Goldman Sachs advarer: $5,3 billioner i AI-investeringer kan mætte kreditmarkedet og skabe systemisk gældsrisiko

Goldman Sachs forventer, at de fire største hyperscalere – Meta, Microsoft, Amazon og Alphabet – tilsammen vil bruge $5,3 billioner på AI og datacentre fra 2025 til 2030, en opjustering fra et tidligere estimat på $4,5 billioner . Det svimlende beløb er større end BNP i Japan, Storbritannien, Indien og Frankrig tilsammen . Men investeringsbanken peger også på flere sammenkædede risici på tværs af kreditmarkeder, finansieringsstrukturer og markedscyklusdynamikker, som kan ændre AI-udbygningens kurs fuldstændigt.

Kreditmarkedsmætning og udstederkoncentration

Goldman Sachs’ chefkreditstrateg Amanda Lynam advarer om, at ”likvid kreditmarkedsmætning og begrænsninger i udstederkoncentration” bliver ”mere bindende i de kommende år.” Hyperscalerne står allerede for en stor del af den nye virksomhedsopsparing, og offentlige obligationsinvestorer kan blive mindre villige til at opsuge endnu større mængder fra de samme få udstedere, fordi indeksvægte og porteføljegrænser stiger. Disse begrænsninger vil ”i det mindste påvirke nuancerede beslutninger om eksponering og prisfastsættelse,” skriver Lynam .

Pres på traditionelle finansieringskanaler

Omfanget af udgifterne presser de traditionelle obligationsmarkeder og interne pengestrømme til det yderste. Goldman Sachs påpeger, at hyperscalerne vil have brug for finansiering ”fra tværs af markeder, strukturer og valutaer” for at undgå at støde ind i mætning . Alphabet-rettighedsudbud på $85 milliarder nævnes som bevis på, at interne pengestrømme og obligationsudstedelse alene ikke er tilstrækkeligt . De samme få selskaber kan ikke i det uendelige skubbe gæld ud på de offentlige obligationsmarkeder uden, at investorerne begynder at bekymre sig om koncentrationsrisiko .

Skiftet fra egenkapital til gældsfinansiering øger de makroøkonomiske risici

I en rapport fra november 2025 advarede Goldman-analytiker Ryan Hammond: ”Selvom den offentlige virksomhedsgearing fortsat er lille, vil et fortsat skift mod gældsfinansiering øge de makroøkonomiske risici forbundet med AI-udbygningen.” Tech-giganterne har i år taget $121 milliarder i gæld, oppe fra et gennemsnit på $28 milliarder de foregående fem år . Hammonds team bemærkede også, at de store offentlige hyperscalere ”teoretisk set kunne øge deres gæld med $700 milliarder” .

Afhængighed af private markeder og eksekveringsrisiko

Goldman Sachs siger direkte, at privat infrastruktur- og ejendomskapital vil skulle spille en meget større rolle . Private infrastrukturfonde rejste rekordstore $221 milliarder i 2025, men rapporten fremhæver, at AI-capEx-estimaterne ”vokser markant hurtigere end den faktiske vækst i datacenterbyggeri,” og kalder dette ”en måleenhed, der fortjener nøje overvågning for et skøn over de langsigtede finansieringsbehov” . Et datacenter kombinerer jord, strøm, netværk, bygninger, køling og servere, hvilket betyder, at finansieringen spreder sig på tværs af aktivklasser og kan støde på flaskehalse .

Virksomhedernes omkostningspres og markedssignaler

Goldman Sachs anerkender, at ”negative aktiekursreaktioner på CapEx-overraskelser kunne tvinge ledelser til at genoverveje omfanget af CapEx-væksten fremover” . Eksterne analytikere, der citeres i rapporten, bemærker, at investment-grade obligationsspænd allerede er blevet udvidet fra omkring 70 til 85 basispoint over statsobligationer på grund af hyperscaler-udbud, og kan nå 95 basispoint .

Paralleller til tidligere boom-bust-cyklusser

Goldman Sachs drager ikke selv eksplicitte historiske paralleller i de citerede rapporter, men NYU’s Aswath Damodaran, der kommenterer på de samme Goldman-data, fremhæver en afgørende forskel fra dotcom-æraen: dotcom-boomet var næsten udelukkende egenkapitalfinansieret, så busten var begrænset til aktionærerne. AI-capEx-boomet er derimod ”enormt” og ”en stor del af det er finansieret med gæld,” der kommer fra privat kapital snarere end banker. Damodaran advarer om, at hvis en korrektion indtræffer, ”vil det problem vise sig som nød og misligholdelse, og det forbliver ikke begrænset. Det siver ud i resten af samfundet,” og drager en løs parallel til finanskrisen i 2008 .

Resumétabel

Risikofaktor	Goldman Sachs' holdning	Kilde
Kreditmarkedsmætning	Stigende bindende; udstederkoncentration vil påvirke prisfastsættelse og eksponering
Traditionelle finansieringsgrænser	Hyperscalere rammer grænser for obligationer og likviditet; behov for private markeder og securitisering
Gældsfinansieret makrorisiko	Fortsat skift til gæld tilføjer systemisk risiko til AI-udbygningen
Privat markedseksekvering	CapEx-estimater overgår faktisk byggeri; finansieringskapacitet skal overvåges
Virksomhedernes omkostningspres	Aktiekursreaktioner på CapEx-overraskelser kan tvinge ledelser til at skrue ned
Boom-bust-parallel (Damodaran)	Gældsfinansiering betyder, at en buste vil sive ud i samfundet, i modsætning til det egenkapitalfinansierede dotcom-bust