AI pożycza na potęgę. To zmienia rynek kredytowy

Rozwój sztucznej inteligencji staje się nie tylko historią o technologii, lecz także o kredycie. Morgan Stanley szacował, że globalne emisje długu związane z AI osiągnęły około 236 mld dolarów do 31 maja 2026 r. — mniej więcej cztery razy więcej niż w analogicznym okresie rok wcześniej. Bank prognozował, że w całym 2026 r. wynik może sięgnąć niemal 570 mld dolarów. Goldman Sachs podał później, że do 22 lipca emisje wyniosły około 489 mld dolarów, czyli już więcej niż szacowana wartość emisji z całego 2025 r.

Liczby te nie muszą się wzajemnie wykluczać: dotyczą różnych dat i bazują na odmiennych szacunkach. Wspólny wniosek jest jednak jasny — finansowanie centrów danych, mocy obliczeniowej, systemów energetycznych i powiązanej infrastruktury w szybkim tempie przenosi się na publiczne i prywatne rynki kredytowe.

Hyperscalerzy napędzają podaż obligacji

Największymi pożyczkobiorcami są Amazon, Alphabet, Meta, Microsoft i Oracle — firmy określane mianem hyperscalerów, czyli operatorów ogromnych platform chmurowych i centrów danych.

Według analizy Reutersa opartej na danych LSEG Amazon, Alphabet, Meta i Oracle wyemitowały do 7 lipca około 194 mld dolarów obligacji w 2026 r. Dla porównania, przez cały 2025 r. było to około 108 mld dolarów.

W późniejszym zestawieniu poszczególnych emitentów wskazywano orientacyjnie na:

• Amazon: około 53 mld dolarów długu, w tym emisję obligacji w USA o wartości 37 mld dolarów oraz ponad 16 mld dolarów w obligacjach denominowanych w euro;
• Alphabet: około 20 mld dolarów obligacji;
• Oracle: około 25 mld dolarów pozyskanych na ekspansję związaną z AI.

Nie jest to jednak ostateczny ranking. Wyniki zależą od daty granicznej oraz od tego, co analitycy uznają za finansowanie związane z AI. Obligacje, leasing, private credit, spółki joint venture i wehikuły finansowania projektów nie zawsze są ujmowane w porównywalny sposób.

Dlaczego firmy mające dużo gotówki zaczęły pożyczać

Zwrot jest istotny, bo największe firmy technologiczne przez lata w dużej mierze finansowały inwestycje z własnych przepływów pieniężnych. Tymczasem infrastruktura AI wymaga kilku kosztownych nakładów jednocześnie: zaawansowanych procesorów, sprzętu sieciowego, budynków centrów danych, gruntów, systemów chłodzenia oraz dostępu do energii.

Wydatki pojawiają się teraz, podczas gdy pełne przychody z usług AI wciąż są niepewne. Reuters informował, że łączne wydatki inwestycyjne firm technologicznych mogą przekroczyć 730 mld dolarów w 2026 r., wobec wcześniejszych szacunków na poziomie około 700 mld dolarów.

Dług pozwala rozpocząć budowę i zarezerwować moce obliczeniowe, zanim przyszłe przychody z AI w pełni się zmaterializują. Do puli finansowania dołączają również leasing, emisje akcji, private credit, fundusze infrastrukturalne i spółki joint venture.

To rozwiązanie ma jednak cenę: część ryzyka wykonania projektu przechodzi z bilansów spółek na posiadaczy obligacji, kredytodawców i inwestorów finansujących konkretne projekty.

Rynek obligacji musi wchłonąć nową falę długu

Bezpośrednim skutkiem jest gwałtowny wzrost podaży długoterminowych obligacji o ratingu inwestycyjnym. Im więcej papierów emitują firmy technologiczne, tym uważniej inwestorzy oceniają, ile nowego długu są gotowi kupić i po jakiej cenie.

Reuters podał, że duzi emitenci musieli zaciągać finansowanie przy coraz wyższych rentownościach, ponieważ popyt na kolejne emisje osłabł. W praktyce może to oznaczać:

• wyższe wymagane rentowności;
• szersze spready kredytowe;
• większe ustępstwa cenowe przy nowych emisjach;
• droższe refinansowanie;
• większe wykorzystanie obligacji w innych walutach, finansowania prywatnego i struktur pozostających poza bilansem.

