Nie chodzi wyłącznie o refinansowanie istniejących zobowiązań. Firmy technologiczne coraz częściej korzystają z rynku długu i instrumentów powiązanych z akcjami, aby finansować kapitałochłonną rozbudowę infrastruktury AI i chmury. To odejście od modelu, w którym inwestycje były finansowane przede wszystkim z bieżących przepływów pieniężnych.

Skala i tempo emisji mają znaczenie, ponieważ hyperscalerzy sięgają po te same zasoby kapitału instytucjonalnego, z których finansowane są również obligacje skarbowe USA i inne papiery przedsiębiorstw o ratingu inwestycyjnym. Duża podaż nie musi automatycznie podnosić rentowności, ale może skłonić inwestorów do większej selektywności. Emitenci mogą wtedy być zmuszeni zaoferować wyższe marże, a inwestorzy długoterminowi — zażądać większej premii za przyjęcie dodatkowego ryzyka stopy procentowej i długiego terminu zapadalności.

Skutki nie ograniczałyby się do sektora technologicznego. Reuters informował, że dług związany z AI odpowiadał w 2026 r. za blisko 15 proc. emisji obligacji o ratingu inwestycyjnym, choć koncentracja AI w szerokich indeksach kredytowych nadal pozostawała niska. To ważne rozróżnienie: sektor może wpływać na ceny nowych emisji i płynność rynku, nawet jeśli nie dominuje jeszcze całego uniwersum obligacji inwestycyjnych.

Dlaczego akcje i obligacje stają się ze sobą powiązane

Kanał akcyjny i kredytowy wzmacniają się nawzajem na dwa sposoby.

Po pierwsze, niewielka grupa największych firm technologicznych wpływa na wyniki indeksów akcji i nastroje inwestorów. Jeżeli ich wyceny w dużym stopniu zależą od oczekiwanych przyszłych zysków z AI, obniżenie prognoz popytu albo zwrotu z inwestycji infrastrukturalnych może jednocześnie obniżyć kursy akcji i ocenę przyszłych przepływów pieniężnych.

Po drugie, niższe wyceny akcji mogą podrożyć finansowanie. Spółki mogą wtedy zapłacić wyższe marże na rynku zwykłych obligacji, uzyskać mniej korzystne warunki w kredycie prywatnym i spotkać się z mniejszym popytem na papiery powiązane z akcjami. Wzrost kosztów finansowania może z kolei osłabić pierwotne uzasadnienie dla dalszych inwestycji.

Dobrze widać to na rynku obligacji zamiennych. Łączą one dług z opcją zamiany na akcje, dzięki czemu emitent może obniżyć bieżące koszty odsetkowe, gdy inwestorzy wysoko wyceniają potencjał wzrostu kursu. W USA w pierwszych czterech miesiącach 2026 r. emisje obligacji zamiennych sięgnęły około 34 mld dolarów — ponad dwa razy więcej niż rok wcześniej. Wzrost napędzały między innymi firmy powiązane z AI.

Silny rynek akcji spółek AI może więc ułatwiać tańsze finansowanie instrumentami zamiennymi, które następnie służy do rozbudowy infrastruktury i podtrzymuje narrację o wzroście. Gwałtowna wyprzedaż akcji działałaby odwrotnie: obligacje zamienne traciłyby atrakcyjność, warunki zabezpieczania pozycji pogarszałyby się, a kredytobiorcy musieliby w większym stopniu korzystać z droższego długu tradycyjnego albo nowej emisji akcji.

Ukrytym łącznikiem jest popyt na AI, a nie forma instrumentu

Obligacja hyperscalera, pożyczka na centrum danych, finansowanie z rynku prywatnego, kredyt na projekt energetyczny i należność dostawcy mogą być emitowane przez różne podmioty prawne. Wszystkie mogą jednak zależeć od tego samego założenia ekonomicznego: klienci AI będą nadal wydawać pieniądze, wynajmować moc obliczeniową i generować przychody wystarczające do utrzymania całego łańcucha infrastruktury.

Taka wspólna zależność może sprawić, że dywersyfikacja będzie wyglądała lepiej, niż jest w rzeczywistości. Portfel rozłożony między obligacje, sekurytyzacje i prywatne pożyczki może zawierać kilka roszczeń wobec tych samych hyperscalerów, operatorów centrów danych albo popytu na sprzęt. Jeśli projekty zostaną opóźnione lub moce obliczeniowe okażą się niewykorzystane, straty mogą pojawić się jednocześnie w różnych instrumentach — nawet jeśli żaden z nich nie jest formalnie gwarantowany przez tę samą spółkę.

Ryzyko rośnie, gdy struktura finansowania przenosi ekspozycję poza główny bilans firmy, ale nie usuwa jej zobowiązań handlowych.

