AI-gælden skaber en ny koncentrationsrisiko på tværs af aktier og obligationer

AI-boomet er ikke længere kun en historie om aktier. Det er også blevet en fælles finansieringshandel, der omfatter børsnoterede obligationer, konvertible værdipapirer, datacenterprojekter, private kreditfonde og virksomhederne, der leverer udstyret.

Det skaber det, investorer kan kalde en AI-faktor: En fælles eksponering mod en lille gruppe virksomheder og mod forventningen om, at fremtidens AI-efterspørgsel vil skabe nok indtjening til at retfærdiggøre dagens investeringer og låntagning.

Den umiddelbare bekymring er ikke, at de største cloudgiganter nødvendigvis står foran en betalingsstandsning. Risikoen er snarere, at skuffende AI-omsætning, lavere udnyttelse af datacentre eller vanskeligere finansieringsvilkår kan ramme flere markeder, som på overfladen ser forskellige ud, på samme tid.

Gældsbølgen er blevet et markedsproblem

Alphabet, Amazon og Meta havde udstedt næsten 220 milliarder dollar i obligationer i 2026 frem til midten af august – allerede mere end dobbelt så meget som de 108 milliarder dollar, de udstedte i hele 2025, ifølge LSEG-data omtalt af Reuters. Morgan Stanley har separat vurderet, at den globale udstedelse af AI-relateret gæld kan nærme sig 570 milliarder dollar i 2026, efter at omkring 236 milliarder dollar var udstedt ved udgangen af maj.

Tallene dækker mere end almindelig refinansiering. Teknologivirksomheder bruger i stigende grad gælds- og aktielinkede markeder til at finansiere den kapitaltunge udbygning af AI- og cloudinfrastruktur. Det er et skifte fra den traditionelle Silicon Valley-model, hvor investeringer i højere grad blev betalt med virksomhedernes egne pengestrømme.

Tempoet og størrelsen betyder noget, fordi hyperscalerne trækker på mange af de samme institutionelle kapitalpuljer, som køber amerikanske statsobligationer og andre virksomhedsobligationer med høj kreditkvalitet. En stor mængde nye obligationer tvinger ikke automatisk renterne op, men den kan gøre investorerne mere selektive. Udstedere kan blive nødt til at tilbyde højere kreditspænd, mens langsigtede investorer kan kræve større betaling for at påtage sig mere renterisiko.

Afsmittende effekter vil ikke nødvendigvis være begrænset til teknologisektoren. Reuters skrev, at AI-relateret gæld udgjorde tæt på 15 procent af udstedelserne i investment grade-segmentet i 2026, samtidig med at AI-koncentrationen fortsat var lav i brede kreditindeks. Det er en vigtig forskel: AI kan påvirke prisfastsættelsen og likviditeten ved nye udstedelser uden endnu at dominere hele markedet for virksomhedsobligationer med høj kreditværdighed.

Derfor hænger aktier og obligationer tættere sammen

Aktie- og kreditkanalerne forstærker hinanden på to måder.

For det første kan en snæver gruppe af store teknologivirksomheder påvirke både aktieindeks og investorernes risikovillighed. Hvis værdiansættelserne i høj grad afhænger af forventninger til fremtidig AI-indtjening, kan lavere forventninger til efterspørgsel eller afkastet på infrastrukturinvesteringer presse både aktiekurserne og værdien af de forventede pengestrømme.

For det andet kan lavere aktiekurser gøre finansiering dyrere. Virksomheder kan møde højere kreditspænd på det almindelige obligationsmarked, dårligere vilkår i privat kredit og mindre efterspørgsel efter aktielinkede værdipapirer. De stigende finansieringsomkostninger kan derefter gøre den oprindelige investeringscase endnu mindre overbevisende.

Det ses tydeligt på markedet for konvertible obligationer. En konvertibel obligation kombinerer gæld med en mulighed for at konvertere lånet til aktier. Det kan reducere renteudgiften for udstederen, når investorerne samtidig ser værdi i en mulig kursstigning. I USA nåede udstedelsen af konvertible obligationer omkring 34 milliarder dollar i årets første fire måneder, mere end dobbelt så meget som i samme periode året før, og AI-relaterede virksomheder var med til at drive stigningen.

Et stærkt AI-aktiemarked kan dermed gøre aktielinket finansiering billigere, hvilket frigiver penge til mere infrastruktur og holder vækstfortællingen i live. Et kraftigt aktiefald kan vende mekanismen på hovedet: Konvertible obligationer bliver mindre attraktive, afdækningen bliver vanskeligere, og låntagere kan blive tvunget til at ty til dyrere traditionel gæld eller nye aktieudstedelser.

Den skjulte fælles faktor er AI-efterspørgslen

En obligation udstedt af en cloudgigant, et datacenterlån, en privat kreditfacilitet, et lån til et energiprojekt og en leverandørs tilgodehavende kan være udstedt af forskellige juridiske enheder. Alligevel kan de være afhængige af den samme grundlæggende økonomiske antagelse: at AI-kunderne fortsat vil investere, leje computerkapacitet og skabe nok omsætning til at understøtte hele infrastrukturen.

