Kan Big Techs AI-boom bli en kreditkris?

AI-boomen har blivit en fråga för kreditmarknaden eftersom investeringarna ökar snabbare än de kassaflöden som ska bära dem. Alphabet, Amazon, Meta och Microsoft väntas investera omkring 730–760 miljarder dollar i kapitalutgifter under 2026, enligt uppskattningar som Janus Henderson hänvisar till. Andra bedömningar använder andra räkenskapsperioder eller redovisningsmått, så spannet är mer användbart än en enskild rubriksiffra.

Det betyder inte att de fyra hyperskalarna – mycket stora moln- och teknikbolag – är nära förestående konkurskandidater. Moody’s har betonat att de fortfarande har några av världens starkaste företagsbalansräkningar, även om AI-satsningarna pressar det fria kassaflödet och ökar balansräkningsrisken. Den viktigare frågan är var förlusterna skulle hamna om intäkterna från molntjänster och AI inte räcker för att motivera infrastrukturen som byggs.

Kassaflödesbufferten blir tunnare

Stora investeringsprogram kan vara hållbara om de på sikt ger tillräckligt hög avkastning. Problemet är att utgifterna kommer direkt, medan beläggning, prissättning och AI-intäkter fortfarande är osäkra.

Alphabet illustrerar pressen. Bolaget höjde sin prognos för kapitalutgifter 2026 till 195–205 miljarder dollar. De ökade investeringarna gjorde samtidigt det kvartalsvisa fria kassaflödet negativt, rapporterade CNBC. Reuters har också beskrivit hur hyperskalare börjar se avkastning på AI-investeringarna, men att kostnaden för utbyggnaden pressar kassaflödet.

Ett enda kvartal med negativt kassaflöde är inte ett tecken på insolvens. Återkommande underskott kan däremot öka beroendet av kassa, obligationer, aktieemissioner, leasing och långsiktiga avtalsförpliktelser. Då förvandlas en vanlig teknik­investering till en finansieringscykel.

Infrastrukturen skapar en ekonomisk obalans

AI-infrastruktur består av tillgångar med mycket olika ekonomiska livslängder:

• Grafikprocessorer och annan utrustning kan snabbt tappa värde när nya system ger bättre prestanda eller lägre kostnader.
• Datacenter och elinfrastruktur är långlivade, dyra och svåra att använda till något annat.
• Priserna på molntjänster kan pressas när flera leverantörer bygger ut kapaciteten samtidigt.
• Bygg-, utrustnings- och elavtal kan fortsätta gälla även om en kund bromsar sin expansion.

Om AI-efterfrågan sviker kan en hyperskalerare minska framtida kapitalutgifter. Det behöver däremot inte stoppa anläggningar som redan byggs, utrustning som redan beställts, leasingavtal som redan undertecknats eller projektlån som redan tagits upp. Förlusterna kan därför först drabba infrastrukturägare och deras finansiärer – snarare än det största teknikbolaget självt.

Finansiering utanför balansräkningen flyttar risken

Utbyggnaden finansieras genom en blandning av företagsobligationer, leasing, joint ventures, projektbolag, garantier och kapital från tredje part. Bank for International Settlements, BIS, beskriver upplägg där ett särskilt bolag utvecklar eller köper ett datacenter, tar upp lån och förlitar sig på långa hyres- eller kapacitetsavtal med en hyperskalerare.

Sådana strukturer kan vara ekonomiskt nära kopplade till en hyperskalerare även när lånen inte redovisas som vanlig företagsskuld. En Moody’s-uppdatering från juli, som återgivits i rapporteringen, uppskattade leasingåtagandena för datacenter hos Amazon, Alphabet, Meta, Microsoft, Oracle och CoreWeave till omkring 1,2 biljoner dollar. Över 820 miljarder dollar var kopplade till anläggningar som fortfarande var under byggnation.

Därför bör uppskattningar av ”dolda” AI-åtaganden hanteras försiktigt. En totalsiffra på exempelvis 3 biljoner dollar kan omfatta olika kombinationer av leasing, inköpsåtaganden, garantier och andra kontraktuella exponeringar. Den är inte automatiskt jämförbar med redovisad skuld. Den mer hållbara slutsatsen är att den synliga skulden på balansräkningen inte fångar alla krav som AI-utbyggnaden skapar.

Privata krediter får det första riktiga stresstestet

Privata långivare spelar en allt större roll i finansieringen av datacenter, byggprojekt, mark, kraftutrustning och annan relaterad infrastruktur. Forskning från Columbia Business School, med hänvisning till uppskattningar från Morgan Stanley, visar att mer än hälften av de cirka 2,9 biljoner dollar som krävs för hyperskalarnas ökade beräkningskapacitet 2025–2028 kan behöva komma från externa finansiärer. Privata krediter väntas stå för en stor del av lånefinansieringen.

Det skapar flera sammanlänkade sårbarheter. En försenad datacenteröppning kan skjuta upp intäkterna medan räntan fortsätter att ticka. Lägre efterfrågan från hyresgäster kan försämra skuldtäckningen. Fallande värden på grafikprocessorer och annan utrustning kan minska säkerheterna samtidigt som rörelsekassaflödet försämras.

Om privata kreditfonder dessutom måste möta uttagskrav när tillgångarna är svåra att sälja, kan nedskrivningar skapa finansieringspress även utan att en hyperskalerare ställer in sina betalningar.