Finansowanie pozabilansowe może zaciemniać rzeczywistą ekspozycję

Spółki celowe, leasing i gwarancje wartości rezydualnej stają się ważnymi narzędziami w rozbudowie centrów danych. W typowej strukturze zewnętrzny podmiot pozyskuje dług i jest właścicielem obiektu, a firma technologiczna wynajmuje gotową infrastrukturę. Takie rozwiązanie może sprawić, że zadłużenie projektu nie pojawi się w długu raportowanym przez spółkę, choć firma nadal może być zobowiązana do płacenia czynszu, minimalnego wykorzystania obiektu lub gwarancji dotyczących jego przyszłej wartości.

Przykładem jest proponowane centrum danych Hyperion firmy Meta. Analiza prawna opisuje spółkę celową o wartości 30 mld dolarów, która pozyskała około 27 mld dolarów w pożyczkach i 3 mld dolarów kapitału własnego, a następnie wydzierżawiła obiekt Mecie. Inne doniesienia opisują gwarancje wartości rezydualnej, w ramach których Meta miałaby zrekompensować inwestorom spadek wartości nieruchomości poniżej określonego progu.

Nie oznacza to, że dług spółki celowej jest identyczny ze zwykłym uprzywilejowanym długiem rodzica. Oznacza jednak, że sama wartość zadłużenia widoczna w sprawozdaniu może nie pokazywać pełnej wrażliwości firmy na koszty budowy, starzenie się technologii, wykorzystanie obiektu i wycenę aktywów.

Dla inwestora najważniejsze pytanie nie brzmi więc wyłącznie: „Kto formalnie pożyczył pieniądze?”. Równie istotne jest: „Kto poniesie stratę, jeśli ekonomika AI okaże się słabsza od oczekiwań?”.

Jak korekta finansowania mogłaby rozlać się na gospodarkę

Korekta nie musiałaby rozpocząć się od niewypłacalności. Mogłaby zacząć się od zmiany założeń:

1. Wzrost przychodów z AI albo wykorzystanie centrów danych okazują się niższe od oczekiwań.
2. Wyceny akcji spadają, a inwestorzy ponownie oceniają okres zwrotu z nakładów inwestycyjnych.
3. Marże kredytowe rosną, a finansowanie obligacjami zamiennymi staje się mniej atrakcyjne.
4. Spółki celowe, operatorzy i dostawcy muszą refinansować się po wyższym koszcie.
5. Hyperscalerzy opóźniają lub ograniczają zamówienia na chipy, serwery, budowę obiektów, energię i nieruchomości.
6. Słabsze podmioty tracą dostęp do kredytu, a wyższe koszty długoterminowego finansowania ograniczają inwestycje poza technologią.

To możliwa pętla sprzężenia zwrotnego, a nie prognoza. Najwięksi, zasobni w gotówkę hyperscalerzy mogą przez dłuższy czas absorbować niższe stopy zwrotu niż mniejsze firmy infrastrukturalne. Jednak nawet bez niewypłacalności największych emitentów opóźnione projekty i zaostrzenie warunków finansowych mogłyby osłabić szerszy cykl inwestycyjny.

Co wynika z danych, a czego nie można jeszcze stwierdzić

Dostępne dane wskazują na rosnące ryzyko koncentracji i korelacji. Zadłużenie związane z AI szybko rośnie, obligacje zamienne są wykorzystywane do finansowania ekspansji powiązanej ze sztuczną inteligencją, a struktury finansowania centrów danych rozprowadzają ekspozycję między rynkiem publicznym i prywatnym.

Nie dowodzi to jednak, że system finansowy stoi przed nieuchronnym kryzysem systemowym. Kwota 570 mld dolarów jest prognozą, a nie wielkością już zrealizowanej emisji. Również szacunki luki finansowej czy udziału długu w nakładach inwestycyjnych zależą od tego, co zostanie zaliczone do zadłużenia. Leasing, gwarancje, kredyt prywatny, finansowanie dostawców i przyszłe zobowiązania mogą prowadzić do bardzo różnych sum.

Dla inwestorów najbardziej użytecznym testem jest zatem mapowanie ekspozycji. Warto patrzeć nie tylko na nazwy emitentów, lecz także sprawdzać, czy kilka pozycji w portfelu zależy od tego samego hyperscalera, tego samego najemcy centrum danych, tej samej wartości odsprzedaży sprzętu albo tego samego założenia dotyczącego komercjalizacji AI.

Sedno ryzyka nie polega na tym, że każdy aktyw powiązany z AI jest identyczny. Chodzi o to, że wiele różnych aktywów może stać się podatnych na tę samą zmianę oczekiwań.

