Wydatki Big Techu na AI rosną. Czy za chwilę zapłacą za nie rynki kredytowe?

Jeden kwartał z ujemnym przepływem pieniężnym nie świadczy o niewypłacalności. Jeśli jednak ujemne przepływy będą się powtarzać, firmy mogą w większym stopniu polegać na gotówce zgromadzonej w bilansie, emisji obligacji i akcji, leasingu oraz długoterminowych zobowiązaniach umownych. Wtedy zwykły cykl inwestycyjny w technologiach zaczyna przypominać cykl finansowania.

Infrastruktura AI tworzy kosztowną asymetrię

Rozbudowa infrastruktury AI łączy aktywa o bardzo różnej żywotności ekonomicznej:

• Procesory GPU i inny sprzęt mogą szybko tracić na wartości, jeśli nowsze układy zapewnią większą wydajność lub niższy koszt obliczeń.
• Centra danych i infrastruktura energetyczna są długowieczne, drogie i trudne do wykorzystania w innym celu.
• Ceny usług chmurowych mogą stać się bardziej konkurencyjne, gdy kilku dostawców jednocześnie zwiększy moce.
• Zobowiązania budowlane, sprzętowe i energetyczne mogą pozostać w mocy, nawet gdy klient ograniczy ekspansję.

Jeśli popyt na AI rozczaruje, hyperscaler może zmniejszyć przyszłe nakłady. Nie anuluje to jednak automatycznie obiektów już budowanych, sprzętu zamówionego, podpisanych umów leasingowych ani długu zaciągniętego na poziomie projektu. W takiej sytuacji pierwsze straty mogą ponieść właściciele infrastruktury i ich finansujący, a nie sama największa firma technologiczna.

Finansowanie poza bilansem może przenosić ryzyko

Rozbudowa jest finansowana za pomocą kombinacji długu korporacyjnego, leasingu, spółek joint venture, podmiotów projektowych, gwarancji oraz kapitału zewnętrznego. Bank Rozrachunków Międzynarodowych (BIS) opisuje struktury, w których spółka celowa buduje lub kupuje centrum danych, zaciąga dług, a następnie opiera spłatę na długoterminowym leasingu operacyjnym lub zobowiązaniach hyperscalera do rezerwacji mocy.

Ekonomicznie takie struktury mogą być silnie powiązane z hyperscalerem, nawet jeśli związane z nimi zadłużenie nie jest wykazywane jako zwykły dług korporacyjny. Według lipcowej aktualizacji przypisywanej Moody’s Amazon, Alphabet, Meta, Microsoft, Oracle i CoreWeave miały łącznie około 1,2 bln dolarów zobowiązań z tytułu leasingu centrów danych. Ponad 820 mld dolarów dotyczyło obiektów, które nadal były w budowie.

Z tego powodu do szacunków dotyczących „ukrytych” zobowiązań AI należy podchodzić ostrożnie. Kwota rzędu 3 bln dolarów może obejmować różne kombinacje leasingów, zobowiązań zakupowych, gwarancji i innych ekspozycji umownych — nie jest więc automatycznie porównywalna z raportowanym długiem. Ostrożniejszy, ale lepiej uzasadniony wniosek jest taki, że widoczny w bilansie dług nie pokazuje wszystkich roszczeń powstałych w wyniku rozbudowy infrastruktury.

Private credit może przejść pierwszy poważny test

Fundusze private credit, czyli prywatnego kredytu udzielanego poza tradycyjnym rynkiem bankowym i publicznym rynkiem obligacji, coraz częściej finansują centra danych, budowę obiektów, grunty, urządzenia energetyczne i powiązaną infrastrukturę. Badanie Columbia Business School, powołujące się na szacunki Morgan Stanley, wskazuje, że ponad połowa z około 2,9 bln dolarów inwestycji potrzebnych do zwiększenia mocy obliczeniowych hyperscalerów w latach 2025–2028 może pochodzić z kapitału zewnętrznego. Dużą część finansowania dłużnego ma dostarczyć właśnie private credit.

Tworzy to kilka powiązanych zagrożeń. Opóźnienie uruchomienia centrum danych może przesunąć przychody, podczas gdy odsetki nadal będą narastać. Mniejszy popyt najemców może pogorszyć wskaźniki obsługi długu. Spadek wartości GPU lub innego sprzętu może obniżyć wartość zabezpieczenia dokładnie wtedy, gdy pogarszają się przepływy operacyjne.

Jeśli fundusze private credit będą musiały realizować żądania umorzeń, a aktywa okażą się trudne do sprzedaży, przeceny mogą wywołać presję na płynność nawet bez niewypłacalności hyperscalera.

Spready obligacji korporacyjnych mogą się rozszerzyć

Hyperscalerzy pożyczają taniej niż słabsi kredytobiorcy, ale duża liczba nowych emisji nadal konkuruje o miejsce w portfelach inwestorów. Bank Rezerwy Federalnej w Dallas wskazuje, że długoterminowe emisje spółek o ratingu inwestycyjnym, refinansowanie pożyczek private credit oraz możliwe wypieranie innych emitentów finansowych mogą zwiększać podaż aktywów o długim terminie zapadalności i wpływać na stopy procentowe.

Jeśli wolne przepływy pieniężne będą spadać, a dług i zobowiązania leasingowe rosnąć, analitycy ratingowi mogą ostrożniej oceniać poziom zadłużenia i politykę finansową firm. Moody’s ostrzegał, że wydatki na AI, sprzedaż akcji i finansowanie pozabilansowe mogą pogarszać jakość kredytową, jednocześnie podkreślając siłę bazową tych przedsiębiorstw.