Skala tego zjawiska może wykraczać poza samych hyperscalerów. Firmy technologiczne konkurują o tych samych inwestorów długoterminowych co inni duzi emitenci korporacyjni. Jeśli inwestorzy zażądają większej premii za ryzyko związane z infrastrukturą AI, koszty finansowania mogą wzrosnąć także dla innych przedsiębiorstw.

Wpływ na amerykańskie obligacje skarbowe jest bardziej pośredni. Duże emisje korporacyjne zwiększają konkurencję o kapitał długoterminowy i mogą dokładać presję do rentowności papierów o długim terminie zapadalności. Rentowności obligacji skarbowych nadal zależą jednak przede wszystkim od koniunktury, oczekiwań inflacyjnych, polityki pieniężnej i podaży długu publicznego. Zadłużenie związane z AI jest więc dodatkowym źródłem popytu na finansowanie długoterminowe, a nie samodzielnym wyjaśnieniem zmian na rynku Treasuries.

Bank Rozrachunków Międzynarodowych również zwracał uwagę na gwałtowny wzrost emisji obligacji przez hyperscalerów. Znaczna część tego długu ma długi termin zapadalności, a spready swapów ryzyka kredytowego (CDS) rosły szczególnie w przypadku emitentów o niższych ratingach. To sygnał, że inwestorzy coraz uważniej analizują, czy projekty AI przyniosą oczekiwane zwroty.

NVIDIA chce stworzyć drugi kanał finansowania

10 sierpnia NVIDIA ogłosiła partnerstwa z Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs i KKR. Celem jest stworzenie niezależnych platform finansowania mocy obliczeniowej, które z czasem mogłyby zmobilizować ponad 500 mld dolarów kapitału zewnętrznego na infrastrukturę AI.

To inny model niż zwykła emisja kolejnych obligacji przez NVIDIĘ lub jednego z hyperscalerów. Zgodnie z założeniami zewnętrzni inwestorzy mają finansować centra danych, infrastrukturę energetyczną, tak zwane fabryki AI oraz sprzęt NVIDIA za pośrednictwem wyspecjalizowanych pul kapitału.

NVIDIA przedstawia ten plan jako próbę przekształcenia mocy obliczeniowej i kompletnej infrastruktury AI w klasę aktywów, w którą mogą inwestować instytucje finansowe. Jeśli model się powiedzie, część aktywów nie będzie musiała bezpośrednio trafiać do bilansów hyperscalerów.

Nie oznacza to jednak zniknięcia ryzyka. Zmieni się przede wszystkim to, kto będzie właścicielem aktywów, kto udzieli finansowania i kto poniesie straty, jeśli wykorzystanie infrastruktury lub przychody okażą się niższe od zakładanych.

Najważniejsze ryzyka dla inwestorów

1. Wyższe stopy długoterminowe podnoszą koszt całej ekspansji

Wzrost rentowności długoterminowych obligacji skarbowych zwiększa całkowity koszt obligacji korporacyjnych, leasingu i finansowania projektów. Jednocześnie obniża bieżącą wartość przyszłych przepływów pieniężnych z usług AI.

Projekt atrakcyjny przy tanim finansowaniu może wyglądać znacznie słabiej, gdy musi pokrywać wyższe odsetki przez wiele lat.

2. Przychody mogą pojawić się po zaciągnięciu długu

Finansowanie infrastruktury często jest organizowane na długo przed osiągnięciem przez obiekt pełnego wykorzystania. Powstaje więc ryzyko niedopasowania w czasie: obsługa długu zaczyna się zgodnie z ustalonym harmonogramem, ale popyt na moc obliczeniową i przychody z produktów AI mogą rosnąć wolniej.

Najważniejsze pytanie nie brzmi, czy hyperscalerzy nadal mogą pożyczać. Wiele z tych firm ma znaczną zdolność finansową. Pytanie brzmi, czy łączny dług nie rośnie szybciej niż trwały popyt na AI i związane z nim przepływy pieniężne.

