Arthur Hayes’ AI-tese: Fra kreditstress til mulig Bitcoin-likviditet

Arthur Hayes’ “Safety First”-tese er ikke en prognose om, at Bitcoin automatisk stiger, hvis AI-investeringerne bremser. Det er et makroscene med flere led: En skuffelse i AI-efterspørgslen kan svække gældsfinansieret infrastruktur, skabe pres i kreditmarkederne og på sigt udløse en likviditetsreaktion fra USA’s myndigheder eller finansielle system. Hayes’ pointe er, at en sådan likviditet vil være positiv for Bitcoin. 142

Det afgørende skel går mellem en reel finansieringsrisiko og den langt mere spekulative vej fra risikoen til redningsaktion – og derfra til højere BTC-kurser.

Tesen i seks led

Hayes’ argument kan koges ned til denne kæde:

1. AI-laboratorier sænker tempoet i udviklingen af de mest avancerede modeller.
2. Det afslører svagere efterspørgsel efter dyre AI-produkter og regnekraft.
3. Lavere kapacitetsudnyttelse svækker de forventede indtægter fra datacentre, chips og beslægtet infrastruktur.
4. Gæld knyttet til udbygningen bliver omvurderet, med nedgraderinger, større kreditspænd og mindre lyst til at finansiere nye projekter som følge.
5. Private credit-fonde samt forsikrings- og genforsikringsselskaber med relateret eksponering kan blive en kanal for tab.
6. Washington reagerer enten ved at støtte efterspørgslen efter regnekraft eller stabilisere kredit- og forsikringssystemet. Det øger likviditeten, hvilket Hayes mener gavner Bitcoin. 142

Hvert led forudsætter, at det foregående indtræffer. En AI-afmatning betyder derfor ikke automatisk et Bitcoin-rally; den kan i første omgang udløse et klassisk risk-off-marked.

Hvorfor AI-infrastrukturens finansiering er nøglepunktet

Størrelsen på den ventede AI-udbygning gør indtægter og kapacitetsudnyttelse særligt vigtige. Apollo vurderer, at der kan blive brugt omkring 5 billioner dollar på AI-infrastruktur frem mod 2030. For at retfærdiggøre investeringen skal virksomheder og forbrugere ifølge Apollo bruge omkring 2 billioner dollar årligt på AI-tjenester. Det gør spørgsmålet om et tilstrækkeligt afkast centralt for både gælds- og aktiemarkeder.

Regningen omfatter datacentre, strømforsyning, chips og netværk. Apollo har samtidig peget på, at kapitalbehovet er så stort, at finansiering med investment grade-kredit – i både offentlige og private markeder – bliver afgørende for at løfte udbygningen.

Hayes’ bekymring er, at infrastrukturen finansieres, før pengestrømmene fra slutmarkedet er dokumenteret. I hans fremstilling understøtter AI-laboratoriernes efterspørgsel efter regnekraft mere end 1 billion dollar i investment grade-gæld samt flere hundrede milliarder dollar i lavere vurderet gæld og lån. 142

Tallet er Hayes’ rammesætning – ikke en officiel opgørelse over gæld, der nødvendigvis misligholdes ved svagere AI-efterspørgsel. Den økonomiske problemstilling er dog enkel: Bliver datacenterkapacitet bygget til brug, der ikke indtræffer til de forventede priser, kan både indtægtsforventninger og aktivværdier falde samtidig.

Hvad “Safety First” betyder i Hayes’ læsning

Hayes tolker AI-selskabers opfordringer til at bremse udviklingen af avancerede modeller af sikkerhedshensyn som et økonomisk signal. Efter hans opfattelse kan efterspørgslen efter AI-produkter til de nuværende priser være for lille til at bære en fortsat, regnekrafttung ekspansion. 14

Det er Hayes’ fortolkning, ikke dokumentation for selskabernes motiver. En sikkerhedsbegrundet beslutning beviser i sig selv ikke svag kommerciel efterspørgsel. Men tesen retter fokus mod den finansielle konsekvens, hvis efterspørgslen efter modeltræning og AI-anvendelse vokser langsommere end udbuddet af infrastruktur.

