Big Tech låner milliarder til AI – og utfordrer obligasjonsmarkedet

Sammenhengen er likevel ikke en enkel årsakskjede. Statsrenter påvirkes også av inflasjonsforventninger, offentlige underskudd, statlig gjeldstilbud, økonomisk vekst, geopolitisk risiko, forventninger til sentralbankene og det såkalte løpetidspåslaget. Reuters har derfor advart mot å fremstille AI-gjeldsveksten som den eneste forklaringen på uroen i det amerikanske obligasjonsmarkedet.

Store tall – men ingen entydig fasit

Det finnes ikke ett universelt tall for hvor mye «AI-gjeld» som er utstedt. Ulike beregninger bruker forskjellige skjæringsdatoer og inkluderer ulike deler av økosystemet.

Noen tall dekker bare obligasjoner utstedt direkte av hyperscalere. Andre tar også med datasenterfinansiering, private kredittmarkeder, verdipapiriserte lån, utstyrsleverandører og andre selskaper som leverer til AI-industrien.

Derfor varierer de publiserte anslagene fra rundt 194 milliarder dollar for fire store utstedere frem til begynnelsen av juli , til over 220 milliarder dollar for en bredere gruppe hyperscalere senere på året. Goldman Sachs har anslått den samlede AI-relaterte gjeldsutstedelsen til rundt 489 milliarder dollar i 2026, hvor omtrent 40 prosent skal være utstedt direkte av hyperscalere.

Det samlede finansieringsbehovet er langt større. Morgan Stanley har anslått at datasentre og tilhørende maskinvare kan kreve rundt 3.000 milliarder dollar i investeringer frem mot 2028. Omtrent halvparten kan måtte hentes utenfra, blant annet i kredittmarkedene. Et annet publisert anslag setter behovet fra kredittmarkedene til rundt 1.750 milliarder dollar av totalt 3.200 milliarder.

Dette er fremoverskuende prognoser, ikke endelige regnskapstall. Resultatet avhenger blant annet av hva som regnes som AI-infrastruktur, og hvilke finansieringsformer som tas med.

Alphabets Australia-lån viser hvor globalt markedet er blitt

Den internasjonale rekkevidden ble tydelig da Alphabet for første gang hentet penger i australske dollar. 19. august hentet Google-eieren 5,5 milliarder australske dollar gjennom obligasjoner med løpetid på tre, fem, ti og 20 år. Investorordrene oversteg 18 milliarder australske dollar – mer enn tre ganger beløpet som ble solgt.

Den lengste transjen fikk en rente på 6,98 prosent, altså like under 7 prosent. Selve obligasjonen hadde en kupong på 6,9 prosent.

Avtalen ble omtalt som den første australske dollarutstedelsen fra en AI-hyperscaler og som den største selskapsobligasjonsutstedelsen som noen gang er gjennomført i Australia.

For markedet er dette viktig av to grunner. For det første viser det at hyperscalere ikke lenger er avhengige av amerikanske investorer. For det andre kan utstedelser i flere valutaer gi tilgang til nye kapitalkilder – selv om det også skaper behov for valutasikring og gjør likviditet og markedsstruktur viktigere.

Alphabet har allerede en betydelig tilstedeværelse i markedene for selskapsobligasjoner i euro, britiske pund, sveitserfranc og yen. Amazon hentet i mars 14,5 milliarder euro gjennom en avtale med åtte transjer, omtalt som den største transaksjonen noensinne i euro-markedet for selskapsobligasjoner.

Teknologiselskapene sprer dermed finansieringsbehovet over flere valutaer og investorgrupper, i stedet for å la ett enkelt marked absorbere hele AI-utbyggingen.

Et krevende bakteppe for statsobligasjoner

AI-låneboomen kommer samtidig som myndighetene også trenger store mengder langsiktig finansiering. Realrentene – altså rentene justert for inflasjon – har steget til de høyeste nivåene på mer enn et tiår i flere store økonomier, mens både AI-selskaper og regjeringer øker obligasjonssalget. Reuters rapporterte at den amerikanske 30-årige realrenten var nær det høyeste nivået på 18 år, rundt 3 prosent.

Den nominelle renten på amerikanske 30-årige statsobligasjoner steg også over 5,3 prosent, det høyeste nivået siden 2007. Det skjedde i en situasjon preget av inflasjonsbekymring, finanspolitisk press, geopolitisk usikkerhet og en amerikansk statsgjeld som nærmer seg 40.000 milliarder dollar.

