyraża ją poprzez negocjowane kowenanty, pakiety zabezpieczeń i wymogi dotyczące zwrotu.

Najbardziej prawdopodobnym rezultatem będzie zatem wolniejsze i bardziej nierówne finansowanie. Zadłużenie Big Tech związane z AI pozostaje dostępne, lecz rynek zwiększa dystans między kredytem korporacyjnym a ryzykiem projektowym.

Trzy sygnały pokażą, czy spowolnienie finansowania się pogłębia

Księgi zleceń, jakość pożyczkobiorców i prognozy wydatków kapitałowych pokażą, czy selektywność przerodzi się w szersze ograniczenie budowy infrastruktury AI.

Pierwszym sygnałem jest przyjęcie dużych nowych emisji obligacji. Inwestorzy powinni obserwować pokrycie księgi zleceń, ostateczną wielkość transakcji, premię za nową emisję oraz notowania po sprzedaży.

Oferta z dużą liczbą zapisów może nadal wskazywać na słaby popyt, jeśli emitent zmniejsza jej wielkość lub oferuje wyjątkowo atrakcyjną rentowność. Wyniki na rynku wtórnym stanowią wyraźniejszy test po ustaleniu przydziałów.

Jeśli obligacje dużych hiperskalerów będą dobrze notowane, rynek zasygnalizuje, że podaż pozostaje możliwa do absorpcji przy odpowiedniej cenie. Słabe notowania wzmocniłyby tezę, że możliwości inwestorów stają się ograniczone.

Drugim sygnałem jest spread między inwestycyjnymi a spekulacyjnymi pożyczkobiorcami z sektora AI. Ta różnica mierzy, czy obawy nadal koncentrują się w ryzykownych projektach.

Utrzymany dostęp dla bogatych w gotówkę firm, połączony z nieudanymi lub kosztownymi transakcjami o niższym ratingu, potwierdziłby dwubiegowy rynek kredytowy. Inwestorzy egzekwowaliby dyscyplinę projektową, nie odrzucając całej tezy dotyczącej AI.

Szersze przeszacowanie wśród wysoko ocenianych hiperskalerów byłoby bardziej znaczące. Wskazywałoby, że wolumen emisji i niepewność inwestycyjna wpływają na najsilniejszych pożyczkobiorców na rynku.

Trzecim sygnałem są prognozy wydatków kapitałowych Alphabet, Amazon, Meta, Microsoft i Oracle. Prognozy łączą plany infrastrukturalne z kolejną falą potrzeb finansowych.

Inwestorzy powinni porównywać zobowiązania wydatkowe ze wzrostem usług chmurowych, przychodami z AI, wolnymi przepływami pieniężnymi, zobowiązaniami z tytułu najmu i ogłoszonymi partnerstwami. Wzrost wydatków wspierany szybszym wzrostem przychodów złagodziłby obawy kredytowe.

Wzrost wydatków połączony ze słabszym generowaniem gotówki je nasili. Sugerowałby, że firmy potrzebują więcej finansowania zewnętrznego, zanim wcześniejsze inwestycje zapewnią wystarczające zwroty.

Vanguard prognozuje łączne wydatki kapitałowe hiperskalerów na poziomie blisko 800 mld USD w 2026 r. oraz powyżej 1 bln USD rocznie w latach 2027–2030. Prognozy te sugerują, że obecne emisje są wczesnym etapem, a nie zjawiskiem przejściowym.

Prognozy mogą się zmienić, zwłaszcza gdy koszty pożyczania rosną. Firmy mogą zrewidować harmonogramy budowy, nie rezygnując z długoterminowych planów dotyczących AI.

Nadal wpłynęłoby to na dostawców chipów, przedsiębiorstwa użyteczności publicznej, deweloperów, wykonawców i społeczności oczekujące nowych obiektów. Tempo finansowania określa, kiedy popyt dotrze do każdego elementu tego łańcucha.

Czytelnicy nie powinni traktować wolniejszego kwartału pożyczania jako dowodu, że boom AI się zakończył. Emisje zależą od okien rynkowych, kalendarzy korporacyjnych i indywidualnych kamieni milowych projektów.

Powinni oni również opierać się przeciwnemu założeniu, że silne bilanse hyperscalerów eliminują wszelkie ryzyko. Wiarygodny kredytowo najemca może wesprzeć projekt, nie czyniąc jednak każdej struktury wyceny lub finansowania rozsądną.

Kluczowym sprawdzianem jest to, czy finansowanie dłużne infrastruktury AI wygeneruje przepływy pieniężne, zanim jego obsługa stanie się zbyt kosztowna. Ten test ma obecnie równie duże znaczenie jak wyniki benchmarków modeli czy dostępność chipów.

Dla nabywców korporacyjnych, deweloperów i użytkowników AI konsekwencje będą widoczne w dostępnej mocy obliczeniowej, cenach usług, harmonogramach wdrożeń i zobowiązaniach dostawców. Presja finansowa może spowolnić podaż, nawet gdy postęp technologiczny trwa.

Warto obserwować kolejne duże emisje obligacji, różnicę między silnymi a słabymi kredytobiorcami oraz prognozy wydatków hyperscalerów. Łącznie sygnały te pokażą, czy ostrożność jest zdrową dyscypliną, czy początkiem szerszego ograniczenia kapitału.

Zadłużenie Big Techu związane z AI nie natrafiło na zamknięte drzwi. Dotarło do bramki, przy której inwestorzy analizują kredytobiorcę, kontrakt, zabezpieczenie i oczekiwane przepływy pieniężne, zanim udostępnią kolejnego dolara.