Nie chodzi wyłącznie o refinansowanie istniejących zobowiązań. Firmy technologiczne coraz częściej korzystają z rynku długu i instrumentów powiązanych z akcjami, aby finansować kapitałochłonną rozbudowę infrastruktury AI i chmury. To odejście od modelu, w którym inwestycje były finansowane przede wszystkim z bieżących przepływów pieniężnych.

Skala i tempo emisji mają znaczenie, ponieważ hyperscalerzy sięgają po te same zasoby kapitału instytucjonalnego, z których finansowane są również obligacje skarbowe USA i inne papiery przedsiębiorstw o ratingu inwestycyjnym. Duża podaż nie musi automatycznie podnosić rentowności, ale może skłonić inwestorów do większej selektywności. Emitenci mogą wtedy być zmuszeni zaoferować wyższe marże, a inwestorzy długoterminowi — zażądać większej premii za przyjęcie dodatkowego ryzyka stopy procentowej i długiego terminu zapadalności.

Skutki nie ograniczałyby się do sektora technologicznego. Reuters informował, że dług związany z AI odpowiadał w 2026 r. za blisko 15 proc. emisji obligacji o ratingu inwestycyjnym, choć koncentracja AI w szerokich indeksach kredytowych nadal pozostawała niska. To ważne rozróżnienie: sektor może wpływać na ceny nowych emisji i płynność rynku, nawet jeśli nie dominuje jeszcze całego uniwersum obligacji inwestycyjnych.

Dlaczego akcje i obligacje stają się ze sobą powiązane

Kanał akcyjny i kredytowy wzmacniają się nawzajem na dwa sposoby.

Po pierwsze, niewielka grupa największych firm technologicznych wpływa na wyniki indeksów akcji i nastroje inwestorów. Jeżeli ich wyceny w dużym stopniu zależą od oczekiwanych przyszłych zysków z AI, obniżenie prognoz popytu albo zwrotu z inwestycji infrastrukturalnych może jednocześnie obniżyć kursy akcji i ocenę przyszłych przepływów pieniężnych.

Po drugie, niższe wyceny akcji mogą podrożyć finansowanie. Spółki mogą wtedy zapłacić wyższe marże na rynku zwykłych obligacji, uzyskać mniej korzystne warunki w kredycie prywatnym i spotkać się z mniejszym popytem na papiery powiązane z akcjami. Wzrost kosztów finansowania może z kolei osłabić pierwotne uzasadnienie dla dalszych inwestycji.

Dobrze widać to na rynku obligacji zamiennych. Łączą one dług z opcją zamiany na akcje, dzięki czemu emitent może obniżyć bieżące koszty odsetkowe, gdy inwestorzy wysoko wyceniają potencjał wzrostu kursu. W USA w pierwszych czterech miesiącach 2026 r. emisje obligacji zamiennych sięgnęły około 34 mld dolarów — ponad dwa razy więcej niż rok wcześniej. Wzrost napędzały między innymi firmy powiązane z AI.

Silny rynek akcji spółek AI może więc ułatwiać tańsze finansowanie instrumentami zamiennymi, które następnie służy do rozbudowy infrastruktury i podtrzymuje narrację o wzroście. Gwałtowna wyprzedaż akcji działałaby odwrotnie: obligacje zamienne traciłyby atrakcyjność, warunki zabezpieczania pozycji pogarszałyby się, a kredytobiorcy musieliby w większym stopniu korzystać z droższego długu tradycyjnego albo nowej emisji akcji.

Ukrytym łącznikiem jest popyt na AI, a nie forma instrumentu

Obligacja hyperscalera, pożyczka na centrum danych, finansowanie z rynku prywatnego, kredyt na projekt energetyczny i należność dostawcy mogą być emitowane przez różne podmioty prawne. Wszystkie mogą jednak zależeć od tego samego założenia ekonomicznego: klienci AI będą nadal wydawać pieniądze, wynajmować moc obliczeniową i generować przychody wystarczające do utrzymania całego łańcucha infrastruktury.

Taka wspólna zależność może sprawić, że dywersyfikacja będzie wyglądała lepiej, niż jest w rzeczywistości. Portfel rozłożony między obligacje, sekurytyzacje i prywatne pożyczki może zawierać kilka roszczeń wobec tych samych hyperscalerów, operatorów centrów danych albo popytu na sprzęt. Jeśli projekty zostaną opóźnione lub moce obliczeniowe okażą się niewykorzystane, straty mogą pojawić się jednocześnie w różnych instrumentach — nawet jeśli żaden z nich nie jest formalnie gwarantowany przez tę samą spółkę.

Ryzyko rośnie, gdy struktura finansowania przenosi ekspozycję poza główny bilans firmy, ale nie usuwa jej zobowiązań handlowych.