I så fald kan mindre behov for regnekraft efterlade datacentre og chipkapacitet underudnyttet. Dermed flytter bekymringen sig fra teknologiens evner til låntagernes evne til at betale renter og afdrag.

Sådan kan en indtægtsskuffelse nå kreditmarkedet

Lavere end ventede AI-indtægter kan presse gældsfinansieringen via velkendte mekanismer:

• Aktivværdier kan falde, når forventningerne til udnyttelse af datacentre og fremtidige pengestrømme nedjusteres.
• Kreditvurderinger kan komme under pres, hvis udstedere fremstår mindre i stand til at betale renter og hovedstol.
• Kreditspænd kan udvide sig, så refinansiering bliver dyrere og nye projekter sværere at finansiere.
• Investeringerne kan blive skåret ned, hvis de store teknologiselskaber revurderer afkastet af yderligere infrastruktur.

Hayes mener, at processen kan ramme både investment grade-obligationer og lån af lavere kvalitet – altså en bredere opbremsning i finansieringen frem for blot et aktiefald i teknologisektoren. 214

Apollos analyse understøtter, at sektorens finansieringsbehov er usædvanligt stort. Den fastslår derimod ikke, at en gældskrise allerede er i gang. Det centrale spørgsmål er, om AI-økonomien kan skabe indtægter nok til at bære de investeringer, der nu planlægges.

Private credit og forsikring: Et område under lup – ikke en dokumenteret krise

Den mest vidtgående del af Hayes’ scenario er, at tab på AI-relateret kredit kan sprede sig gennem private credit-fonde og tilknyttede forsikrings- eller genforsikringsselskaber. Han argumenterer for, at svækket AI-infrastrukturgæld kan blotlægge sårbarheder i disse strukturer og fremtvinge offentlig indgriben. 142

Tilsynsmyndigheder følger tættere forsikringsselskabers voksende forbindelser til private credit. Reuters skrev, at forsikringsselskaber og andre store institutioner forberedte øget eksponering mod private credit, samtidig med at investorer var bekymrede for illikviditet, og myndigheder undersøgte koblingen til forsikringsselskabernes balancer.

Det er vigtigt, fordi private aktiver kan være svære at værdiansætte og sælge hurtigt under markedsstress. Men det er ikke bevis for, at AI-infrastrukturtab i øjeblikket får forsikringsselskaber til at gå ned. Dækningen af Hayes’ påstand understreger også, at amerikanske forsikringsinsolvenser knyttet til AI-gæld ikke er påvist. 1112

Forsikringsleddet bør derfor ses som et stress-scenario: Værd at undersøge, men ikke en observeret systemisk begivenhed.

To mulige politiske svar ifølge Hayes

Hayes forestiller sig to veje, hvis presset bliver alvorligt:

1. Staten som sidste køber af regnekraft

I den første version støtter staten direkte efterspørgslen efter computerkapacitet. Myndighederne kan købe eller på anden vis garantere afsætningen af regnekraft, så datacenteroperatørernes indtægter og gældsbetalinger holdes oppe. 214

2. Støtte til forsikringsselskaber eller kreditmarkedet

Den anden vej er en stabilitetsindsats, hvis tab i private credit og forsikringssektoren truer med at udvikle sig til en bredere kredithændelse. Hayes mener, at en redningsmekanisme for forsikringsselskaber, genforsikringsselskaber eller andre kreditorer også vil udvide dollarlikviditeten. 214

Hans Bitcoin-konklusion bygger på et makrosyn: Mere likviditet og bekymring for valutaudvanding kan øge investorernes interesse for knappe, risikofølsomme aktiver som BTC. Det er en markedstese, ikke en mekanisk regel. Likviditetsindsprøjtninger kan falde sammen med stærkere Bitcoin-efterspørgsel, men kursen afhænger også af risikoappetit, renter, gearing og regulering.

