Kan Big Techs AI-boom udløse en kreditkrise?

Ét kvartal med negativt cash flow er ikke tegn på insolvens. Gentagne underskud kan dog øge afhængigheden af kontantbeholdninger, obligationer, aktieudstedelser, leasingaftaler og andre kontraktlige forpligtelser. Dermed udvikler en teknologisk investeringscyklus sig til en finansieringscyklus.

Infrastrukturens økonomiske mismatch

AI-infrastruktur består af aktiver med meget forskellige levetider og risici:

• Grafikprocessorer og andet udstyr kan hurtigt miste værdi, hvis nye systemer leverer bedre ydelse til lavere omkostninger.
• Datacentre og strømrelateret infrastruktur har lang levetid, er dyre at opføre og vanskelige at anvende til andre formål.
• Cloudpriserne kan blive presset, hvis flere udbydere udvider kapaciteten samtidig.
• Byggeaftaler, udstyrsordrer og strømforpligtelser kan fortsætte, selv efter at en kunde har bremset sin ekspansion.

Hvis efterspørgslen efter AI skuffer, kan en hyperscaler sænke sine fremtidige kapitaludgifter. Det annullerer dog ikke nødvendigvis faciliteter, der allerede er under opførelse, udstyr, der er bestilt, leasingaftaler, der er underskrevet, eller projektgæld, der allerede er optaget.

Tabene kan derfor først ramme ejerne af infrastrukturen og deres finansieringskilder – ikke nødvendigvis det største teknologiselskab direkte.

Finansiering uden for balancen kan flytte risikoen

Udbygningen finansieres gennem en blanding af virksomhedsobligationer, leasing, joint ventures, projektselskaber, garantier og kapital fra tredjeparter. Den Internationale Betalingsbank, BIS, beskriver blandt andet strukturer, hvor et særligt selskab opfører eller køber et datacenter, optager gæld og er afhængigt af lange lejeaftaler eller kapacitetsforpligtelser fra en hyperscaler.

Sådanne konstruktioner kan være økonomisk tæt forbundet med en hyperscaler, selv om lånene ikke fremgår som almindelig virksomhedsgæld.

En Moody’s-opdatering fra juli, omtalt af Environment+Energy Leader, opgjorde de samlede datacenter-leasingforpligtelser hos Amazon, Alphabet, Meta, Microsoft, Oracle og CoreWeave til omkring 1.200 milliarder dollar. Mere end 820 milliarder dollar var knyttet til faciliteter, der stadig var under opførelse.

Estimater over “skjulte” AI-forpligtelser skal dog læses med forsigtighed. Et tal på eksempelvis 3.000 milliarder dollar kan indeholde forskellige kombinationer af leasingaftaler, købsforpligtelser, garantier og andre kontraktlige eksponeringer. Det kan derfor ikke automatisk sammenlignes med den rapporterede gæld.

Den bredere pointe er mere robust: Den gæld, der står tydeligt på balancen, viser ikke nødvendigvis alle de krav, som AI-infrastrukturboomet har skabt.

Private lån kan blive den første stresstest

Private långivere spiller en stadig større rolle i finansieringen af datacentre, byggeprojekter, jord, strømudstyr og relateret infrastruktur. Forskning fra Columbia Business School, der henviser til estimater fra Morgan Stanley, vurderer, at over halvdelen af de cirka 2.900 milliarder dollar, der kræves til hyperscalernes ekstra computerkapacitet i perioden 2025-2028, kan komme fra ekstern kapital. Private kreditfonde ventes at levere en stor del af gældsfinansieringen.

Det skaber flere sårbarheder på én gang. En forsinket åbning af et datacenter kan udskyde indtægterne, mens renterne fortsætter med at løbe. Lavere efterspørgsel fra lejere kan svække evnen til at betale gæld. Faldende priser på grafikprocessorer og andet udstyr kan samtidig reducere værdien af sikkerhederne.

Hvis private fonde skal imødekomme indløsningskrav, mens aktiverne er vanskelige at sælge, kan nedskrivninger skabe finansieringspres – også uden at en hyperscaler misligholder sin gæld.

Virksomhedsobligationer kan blive dyrere

Hyperscalere kan normalt låne billigere end svagere selskaber, men store udstedelser konkurrerer stadig om investorernes kapital. Federal Reserve Bank of Dallas peger på tre kanaler, hvorigennem AI-finansiering kan påvirke renter og obligationsmarkedet: større udbud af langfristede investment grade-obligationer, refinansiering af private kreditlån og mulig fortrængning af andre finansielle udstedere.

Hvis det frie cash flow falder, mens gæld og leasingforpligtelser vokser, kan kreditvurderingsbureauerne blive mere forsigtige med selskabernes gældsgrad og finansielle politik. Moody’s har advaret om, at AI-udgifter, aktiesalg og finansiering uden for balancen kan true kreditkvaliteten, samtidig med at bureauet fremhæver selskabernes grundlæggende styrke.