Skutki nie ograniczyłyby się do branży technologicznej. Wyższe spready — czyli większa premia wymagana przez inwestorów za ryzyko kredytowe — mogłyby objąć operatorów centrów danych, przedsiębiorstwa energetyczne i telekomunikacyjne, firmy budowlane, dostawców chipów oraz innych przemysłowych kredytobiorców powiązanych z inwestycjami w AI.

Finansowanie strukturyzowane może zwielokrotnić straty

Przepływy pieniężne z centrów danych, należności leasingowe, pożyczki na sprzęt i dług projektowy mogą być finansowane lub pakowane w instrumenty strukturyzowane. Takie konstrukcje mogą wyglądać odpornie, gdy opierają się na długoterminowym najemcy o wysokim ratingu. Ochrona jest jednak mniej pełna, jeśli wiele projektów zależy od tej samej niewielkiej grupy hyperscalerów i od tych samych założeń dotyczących popytu na AI.

Jednoczesne ograniczenie wydatków mogłoby przynieść kilka skutków naraz: renegocjacje umów leasingowych, naruszenia kowenantów, spadek wartości zabezpieczeń oraz obniżenie zakładanej wartości odsprzedaży sprzętu. Inwestorzy posiadający transze uprzywilejowane mogliby zachować część ochrony, ale większe straty poniosłyby transze podporządkowane, kredytodawcy finansujący projekty przejściowo oraz inwestorzy kapitałowi.

Największym zagrożeniem jest korelacja. Aktywa, które pojedynczo wyglądają na zdywersyfikowane, mogą jednocześnie stracić na wartości z tego samego powodu.

Dług publiczny to kanał pośredni

Same wydatki na AI raczej nie wywołają kryzysu zadłużenia państw. Ich wpływ na rynek obligacji skarbowych przebiegałby przede wszystkim przez konkurencję o kapitał i wyższe premie terminowe.

Duże emisje korporacyjne i finansowanie projektowe pojawiają się w czasie, gdy rządy również refinansują znaczne kwoty długu. Jeśli inwestorzy zaczną żądać wyższej rekompensaty za ryzyko terminowe lub kredytowe, rentowności mogą wzrosnąć zarówno dla emitentów publicznych, jak i prywatnych. Wyższe stopy podniosą z kolei koszt finansowania centrów danych, firm energetycznych i innej infrastruktury, zwiększając presję na projekty o marginalnej rentowności.

Ryzyko systemowe wynika z koncentracji

Obawy inwestorów dotyczą przede wszystkim scenariusza wspólnego szoku, a nie prognozy, że Alphabet, Amazon, Meta lub Microsoft nagle upadną. W badaniu zarządzających funduszami Bank of America 38 proc. respondentów wskazało nakłady inwestycyjne hyperscalerów na AI jako najbardziej prawdopodobne źródło systemowego zdarzenia kredytowego.

To zaniepokojenie wynika z koncentracji. Te same firmy napędzają popyt na zaawansowane chipy, energię elektryczną, budowę obiektów, powierzchnię centrów danych i finansowanie. Gdy zwroty pozostają wysokie, koncentracja przyspiesza inwestycje. Jeśli jednak zwroty rozczarują, firmy mogą ograniczać wydatki jednocześnie, przenosząc szok w tym samym momencie na kredytodawców, właścicieli nieruchomości, przedsiębiorstwa energetyczne, dostawców i instrumenty sekurytyzacyjne.

Jak rozpoznać, czy ryzyko rośnie?

Same sumy nakładów inwestycyjnych nie wystarczą. Inwestorzy powinni obserwować przede wszystkim:

1. Tempo wzrostu przychodów z AI i chmury w porównaniu z kosztami amortyzacji, energii, leasingu i finansowania.
2. Wolne przepływy pieniężne po uwzględnieniu nakładów inwestycyjnych i leasingu finansowego.
3. Wykorzystanie centrów danych i poziom cen, zwłaszcza gdy wielu dostawców jednocześnie zwiększa moce.
4. Uruchamianie i anulowanie umów leasingowych dotyczących obiektów wciąż znajdujących się w budowie.
5. Standardy udzielania finansowania private credit i płynność funduszy, w tym ekspozycję na pojedynczych najemców lub regiony.
6. Emisje obligacji, perspektywy ratingowe i spready hyperscalerów oraz powiązanych kredytobiorców infrastrukturalnych.
7. Ceny odsprzedaży GPU i innego sprzętu, które wpływają na wartość zabezpieczeń i poziom odzysku w razie niewypłacalności.

Ryzyko pozostanie możliwe do opanowania, jeśli przychody z AI i przepływy operacyjne ostatecznie zaczną rosnąć szybciej niż przyrost nakładów inwestycyjnych. Jedna z prognoz rynkowych zakłada, że wzrost zysków i przepływów pieniężnych hyperscalerów zacznie przewyższać przyrost nakładów inwestycyjnych pod koniec 2027 roku lub w 2028 roku. To jednak prognoza, a nie potwierdzony fakt.

Prawdziwy scenariusz kryzysowy pojawiłby się wtedy, gdyby wzrost przychodów przez dłuższy czas pozostawał niższy niż poziom potrzebny do pokrycia amortyzacji, kosztów energii, leasingu, finansowania i nowych inwestycji. Wówczas rozbudowa AI zmieniłaby się z rentownego zwiększania mocy w cykl nadpodaży. Hyperscalerzy musieliby zaakceptować niższe zwroty, a bardziej zadłużeni pośrednicy — mierzyć się z niewypłacalnością, utratą wartości zabezpieczeń, presją na refinansowanie i rozszerzaniem się spreadów kredytowych.