Företagsobligationer kan få högre kreditspreadar

Hyperskalare kan normalt låna billigare än svagare låntagare, men stora emissioner konkurrerar ändå om investerarnas balansräkningar. Dallas Fed pekar på tre möjliga kanaler: ökad långfristig emission av företag med hög kreditvärdighet, refinansiering av lån inom privat kredit och undanträngning av finansiella emittenter. Tillsammans kan de påverka både räntor och utbudet av obligationer med lång löptid.

Om det fria kassaflödet faller samtidigt som skulder och leasingåtaganden ökar kan kreditvärderingsinstituten bli mer försiktiga med bolagens skuldsättning och finansieringspolitik. Moody’s har varnat för att AI-utgifter, aktieförsäljningar och finansiering utanför balansräkningen kan hota kreditkvaliteten – samtidigt som myndigheten framhåller bolagens grundläggande styrka.

Effekten skulle kunna spridas utanför tekniksektorn. Datacenteroperatörer, energibolag, telekomföretag, byggbolag, chiptillverkare och andra industrilåntagare kan få högre finansieringskostnader om investerarna börjar kräva större kompensation för en koncentrerad AI-exponering.

Strukturerade produkter kan förstärka förlusterna

Kassaflöden från datacenter, leasingfordringar, utrustningslån och projektfinansiering kan finansieras eller paketeras i strukturerade bolag. Uppläggen kan se motståndskraftiga ut när de bygger på en högt kreditvärderad hyresgäst med långsiktiga avtal. Skyddet är dock mindre heltäckande när många projekt i praktiken är beroende av samma lilla grupp hyperskalare och samma antaganden om AI-efterfrågan.

En samordnad neddragning av investeringarna kan då leda till flera problem samtidigt: omförhandlingar av leasingavtal, avtalsbrott, lägre säkerhetsvärden och försämrade antaganden om utrustningens andrahandsvärde. Seniora investerare kan fortfarande ha ett skydd, men juniora trancher, lagerfinansiärer och aktieägare skulle vara mer utsatta.

Faran är korrelationen: tillgångar som var för sig ser diversifierade ut kan falla samtidigt av samma anledning.

Statsskulden är en indirekt kanal

AI-investeringar kommer sannolikt inte i sig att utlösa en statsskuldskris. Effekten på statsobligationsmarknaden skulle snarare gå via konkurrensen om kapital och högre så kallade löptidspremier – den extra ersättning investerare kräver för att binda kapital under längre tid.

Stora emissioner från företag och projektfinansieringar kommer samtidigt som stater ska refinansiera betydande skulder. Om investerarna kräver högre ersättning för löptid eller kreditrisk kan räntorna stiga för både offentliga och privata låntagare. Högre räntor gör i sin tur datacenter, elnät och annan infrastruktur dyrare att finansiera, vilket ökar pressen på projekt med svag lönsamhet.

Den systemiska risken är koncentration och medcyklikalitet

Investerarnas oro gäller inte en prognos om att Alphabet, Amazon, Meta eller Microsoft plötsligt ska falla. Det handlar om ett gemensamt chockscenario. I Bank of Americas fondförvaltarenkät uppgav 38 procent att hyperskalarnas AI-investeringar var den mest sannolika utlösaren av en systemisk kreditkris.

Oron bottnar i koncentrationen. Samma bolag driver efterfrågan på avancerade chip, el, byggnation, datacenterkapacitet och finansiering. Om avkastningen är stark accelererar koncentrationen investeringarna. Om avkastningen sviker kan bolagen däremot bromsa samtidigt och föra chocken vidare till långivare, fastighetsägare, energibolag, leverantörer och värdepapperiseringar.

Vilka signaler bör investerare följa?

Det räcker inte att bara titta på de totala kapitalutgifterna. Viktiga indikatorer är:

1. Tillväxten i AI- och molnintäkter i relation till avskrivningar, elkostnader, leasing och finansiering.
2. Det fria kassaflödet efter kapitalutgifter och finansiell leasing.
3. Beläggning och prissättning i datacenter, särskilt när flera leverantörer bygger ut samtidigt.
4. Påbörjade och uppsagda leasingavtal för anläggningar som fortfarande är under byggnation.
5. Kreditgivning och likviditet i privata kreditfonder, inklusive exponeringen mot enskilda hyresgäster eller regioner.
6. Obligationsemissioner, kreditutsikter och spreadar för hyperskalare och närliggande infrastrukturbolag.
7. Andrahandsvärden på grafikprocessorer och annan utrustning, eftersom de påverkar säkerheter och återvinningsgrader.

Risken kan förbli hanterbar om AI-intäkter och rörelsekassaflöden till slut växer snabbare än de nya infrastrukturinvesteringarna. En marknadsbedömning räknar med att hyperskalarnas vinst- och kassaflödestillväxt börjar överträffa tillväxten i nya kapitalutgifter sent 2027 eller under 2028. Det är dock en prognos, inte ett fastställt utfall.

Det kritiska scenariot uppstår om intäktstillväxten under lång tid ligger under den nivå som krävs för att täcka avskrivningar, el, leasing, finansieringskostnader och nya investeringar. Då kan AI-utbyggnaden gå från lönsam kapacitetsökning till överkapacitet: hyperskalarna får lägre avkastning, medan mer skuldsatta mellanhänder möter betalningsinställelser, försämrade säkerheter, refinansieringsproblem och bredare kreditspreadar.