Konsekvenserne vil kunne mærkes uden for teknologisektoren. Datacenteroperatører, forsyningsselskaber, teleselskaber, entreprenører, chipproducenter og andre industrivirksomheder kan få højere kreditspænd, hvis investorerne kræver større betaling for en samlet AI-relateret eksponering.

Strukturerede produkter kan forstærke tab

Pengestrømme fra datacentre, leasingtilgodehavender, udstyrslån og projektgæld kan finansieres eller pakkes ind i strukturerede selskaber. Konstruktionerne kan se robuste ud, når de er afhængige af en højt ratede lejer med en langsigtet kontrakt.

Beskyttelsen er dog mindre effektiv, hvis mange projekter i praksis afhænger af den samme lille gruppe hyperscalere og de samme antagelser om AI-efterspørgsel.

Et koordineret investeringsstop kan udløse flere problemer samtidig: genforhandling af leasingaftaler, brud på lånevilkår, lavere værdier af sikkerheder og dårligere forventninger til udstyrets restværdi. Seniorinvestorer kan fortsat have en vis beskyttelse, mens juniortrancher, lagerfinansiering og egenkapital bliver mere udsat.

Faren er korrelation: Aktiver, der ser diversificerede ud hver for sig, kan alligevel falde samtidig af den samme årsag.

Statsgæld er en indirekte kanal

AI-udgifter vil næppe alene udløse en statsgældskrise. Effekten på statsobligationsmarkedet vil snarere komme gennem konkurrencen om kapital og højere risikopræmier for lange løbetider.

Store udstedelser fra virksomheder og projektfinansieringer kommer på et tidspunkt, hvor regeringer samtidig skal refinansiere betydelige gældsbeløb. Hvis investorerne kræver større kompensation for rente- eller kreditrisiko, kan renterne stige for både offentlige og private låntagere.

Højere renter vil derefter gøre det dyrere at finansiere datacentre, forsyningsselskaber og anden infrastruktur. Det kan forstærke presset på projekter, hvis økonomi i forvejen er marginal.

Den systemiske risiko ligger i koncentrationen

Den kreditrisiko, investorerne peger på, er et scenarie med et fælles chok – ikke en prognose om, at Alphabet, Amazon, Meta eller Microsoft pludselig går konkurs. I Bank of Americas undersøgelse blandt fondsforvaltere angav 38 procent AI-relaterede kapitaludgifter hos hyperscalere som den mest sandsynlige kilde til en systemisk kreditbegivenhed.

Bekymringen handler om koncentration. De samme selskaber driver efterspørgslen efter avancerede chips, elektricitet, byggekapacitet, datacentre og finansiering.

Hvis afkastene er stærke, accelererer koncentrationen investeringerne. Hvis afkastene skuffer, kan selskaberne også skære ned samtidig. Så bliver chokket sendt videre på én gang til långivere, udlejere, forsyningsselskaber, leverandører og strukturerede finansieringsprodukter.

Hvilke tegn bør investorer holde øje med?

Kapitaludgifterne alene fortæller ikke, om risikoen er ved at materialisere sig. De vigtigste indikatorer er:

1. Væksten i AI- og cloudindtægter sammenholdt med afskrivninger, strøm, leasing og finansieringsomkostninger.
2. Det frie cash flow efter kapitaludgifter og finansielle leasingaftaler.
3. Udnyttelsesgrad og priser i datacentre, især når flere udbydere bygger kapacitet på samme tid.
4. Ibrugtagning og opsigelser af leasingaftaler for faciliteter, der stadig er under opførelse.
5. Private kreditfondes kreditstandarder og likviditet, herunder eksponeringen mod enkelte lejere eller regioner.
6. Obligationsudstedelser, kreditudsigter og spænd for hyperscalere og relaterede infrastrukturselskaber.
7. Videresalgspriser på grafikprocessorer og andet udstyr, som påvirker sikkerhedsværdier og inddrivelsesrater.

Risikoen kan fortsat være håndterbar, hvis AI-indtægter og den operationelle pengestrøm til sidst vokser hurtigere end de ekstra infrastrukturudgifter. Ét markedsestimat forventer, at hyperscalernes profit- og cash flow-vækst begynder at overhale væksten i de ekstra kapitaludgifter i slutningen af 2027 eller i 2028. Det er dog en prognose – ikke et resultat, der allerede er dokumenteret.

Den kritiske situation opstår, hvis indtægterne i længere tid vokser langsommere end det niveau, der kræves for at dække afskrivninger, strøm, leasing, finansiering og nye investeringer.

I så fald kan AI-boomet skifte karakter fra en lønsom kapacitetsudvidelse til en overkapacitetscyklus. Hyperscalerne vil i første omgang få lavere afkast, mens mere forgældede mellemled risikerer misligholdelser, tab på sikkerheder, refinansieringsproblemer og bredere kreditspænd.