Den fælles afhængighed kan få diversificeringen til at se større ud, end den reelt er. En portefølje fordelt på obligationer, securitiseringer og private lån kan indeholde flere krav på de samme hyperscalere, datacenteroperatører eller den samme efterspørgsel efter udstyr. Hvis projekter forsinkes, eller kapaciteten ikke bliver udnyttet, kan tab opstå gennem flere instrumenter samtidig – også selv om ingen af dem formelt er garanteret af den samme virksomhed.

Risikoen vokser, når finansieringsstrukturer flytter eksponeringen væk fra den synlige balance uden at fjerne sponsorens kommercielle forpligtelser.

Finansiering uden for balancen kan skjule den økonomiske eksponering

Selskabskonstruktioner med et særligt formål, leasingaftaler og garantier for restværdier er blevet vigtige værktøjer i udbygningen af datacentre. I en typisk konstruktion rejser en ekstern enhed gælden og ejer anlægget, mens en teknologivirksomhed lejer det færdige datacenter. Det kan holde projektets lån uden for virksomhedens rapporterede gæld, men virksomheden kan stadig være bundet af lejebetalinger, minimumsforbrug eller garantier knyttet til aktivets fremtidige værdi.

Metas foreslåede Hyperion-datacenter illustrerer konstruktionen. En juridisk analyse beskriver et selskab med et særligt formål, der rejste 30 milliarder dollar – omkring 27 milliarder dollar i lån og 3 milliarder dollar i egenkapital – mens anlægget blev lejet ud til Meta. Andre oplysninger beskriver garantier for restværdien, hvor Meta skal kompensere investorer, hvis ejendommen falder under en fastsat værdigrænse.

Det gør ikke gælden i projektselskabet identisk med almindelig seniorgæld udstedt direkte af moderselskabet. Men det betyder, at den rapporterede gæld måske ikke fuldt ud viser virksomhedens følsomhed over for byggeomkostninger, teknologisk forældelse, kapacitetsudnyttelse og aktivværdier.

Det praktiske spørgsmål for investorer er derfor ikke kun: »Hvem har juridisk set lånt pengene?« Det er også: »Hvem bærer tabet, hvis økonomien i AI-projektet ikke holder?«

Sådan kan en revurdering brede sig gennem økonomien

En finansiel korrektion behøver ikke begynde med en konkurs eller en betalingsstandsning. Den kan starte med en ændring i forventningerne:

1. AI-omsætningen eller udnyttelsen af datacentrene bliver lavere end ventet.
2. Aktieværdier falder, og investorer genovervejer, hvor lang tid det vil tage at tjene kapitaludgifterne hjem.
3. Kreditspænd på obligationer stiger, og konvertibel finansiering bliver mindre attraktiv.
4. Projektselskaber, operatører og leverandører møder dyrere refinansiering.
5. Hyperscalerne udskyder eller reducerer ordrer på chips, servere, byggeri, strømudstyr og ejendomme.
6. Svagere modparter mister adgangen til kredit, mens højere langsigtede låneomkostninger lægger pres på investeringer uden for teknologisektoren.

Det er en mulig feedbackmekanisme – ikke en prognose. Kontantrige hyperscalere kan sandsynligvis håndtere lavere afkast i længere tid end mindre infrastrukturselskaber. Men selv uden store virksomheders misligholdelse kan forsinkede projekter og strammere finansielle vilkår påvirke den bredere investeringscyklus.

Hvad dokumentationen viser – og hvad den ikke viser

Dokumentationen peger på en voksende koncentrations- og korrelationsrisiko. AI-relateret låntagning vokser hurtigt, konvertible obligationer bruges til at finansiere AI-relateret vækst, og strukturerede datacentertransaktioner kan sprede eksponeringen på tværs af offentlige og private markeder.

Det beviser ikke i sig selv, at det finansielle system står over for en nært forestående systemkrise. Tallet på 570 milliarder dollar er en prognose og ikke faktisk udstedelse, og vurderinger af et finansieringsgab eller den gældsfinansierede andel af kapitaludgifterne afhænger af, hvad man tæller som gæld. Leasingaftaler, garantier, private kreditarrangementer, leverandørfinansiering og fremtidige forpligtelser kan give meget forskellige totaler.

For investorer er den mest nyttige test derfor at kortlægge eksponeringen. Se ikke kun på navnet på udstederen. Spørg også, om flere investeringer afhænger af den samme cloudgigant, den samme datacenterlejer, den samme videresalgsværdi for udstyr eller den samme antagelse om, at AI kan omsættes til indtjening.

Den centrale risiko er ikke, at alle AI-relaterede aktiver er ens. Det er, at mange af dem kan blive sårbare over for den samme ændring i forventningerne.