Z jedné technologické sázky se stává riziko pro celý trh

Dopad by se nemusel omezit na technologie. Podle Reuters představoval dluh spojený s AI v roce 2026 téměř 15 % emisí dluhopisů s investičním stupněm, přičemž koncentrace AI v širokých úvěrových indexech zůstávala nízká. Tento rozdíl je důležitý: AI může ovlivňovat cenu nových emisí a likviditu trhu, i když zatím netvoří dominantní část celého segmentu kvalitního podnikového dluhu.

Proč se akcie a dluhopisy stále více propojují

Akciový a úvěrový kanál se navzájem posilují dvěma způsoby.

Za prvé, úzká skupina velkých technologických firem dokáže výrazně ovlivňovat výkonnost akciových indexů i náladu investorů. Pokud jejich ocenění silně závisí na očekávaných budoucích příjmech z AI, nižší odhad poptávky nebo návratnosti investic do infrastruktury může snížit cenu akcií i hodnotu budoucích peněžních toků.

Za druhé, pokles akciových ocenění může prodražit financování. Firmy mohou čelit vyšším spreadům na klasickém dluhopisovém trhu, méně výhodným podmínkám u soukromých úvěrů a slabší poptávce po akciově-dluhových cenných papírech. Vyšší náklady na kapitál pak dále oslabí původní investiční tezi.

Dobře je to vidět na trhu konvertibilních dluhopisů. Konvertibilní dluhopis kombinuje klasický dluh s opcí na převod do akcií. Emitent díky tomu může platit nižší hotovostní úrok, pokud investoři oceňují možnost budoucího růstu akcií. V USA dosáhla emise konvertibilních dluhopisů v prvních čtyřech měsících roku 2026 přibližně 34 miliard dolarů, což bylo více než dvojnásobně oproti stejnému období předchozího roku. K růstu významně přispěly firmy napojené na AI.

Silný akciový trh AI tak může podporovat levnější akciově-dluhové financování, které následně financuje další infrastrukturu a udržuje růstový příběh při životě. Prudký výprodej akcií může tento mechanismus obrátit: konvertibilní dluhopisy ztratí část své přitažlivosti, zhorší se podmínky zajišťování a dlužníci budou více odkázáni na dražší klasický dluh nebo novou emisi akcií.

Skutečným pojítkem není typ aktiva, ale poptávka po AI

Dluhopis hyperscalera, úvěr na datové centrum, financování od soukromého věřitele, úvěr na energetický projekt a pohledávka dodavatele mohou být vydány různými právními subjekty. Přesto mohou záviset na stejném ekonomickém předpokladu: že zákazníci budou dál investovat do AI, pronajímat výpočetní kapacitu a vytvářet dostatečné příjmy k financování celého infrastrukturního řetězce.

Tato společná závislost může způsobit, že diverzifikace bude vypadat silnější, než ve skutečnosti je. Portfolio rozložené mezi dluhopisy, sekuritizace a soukromé úvěry může obsahovat několik různých nároků vůči stejným hyperscalerům, provozovatelům datových center nebo poptávce po vybavení. Pokud se projekty zpozdí nebo kapacita zůstane nevyužitá, ztráty se mohou objevit v různých instrumentech současně – i když žádný z nich není formálně garantován stejnou společností.

Riziko roste ve chvíli, kdy finanční struktury přesunou expozici mimo hlavní rozvahu, aniž by odstranily obchodní závazky sponzora projektu.

Financování mimo rozvahu může skutečnou expozici znepřehlednit

Účelové společnosti, leasing a záruky zůstatkové hodnoty se stávají důležitými nástroji při výstavbě datových center. V typické struktuře získá externí subjekt dluhové financování a vlastní samotné zařízení, zatímco technologická firma si dokončené centrum pronajímá. Projektový dluh tak může zůstat mimo vykazovaný dluh firmy, přestože firma nadále nese závazky v podobě nájemného, minimálního odběru nebo záruk navázaných na budoucí hodnotu aktiva.

Struktura navrhovaného datového centra Hyperion společnosti Meta tento mechanismus ilustruje. Právní analýza popisuje účelovou společnost v hodnotě 30 miliard dolarů, která získala přibližně 27 miliard dolarů v úvěrech a 3 miliardy dolarů ve vlastním kapitálu; dokončené zařízení si má pronajímat Meta. Další zprávy popisují záruky zůstatkové hodnoty, podle nichž by Meta investorům kompenzovala pokles hodnoty nemovitosti pod stanovenou hranici.

Dluh projektové společnosti tím není totožný s běžným seniorním dluhem mateřské firmy. Znamená to však, že vykazovaná páka nemusí plně zachycovat citlivost podnikání na stavební náklady, technologické zastarávání, využití kapacity a hodnotu aktiv. Praktická otázka pro investory proto nezní jen „Kdo si peníze právně vypůjčil?“, ale také „Kdo ponese ztrátu, pokud ekonomika AI nenaplní očekávání?“

Jak by se přecenění mohlo přelít ekonomikou

Finanční korekce nemusí začít nesplácením dluhu. Může odstartovat změnou předpokladů:

1. Růst příjmů z AI nebo využití datových center zaostane za očekáváním.
2. Ocenění akcií klesne a investoři znovu posoudí dobu návratnosti kapitálových výdajů.
3. Rozšíří se dluhopisové spready a konvertibilní financování bude méně atraktivní.
4. Projektové společnosti, provozovatelé a dodavatelé budou čelit dražšímu refinancování.
5. Hyperscaleři odloží nebo omezí objednávky čipů, serverů, stavebních prací, energetických zařízení a nemovitostí.
6. Slabší protistrany ztratí přístup k úvěru, zatímco vyšší dlouhodobé úrokové náklady zatíží investice mimo technologický sektor.

Jde o možnou zpětnou vazbu, nikoli o předpověď. Hyperscaleři s vysokou tvorbou hotovosti mohou slabší návratnost snášet déle než menší infrastrukturní firmy. I bez rozsáhlého nesplácení u největších společností by však odkládané projekty a přísnější finanční podmínky mohly ovlivnit širší investiční cyklus.

Co současná data potvrzují – a co nikoli

Dostupné údaje potvrzují rostoucí koncentrační a korelační riziko. Dluh spojený s AI rychle narůstá, konvertibilní emise slouží k financování růstu navázaného na AI a strukturované transakce pro datová centra rozdělují expozici mezi veřejné i soukromé trhy.

Samotná tato čísla však nedokazují, že finanční systém čelí bezprostřední systémové krizi. Odhad 570 miliard dolarů je prognóza, nikoli již realizovaný objem emisí. Také výpočty finanční mezery nebo podílu kapitálových výdajů financovaného dluhem závisí na tom, co se do dluhu započítá. Leasing, záruky, úvěry od soukromých věřitelů, financování dodavateli a budoucí závazky mohou vést k výrazně odlišným součtům.

Pro investory je proto nejpraktičtějším testem zmapování skutečné expozice. Nestačí sledovat názvy emitentů. Je třeba se ptát, zda několik pozic v portfoliu závisí na stejném hyperscalerovi, stejném nájemci datového centra, stejné zůstatkové hodnotě vybavení nebo stejném předpokladu, že AI půjde dostatečně dobře zpeněžit.

Hlavní riziko nespočívá v tom, že všechna aktiva spojená s AI jsou totožná. Spočívá v tom, že mnoho z nich může být zranitelných vůči stejné změně očekávání.