Når både selskaper og myndigheter ber om penger til prosjekter med lang tidshorisont, kan investorene kreve større betaling for å binde kapitalen i flere tiår. Resultatet kan bli høyere renter i både selskaps- og statsmarkedet, selv om etterspørselen fortsatt er sterk.

Det mest presise bildet er derfor at AI-gjelden virker som en ekstra belastning på markedet. Den kan øke konkurransen om kapital og forsterke presset på løpetidspåslaget, mens inflasjon, offentlige lånebehov og makroøkonomisk risiko samtidig kan løfte statsrentene uavhengig av AI.

Hva betyr renteintervallet på 4,75–8 prosent?

Hyperscaler-obligasjoner tilbyr for tiden renter på omtrent 4,75–8 prosent, avhengig av utsteder og løpetid. Mange av lånene har høy kredittkvalitet og lang løpetid, noe som forklarer interessen blant investorer som ønsker løpende renteinntekter.

Men overskriftsrenten er bare én del av bildet.

Mulige fordeler

• Høyere nominell inntekt: Investorene kan få mer rente enn i sammenlignbare statsobligasjoner, særlig ved lange løpetider.
• Store og kjente utstedere: Alphabet, Amazon og Meta har virksomheter og balanser som skiller seg vesentlig fra mindre AI-selskaper og mer spekulative datasenterprosjekter.
• Sterk etterspørsel ved utstedelse: Alphabets ordrebok på over 18 milliarder australske dollar viser at institusjonelle investorer fortsatt vil finansiere kjente teknologiselskaper.
• Flere valutaer og løpetider: Internasjonale obligasjoner gir et bredere utvalg, selv om valutaene også tilfører nye risikofaktorer.

Risikoene investorer må skille mellom

Renterisiko. En stor del av den attraktive renten kommer fra lange obligasjoner. Hvis markedsrentene stiger, kan kursen på eksisterende obligasjoner falle betydelig. En høy kupong fjerner ikke kursrisikoen i et lån med ti eller 20 års løpetid.

Kreditt- og spreadrisiko. Gjeld utstedt av et stort teknologiselskap er ikke det samme som gjeld fra en datasenterutvikler, utstyrsleverandør, mindre AI-bedrift eller et eget prosjektselskap. Investorer må undersøke prioritet, sikkerhet, garantier, leieforpliktelser og eventuell strukturell underordning – ikke bare stole på merkelappen «AI-obligasjon».

Risiko knyttet til AI-inntekter. Mye av låneopptaket skjer før den langsiktige lønnsomheten i AI-infrastrukturen er bevist. Svakere inntektsvekst, fortsatt høye investeringer eller press på marginene i sky- og AI-tjenester kan føre til større kredittpåslag, selv om utstederen fortsatt har god kredittverdighet.

Absorpsjonsrisiko. En stor ordrebok garanterer ikke at fremtidige utstedelser kan selges til dagens priser. Analytikere i Barclays har advart om at markedet for obligasjoner med høy kredittkvalitet kanskje ikke kan absorbere hele det forventede finansieringsbehovet fra hyperscalere. Når tilbudet øker, kan selskapene måtte tilby høyere renter, bruke private kredittmarkeder, hente egenkapital eller ta i bruk mer kompliserte finansieringsstrukturer.

Valuta- og likviditetsrisiko. En obligasjon i australske dollar, euro eller en annen valuta utsetter investoren for valutabevegelser og andre likviditetsforhold enn et lån i amerikanske dollar. Valutasikring kan redusere noe av risikoen, men medfører egne kostnader og gjennomføringsrisiko.

Konklusjon for renteinvestorer

AI-gjelden har blitt en ny og betydelig kilde til etterspørsel etter global kapital – og et reelt alternativ til deler av statsobligasjonsmarkedet for investorer med lang tidshorisont.

Den mest holdbare konklusjonen er likevel mer nyansert enn at «AI forårsaket obligasjonsraset». Gjeldsboomen øker mengden finansiering markedet må absorbere, samtidig som myndighetene låner tungt og investorene vurderer inflasjons- og renterisiko på nytt.

For en renteportefølje bør hyperscaler-obligasjoner derfor behandles som en diversifisert kredittinvestering, ikke som en direkte erstatning for statsobligasjoner. En disiplinert strategi innebærer å sammenligne renten med løpetiden, vurdere selskapets balanse og gjeldens prioritet, spre forfallene over tid, håndtere valutaeksponering og unngå de høyeste rentene med mindre den ekstra prosjekt-, likviditets-, gjelds- og strukturrisikoen er godt forstått.