3. Oracle pokazuje, jak ryzyko kredytowe może stać się problemem konkretnej spółki

Oracle jest uważnie obserwowana, ponieważ agresywnie finansuje ekspansję AI, a jej sytuacja jest bardziej wrażliwa na poziom zadłużenia i warunki refinansowania niż sytuacja największych konkurentów dysponujących większą gotówką.

Doniesienia rynkowe wskazywały na wyraźny wzrost spreadów CDS Oracle, choć podawane wartości różniły się w zależności od źródła i daty. Szerszy spread CDS nie oznacza, że niewypłacalność jest blisko. Oznacza, że ubezpieczenie długu spółki przed niewypłacalnością podrożało, a inwestorzy oczekują większej rekompensaty za postrzegane ryzyko kredytowe.

4. Procesory GPU tworzą niedopasowanie aktywów i zobowiązań

Sprzęt wykorzystywany w centrach AI może tracić wartość ekonomiczną szybciej, niż zapadają obligacje lub kredyty finansujące jego zakup. Jeśli nowsze generacje procesorów sprawią, że starsze GPU będą mniej konkurencyjne, wartość zabezpieczenia może spaść, podczas gdy dług pozostanie do spłaty.

To ryzyko różni się od typowego finansowania nieruchomości. Budynek centrum danych może być użyteczny przez wiele lat, ale znajdujący się w nim sprzęt obliczeniowy może szybko się zestarzeć technologicznie.

5. Projekty mogą zależeć od niewielkiej liczby najemców

Centra danych i struktury finansowania projektowego mogą być uzależnione od kilku hyperscalerów. Ograniczenie wydatków, renegocjacja umowy lub słabszy popyt na usługi chmurowe jednego dużego klienta może jednocześnie wpłynąć na kilka projektów — szczególnie tych zaprojektowanych pod wyspecjalizowane obciążenia AI.

6. Ograniczeniem może stać się pojemność rynku kredytowego

Największe firmy technologiczne mogą mieć możliwość dalszego zwiększania zadłużenia bez natychmiastowej utraty ratingu inwestycyjnego. Rynek obligacji nie jest jednak w stanie bez końca absorbować nowej podaży po korzystnych cenach.

Badania Goldman Sachs cytowane w dostarczonych materiałach wskazują na potencjalną różnicę między tym, ile długu hyperscalerzy mogliby zaciągnąć, a tym, ile dolarowy rynek obligacji o ratingu inwestycyjnym jest w stanie komfortowo przyjąć.

To tłumaczy rosnącą rolę alternatywnych kanałów: obligacji w euro i innych walutach, prywatnego kredytu inwestycyjnego, funduszy infrastrukturalnych, leasingu oraz obligacji emitowanych przez spółki joint venture. Dywersyfikują one finansowanie, ale mogą też utrudniać ocenę rzeczywistego poziomu dźwigni w całym ekosystemie AI.

Wniosek: produktywny cykl infrastrukturalny czy cykl zadłużenia?

Finansowanie AI zmienia swój charakter. To, co początkowo było inwestycją technologiczną finansowaną głównie z gotówki przedsiębiorstw, staje się szerokim cyklem rynków kapitałowych — obejmującym obligacje publiczne, private credit, fundusze infrastrukturalne, leasing i finansowanie projektowe.

Najsilniejszy krótkoterminowy efekt to większa podaż obligacji o ratingu inwestycyjnym i większa selektywność inwestorów. Długoterminowe ryzyko polega na niedopasowaniu aktywów i zobowiązań: infrastruktura oraz sprzęt są finansowane dziś, a popyt i przychody z AI mają pojawić się dopiero później — albo nie osiągnąć oczekiwanej skali.

Granica przebiega między produktywnym cyklem infrastrukturalnym a cyklem dźwigni finansowej. Zadłużenie jest możliwe do utrzymania, jeśli wykorzystanie infrastruktury, ceny usług i przychody z AI wzrosną, zanim amortyzacja sprzętu i koszty obsługi długu zaczną ograniczać projekty. System staje się kruchy, gdy moce obliczeniowe rosną szybciej niż trwały popyt.