Finansowanie pozabilansowe może zaciemniać rzeczywistą ekspozycję

Spółki celowe, leasing i gwarancje wartości rezydualnej stają się ważnymi narzędziami w rozbudowie centrów danych. W typowej strukturze zewnętrzny podmiot pozyskuje dług i jest właścicielem obiektu, a firma technologiczna wynajmuje gotową infrastrukturę. Takie rozwiązanie może sprawić, że zadłużenie projektu nie pojawi się w długu raportowanym przez spółkę, choć firma nadal może być zobowiązana do płacenia czynszu, minimalnego wykorzystania obiektu lub gwarancji dotyczących jego przyszłej wartości.

Przykładem jest proponowane centrum danych Hyperion firmy Meta. Analiza prawna opisuje spółkę celową o wartości 30 mld dolarów, która pozyskała około 27 mld dolarów w pożyczkach i 3 mld dolarów kapitału własnego, a następnie wydzierżawiła obiekt Mecie. Inne doniesienia opisują gwarancje wartości rezydualnej, w ramach których Meta miałaby zrekompensować inwestorom spadek wartości nieruchomości poniżej określonego progu.

Nie oznacza to, że dług spółki celowej jest identyczny ze zwykłym uprzywilejowanym długiem rodzica. Oznacza jednak, że sama wartość zadłużenia widoczna w sprawozdaniu może nie pokazywać pełnej wrażliwości firmy na koszty budowy, starzenie się technologii, wykorzystanie obiektu i wycenę aktywów.

Dla inwestora najważniejsze pytanie nie brzmi więc wyłącznie: „Kto formalnie pożyczył pieniądze?”. Równie istotne jest: „Kto poniesie stratę, jeśli ekonomika AI okaże się słabsza od oczekiwań?”.

Jak korekta finansowania mogłaby rozlać się na gospodarkę

Korekta nie musiałaby rozpocząć się od niewypłacalności. Mogłaby zacząć się od zmiany założeń:

1. Wzrost przychodów z AI albo wykorzystanie centrów danych okazują się niższe od oczekiwań.
2. Wyceny akcji spadają, a inwestorzy ponownie oceniają okres zwrotu z nakładów inwestycyjnych.
3. Marże kredytowe rosną, a finansowanie obligacjami zamiennymi staje się mniej atrakcyjne.
4. Spółki celowe, operatorzy i dostawcy muszą refinansować się po wyższym koszcie.
5. Hyperscalerzy opóźniają lub ograniczają zamówienia na chipy, serwery, budowę obiektów, energię i nieruchomości.
6. Słabsze podmioty tracą dostęp do kredytu, a wyższe koszty długoterminowego finansowania ograniczają inwestycje poza technologią.

To możliwa pętla sprzężenia zwrotnego, a nie prognoza. Najwięksi, zasobni w gotówkę hyperscalerzy mogą przez dłuższy czas absorbować niższe stopy zwrotu niż mniejsze firmy infrastrukturalne. Jednak nawet bez niewypłacalności największych emitentów opóźnione projekty i zaostrzenie warunków finansowych mogłyby osłabić szerszy cykl inwestycyjny.

Co wynika z danych, a czego nie można jeszcze stwierdzić

Dostępne dane wskazują na rosnące ryzyko koncentracji i korelacji. Zadłużenie związane z AI szybko rośnie, obligacje zamienne są wykorzystywane do finansowania ekspansji powiązanej ze sztuczną inteligencją, a struktury finansowania centrów danych rozprowadzają ekspozycję między rynkiem publicznym i prywatnym.

Nie dowodzi to jednak, że system finansowy stoi przed nieuchronnym kryzysem systemowym. Kwota 570 mld dolarów jest prognozą, a nie wielkością już zrealizowanej emisji. Również szacunki luki finansowej czy udziału długu w nakładach inwestycyjnych zależą od tego, co zostanie zaliczone do zadłużenia. Leasing, gwarancje, kredyt prywatny, finansowanie dostawców i przyszłe zobowiązania mogą prowadzić do bardzo różnych sum.

Dla inwestorów najbardziej użytecznym testem jest zatem mapowanie ekspozycji. Warto patrzeć nie tylko na nazwy emitentów, lecz także sprawdzać, czy kilka pozycji w portfelu zależy od tego samego hyperscalera, tego samego najemcy centrum danych, tej samej wartości odsprzedaży sprzętu albo tego samego założenia dotyczącego komercjalizacji AI.

Sedno ryzyka nie polega na tym, że każdy aktyw powiązany z AI jest identyczny. Chodzi o to, że wiele różnych aktywów może stać się podatnych na tę samą zmianę oczekiwań.