Hvorfor tesen har et svagt kortsigtet timing-argument

Flere forhold gør det svært at hævde, at en AI-kreditredning allerede er på vej.

For det første er pengepolitikken fortsat stram. Den amerikanske centralbank, Federal Reserve, hævede i september målintervallet for styringsrenten til 3,75–4,00 %. Det passer dårligt med et aktivt, redningsdrevet lempelsesforløb. 19

For det andet fortsætter finansieringen af AI. SoftBank blev rapporteret at drøfte en mulig obligationsudstedelse på 10–20 milliarder dollar for at refinansiere lån relateret til selskabets OpenAI-investering. Forhandlingerne var fortsat i gang, og vilkårene kunne ændre sig. Adgang til finansiering fjerner ikke refinansieringsrisikoen, men den passer heller ikke med fortællingen om, at kapitalstrømmen til AI pludselig er stoppet.

Den afgørende prøve ligger længere fremme: Kan AI-efterspørgsel, priser og kapacitetsudnyttelse understøtte den infrastruktur, der finansieres i dag? Apollos estimat om 2 billioner dollar i årligt salg af AI-tjenester viser, hvor høj den indtægtsmæssige tærskel er.

Bitcoin nær 85.000 dollar er ikke bevis for Hayes’ scenario

Bitcoins bevægelse mod 85.000 dollar forklares bedre af nærtliggende markedsforhold end af en hypotetisk AI-kreditredning, som ikke har fundet sted.

Markedsrapporter pegede blandt andet på efterspørgsel efter spot-ETF’er og short-likvideringer. Bitfinex skrev, at et hop på 5,9 % den 18. september blev understøttet af 433 mio. dollar i indstrømning til amerikanske spot-ETF’er, før BTC fortsatte mod 85.000 dollar. Andre rapporter beskrev også Bitcoins genopretning på trods af Federal Reserves renteforhøjelse og usikkerhed om amerikansk kryptopolitik. 1921

De drivkræfter kan flytte Bitcoin længe før den strukturelle AI-finansieringshistorie bliver sat på prøve. De bør ikke forveksles med bevis for, at USA forbereder køb af regnekraft eller redning af forsikringsselskaber på grund af AI-gæld.

Hvad kan bekræfte – eller svække – tesen?

For at blive mere end et tankeeksperiment kræver tesen flere udviklinger på samme tid:

• vedvarende tegn på, at efterspørgslen efter eller prisen på AI-regnekraft ligger under udbygningens forudsætninger;
• lavere udnyttelse af datacentre eller svagere forventninger til pengestrømme;
• større kreditspænd, nedgraderinger eller vanskeligheder med refinansiering hos AI-infrastrukturlåntagere;
• synlige tab, der spreder sig til private credit-porteføljer eller forsikringsselskaber; og
• konkrete politiske tiltag, der støtter efterspørgslen efter regnekraft eller stabiliserer eksponerede finansielle institutioner.

Det modsatte vil svække argumentet: Stigende brug, holdbare AI-serviceindtægter, vellykkede refinansieringer og stabil kreditperformance vil pege på, at udbygningen bliver absorberet frem for at udvikle sig til et gældsproblem.

Bundlinjen

Hayes peger på en troværdig sårbarhed: En meget stor infrastrukturudbygning finansieres, før dens endelige indtægtsgrundlag er fuldt kendt. Apollos estimat på omtrent 5 billioner dollar i AI-infrastruktur frem mod 2030 gør spørgsmålet om udnyttelse og indtjening vigtigt for både obligations- og aktiemarkeder.

Men den fulde kæde fra “AI-afmatning” til “Bitcoin-boom” har flere ubeviste led. En skuffelse i efterspørgslen kan først føre til lavere teknologiinvesteringer, strammere kredit og risk-off-handel – ikke straks til pengeudstedelse eller et Bitcoin-rally. Tesen er derfor mest nyttig som en ramme for at følge AI-indtægter, infrastrukturens udnyttelse og kreditvilkår, ikke som forklaring på Bitcoins seneste kursstigning.